他用一整支片證明 YouTube 可以好聽，而 YouTube 難聽的真正原因他講錯了一半#
這支片（2026-08-18，18 分 51 秒）是店內實機示範：用同一套 StormAudio 劇院系統去聽 YouTube 上的音樂影片，過程中改 Dirac 曲線、開上混，最後導向一個主張——兩聲道和家庭劇院不必分兩套。
本站要先講清楚這支片的性質：全片拍攝於他自己的店內（片中自陳「我們那個開店」「我們每個月都有播影片的日子」），示範器材是店內系統，而結論正好是「一套高價系統可以身兼兩用」。技術過程照收並查證，「一套就夠」這種同時是結論、也是他的生意方向的判斷，本站標明立場不收為事實。
技術上，這支片有兩件他做對的事、兩件他講錯的事，而且錯的都不動搖結論。
做對的第一件：他調 Dirac 曲線時，發現人聲加厚之後高頻細節不見了，處置是把中頻拉回來，而不是再去加高頻（kp-04）。這是心理聲學上正確的方向——遮蔽是往上擴散的，被蓋住的高頻要靠移除遮蔽者來救，不是靠加大被遮蔽者。
做對的第二件：他自己標了上混的限制，「我認為還差得遠」「並不是一個穩定的東西」（kp-06）。在一支示範自家系統有多好的影片裡主動說出效果不穩定，本站記在加分欄。
講錯的第一件：他把「音場縮在喇叭中間」歸因於 YouTube 人聲厚度不夠（kp-03）。現象是真的，理由是錯的。低位元率壓縮讓音場變窄的真正機制是強度立體聲（intensity stereo）——約 2kHz 以上兩聲道被合併成單一訊號加上音量比例，原始音場愈寬、被抹得愈明顯。這跟人聲厚度是兩件事。
講錯的第二件：他說上混是把「比較偏高頻的聲音往外擴展」（kp-05）。Dolby 官方的說法是把非方向性的環境成分（原文舉例是雨聲、風聲）映到天空聲道，判準是方向性與相關性，不是頻率高低。高頻常常同時是環境音，所以他的觀察對得上結果，但講成「高頻往外丟」會讓人以為調 EQ 就能改變上混行為。
兩處都只換掉理由，不動搖他的結論：音場真的會縮、上混真的能打開。
往下讀之前先問自己 這支片最實用的部分不是「一套能不能兩用」，是他調曲線那五分鐘的思路：加了中頻、發現高頻不見、把中頻拉回去而不是加高頻。那個決定是對的，而且大多數人會做反的。至於一套兩用——他示範的是這套系統做得到，不是每套都做得到，也不是你需要。
這是取捨判斷，不是可證偽的技術主張，本站不做實證分級。
成本論證的部分本身是自洽的：一台高階環繞處理器若只用單一用途，其多聲道處理與空間校正能力確實閒置。這個推論不需要外部證據就成立。
而本站可以查核的是他有沒有誠實標示前提——他有。片中明講這是在他調過曲線、開過上混之後才成立的結果，不是開箱即用。
查證來源
- 成本論證為自洽推論，不需外部證據
- 前提（需調曲線、需開上混）由講者於片中自行標示
- 拍攝地點與器材歸屬依片中自陳認定
⚠️ 立場揭露：這支片拍攝於他自己的店內（片中自陳「我們那個開店」「7 月跟 8 月都貼上去了」「我們每個月都有那個播影片的日子」），示範器材為店內系統，而結論正好是「一套高價環繞處理器可以身兼兩用」——這是一個支持購買的論點。
⚠️ 更重要的是，這個結論的成立條件在片中被他自己說掉了：整套流程需要為 YouTube 另存一條 Dirac 曲線、需要判斷什麼時候開上混、需要在不同曲線之間手動切換。
也就是說「一套兩用」的代價不是錢，是操作。分兩套的人省掉的正是這件事——切到哪套就是哪套的聲音，不用想。這個成本片中沒有計入比較。
「有損」這件事沒有爭議，實際數字也對得上他的定性。
YouTube 供應的音訊是 AAC 或 Opus，兩者皆為有損編碼，從不使用無損格式。一般影片的 AAC 大約在 128kbps 等級（實測最高約 126kbps），Opus 則落在 56–165kbps 之間；YouTube Music 的預設「一般」品質為 128kbps，「高」為 256kbps。
他說「格式每個月在變」也不是誇飾：YouTube 確實持續在調整供應的音訊格式與編碼參數，Opus 的採用本身就是這個過程的一部分。
查證來源
- YouTube 使用 AAC 與 Opus，皆為有損編碼
- 一般影片 AAC 約 128kbps；Opus 約 56–165kbps
- YouTube Music 預設 128kbps、高品質 256kbps
⚠️ 他把「有損」直接等同於「音質爛」，這一步在 2026 年已經站不太住。128kbps 的 AAC 或 Opus 對絕大多數素材而言遠不是「爛」，Opus 在中低位元率的表現尤其好。
這支片真正聽得出差別的原因，反而是他自己示範的那兩首歌的錄音特性差異很大（一首吉他獨奏、一首年輕聲樂），而不是位元率把它們毀了。他把兩件事混在一起講了。
現象本站收錄；機制本站改寫。
低位元率壓縮確實會讓音場變窄，但機制是強度立體聲（intensity stereo）：編碼器把左右聲道在較高頻段合併成單一訊號＋各頻段的音量比例，藉此省下位元。這在心理聲學上被認為可接受，因為人耳對約 2kHz 以上的訊號相位並不敏感。
代價正好就是音場：文獻明確指出，強度立體聲在低位元率下會抹糊立體聲像，而且原始音場愈寬、愈明顯。因為頻段劃分很寬，它無法同時表現「左聲道 10kHz、右聲道 10.1kHz」這種情形，兩者會被推到中間。
這正是他聽到的：聲音縮在兩支喇叭之間。
查證來源
- 強度立體聲：高頻段以單一訊號＋音量比例取代左右聲道
- 心理聲學依據：人耳對約 2kHz 以上相位不敏感
- 已知副作用：低位元率下抹糊立體聲像，原始音場愈寬愈明顯
- AAC 與 Opus 皆自動使用聯合立體聲最佳化
⚠️ 為什麼要糾正這條，而不是算他講對了：因為理由決定你會怎麼處理它。
如果你相信是「人聲厚度不夠」，你會去調 EQ——而 EQ 救不回已經被合併掉的聲道間資訊，那個資訊在編碼階段就不存在了。
如果你知道是聲道資訊被合併，你就會知道只有兩條路：換無損來源，或者用上混這類「重新製造空間感」的手段——而後者正是他這支片後半段真正做的事。
他的處置是對的，他對處置的解釋不是。
這條的方向在心理聲學上是標準答案。
遮蔽（masking）指較強的聲音降低鄰近頻率較弱聲音的可聽度，而且遮蔽是不對稱的：一個 1kHz 音對高頻的遮蔽效果隨音量增加而明顯強於對低頻，這就是遮蔽的向上擴散（upward spread of masking）。
因此混音上的標準處置正是他做的那個：訊號的高頻能量其實夠，只是被較低頻的成分蓋住了；與其加高頻，不如降低造成遮蔽的低頻／中頻成分。
人耳在 2–5kHz 最敏感，這也是為什麼中頻只多了零點幾 dB 就足以蓋掉上面的細節。
查證來源
- 遮蔽：強訊號降低鄰近頻率弱訊號的可聽度
- 遮蔽的向上擴散：對高頻的遮蔽強於對低頻
- 標準處置：降低遮蔽者而非提升被遮蔽者
- 人耳最敏感區約 2–5kHz
⚠️ 要注意他調的是 0.4dB。這個量級的差異在單獨聆聽時幾乎不可能分辨，他自己在片尾也承認需要重複聽上百次才聽得出來（kp-08）。
所以這條的可複製部分是「方向」，不是「數字」：中頻多了就砍中頻，不要加高頻。至於砍多少，他的 0.4dB 對應的是他那間店、那對喇叭、那條曲線，抄數字沒有意義。
結果收錄，判準改寫。
上混器的工作是用演算法從既有訊號中萃取空間資訊，讓內容聽起來像是為多聲道混音的。而 Dolby 對天空聲道的說明是：非方向性的環境效果（原文舉例為雨聲、風聲）被映到天空聲道，處理方式與環繞聲道對環境內容的處理相似。
也就是判準是「方向性／環境性」，不是「頻率高低」。高頻成分常常同時具有環境性（空氣感、殘響尾音、細碎音效），所以他的觀察對得上結果——但這是相關，不是機制。
查證來源
- Dolby：非方向性環境效果（雨、風）映到天空聲道
- 上混以演算法萃取空間資訊而非依頻率分派
- 喇叭擺位為影響上混表現的主要因素之一
- 各系統演算法不同，同素材結果有差異
⚠️ 這個差別會影響你怎麼用它。
如果你以為上混是「把高頻丟出去」，你會想用 EQ 去操縱它——加高頻讓環繞更多、減高頻讓它收斂。實際上不會這樣運作：一段高頻但高度相關（左右幾乎相同）的訊號會被判為前方定位，怎麼加都不會被丟到天空聲道去。
真正影響上混結果的是素材本身的聲道相關性，以及演算法與喇叭配置。外部資料也明確指出：喇叭擺位是影響上混表現最大的因素之一，而各系統演算法不同、同一素材結果會有差異。
⚠️ 附帶一個諷刺的地方：上混要靠聲道間的差異來工作，而 kp-03 的強度立體聲正好在高頻抹掉聲道間差異。用上混救有損來源的音場，本質上是用演算法重造一個被編碼器丟掉的東西，不是把它找回來。
他說的不穩定，外部資料支持。
上混結果會因系統演算法、素材、喇叭配置而異，各家做法不同、輸出也不同；喇叭擺位與房間聲學都會影響最終的沉浸感。這正是「完全看處理器怎麼算」的具體內容。
本站要特別記這一條的原因不是它的技術含量，是它的位置：這句話出現在一支示範自家店內系統有多好的影片裡，而且是在效果最好的示範之後立刻講的。在該說服的時候主動說出限制，本站記在加分欄。
查證來源
- 上混結果因演算法、素材、喇叭配置而異
- 擺位與房間聲學影響沉浸感
- 各系統演算法不同、輸出不同
⚠️ 「差得遠」是相對於原生全景聲混音而言，不是說沒用。片中他的實際結論是相反的——他說找到了讓這些影片「一看再看」的方法。
兩句話並不矛盾，但摘出來單看會誤導：他的意思是「這是重造，不是還原」，而重造對他的用途（在店裡整天播 MV）已經夠了。
這是他的聆聽經驗判斷，本站不做實證分級。
但這條的分法值得記，因為它可以指導取捨：如果視覺確實對音色有補償、對音場沒有，那麼看影片的系統應該優先把預算放在空間感（擺位、聲道數、上混）而不是音染調校——而這正好解釋了他整支片的處置順序：先調曲線（音色）只花幾分鐘，最後靠上混（空間）才真正滿意。
查證來源
- 無外部實證支持此具體不對稱主張，本站未找到可引用文獻
- 收錄依據為可操作性，非實證強度
⚠️ 他沒有給這條任何證據，本站也查不到直接支持它的比較研究。視聽交互作用本身有大量文獻，但「音色被補償、音場不被補償」這個具體的不對稱主張，本站未找到可引用的實證。
收錄理由是它可操作，不是它被證明。照他的講法去分配預算不會出錯，但不要把它當成已知的心理學結論去引用。
這是方法論自述，不是可驗證的主張，本站不做實證分級。
但它解釋了本站在 kp-04 標的那個警告：他調的 0.4dB 是在極度熟悉單一素材的條件下做的判斷。熟悉素材確實是聽力訓練的核心方法——你不是在聽器材，是在聽你已經記住的那個版本跟現在有什麼不同。
他主動說「我不是說各位應該要這麼做」，等於自己標示了這個條件不可移植。
查證來源
- 方法論自述，講者自行標示不可移植
- 片中切換皆為講者自行操作，非盲測
⚠️ 重複聆聽同時也是最強的偏誤來源。聽了一百遍之後，你對「這一段應該長什麼樣」的預期會非常強，而預期正是非盲測最難排除的干擾。他在片中所有的切換都是自己操作、自己知道切到哪一邊。
本站不因此否定他的判斷——熟悉素材確實提高分辨力。但要標清楚：這是熟悉度帶來的分辨力，不是盲測驗證過的分辨力，兩者不能互相取代。
操作站得住，命名對不上。齒音（sibilance）的能量集中在約 4–10kHz——男聲多在 4–6kHz、女聲常落在 7–10kHz，去齒音處理的偵測帶通常設在 5–9kHz。他點名的 1000–6000Hz，下半段（1–4kHz）並不是齒音區，而是人聲的存在感與清晰度區。
所以壓這一段確實會讓聲音變厚、變不刺耳，但原因是 kp-04 已經記錄過的遮蔽機制（降低造成向上遮蔽的中頻成分），不是「把唇齒音拿掉」。同一支片裡他把 1kHz 以下拉高、1k–6k 壓下去，本質上就是 kp-04 那個「砍中頻而不是加高頻」的動作換個講法。
查證來源
- 齒音能量集中於約 4–10kHz，去齒音偵測帶常設於 5–9kHz
- 男聲齒音多落在 4–6kHz，女聲多落在 7–10kHz
- 1–4kHz 屬人聲存在感與清晰度區，與齒音區僅上緣重疊
來源：《一套音響，真的能同時玩好兩聲道和家庭劇院？》（2026-08-18，18:51，官方中文字幕）。本單元所有引句皆出自該片官方字幕，非轉錄稿。
立場揭露：全片拍攝於講者自己的店內（片中自陳「我們那個開店」「7 月跟 8 月都貼上去了」「我們每個月都有那個播影片的日子」「助理弟弟拿手機給我」），示範器材為店內系統（StormAudio 環繞處理器＋DALI 喇叭＋Dirac 空間校正）。全片的結論「一套可以兩用」是一個支持購買高階環繞處理器的論點，本站標明立場，不收為事實（kp-01）。
本站主動修正的兩處機制，兩處都不動搖結論：①音場窄縮的成因不是「YouTube 人聲厚度低」，是強度立體聲在高頻合併聲道資訊（kp-03）；②上混的判準不是「頻率高低」，是方向性與聲道相關性（kp-05）。修正的理由不是挑錯，是因為錯的機制會導向錯的處置——兩處都會讓人去調 EQ，而 EQ 對這兩件事都無效。
本站記在加分欄的兩件事：①他在效果最好的示範之後立刻主動說「我認為還差得遠」「並不是一個穩定的東西」（kp-06）；②他明講重複聽上百次的做法「我不是說各位應該要這麼做」，自行標示條件不可移植（kp-08）。
本站未進行的驗證：未實際重現他的 Dirac 曲線調整，也未對上混效果做任何聆聽比較。kp-04 與 kp-05 的判斷依據為公開的心理聲學與編碼原理，不作為實聽結論。
方法學說明：全片為單人自行操作的即時切換示範，無盲測、無對照組、無重複量測，講者亦未宣稱做過測試。因此本站的方法學查核僅適用於機制正確性，不適用於效果強度。 ⚠️ 2026-08-26 補充：kp-09 來自另一支公開影片（OicgcPFy41g，2026-08-26），是同一套 EQ 手法在八天後的頻段版說法，本站併入本單元而非另立新單元（題目相同）。該片同為店內示範，器材評價不採。