效果¶
一次套用一種 kudio 效果：有選取範圍時作用在選取範圍上，沒有時作用在整段音訊。從「效果」選一種，設定它的參數，按鈕上方那一行就會顯示「套用」將執行的呼叫。同一個呼叫會寫進復原紀錄，再從那裡進入匯出的腳本。
預覽、套用、復原¶
「♪ 預覽」把效果套在選取範圍（或整段音訊）上播放，而且不改變任何東西：沒有編輯，也沒有復原步驟。它會循環播放，所以找出合適的 top_db 是靠聽，而不是套用、聽、復原、再來一次。播放中改參數，它會在最後一次改動後 120 ms 重新算繪。預覽與套用在同樣的音訊上執行同樣的程式碼，所以你聽到的就是「套用」將會寫入的結果。
任何其他要求播放的動作都會結束試聽並放開按鈕：播放、停止、一次編輯，或另一個面板的預覽。
「套用」執行編輯。「復原」取消上一個編輯，「還原為原始音訊」捨棄全部編輯；兩者都與「編輯」選單裡的相同。
對選取範圍套用效果時，是用處理過的版本取代那一段，邊緣不做交叉淡化：若把邊緣混回去，兩端就會各留下幾毫秒沒有套到效果。
各種效果¶
參數名稱都是 kudio 的，所以說明文字裡的呼叫與控制項讀起來一致。
音量與淡入淡出¶
| 效果 | 參數 | 作用 |
|---|---|---|
gain |
db |
固定增益 |
random_gain |
db_range 的 low 與 high、seed |
從範圍中隨機抽一個增益 |
fade_in、fade_out |
duration、shape |
在開頭或結尾淡入、淡出；shape 可選 linear、cosine 或 exponential |
fade |
fade_in_s、fade_out_s、shape |
兩者同時 |
reverse |
把選取範圍倒過來 | |
remove_dc |
逐聲道減去平均值。在長錄音中緩慢漂移的偏移其實是極低頻，那要用 highpass 處理 |
濾波與音高¶
| 效果 | 參數 | 作用 |
|---|---|---|
highpass、lowpass |
cutoff、order、零相位 |
Butterworth 濾波器。零相位預設開啟，正反各濾一次，所以時間上不會有任何位移 |
bandpass、bandstop |
low、high、order |
保留或去除一個頻帶。bandstop 預設 45–55 Hz，對準 50 Hz 的市電交流聲 |
pitch_shift |
n_steps |
以半音為單位升高或降低音高，長度不變 |
time_stretch |
rate |
加快或放慢，音高不變；長度會改變 |
截止頻率不能超過音訊取樣率的一半。控制項會停在那裡，而不是等到「套用」時才出錯。
房間¶
| 效果 | 參數 | 作用 |
|---|---|---|
reverb |
decay、delay_ms |
每 delay_ms 一次回音，每次是前一次的 decay 倍：運算便宜，但不是真的房間 |
room |
rt60、drr_db、seed |
由 kudio.rir 產生的脈衝響應：殘響尾巴衰減 60 dB 要多久，以及直達聲相對於殘響有多大 |
measured_room |
脈衝響應檔、從直達聲開始 | 別人實際量測過的房間；見下文 |
雜訊與通道¶
| 效果 | 參數 | 作用 |
|---|---|---|
add_noise_snr |
雜訊檔、snr_db、seed |
以指定的 SNR 混入檔案中的雜訊 |
telephone |
codec |
電話線路：限頻並重新取樣，加上 G.711 的 μ-law 或 A-law 壓伸；選 none 則只聽線路、不加編碼器 |
bit_depth |
bits、dither、seed |
降低位元數。勾選 dither 時，取整之前會先加上三角形（TPDF）dither，峰對峰寬兩階 |
dropouts |
loss、packet_ms、burst、conceal、seed |
掉封包，就像 VoIP 連線那樣；見下文 |
靜音與語音¶
| 效果 | 參數 | 作用 |
|---|---|---|
trim_silence |
top_db、frame_length、hop_length |
依音量切掉兩端的安靜部分 |
vad_trim |
threshold_db、pad |
切到 kudio.vad 找到的第一段與最後一段語音；見下文 |
split_on_silence |
top_db、frame_length、hop_length |
找出非靜音的區段，不改變任何東西；見下文 |
Seed¶
seed 設為 −1 時會顯示 None 或 random，每次都抽出新的結果。其他數值則每次都得到相同的結果，所以一個房間或一種掉包樣式之後可以重建。用隨機 seed 按「套用」時，實際抽到的 seed 仍會被記錄，匯出的腳本會重現那次結果，而不是重新擲骰。
別人實際量測過的房間¶
room 用 RT60 與 DRR 建立一個統計式房間：可重現、控制項少，而且沒有早期反射。這正是資料增強要的，卻不是某個特定廳堂的聲音。measured_room 改從檔案讀取脈衝響應，並用 kudio.apply_rir 套用。檔案的讀法與記錄下來的呼叫一致，以音訊的取樣率、單聲道呼叫 kudio.file_load，音訊的取樣率改變時會重新讀取，所以預覽、套用與匯出的腳本都使用相同的樣本：
[192:] 就是「從直達聲開始」，預設開啟。量測到的響應開頭，是聲音傳到麥克風所花的時間，若保留下來就會延遲音訊：處理過的選取範圍會比前後的音訊晚出現。這個選項讓響應從最大的那個樣本開始，在一般房間裡那就是直達聲，也是 kudio.rir 放置直達聲的位置。
檔案下方，kudio.rt60 依實際套用時的樣子讀取響應：重新取樣、混為單聲道、修剪之後。所以一個在 48 kHz 量測、以 8 kHz 套用的廳堂，描述的是它剩下的部分：
0.91 秒，16000 Hz，直達聲在 12.0 ms — 從那裡開始套用
T30 0.59 s（EDT 0.54 s） · C50 +9.4 dB · DRR +3.0 dB · fit 1.000
不是脈衝響應的檔案仍然會算出一個 T30。衰減不是直線，或 EDT 與 T30 不一致時，讀數會說明這一點並變成紅色。
掉封包¶
dropouts 以整個封包為單位丟掉音訊，就像 VoIP 連線掉包那樣。
loss是丟掉的封包比例，而且會精確達成，所以標示 5% 的語料庫就是 5%。packet_ms是封包長度，預設 20 ms，與 G.711 走 RTP 時相同。它決定損傷是許多短洞還是少數長洞，而不影響損傷的總量。burst是連續掉包的平均長度。真實的連線會一串一串地掉包，而一串連續的掉包遠比同樣數量的零散掉包難以掩蓋，因為附近已經沒有語音可以重複。independent不等於每串長度 1：獨立抽樣有時也會剛好相鄰，平均本來就是 1/(1 − loss)，5% 時是 1.05 個封包。conceal決定洞怎麼補：silence補靜音，hold重複最後收到的那個封包。hold量起來比靜音好還是差，取決於重複的封包是否剛好同相位，而那是說話者音高與封包長度之間的巧合，所以波形指標無法替你選擇掩蓋方式。遇到連續掉包時，它會把同一個封包鋪滿整個缺口，那時就明顯比較差。
看語音，而不是看音量¶
trim_silence 與 split_on_silence 只依音量切割。這在錄音室的錄音上可行，但只要背景有風扇就會失效：雜訊超過某個程度之後，沒有任何固定的 top_db 能既保留輕聲的子音、又去掉房間的聲音。
vad_trim 用 kudio.vad 以這段錄音自己的底噪為基準逐幀判斷，並用頻譜平坦度分辨人聲與嘶嘶聲。pad 會在語音前後各多留一點音訊；完全找不到語音的音訊會原封不動地回來，而不是變成空的。標記清單上的「尋找語音」用的也是同一個偵測器。
依靜音切段¶
split_on_silence 無法預覽，因為它不改變任何東西。「套用」會回報找到幾個非靜音片段、總長多少，接著「儲存片段…」把每一段各存成一個 WAV 檔，放進你選的資料夾，並依音訊名稱編號：clip_001.wav、clip_002.wav，依此類推。