1.1 虚拟乐器的基本概念
虚拟乐器是一种以软件形式呈现的数字工具，通过计算机算法模拟或生成传统乐器的声音。它通常作为插件存在于数字音频工作站（DAW）中，接收MIDI信号并实时输出音频。核心功能包括音色播放、演奏控制参数（如力度、弯音、调制）以及声音编辑能力。其本质是将物理声学现象抽象为数学或采样模型，使用户无需实物乐器即可获得类似演奏体验。
1.2 与真实乐器的区别
虚拟乐器与真实乐器的根本差异在于发声机制。真实乐器依赖物理振动（如琴弦振动、空气柱共鸣），而虚拟乐器依赖数字信号处理。前者受限于物理约束（如延音时间、音高范围），后者可突破这些限制（例如无限延音、超越真实音域）。此外，虚拟乐器可通过编辑包络、滤波器等参数改变音色，而真实乐器的音色由物理结构固定。在演奏手感上，虚拟乐器依赖MIDI控制器或键盘，缺乏真实乐器的触觉反馈（如琴键重量、弦的阻力）。
1.3 在信息技术中的定位
虚拟乐器属于音乐科技领域，是数字信号处理、人机交互与声学计算的交叉产物。在信息技术生态中，它归类于音频应用软件，与合成器、效果器插件并列。其底层依赖操作系统音频框架（如ASIO、Core Audio）、插件标准（VST、AU、AAX）以及高性能计算（CPU/GPU参与实时运算）。从用户视角看，虚拟乐器是DAW工作流中的“音源子系统”，通过MIDI协议与宿主软件实现通信。
2.1 采样技术
采样技术通过录制真实乐器每个音符的声音（或一组关联音符），并以数字音频文件存储。播放时，这些样本根据MIDI输入被触发并循环。样本通常来自专业录音棚，涵盖多种演奏技法（如拨弦、震音、跳弓）。录制的样本经过修剪、归一化、去除噪声等预处理，确保音色纯净、音量一致。
2.1.1 多力度层采样
单一力度样无法真实反映乐器动态——钢琴轻弹与重弹的音色差异巨大。多力度层采样记录同一音符在不同力度下的音色（例如极弱pp、弱p、中等mf、强f、极强ff）。播放时，系统根据MIDI力度值（0-127）插值或切换至最近层的样本，实现自然的力度过渡。层数越多（通常4-12层），动态真实度越高，但内存占用也线性增长。
2.1.1.1 循环点与交叉淡化
音频样本长度有限，长音需要循环播放。循环点设置不当会导致明显的周期性噪音或音色突变（“咔嗒声”）。技术要点包括：选择样本波形周期末尾的“接缝处”（通常为零交叉点），并应用交叉淡化（crossfade）——在循环点前后各取一小段波形（如10-50毫秒），将其以渐变方式混合，消除突变。高质量采样库使用多个循环点，例如钢琴琴弦衰减过程中使用不同的循环段以模拟自然衰减曲线。
2.1.2 半音与键位映射
真实乐器（如钢琴）的每个键音高不同，采样库必须为每个半音或半音区间分配样本。映射策略分为：全音采样（每个半音独立采样）和近似映射（用少量样本通过时间拉伸或音高移位覆盖多键）。高保真库通常采用全音方式，但弦乐器、木管因音色连续性可接受键位映射（即用C#音样本微调至C或D）。映射表格是采样引擎的核心，决定键位、力度层、循环点之间的对应关系。
2.2 合成技术
合成技术不依赖预录制样本，通过数学算法实时生成波形。其优势在于无限变种和极低存储需求，常用于电子音乐与实验音色设计。
2.2.1 减法合成
基本模型：一个精细的谐波丰富波形（如锯齿波、方波）通过滤波器去除特定频率成分。关键组件包括振荡器（产生波形）、滤波器（低通/高通/带通）、包络发生器（控制音量、滤波器截止频率随时间变化）以及LFO（低频振荡器，用于调制参数）。减法合成擅长模拟Lead音色、Bass音色、Pads，是合成器中最古老且经典的类型，模拟合成器的“温暖感”源自对自然滤波特性的近似。
2.2.2 频率调制合成
通过一个振荡器（调制器）的信号频率去调制另一个振荡器（载波）的瞬时频率。基本结构：调制器频率为整数倍时产生“谐波”（产生金属感音色），非整数倍时产生“边带”（产生钟声、怪胎音色）。FM合成在80年代因Yamaha DX7而普及，擅长江户川音色、电子钢琴、铃铛、铝琴等金属音色。参数包括调制指数（影响谐波丰富度）、调制频率比（决定音色基调）、载波/调制器的增益包络。
2.2.3 波表合成
波表是一组预录的周期波形（通常128个），按索引编号。播放时，波表扫描器按一定速度移动位置（称为“跃迁”），每个位置对应特定的波形。通过描述音高的波表位置变化，产生音高或音色演化。当扫描从起点到终点循环时，可制造类似PWM、振荡相位漂移的效果。经典波表合成器如PPG Wave、Korg Wavestation，现常用于创建动态变化的Pads、打击垫、电子序列音色。常见技术包括波表循环、波表交叉淡化（在两个波形之间平滑过渡）以及实时波表插值（在相邻波形之间生成中间态）。
2.3 物理建模
物理建模不是录制或合成波形，而是通过数学方程模拟乐器声学系统（如琴弦振动、共鸣、空气柱流动）。目的是实现前所未有的真实度和表现力——每个音符的行为由物理参数实时计算，不依赖预存样本。
2.3.1 声学建模基础
核心模型包括：激振器（如触键、弓弦接触、吹嘴气流）、振动体（弦、膜、空气柱）、共鸣器（琴身、管壁、腔体）。例：钢琴建模包含琴槌击弦的冲击模型、琴弦的双向振动（含分音）、音板与共鸣箱的耦合、踏板对阻尼器的影响。每个部件由微分方程描述（如弦振动用波动方程），参数值（如弦张力、琴槌硬度、箱体尺寸）通过实测或拟合获得。
2.3.2 实时模型计算
物理模型的计算量巨大。实时引擎需要将微分方程离散化为可迭代的差分方程，并在每秒数万次的采样周期内更新。优化技术包括：简化方程（用有限差分代替偏微分）、降阶模型（只模拟关键模态）、多线程加速（将激振、振动、共鸣分至不同核）。现代插件如Pianoteq的“物理建模核心”可将延迟控制在10毫秒以下，参数调整能即时改变音色（如“松弦”“旧琴槌”“大房间混响”）。
2.4 混合引擎与脚本控制
混合引擎通过组合采样、合成、物理建模实现互补。例如：采样库为钢琴的起音（Attack）部分提供精准的“琴槌击弦声”，物理建模处理延音与踏板效果（衰减、共振），合成补充泛音或混响。脚本控制（如Kontakt脚本语言、HISE引擎）允许开发者编写逻辑：定义键盘分区（高、低音区用不同采样库）、响应对真实演奏技巧（如连奏检测、滑音自动切换）、生成复杂的调音轮或按键开关行为。这种高度定制化让虚拟乐器突破了“固定音色”限制，接近真实乐器的表达灵活性。
3.1 键盘类虚拟乐器
涵盖所有传统键盘乐器，是虚拟乐器中最庞大的品类，因其与MIDI键盘交互最直观。
3.1.1 钢琴与电钢琴
钢琴类（原声钢琴）采样库通常超过20GB（多个力度层+踏板噪+琴键释放声），侧重真实感与动态反馈。电钢琴（如Fender Rhodes、Wurlitzer、Clavinet）则通过采样或FM合成复现其温暖或明亮的复古音色。代表产品有Pianoteq（建模）和Spectrasonics Keyscape（采样）。
3.1.2 风琴与合成器
风琴（Hammond B3、管风琴）侧重音轮模型（tonewheel engine）、旋转音箱模拟（Leslie）。合成器类则分为复刻经典硬件（如Arturia Analog Lab复刻Minimoog、Jupiter）与纯软件创新（如Serum、Massive X），提供丰富的振荡器、滤波器、效果器配置。
3.2 弦乐类虚拟乐器
弦乐采样库广泛应用于影视配乐、古典制作，其表现力依赖于连奏、震音、拨奏等技法的丰富采样。
3.2.1 独奏弦乐
以单把小提琴、中提琴、大提琴为对象。注意记录上弓/下弓的过渡、滑音、揉弦（vibrato）的周期性变化。脚本机制可实现在设定速度下自动选择“连奏过渡”样本，避免“机器音”。
3.2.2 合奏弦乐
模拟弦乐声部（第一/第二小提琴、中提琴、大提琴、低音提琴）。常用技术包括：录制真实的ensemble组（大编制录制），而非多个独奏混编，以保持自然的声场。常见模式有“legato”模式（适合旋律）、“short”模式（适合节奏型）、以及“pad”模式（长音保持）。
3.3 管乐类虚拟乐器
管乐模拟在气息控制上要求更高，虚拟乐器通过包络与脚本提供渐强、断奏、颤音等效果。
3.3.1 木管乐器
包括长笛、双簧管、单簧管、大管。关键采样点包括“起音爆裂”（气息先于声音）、“颤音幅度”、“过渡气声”。由于木管音色随音高变化较大（如长笛低音区浑厚，高音区明亮），需要精细的键位映射。
3.3.2 铜管乐器
小号、圆号、长号、大号。特点在于强力的爆发力与共鸣。采样强调“迈提克”（mute模式）变化、滑音（glissando）、以及“哨音”（overblow）效果。虚拟铜管常常使用混合引擎——起音用采样，延音用FM合成，以节省磁盘并增强动态范围。
3.4 打击乐类虚拟乐器
打击乐乐器种类繁多，从套鼓到民族打击乐，采样以“单触发”为主，强调力度分层（边击、鼓心、制音）和空间感。
3.4.1 原声鼓组
组件包括底鼓、军鼓、嗵嗵鼓、踩镲、吊镲。每个组件采样5-20个力度层，鼓皮振动、鼓腔共鸣、话筒位置（近场、room、overhead）也被多麦克风录制。脚本控制可实现“鼓滚奏”（通过快速序列触发不同力度）或“击弦噪声”（军鼓的弹簧沙袋声）。
3.4.2 电子打击乐
模拟或合成鼓机音色（如TR-808、909等经典型号）、电子打击垫声音。参数包含音高微调、衰减、失真等。通常以Kits（鼓组）形式呈现，每个垫位可独立编辑。插件如XLN Audio Addictive Drums 2、Steven Slate Drums 5.
3.5 合成器与音效类
该品类不包括复刻硬件合成器，即更广泛的“声音设计”工具，用于创造非传统乐器音色。
3.5.1 模拟复音合成器
以True-Polyphony（真多声部）技术模拟模拟电路产生的特有漂移与不完美。通过数字算法反映模拟合成器的温度漂移、晶体管噪声、电源噪声。参数通常具备“Analog”开关，用于控制每个音符的相位随机化或音量波动。
3.5.2 声波纹理与氛围音色
专司制作背景声景（soundscape）、环境音（ambient）、垫音（pad）。常见技术为颗粒合成，将音频切成短粒状并重组，产生变换无垠的声音场。代表插件有Output Arcade、Native Instruments Form。
4.1 音乐制作
虚拟乐器是现代音乐制作的核心工具，降低了编曲门槛并拓展了音色库。
4.1.1 作曲与编曲
作曲家使用虚拟乐器在DAW内搭建伴奏轨道：用钢琴假想和弦，用弦乐铺底，用合成器加氛围。MIDI脚本允许快速转调、编辑节奏与力度。虚拟乐器为长期作品提供“样板”音色，直至进入录音棚替换真实乐器。
4.1.2 混音与后期
虚拟乐器的输出为纯净干声，可通过效果器（EQ、压缩、混响）后期处理。与传统轨道相比，它们无需话筒放置、隔音、噪音门等环节，减少混音工作量。某些虚拟乐器（如Kontakt的“录制房间”模式）内置混响与空间模拟，作为后期调整的预先参考。
4.2 现场演出
虚拟乐器从工作室走向舞台，依赖低延迟（通常<5ms）和稳定的CPU使用。
4.2.1 舞台MIDI控制
演出者使用MIDI键盘、打击垫、脚踏控制器触发虚拟乐器音色。现场设置通过“键盘分区”“键位开关”等技术，在单台电脑上同时演奏钢琴、合成器、弦乐。主要挑战包括：确保系统无意外崩溃、预加载所有采样到RAM。
4.2.2 实时参数调制
通过MIDI连续控制器（CC）实时改变音色：例如调制轮控制滤波器截止，踏板控制混响深度，按键开关切换音色层。在电子音乐现场，DJ使用“效果链回放”让虚拟乐器参数像硬件合成器一样接受手指操控。
4.3 影视与游戏配乐
庞大的音色库与高度可定制性使虚拟乐器成为影视与游戏配乐的基准。
4.3.1 电影原声模拟
大片配乐中，虚拟管弦乐团可替代或补充真实编制。采样库（如Spitfire Audio的BBC Symphony Orchestra）通过Multi-Mic信号（close，mid，far）模拟影院声场。作曲家可实时布局声像与混响，为后期混音提供预混版本。
4.3.2 游戏音效与自适应音乐
游戏音频引擎（如Wwise、FMOD）常将虚拟乐器作为音源。通过事件触发（如玩家进入区域、战斗、升级），虚拟乐器播放不同调式循环（adaptive layer）。例如：正常探索时播放柔和弦乐，进入战斗时增加低音鼓与铜管层，退出后平滑消退。
4.4 教育与学习
虚拟乐器降低了音乐学习的实物成本与空间限制。
4.4.1 虚拟练习环境
学生以MIDI键盘连接虚拟乐器，通过App模仿真实钢琴或管弦乐器。软件可从节奏准确度、力度控制、音阶指法等维度打分。像“Playground Sessions”这类教育平台集成虚拟乐器，提供即时反馈。
4.4.2 音乐理论辅助
通过虚拟乐器展示和弦构成、音阶模式、和声进行。教师可调取音乐理论插件（如Display Scales）在键盘上高亮显示当前音阶。虚拟乐器也用于视唱练耳：播放单音或琶音，让学生辨别音高、节奏。
5.1 早期硬件采样器
20世纪80年代，Fairlight CMI（1979）、E-mu Emulator（1981）、Akai S1000（1988）等硬件采样器出现。它们通过软盘加载采样，使用触敏键盘触发。受限于存储（兆字节级）、处理速度，通常只有单一力度层。1983年MIDI标准确立后，采样器与合成器的组合成为主流硬件音源。
5.2 VST与AU插件时代的兴起
1996年Steinberg发布VST（Virtual Studio Technology）插件标准，次年Native Instruments推出Reaktor模块化合成器，1998年Spectrasonics推出Atmosphere（后转Omnisphere）等早期VST虚拟乐器。这阶段主要突破：DAW集成插件，采样容量大幅增加（GB级），多力度层、连奏等功能开始出现。2003年Kontakt 1发布后成为行业标准采样器平台。
5.3 云虚拟乐器与AI辅助
2010年代以来，云端技术允许用户通过订阅方式获取乐器（如Spitfire Audio的LABS系列免费采样库，Spitfire Subscription服务）。AI技术被引入：训练神经网络用于音色生成（如Splash Audio的AI合成吉他），或将MIDI输入转化为物理建模参数（如Modartt的Pianoteq 8的AI微调）。2023年后，大语言模型被用于自动生成演奏脚本或预设。
5.4 未来展望：实时物理建模与沉浸式音频
预计未来20年，物理建模可能完全取代采样——精度已能区分同一琴弦在不同温度下的振动差异。实时计算能力（CPU/GPU协同）将允许建模涉及数千个振动分岔、房间混响与身体传声。沉浸式音频标准（Dolby Atmos、Ambisonics）要求虚拟乐器提供多对象音频输出（每个声部可独立定位在三维空间），这对引擎的并发处理能力提出新挑战。
6.1 商业产品
市场上成熟的商业虚拟乐器厂商提供高质量音色库与专有引擎。
6.1.1 Spectrasonics
以Omnisphere（合成器采样混合引擎）、Keyscape（键盘合集）、Trilian（贝斯）闻名。Omnisphere 2.5拥有超过14,000个音色，其“声音锁定”功能可跨预设组合不同振荡器。Spectrasonics产品以精致的图形用户界面与深度的调制矩阵为特点。
6.1.2 Native Instruments
Kontakt是其核心采样器平台（标准格式.nki），同时拥有Maschine（打击垫工作站）、Komplete系列（Bundle包）。该公司还开发The Giant（钢琴）、Action Strikes（打击乐）、Session Horns Pro（铜管）等与专业作曲相关的产品。脚本语言KSP（Kontakt Script Processor）允许深度定制。
6.1.3 Spitfire Audio
以英国伦敦的管弦乐采样著称，代表性产品有BBC Symphony Orchestra、Albion系列、Hammersmith（钢琴）。其录音采用Air Lyndhurst Studio（著名录音棚）的多麦克风位置配置。Spitfire强调“氛围干净、动态广阔”，支持通过“eDNA”引擎混合音色。
6.2 免费与开源选项
开源社区和免费项目为用户提供入门级音源。
6.2.1 VSCO 2 CE
由Boris K.等人开发的开源管弦乐采样库，基于Creative Commons许可。包含完整管弦乐队（弦乐、铜管、木管、打击乐）的单个音符采样。音质良好，涵盖多种技法，但缺乏连奏脚本和高级键位映射，适合初学者或快速构建示范曲。
6.2.2 Dexed
基于Yamaha DX7的FM合成开源插件，复现了DX7的所有引擎（6个运算器、32种算法）。支持导入原始SYSEX文件（DX7预置），允许在软件内重新编辑参数。它不提供新音色设计但免费提供硬件级音质，是学习FM合成的入门利器。
7.1 与真实演奏的差距
即使顶级采样库，单一声部的“独奏”自发性仍不及真人演奏。主要争议点包括：“同音同力度”带来的重复性、音符间的连奏过渡不够自然（尤其是在慢速段落中）、泛音结构对真实琴体物理的模拟不足。物理建模虽更真实，但其“完美”反而因缺少“噪音”（如空气声、机械噪声）而被诟病为“太干净”。许多专业音乐人认为虚拟乐器是“更好的模仿，但永远是逼真而非真实”。
7.2 版权与采样使用
使用采样库时，用户须遵守End User License Agreement（EULA）。大多数商业库允许用户在音乐项目中使用采样（无需额外授权），但禁止将其作为独立音色包分发，或在版权摩擦激烈的作品中使用。部分老式采样（如60年代录音的“非盈利”制作）面临版权追踪问题。开源库（VSCO 2 CE等）使用Creative Commons BY-SA许可，允许商业使用但需署名。
7.3 CPU与内存占用优化
高容量采样钢琴或大型管弦乐库常导致内存过载（超过8-16GB），CPU在复调（polyphony）较高时出现爆音（clipping）。优化方法包括：在Kontakt设置“Purge”功能（只加载当前使用音符的采样），降低采样率（如从44.1kHz降至22.05kHz），使用“磁盘流式播放”模式（样本直接从硬盘读取而非完全装入RAM）。最新硬件（NVMe固态硬盘、32GB以上RAM）已成为虚拟乐器重型用户的标配。
8.1 MIDI协议
Musical Instrument Digital Interface的缩写，定义了电子乐器之间通信的标准协议。虚拟乐器输入是MIDI信息（如音符开/关、力度、控制器变化、弯音轮），输出是音频。MIDI仅传输控制信号（不传输音频），允许任意音色对应相同的击键动作。
8.2 数字音频工作站
称为DAW，是虚拟乐器运行的核心宿主软件。常见有Ableton Live、FL Studio、Logic Pro、Cubase、Studio One。DAW提供：MIDI轨道编配、音频录制与编辑、效果器连接、混音与导出功能。虚拟乐器以插件形式（VST、AU、AAX）加载于DAW的音轨插槽中。
8.3 采样率与位深度
采样率（如44.1kHz、48kHz、96kHz）决定每秒采样点数，影响音色高频细节与相位精度。位深度（16bit、24bit、32bit float）决定动态范围。虚拟乐器以高采样率、高位深进行内部运算（通常内部为64bit浮点），输出时下转换至DAW工程设定。样本库本身常采用24bit/44.1kHz或更高质量录制。