当前位置:首页 > 文章列表 > 文章 > 常见问题 > 1Shot等于多少毫升?鸡尾酒计量全解析

1Shot等于多少毫升?鸡尾酒计量全解析

2026-03-13 22:12:39 0浏览 收藏
你是否曾在调制鸡尾酒时被“1 Shot”这个看似简单却暗藏玄机的单位难住?其实,全球主流标准下1 Shot等于30毫升——这是源自北美、被国际酒吧和配方书广泛采用的黄金基准,相当于四舍五入后的美制1液量盎司;但别急着照搬,日本可能只倒20毫升,澳大利亚常用25毫升,欧盟则依法规弹性浮动——地域差异、场景需求甚至杯子实测误差都可能让“一枪”变成“缩水版”或“加量版”。从Dash、Drop到Jigger、Pony,这些高频计量单位环环相扣,而真正精准的调酒,始于亲手校准你的shot杯。掌握这一体系,你不仅能复刻经典配方,更能自信应对任何一杯跨越国界的烈酒邀约。

1 Shot等于多少毫升?酒吧鸡尾酒常用计量单位科普

如果您在调制鸡尾酒或阅读配方时看到“1 Shot”这一单位,却不确定其对应的具体体积,则可能是由于不同地区或场景下存在细微差异。以下是关于该单位及其相关计量体系的详细说明:

一、1 Shot的标准容量定义

“Shot”作为酒吧中基础液体计量单位,起源于北美调酒实践,主要用于烈酒单次倾倒量。其标准值以国际通用近似换算为基准,不依赖具体酒液密度或温度浮动。

1、1 Shot = 30 毫升(ml)

2、该数值等同于美制1液量盎司(1 fl oz ≈ 29.57 ml),经行业惯例四舍五入取整为30 ml

3、英制1盎司为28.41 ml,但全球主流酒吧及配方书普遍采用30 ml作为默认Shot值

4、shot杯(子弹杯)的标称容积即按30 ml设计,满杯即为1 Shot

二、与Shot相关的其他常用鸡尾酒计量单位

鸡尾酒配方中除Shot外,还频繁使用若干辅助单位,它们彼此存在固定换算关系,便于批量配比与精准控制。

1、1 Dash = 约1 毫升(ml),通常指苦精瓶倾斜45°后自然滴落5滴的体积

2、1 Drop = 约0.2 毫升(ml),即1/5 ml,多用于微量苦精或风味浓缩液添加

3、1 Jigger = 60 毫升(ml),等于2 Shot,常见于双份基酒或需大容量摇和的配方

4、1 Pony = 30 毫升(ml),与1 Shot完全等价,属同义术语,多见于老派调酒文献

三、实际操作中的容积校准方法

因玻璃器皿制造公差及倾倒手法差异,依赖目视判断易造成误差。建议通过物理测量建立个人基准,确保每次出品稳定。

1、取一只已知标线的量筒(精度±0.5 ml),将shot杯注满至杯口最低点

2、缓慢倾入量筒,静置10秒待液面稳定,读取凹液面最低处刻度值

3、若实测值为28 ml或32 ml,应在配方中相应调整后续单位换算比例

4、对Jigger量具同样执行上述步骤,确认其是否严格等于2×实测Shot值

四、不同国家与场景下的Shot容量变体

尽管30 ml为国际通行标准,部分区域或特定场所有意采用差异化设定,须在接收配方时主动确认上下文。

1、日本居酒屋常见“1 Shot”为20 ml,适配高酒精度烧酎与小杯饮用习惯

2、澳大利亚部分酒吧将1 Shot定为25 ml,符合当地烈酒销售许可规范

3、欧盟餐饮场所若标注“Single Measure”,法定最低值为20 ml,上限无强制,但菜单常标30 ml以匹配游客认知

4、中国境内正规酒吧及调酒教材统一采用30 ml为1 Shot

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

Python模块变量作用域与生命周期解析Python模块变量作用域与生命周期解析
上一篇
Python模块变量作用域与生命周期解析
高德地图避开拥堵设置方法详解
下一篇
高德地图避开拥堵设置方法详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    797次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    786次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    875次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    842次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    676次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码