drama-audio-soundstage

Drama Audio Soundstage (Ingeniería de Sonido y Composición Musical Inteligente)

Posición del proceso: Diseño de sonido y composición musical comercial para series cortas. Sin generalidades inútiles: No explica qué es una pista de audio; solo consolida parámetros de limpieza por puerta de audio, umbrales de detección de idioma y curvas de mezcla con ducking de cadena lateral.

---

1. Contrato de ejecución, entrada y salida

• Entrada:
  1. Storyboard de video con audio nativo de la 3.ª etapa: segments/{seg_id}.mp4;
  2. Música de fondo (BGM) de alta calidad independiente: assets/bgm/*.wav.
• Salida:
  1. Storyboard limpio de ruido de fondo: cleaned_segments/{seg_id}.mp4;
  2. Video final con BGM de 90 s de suspense corporativo y ducking inteligente de cadena lateral: [nombre_del_episodio]_final_ducked.mp4;
  3. Informe de calidad de ASR sobre idioma y precisión del diálogo.

---

2. SOP técnico: Limpieza por puerta de audio con resta espectral (Audio Gate)

Fenómeno: El audio generado por H3 a menudo contiene un zumbido eléctrico continuo de baja frecuencia, ruido de viento falso o ruido ambiental molesto que arruina la inmersión audiovisual. Objetivo: Eliminar por completo el ruido de fondo continuo, conservando al 100% el diálogo y los sonidos de acción breves (saca de espada, golpe en la mesa, pasos).

2.1 Parámetros clave de la puerta y su significado físico

Al ejecutar scripts/audio_gate.py se aplica el conjunto de parámetros de oro:

• --bed-q 15: Percentil de la ventana deslizante temporal (percentil 15), identifica con precisión el ruido de fondo continuo;
• --alpha-bed 6.0: Intensidad de eliminación del ruido continuo;
• --alpha-fx 1.0: Factor de protección de sonidos transitorios/diálogo; cuanto menor, más completo es el diálogo;
• --fx-snr 4.0: Umbral de relación señal/ruido;
• --quiet-gain 0.03: Coeficiente de atenuación de tramos de silencio puro.

Comando:

python scripts/audio_gate.py --in segments/seg01.mp4 --out cleaned_segments/seg01.mp4

---

3. SOP técnico: Intercepción automatizada de desviación de idioma mandarín con ASR

Fenómeno: La pronunciación de los personajes deriva hacia pseudoinglés, galimatías o ruido no chino, afectando gravemente la entrega.

3.1 Intercepción y criterio

Tras la escritura, se ejecuta una verificación ultrarrápida de idioma con Whisper ligero:

1. Extraer los primeros 5 segundos de la pista de audio para identificar el idioma;
2. Criterio de aprobación: language == "zh" y confianza prob >= 0.85;
3. Acción de intercepción: si se detecta en u otro idioma, se lanza automáticamente LanguageDriftError, se marca el storyboard como fallido y se desencadena una nueva ejecución con otra semilla.

---

4. SOP técnico: Mezcla con ducking de cadena lateral de nivel cinematográfico (Sidechain Ducking)

Prohibición (contraejemplo): ¡No colocar el BGM a volumen fijo debajo del video sin más! El diálogo quedará ahogado por la música de fondo, sin ninguna sensación de capas cinematográficas.

4.1 Curva de oro de sidechaincompress nativo de FFmpeg

Se usa el diálogo como señal de control de cadena lateral para comprimir dinámicamente el BGM en tiempo real:

• Volumen base del BGM: bgm_volume = 0.35;
• Umbral (Threshold): ducking_threshold = 0.06 (en cuanto la voz se abre, se dispara el descenso);
• Profundidad de descenso (Ratio): ducking_ratio = 5.0 (cuando se habla, el BGM desciende instantáneamente aprox. -14 dB, dejando la banda de frecuencia completamente clara para la voz);
• Tiempo de ataque (Attack): ducking_attack_ms = 80ms (descenso suave inmediato al inicio de la primera sílaba, sin estallidos bruscos);
• Tiempo de liberación (Release): ducking_release_ms = 400ms (cuando el diálogo calla, el BGM sube suavemente durante 0.4 s, realzando la tensión).

Comando:

python scripts/cinematic_audio_mixer.py --input concat_raw.mp4 --output final_ducked.mp4 --bgm assets/bgm/suspense.wav