Drama Audio Soundstage (声音工程与智能配乐工序)
工序定位：短剧声音设计与商业配乐工序。 拒绝通用废话：不解释什么是音轨，只沉淀音频门控清洗参数、语种漂移拦截阈值与侧链避让混音曲线。
1. 运行契约与输入输出
- 输入：
- 第 3 工序输出的带原生音频的视频分镜：
segments/{seg_id}.mp4； - 独立高质量电影配乐 BGM：
assets/bgm/*.wav。
- 第 3 工序输出的带原生音频的视频分镜：
- 输出：
- 滤除床音后的纯净分镜：
cleaned_segments/{seg_id}.mp4； - 挂载 90 秒悬疑商战配乐与人声侧链智能避让的成片：
[集名]_final_ducked.mp4； - ASR 语种与台词准确性质检单。
- 滤除床音后的纯净分镜：
2. 硬核 SOP：谱减法音频门控清洗 (Audio Gate)
现象：H3 生成的音频往往自带持续的“嗡嗡”低频电流声、假风噪或刺耳环境床音，破坏视听沉浸感。 目标：彻底滤除持续床音，100% 保全人物对白与短促动作拟音（拔刀声、拍桌声、脚步声）。
2.1 门控核心参数与物理意义
调用 scripts/audio_gate.py 时执行黄金参数组：
--bed-q 15：时域滑动窗分位数（设为第 15 百分位），精确识别持续底噪；--alpha-bed 6.0：持续床音扣除强度；--alpha-fx 1.0：瞬态拟音/对白保护因子，越小对白越完整；--fx-snr 4.0：信噪比判定阈值；--quiet-gain 0.03：纯静音帧衰减系数。
命令：
python scripts/audio_gate.py --in segments/seg01.mp4 --out cleaned_segments/seg01.mp4
3. 硬核 SOP：ASR 普通话语种漂移自动化拦截
现象：角色发音漂移为伪英语、含糊乱码或非中文杂音，严重影响交付。
3.1 拦截与判据
落盘后通过轻量 Whisper 执行极速语种校验：
- 提取音轨前 5 秒进行 Language ID 判定；
- 通过判据：
language == "zh"且置信度prob >= 0.85； - 拦截处置：若判定为
en或其他语种，自动抛出LanguageDriftError并将分镜标记为失败，触发换 seed 重跑。
4. 硬核 SOP：影视级侧链动态避让混音 (Sidechain Ducking)
禁令（反例）：严禁无脑将 BGM 铺在视频底下固定音量！对白会被背景音乐淹没，毫无商业片层次感。
4.1 FFmpeg 原生 sidechaincompress 黄金曲线
使用人物对白作为侧链控制信号，实时动态压制 BGM：
- BGM 基础底音：
bgm_volume = 0.35； - 阈值 (Threshold)：
ducking_threshold = 0.06（只要人声开口，立即触发下潜）； - 下潜深度 (Ratio)：
ducking_ratio = 5.0（台词说话时，BGM 瞬时下潜约 -14dB，给人声留出完全清晰的频段）； - 起音时间 (Attack)：
ducking_attack_ms = 80ms（人声首字开口瞬间平滑下潜，无生硬爆音）； - 释放时间 (Release)：
ducking_release_ms = 400ms（台词闭嘴后，BGM 在 0.4 秒内丝滑回升，烘托紧张情绪）。
命令：
python scripts/cinematic_audio_mixer.py --input concat_raw.mp4 --output final_ducked.mp4 --bgm assets/bgm/suspense.wav