12 · 声音设计与混音
所有者指示（第1轮）："每个动作都要有轻微音效，涵盖一切。" 效果设计遵循 earshot 的文档化运动设计实践（github.com/Leonxlnx/earshot，MIT；docs/motion-sfx-techniques.md，docs/SFX.md）；我们 recipe/tools/sound.py 中的代码是自有的，不使用任何采样。
分层
| 层 | 电平 | 备注 |
|---|---|---|
| 人声 | −16 LUFS（语音参考 ≈ −19 dBFS，400 ms RMS） | 占据运行时长的 93–98% |
| 音乐背景 | 低于人声 18 LU，无闪避 | 原创，C大调（C–Am–F–G，100 BPM）：马林巴、拨奏贝斯、垫音、底鼓、沙锤。在重钩子处降至仅垫音（musicDrop: [start, end]） |
| 拟音 | 低于人声约 15 dB（滴答声约 21，鸟鸣约 22） | 每个可见动作都有一个声音 |
| 重音 | 低于人声约 9 dB | 仅限故事节拍，每分钟至多约 20 个，最大重音前 0.35 秒音乐下降 7 dB（stop: true） |
| 母带 | −14 LUFS 集成值，真峰值 −1.5 dBTP | 两遍线性 loudnorm |
效果（24 种，在 sound.py 中）
| 类型 | 层级 | 用途 | 设计 |
|---|---|---|---|
whoosh（大动作时 long: true） | 拟音 | 进入新地点、大摄像机运动 | 通过三个移动频带（1 : 1.6 : 2.5）跟随速度的粉红噪声；声像扫描；峰值落在提示点上 |
swish | 拟音 | 手臂、书本、手势、投掷 | 细亮闪烁，0.2 秒 |
pop | 拟音 | 标题出现、物体上的面部替换、小物件的到来 | 调性尖音向上扫描至主音，滴答声，后续铃声 |
tick | 拟音 | 计数器的每一步 | 细小明亮的敲击声，带有变化的音调（轮循） |
tap | 拟音 | 小物件着陆、计数器归零 | 阻尼木块 |
flip | 拟音 | 日历翻页 | 纸的沙沙声和静止声 |
slap | 拟音 | 通知或纸张拍打上墙 | 宽带拍击和颤动 |
creak（dur） | 拟音 | 门和铰链 | 通过木制共振的粘滑脉冲 |
click | 拟音 | 开关、标志亮起 | 相距 35 毫秒的按压和锁定声 |
light | 拟音 | 标志发光 | 轻柔嗡嗡声和与主音调相符的小钟声 |
chirp | 拟音 | 户外生活（少量使用） | 两个小鸟哨声 |
rattle | 拟音 | 树叶、颤抖 | 以颤抖速率变化的滤波噪声爆发 |
slide | 拟音 | 滑动或侧移 | 轻柔吱嘎滑动声 |
stretch（dur） | 拟音 | 橡胶、琴弦绷紧、表面弯曲 | 渐强的粗糙吱嘎声 |
whir（dur） | 拟音 | 磁带转完、机构转动 | 棘轮卡嗒声叠加颤动 |
chalk（dur） | 拟音 | 在黑板上书写、划掉内容 | 被笔画切割的粗糙频带 |
roll（dur） | 拟音 | 滚动的东西 | 以滚动速率滚动的低沉隆隆声加上表面滴答声 |
thunk | 重音 | 软物体着陆（苹果落在草地上） | 沉闷的落体声加上低通瞬态 |
thud | 重音 | 重物摆放 | 从 90 Hz 降至 42 Hz 的次声，带有主体和瞬态 |
slam | 重音 | 关门 | 木制主体、破裂声、锁闩声以及石拱房间尾音 |
snip | 重音 | 切割 | 两个刀片卡嗒声和金属铮声 |
boing | 重音 | 弹簧、蹦床 | 摇摆下降的音调 |
twang | 重音 | 拨动绷紧的琴弦 | 带有音高摇摆的谐波泛音 |
ding | 重音 | 数字落定、回报 | C6 铃声，带有非谐波泛音 |
要添加效果：编写 fx_<name>(rng, …) 返回单位峰值的单声道或立体声数组（一起峰值的分层需分频带以免冲突；任何移动的元素上使用移动滤波器；调性部分在 C 大调；无前导静音；结尾有短淡出），将其添加到 FX、REL 以及 ACCENT 或拟音集合，如果接受 dur 参数则也添加到 SUSTAINED。
提示（在 film.mjs 中）
{ t: W(17) - LEAD, type: 'slam', gain: 1, stop: true } // 一个带音乐下降的重音
{ t: W(53) - 0.05, type: 'whir', gain: 0.8, dur: 1.4 } // 一个持续拟音
...changes(a, b, value, 0.06).map(t => ({ t, type: 'tick', gain: 0.7 })) // 计数器每次变化一个滴答声
t是声音攻击落地的时间（whoosh：其峰值落地的时间）；混音器将其提前 10 毫秒，绝不晚于画面。gain在该类型的电平内调整（0.5 ≈ −6 dB）。每个提示获得 ±1.2 dB 的随机变化和各自的噪声种子，因此重复不会听起来完全相同。- 根据故事板的声音列逐镜头编写提示。每个可见动作都有一个；每个重音落在一个故事节拍上。
电平是测量的，而非猜测的
sound.py 将人声电平调整至 −16 LUFS，测量语音参考（说话时的中值 400 ms RMS），并将每个效果设置为其最大 400 ms 位于与该参考相差 REL[type] dB 处。在第 1 轮第 3 版中，这使重音的中值为 −9 dB，拟音相对于人声为 −15 dB。检查任何混音：
python -I recipe/tools/sfx-levels.py <outDir> <outDir>/cue-sheet.txt
输出
stem-voice.wav，stem-music.wav，stem-sfx.wav，mix.wav（母带完成），cue-sheet.txt（每个放置的效果及其层级和电平），以及最终的 MP4（H.264 从无声渲染复制，AAC 192 kb/s）。
许可
这里的一切都是合成的。如果所有者提供音乐曲目，他们必须持有其许可；将其设置为 −34 LUFS 的背景音乐，无闪避，并保留效果。