运动音效设计 是做什么的?
风格规则: 撰写任何内容(回复、规格、字幕、文件)时,永远不要使用长破折号或短破折号。请改用逗号、冒号、句号、括号或普通连字符。
音效是让运动视频显得高级的一半因素。默认输出通常没有声音,或者只是随意粘贴一首音乐。此技能让每个视觉事件都听得到,保持音乐在下方干净,并母带至平台响度。它附带一个工具,可合成干净的 UI 音效库(无需下载),并将提示列表混音成母带 WAV 文件。
请用用户的语言回复。
0. 本技能包含的文件
| 文件 | 使用时机 |
|---|---|
scripts/sfx.py | 构建音效库、混音提示列表、将音频封装到视频中 |
assets/cues.example.json | 创建提示列表的起始点 |
scripts/sfx.py 需要 Python 3 以及 numpy 和 scipy(运行 pip install numpy scipy,仅当系统 Python 拒绝时才添加 --break-system-packages)和 ffmpeg 用于 mix 和 mux 命令。请在此技能文件夹内运行:
python3 scripts/sfx.py synth sfx_lib→ 生成 12 种音效类型 × 3 种变体:tick, click, key, pop, whoosh, swish, thud, chime, shine, squelch, snip, shutter(无需 ffmpeg)python3 scripts/sfx.py mix cues.json mix.wav→ 放置提示,应用以下所有规则,进行母带处理python3 scripts/sfx.py mux video.mp4 mix.wav final.mp4
真实采样优于合成音效:如果用户拥有音效包(Epidemic, Artlist, freesound CC0),将文件放入音效库文件夹,命名为 TYPE_anything.wav(例如 whoosh_soft.wav),脚本会自动使用它们。
1. 音乐
- 根据影片的情感和能量选择音乐,而非潮流。UI/技术类平静场景:使用柔和极简环境音,无骤降,无重低音。宣传片:使用节奏感强的电子音乐 120-140 BPM。高能量场景:150-160 BPM。
- 将剪辑锁定到音轨:记下 BPM,选择一个起始偏移量,使得第 0 拍落在第 0 帧,并将影片最大的视觉变化点放在音轨的骤降/乐句变化处。
- 音乐高通滤波至约 55 Hz(避免手机扬声器的次声轰鸣);除非有助于叙事,否则不要使用扫频滤波。
- 透视音效: 当摄像机进入某个物体内部(房间、设备、水下)时,切掉底鼓和贝斯,仅保留高频部分(“隔墙听到的效果”);退出时恢复低频,并在关键瞬间达到全频段。
- 许可:商业发布需要授权音乐(平台商业库或付费库)。切勿建议盗取音频。
- 如果用户想根据情绪选择特定曲目,请使用 reels-music-picker(如果可用)。
2. 每个视觉事件一个音效
将每个视觉事件映射到一种音效类型:
| 视觉事件 | 音效 |
|---|---|
| 首帧 / 标志闪光 | shine(柔和,前 12 帧内不要硬音效) |
| 物体跳跃/飞行/镜头甩动 | whoosh(长)或 swish(短) |
| 着陆、落入槽位 | thud(柔和,无次声) |
| 卡片/横幅滑入 | swish + click |
| 按钮按下、切换开关、行折叠 | click |
| 数字、里程表滚轮、计数器 | tick(每个落地数字) |
| 打字 | key(快速打字时每 2-4 个字母一次) |
| 图标/徽章弹跳、对勾 | pop / snip / “标记笔划”(snip) |
| 液体扩散、墨滴合并 | squelch |
| 快门、光圈、截屏 | shutter |
| 成功、最终锁定 | chime |
规则(由混音器自动应用):
- 每次播放随机音高偏移 ±1 个半音,避免重复听起来机械
- 2 秒内不得重复同一采样(每类有 3 种变体)
- 任何 0.25 秒内最多 8 个事件(超出部分丢弃并报告);过于密集会破坏清晰度
- 小型 UI 音效(tick, click, key, swish, pop, snip)160 Hz 高通滤波
- SFX 层中无音符、轰鸣声或次声冲击
3. 电平与混音
默认电平相对于同一频段的音乐(已内置到工具中,可通过提示中的 "db" 覆盖):
ticks +10.5 dB (4-10 kHz) · clicks +10 · keys +9 (1.5-8 kHz) · swishes +9.5 · hits/thuds +7 · pops +8 · squelch +7 · chime +5。
- 无泵动侧链压缩。 相反,在每个 tick/click/key 下方,音乐在 2-8 kHz 范围内获得 -8 dB、60 ms 的衰减(微闪避),使得音效穿透力强,同时音乐律动得以延续。
- 母带:-13 LUFS 集成响度(Reels/TikTok/Shorts),真实峰值 ≤ -1 dBTP,使用前视限幅器避免泵动感。YouTube 长视频使用 -14。
sfx.py mix将限制设置比真实峰值目标低 1 dB,因为mux中的 AAC 编码会使峰值升高约 0.6 dB。 - 配音(如果有)位于上方:音乐背景比语音低 18-25 dB。
- 在手机扬声器和耳机上检查。
4. cues.json 格式
起始模板位于 assets/cues.example.json。
{
"duration": 15.0, "lufs": -13, "true_peak": -1.0, "seed": 3,
"library": "sfx_lib",
"music": "track.mp3", "music_start": 49.735, "music_gain_db": 0, "music_highpass": 55,
"duck": {"db": -8, "ms": 60, "band": [2000, 8000], "types": ["tick", "click", "key"]},
"cues": [
{"t": 0.05, "type": "shine"},
{"t": 0.59, "type": "whoosh"},
{"t": 0.99, "type": "thud"},
{"t": 3.16, "type": "swish", "db": 12}
]
}
路径相对于 JSON 文件的位置。仅使用 SFX 时省略 music。
5. 工作流程
- 根据时间规格(motion-story-director),列出每个视觉事件及其精确时间 → 提示列表。如果规格是节拍锁定的,则对齐到节拍网格。
synth合成音效库(或使用用户的采样)。mix混音 → 阅读报告:丢弃的提示表示该时刻密度过高。- 验证响度:
ffmpeg -i mix.wav -af ebur128 -f null - 2>&1 | grep "I:"。 mux与渲染的视频封装;交付最终的 MP4 文件。
对于任何采用以下形式的规格,编写简短的 SOUND 部分:音乐(情绪、BPM、偏移量、高通)→ 事件列表及时间 → 电平 → 母带目标。