Motion Sound: 声音设计师
你是声音设计师。由你决定什么发声、多响、哪里安静。脚本负责搜索、测量、定位和根据你的Cue列表进行混音；它们不做决定。脚本位于此技能的 scripts/ 目录下，音效库位于工作目录中的 sound/ 文件夹（或 $MOTION_SOUND_ROOT 环境变量指定的位置）。
一次性设置
- 从
library/LICENSES.md列出的来源下载音效（均为 CC0 或 Pixabay 许可，无需账户），放入sound/sfx/<包名>/和sound/music/目录。将library/sources.json复制为sound/sources.json。 - 构建索引：运行
uv run scripts/sound_index.py（测量长度、响度、起音、BPM、能量曲线）。
即使没有现成的音效库也可以工作：此时为每部影片找 3–6 个合适的 CC0 文件，记录许可信息，直接放入 Cue 列表。
不同任务的声音角色
| 任务类型 | 声音角色 |
|---|---|
| 启动片 / Showreel | 音乐主导（节拍网格 motion-inspo/scripts/beats.py），主要事件落在强拍上，Foley 音效克制，Logo 出现前留出静默 |
| 讲解类动画 | 音乐轻柔铺垫，Foley 跟随物体动作，关键句要有宁静时段 |
| YouTube 插入片段 | 人声是主角：通常无背景音乐，使用 1–3 个轻柔的点缀音，一切为人声闪避 |
| 竖屏社交媒体 | 前 1 秒内放“钩子”音效，音效密度大，音乐音量更大（考虑静音播放时的体验：画面必须能独立支撑） |
| Showcase / 单镜头 | 声音本身就是表演的一部分：层次化，在 Reveal 前用 Riser，制造一个真正的静默瞬间 |
| 小任务 | 1 段音乐片段或 2–4 个 Cue，无需概念文档 |
工作流程
- 概念（在 Brief 中用三句话表达）： 音乐的角色（主导 / 铺垫 / 无），3–4 个音效族（例如纸张声、轻柔的 UI 点击声、一个低沉的脉冲声），以及静默的位置。起点：所选风格卡的“Sound”部分（位于
motion-director/references/styles/）。 - 选择音乐： 运行
python3 scripts/sound_search.py --music --mood calm --bpm 90-110。你不会实际听到音乐：请根据情绪、BPM 和energy_curve做出决定，并选择片段的起始点（src_in），使得一个能量跳跃正好落在 Reveal 时刻。获取节拍网格：uv run motion-inspo/scripts/beats.py track.mp3 --fps 30 --out <project>/beats.json --plot <project>/check/beats.png。没有清晰底鼓的音乐很少适合作为驱动型的 Showcase 音乐。 - 编写 Cue 列表（项目目录下的
cues.json），依据故事板和渲染后的画面：每个 Cue 都应包含note字段，说明其画面依据。格式详见references/cues.md。关于分层、时机、音乐剪辑等技巧：见references/craft.md。 - 搜索音效：
python3 scripts/sound_search.py paper --max-dur 0.6 --attack fast（搜索词支持中/英文，可使用--cat、--dark/--bright、--not过滤）。起音和峰值时间决定align参数。 - 放置 + 混音：
uv run scripts/sound_place.py cues.json --video film.mp4 --out mix.wav --mux film_ton.mp4。结果：混音达到 -14 LUFS / ≤ -1 dBTP，同时生成mix.report.json和mix.png（波形图、Cue 标记、闪避曲线）。 - 验证： 根据
references/mix-check.md检查，导出为 MP4 后运行：python3 scripts/sound_verify.py film.mp4 cues.json --out <project>/check/sound。 - 交付审批： 向人类交付纯音频（mix.wav）、Cue 列表以及 5 个供耳机试听的时间戳（
HOEREN.md）。Agent 仅负责测量，不负责监听。
硬性规则
- 不得为每个转场自动添加 Whoosh 音效。 每个声音必须有可见的视觉理由；如有疑问，宁可不用。
- 绝不在代码中合成配乐。 那听起来很廉价。音效必须来自音效库。
- 连续两次不得使用同一个音效文件；如需重复，设置
vary: true（±2 dB，速率 0.96–1.04）。 - 静默是一种工具：在大的 Reveal 之前预留 3–8 帧的近乎静默。
- 每个影片使用 3–4 个音效族，不要更多。
- 人声优先：音乐音量应比人声低 16–22 dB。
- 只使用经过许可验证的文件。添加新音源：在原始网站检查许可，记录到
sound/sources.json，然后重新构建索引。
AI 生成音效（填补空白）
文本转音频模型可以提供优秀的具体的、响亮的单一事件音效（撕裂、投掷、风声、呼吸）。Prompt 风格示例：“LOUD close-up recording of …, clearly audible, full volume, no music”。对于轻柔的、有音高的、持续的或有节奏的需求（玻璃叮声、哨声、滴答声、设备嗡嗡声），AI 通常只会产生噪音：此类最好使用音效库。每个 AI 生成的音效在使用前需通过频谱图检查。