插件安装: 在运行设置或更新命令前,如果此技能位于HyperFrames插件内部,请遵循插件执行规则。独立安装时,保留下面的更新说明。
HyperFrames Audio
混音是一组关系,而不是处理器的堆叠。两个单独听起来不错的轨道放在一起可能变得无法入耳,解决之道几乎从来不是“把其中一个调小”——而是要找出它们争夺的东西,然后把它交给需要它的那个。这里的每一个工具都是为了表达其中一种关系而存在的。
效果位于元素上作为data-fx-chain,预览和渲染使用相同的Web Audio图形——工作室是实时环境,引擎是离线环境,都在浏览器内运行。每种效果只有一种实现,因此你在拖动时听到的内容就是最终写入的内容。你永远不需要调两次。
剪辑时间仍由/hyperframes-core负责:音频/视频修剪和源范围使用data-start、data-duration和data-media-start,交叉淡化需要不同轨道上的重叠剪辑。本技能负责已放置轨道的淡入/淡出、交叉淡化包络、轨道增益/音量、音量和效果自动化、闪避/人声雕刻以及效果链。/media-use负责源获取、生成和预处理。
恒定data-playback-rate (0.1..10) 在匹配的音频/视频元素使用相同时间、源偏移和速率时,对画面和保持音调的声音都是渲染安全的。加速渐变是一个rate通道,位于data-automation中(参见 docs/reference/speed-ramps);它优先于恒定值,并在预览和渲染中保持音调。HyperFrames不提供自动波形同步或漂移校正。
对于可复制的剪切/交叉淡化/重定时方法,请使用/hyperframes-core → references/creator-editing-recipes.md。
三个属性承载所有内容,位于音频/视频元素本身——或者,对于前两个,位于<hf-audio-group>总线上(参见“一个总线处理多个轨道”):
| 属性 | 承载内容 |
|---|---|
data-fx-chain | 效果,按信号顺序 |
data-automation | 此轨道音量或其效果参数的包络 |
data-fx-carve | 雕刻自身的设置,以便可以重新派生 |
提供的效果系列包括:增益、EQ(高通、低通、峰值、搁架)、压缩器、限制器、门限、饱和、延迟、混响、合唱、移相器和比特率降低。
每种效果的精确JSON,以及通道必须满足的规则:references/attributes.md。
每种效果及其参数、范围和单位:references/fx-registry.md。
如何找出听不到的文件的问题:references/diagnosis.md。
预设、命名作业和单旋钮配置,以及症状到修复的对照表:references/presets.md——在手动构建效果链之前请阅读此文档,因为预设或命名作业通常已经指出了问题。
各部分如何协同工作
两个创作界面写入这些属性;两个运行时通过相同的构建器读取它们。这种共享的中间层使得预览能够预测渲染结果。
flowchart TB
voice["人声轨道<br/>媒体文件"]
bed["音乐床<br/>媒体文件"]
subgraph AUTHOR["创作——唯一写入属性的环节"]
panel["工作室<br/>人声雕刻控制"]
script["scripts/carve.mjs<br/>检测配对"]
analysis["core/audioCarve.ts<br/>carveProfile · analyseCarveBands<br/>analyseCarveDuck · analyseCarveDynamics"]
panel --> analysis
script --> analysis
end
voice --> analysis
bed --> analysis
subgraph ATTRS["写入音乐床元素"]
carveAttr["data-fx-carve<br/>源 · 强度"]
chainAttr["data-fx-chain<br/>峰值均衡 xN + 增益,标记为fromCarve"]
autoAttr["data-automation<br/>每个雕刻参数一个通道"]
end
analysis --> carveAttr
analysis --> chainAttr
analysis --> autoAttr
subgraph SHARED["一种实现,两者均读取"]
build["audioFxGraph.ts · buildFxChain"]
sched["audioFxAutomation.ts · scheduleChainAutomation"]
end
chainAttr --> build
autoAttr --> sched
build --> preview["预览<br/>实时 AudioContext<br/>attachElementFxChain"]
sched --> preview
build --> render["渲染<br/>无头浏览器中的 OfflineAudioContext<br/>applyAudioFxChain"]
sched --> render
preview --> heard["你在拖动时听到的内容"]
render --> wav["处理后的 WAV<br/>+ chainTailSeconds 以便混音让尾音通过"]
wav --> mix["引擎 · audioMixer<br/>音量通道在此处烘焙到 PCM 中,而非图形中"]
mix --> out["渲染后的混音"]
edit["在播放中编辑属性"] -.->|MutationObserver| preview
雕刻自身的设置从不在播放时读取——它产生的效果链和通道才是实际播放的内容。data-fx-carve的存在是为了可以更改现有雕刻的强度,而无需从滤波器中反向猜测回来。
在雕刻过的音乐床内部,信号先经过凹陷,然后是电平匹配,最后是你自己构建的任何效果——这就是为什么你添加的限制器仍然作为最后的限幅器起作用:
flowchart LR
src["解码后的音乐床"] --> p1["峰值均衡<br/>400 Hz"]
p1 --> p2["峰值均衡<br/>1 kHz"]
p2 --> p3["峰值均衡<br/>1.6 kHz"]
p3 --> g["增益<br/>电平匹配"]
g --> hand["你自己的效果<br/>例如 限制器"]
hand --> dest["轨道增益,然后输出"]
l1["通道 fx.n1.gain"] -.->|"人声在那个频段<br/>的包络"| p1
l4["通道 fx.n4.gain"] -.->|"音乐床<br/>整体闪避的程度"| g
首先,找出问题所在
下面的表格从“听起来很低沉”开始——这假设已经有人听过并指出了问题。如果拿到一个文件并被告知“修复它”,但你没有这样的描述且无法听取,那么你必须进行测量。一个规则适用于所有情况:
单个未知人声的绝对频谱无法诊断。 共振峰为±10 dB,基频在85–255 Hz之间,句子在结尾处下降5–6 dB。每一个单独来看都像是缺陷,但每一个都是说话者本身。
所以,进行比较,并且与同一文件内的某个内容比较:如果存在干净的原始文件,则与之比较;否则与静音部分比较——间隙中听到的任何内容都是加性噪声,间隙的频谱是通道而非人声。与发布的平均频谱或合成控制人声进行比较是行不通的:两个说话者之间的差异大于大多数缺陷,并且本指南评估中的两个错误答案都正是源于此。
当既没有原始文件也没有可用静音时,静态音调缺陷确实是不确定的。要说明这一点并提供合适的读数,而不是选择一个并据此构建效果链。
命令、陷阱和经过验证的配方:references/diagnosis.md。在诊断尚未描述的文件之前请阅读此文档。
从症状入手
一旦知道了频段和类型,就命名音频的问题。大多数糟糕的音频属于以下一或两种,每种都有提供的解决方案:
| 听起来像什么 | 使用什么 |
|---|---|
| 底部有嗡嗡声或重击声 | rumble-cut,或80 Hz的highpass |
| 低沉、胸腔共鸣 | Tame Boominess 作业 (200 Hz) |
| 模糊、像在纸板后面 | Reduce Mud 作业 (250 Hz) |
| 很难听清词语 | Add Clarity 作业 (3 kHz),或雕刻音乐床 |
| 刺耳且令人疲劳 | Soften Harshness 作业 (3.2 kHz) |
| 某些词比其他词响得多 | 在压缩器上使用 Evenness,或 Even Out Levels |
| 句子之间的房间氛围 | room-gate |
| 人声与音乐冲突 | 人声雕刻——不是对任何一方的EQ |
| 听起来很干,仿佛没有录制空间感 | room-tight 或 room-natural |
| 只是“业余” | voice-clean,这是按顺序的上述四种 |
完整目录、每个预设包含的内容、频段词汇以及故意不涵盖的内容(去咝声、降噪、音色匹配):references/presets.md。
先减法后加法,滤波后电平调整,电平调整后关系处理,最后是音色和限幅。每一步都会改变下一步听到的内容——在高速滤波器之前设置的压缩器会将其能量浪费在追逐隆隆声上。
根据问题而非名称选择效果家族
滤波器(highpass、lowpass、peaking、lowshelf、highshelf)决定一个轨道允许占据哪些频率。这是两个源冲突时的首选工具,因为冲突发生在频段内:音乐床和人声都想要1–3 kHz,从音乐床中拿走这个频段对它的损害远小于将整个音量调低对混音的损害。对人声使用高速滤波器是处理隆隆声的标准方法;低通滤波器则故意使声音变暗或模糊。
动态处理器(gain、compressor、limiter、gate)决定轨道电平随时间的变化。压缩器缩小响与轻之间的距离,使得轻的部分可以提升上来。限制器是一个上限——它不塑造任何东西,只是保证没有任何信号超过它。门限移除低于阈值的声音,这就是如何消除短语之间的房间氛围。gain 是一个简单的电平级,当轨道需要让位时,自动化通道就作用于它。
非线性效果(saturate、bitcrush)改变波形形状,从而增加原来不存在的谐波。当轨道需要个性或粗糙感而非校正时使用它——请记住它具有生成性:它使薄弱的源变得密集,而不是更干净。
时间效果(delay、reverb、chorus、phaser)将轨道置于一个空间或赋予其宽度。这些最容易破坏混音,因为尾音或失谐的副本会占用人声需要的同一空间。将它们用于应该位于其他事物后面的东西,并且保持湿声量比单独听起来时要低。
效果链是串行的:每个效果处理前一个效果产生的结果。因此,校正性滤波放在前面,个性放在中间,限制器放在最后,以便它实际起到上限的作用。
人声雕刻
解决的问题。 音乐床在有人声时使人声难以听清。直觉反应是让整个音乐床闪避,这有效但牺牲了音乐床的所有存在感——音乐在人声期间变得无力。但人声并不需要整个频谱。它只需要它实际占据的几个频段。雕刻只拿走这些频段,音乐床保留其低频和高频,因此它仍然是音乐,而人声仍然清晰可辨。
这是一种关系,而不是一种效果。 设置存在于音乐床上——被处理的轨道——并且它们指定要监听的人声,就像侧链压缩器一样:你选择变安静的那个轨道,并指定是什么让它变安静。永远不要在人声轨道上使用雕刻。 针对自身进行雕刻的人声是一个错误,而不是微妙的混音选择。
针对每个人声,而非其中之一。 sources 是一个列表,因为音乐床通常运行在整个序列下——一个旁白、一个采访回答、第二个主持人。它们被总和到音乐床自己的时钟上,在此之前任何测量(mixCarveSources),因此一次分析覆盖了所有人声:频段来自所有存在的语音,包络在语音发生的任何地方上升。那些在音乐床播放时从未播放过的人声被排除在外;它们无法掩盖音乐床。
针对多个剪辑ID的雕刻是错误的。将剪辑分组并针对组进行雕刻。 这是一个不变规则,而不是一个提示。逐个列出剪辑必须完全正确,并且只有在下次编辑前才保持正确——稍后添加的第四个旁白剪辑在雕刻的感知范围之外播放,音乐床未能静音地闪避。改用组名在分析时解析成员关系,因此稍后添加到组的剪辑无需修改sources即可被覆盖:
<!-- 将旁白分组,然后针对组雕刻音乐床 -->
<audio id="vo-intro" data-audio-group="voiceover" …></audio>
<audio id="vo-middle" data-audio-group="voiceover" …></audio>
<audio id="vo-outro" data-audio-group="voiceover" …></audio>
<audio id="music" data-fx-carve='{"enabled":true,"sources":["voiceover"],"strength":0.8}' …></audio>
一个列出两个或多个纯剪辑ID的sources列表(而不是一个组)会被 audio_carve_ungrouped_sources lint规则捕获——它仍然有效,但它是那种会在添加新剪辑后悄然退化的版本。
保持雕刻组为人声组:不要包含音乐床、SFX或音乐。 sources中的组ID会在每次分析时解析为所有当前成员,因此你命名的组就是你之后得到的组——而不是当初写入时测量的轨道。这会在两种情况下导致问题:
- 音乐床在自己的源组中。 它把自己作为人声传入,并针对自身内容进行雕刻——在一次重新分析后触发了“永远不要针对自身雕刻轨道”的规则。
- SFX或音乐剪辑在人声组中。 它在下一次分析时进入侧链,音乐床开始针对嗖嗖声进行闪避,即使当初写入属性的那次运行从未测量过它。
这两种情况在雕刻写入的时刻都是不可见的:分析将检测到的人声求和,并且从不经过组解析的往返,因此第一遍是真正正确的,只有下一遍才错误。因此,为每个角色分配自己的组——music用于音乐床,voiceover用于旁白,sfx用于音效——并保持sources中命名的组只包含人声。
carve.mjs 在遇到任何一种情况时拒绝写入组形式,记录剪辑ID,并在stderr上说明哪个成员阻止了它。audio_carve_ungrouped_sources 规则随后指向排列。