HyperFrames 音频
混音是一组关系,而非一堆处理器。两个听起来独立的轨道放在一起可能无法入耳,解决方案很少是“调低一个”——而是找出它们在争夺什么,并将其交给需要的一方。这里的每一个工具都是为了表达其中一种关系而存在。
效果位于元素上的 data-fx-chain 中,预览和渲染通过相同的Web Audio图运行——在实时上下文中是工作室,在无头浏览器中则是离线引擎。每个效果只有一种实现,因此你在拖动时听到的就是最终写入的内容。你永远不需要调整两次。
片段时间轴仍由 /hyperframes-core 处理:音频/视频的修剪和源范围使用 data-start、data-duration 和 data-media-start,交叉淡化则重叠不同轨道上的片段。本技能负责已放置轨道的淡入/淡出、交叉淡化包络、音轨增益/音量、音量与效果自动化、闪避/旁白雕刻以及效果链。/media-use 负责素材搜索、生成和预处理。
常量 data-playback-rate(范围为 0.1..10)在匹配的音频/视频元素使用相同的时间、源偏移和速率时,对画面和音高保持的渲染是安全的。速度渐变是 data-automation 中的一个 rate 通道(参见 docs/reference/speed-ramps),它覆盖常量值,并在预览和渲染中保持音高。HyperFrames 不提供自动波形同步或漂移校正。关于可复制的剪切/交叉淡化/重新定时配方,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,对于前两个属性,位于 <hf-audio-group> 总线上(参见“一个总线处理多个轨道”):
| 属性 | 作用 |
|---|---|
data-fx-chain | 效果,按信号顺序排列 |
data-automation | 此轨道音量或其效果参数上的包络 |
data-fx-carve | 雕刻自身的设置,以便可以重新推导 |
随附的效果系列包括: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、移相器和比特压缩。
每个效果的精确JSON以及通道必须满足的规则:references/attributes.md。
每个效果及其参数、范围和单位:references/fx-registry.md。
如何处理无法听到的文件问题:references/diagnosis.md。
预设、命名任务和单旋钮配置文件,以及症状到修复的对照表:references/presets.md —— 在手动构建链之前请阅读该文件,因为其中一个预设或命名任务通常已经命名了问题。
各部分如何协同
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预览能够预测渲染结果。
flowchart TB
voice["语音轨道<br/>媒体文件"]
bed["音乐背景<br/>媒体文件"]
subgraph AUTHOR["创作 — 唯一写入属性的地方"]
panel["工作室<br/>旁白雕刻控制"]
script["scripts/carve.mjs<br/>检测配对,默认动态"]
analysis["core/audioCarve.ts<br/>carveProfile · analyseCarveBands<br/>analyseCarveDuck · analyseCarveDynamics"]
panel --> analysis
script --> analysis
end
voice --> analysis
bed --> analysis
subgraph ATTRS["写入背景元素上的属性"]
carveAttr["data-fx-carve<br/>源 · 强度 · 动态"]
chainAttr["data-fx-chain<br/>峰值 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,两者都读取"]
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["拖动时听到的声音"]
render --> wav["处理后的 WAV<br/>+ chainTailSeconds 确保混音让尾部通过"]
wav --> mix["引擎 · audioMixer<br/>音量通道在此处混入 PCM,而非在图谱中"]
mix --> out["渲染的混音"]
edit["在播放中编辑属性"] -.->|MutationObserver| preview
雕刻自身的设置永远不会在播放时读取——它生成的链和通道才是播放的内容。data-fx-carve 存在的意义是,强度可以在现有雕刻上更改,而无需从滤波器中反向猜测。
在雕刻的背景内部,信号首先经过衰减,然后是电平匹配,然后是任何你自己构建的内容——这就是为什么你添加的限制器仍然作为最后的限制器起作用:
flowchart LR
src["解码的背景"] --> p1["峰值<br/>400 Hz"]
p1 --> p2["峰值<br/>1 kHz"]
p2 --> p3["峰值<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"] -.->|"语音在该频段
电平的包络"| p1
l4["通道 fx.n4.gain"] -.->|"背景整体
闪避的程度"| g
静态雕刻是具有固定值且没有通道的相同图谱。
首先,找出问题所在
下表从“听起来有轰鸣声”开始——这假定有人听过并这么说了。如果给你一个文件并说“修复它”,你没有听到,也无法听到,所以你只能测量。有一条规则适用于所有情况:
单个未知声音的绝对频谱无法诊断。 共振峰为 ±10 dB,基频在 85–255 Hz 之间,句子在结尾时下降 5–6 dB。每一个单独来看都像是缺陷,而每一个都是说话者本身。
所以进行比较,并且要与同一文件内的某个参考进行比较:如果存在,则使用干净的原版;否则使用停顿(句间空白)——凡是间隙中可听见的内容都是附加的,而间隙的频谱是通道而非声音。与发布的平均频谱或合成的控制声音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,而本指南背后的评估中,两个错误的答案都源于此。
当没有原版也没有可用的静音时,静态音调缺陷本质上是不确定的。请如实说明,并提供合适的解读,而不是选择一个并基于它构建链。
命令、陷阱和实际配方:references/diagnosis.md。在诊断一个无人描述过的文件之前,请阅读该文件。
从症状开始
一旦你知道了频段和类型,就命名音频的问题。大多数糟糕的音频属于以下一或两种情况,每种情况都有一个现成的答案:
| 听起来像 | 使用什么 |
|---|---|
| 下面有嗡嗡声或重击声 | rumble-cut,或 80 Hz 的 highpass |
| 有轰鸣声、胸腔声 | Tame Boominess 任务(200 Hz) |
| 发闷、像隔了层纸板 | Reduce Mud 任务(250 Hz) |
| 很难听清词语 | Add Clarity 任务(3 kHz),或雕刻背景 |
| 刺耳且令人疲劳 | Soften Harshness 任务(3.2 kHz) |
| 有些词比其他词响亮得多 | 在压缩器上使用 Evenness,或 Even Out Levels |
| 句子之间的房间音 | room-gate |
| 人声和音乐在打架 | 旁白雕刻 — 不是对任一轨道 EQ |
| 听起来像没地方录 | room-tight 或 room-natural |
| 只是听起来“业余” | voice-clean,按顺序包含上述四项 |
完整目录、每个预设包含的内容、频段词汇,以及故意不覆盖的内容(去咝声、降噪、音色匹配):references/presets.md。
先减法,再加;滤波后处理电平;电平后处理关系;特性和限制器最后。每一步都改变下一步听到的内容——在高速滤波之前设置的压缩器会浪费精力追踪隆隆声。
根据问题而非名称选择效果系列
滤波器(highpass、lowpass、peaking、lowshelf、highshelf)决定允许一个轨道占据哪些频率。这是解决两个源冲突的首要工具,因为冲突发生在频段中:背景和人声都想要 1–3 kHz,从背景中拿走这个频段对背景的影响远小于整体调低对整个混音的影响。对人声使用高通滤波器是解决隆隆声的标准方法;低通滤波器则有意使声音变暗或发闷。
动态处理器(gain、compressor、limiter、gate)决定一个轨道的电平随时间如何变化。压缩缩小了大声与小声之间的距离,使安静部分能够凸显出来。限制器是一个上限——它不塑造任何东西,它保证没有东西能超过它。门限移除低于阈值的声音,这是你在短语之间消除房间音的方法。gain 是一个简单的电平级,当一个轨道需要让出位置时,自动化通道就在其上工作。
非线性处理器(saturate、bitcrush)改变波形的形状,从而增加原本不存在的谐波。当某个轨道需要个性或质感而非校正时,可以使用它们——但要记住,它们是生成性的:它们使稀疏的声源变得更密集,而非更干净。
时间类效果(delay、reverb、chorus、phaser)将轨道置于一个空间或赋予其宽度。这些效果最容易破坏混音,因为一个尾部或失谐的副本会挤占人声所需的同一空间。在应该放在其他东西后面的东西上使用它们,并使湿声量低于孤立听起来合适的水平。
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,个性在中间,限制器放在最后,它才能实际起到上限的作用。
旁白雕刻
它解决的问题。 人声下的音乐背景使人声难以听清。本能反应是闪避整个背景,这样有效但会使背景失去所有存在感——音乐在整个旁白期间变得无力。但是人声并不需要整个频谱。它只需要它实际占据的少数几个频段。雕刻只拿走这些频段,背景保留其低频和高频,因此在人声仍然清晰可辨的同时,背景仍然是音乐。
它是一种关系,而非一种效果。 设置位于背景上——即被处理的轨道——并且它们指定要监听的人声,就像侧链压缩器一样:你选择被处理的轨道,并选择使其变小的来源。永远不要将雕刻放在人声轨道上。 人声对着自己雕刻是一个错误,而非微妙的混音选择。
针对每一个人声,而不是其中一个。 sources 是一个列表,因为一个背景通常运行在一整个序列之下——一个旁白、一个采访回答、第二个主持人。它们在测量之前被求和到背景自己的时钟上(mixCarveSources),因此一次分析覆盖所有声音:频段来自所有存在的语音,而包络在语音发生的任何地方上升。从不与背景同时播放的人声被排除在外;它们无法掩盖它。
针对多个片段 ID 而不是一个组的雕刻是错误的。将片段分组并针对组进行雕刻。 这是一个不变规则,而非建议。逐个命名片段必须完全正确,且只在下次编辑前保持正确——后来添加的第四个旁白片段会在雕刻的感知范围外播放,而背景会无声地无法在其下进行闪避。相反,命名组可以在分析时解决归属问题,因此后来添加到组中的片段无需修改 sources 即可被覆盖:
<!-- 将旁白分组,然后针对组进行背景雕刻 -->
<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>
一个包含两个或多个普通片段ID而不是一个组的 sources 列表会被 audio_carve_ungrouped_sources lint 规则捕获——它仍然有效,但在添加片段时会静默失效。
保持雕刻组为人声组:不要包含背景、SFX或音乐。 sources 中的组ID在每次分析时解析为其当前所有成员,因此你命名的组就是你稍后将得到的组——而不是编写它时测量的轨道。两种可能会出问题的情况:
- 背景在其自己的源组中。 它将自己作为人声传递给自己,并针对自己的内容进行雕刻——"永远不要针对自身雕刻轨道"的规则在下次重新分析时出现。
- 人声组中的SFX或音乐片段。 它在下次分析时进入侧链,背景开始在各种音效下闪避,即使编写属性时从未测量过它。
这两种情况在雕刻写入时都是不可见的:分析将它检测到的人声求和,并永远不会通过组解析进行往返,因此第一次遍历确实是正确的,只有下一次才是错的。因此,为每个角色分配自己的组——music 用于背景,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 在看到任一情况时拒绝写入组形式,记录片段ID,并在 stderr 上输出是哪个成员阻止了它。然后 audio_carve_ungrouped_sources 规则指向此安排,而非 CLI 静默地持久化比其测量的更宽的雕刻。
此次运行未包含的人声不是这些情况之一,并且…
[翻译截断]