Communitygithub.com

声音设计

为 Remotion 制作的产品、发布和社交媒体视频提供声音方案——柔和的背景音乐、与每次点击、按键、切换、成功和转场对应的真实音效、可选的旁白,以及混音电平和响度控制。当视频需要音频时,与 video-rules 和 motion-direction 一起使用。

声音设计 是什么?

这个“声音设计”技能为 Remotion 项目提供了一套完整、专业的声音工作流,旨在提升视频的整体质感。它的核心原则是使用真实的录制音效和音乐,而非合成声音,并严格为每个可见的屏幕交互(如点击、切换、输入)和转场匹配特定的音效。技能详细规定了不同元素(按钮、卡片、通知等)应使用的具体音效类型和相对音量,并强调音效的多样性与变体以避免重复。此外,该技能还涵盖了与 Remotion 代码的集成方法、响度标准化(约-14 LUFS)的测量与调整、音画同步的精确帧级控制,以及用户对音频样片的审批流程。它特别适用于冷启动(coldframe)工作流,提供了包含37个CC0音效的内置库和辅助工具,可实现多轨音频的样本级精确渲染。

兼容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/shafeen003/remotion_project/tree/HEAD/.claude/skills/sound-design

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

声音设计 是做什么的?

声音是让电影看起来昂贵的一半。每一个可见动作都应有与之匹配的声音,柔和的背景音乐贯穿整部影片,混音干净、足够响亮且无削波。

切勿在代码中合成音轨(numpy 噪声、正弦垫音、哔哔声)。这听起来很糟糕,并且已从 coldframe 发布影片中移除。请使用真实录制的音效和真实的音乐。

1. 分层

  1. 背景音乐(始终都有,除非成品需要静音):柔和、纯器乐、节奏稳定、无人声。对于开发者工具,适合氛围/电子/轻柔钢琴;它位于所有声音之下。
  2. UI 音效:每个可见交互对应一个。
  3. 转场音效:为镜头移动和剪辑准备的嗖嗖声、轻拂声、上升音、冲击音。
  4. 旁白(仅当用户要求时):录制的或用户认可的高质量 TTS;始终包含硬编码字幕。

2. 来源

内容位置备注
UI + 转场 SFXpublic/sfx/:coldframe 库 (§5)CC0(Kenney, Remotion @remotion/sfx);可安全提交和重新分发
更多 SFXKenney 音频包 (CC0), @remotion/sfx (页面上的许可条款), Freesound (筛选 CC0)在 library.json 中记录来源 + 许可
音乐用户选择:Pixabay Music (免费,无需署名), Chosic CC0 筛选, YouTube 音频库,或他们拥有的曲目提供 2-3 个符合氛围的选项;不要将 Pixabay/YouTube 曲目提交到 公共 仓库(其许可禁止重新分发文件本身);将它们存放在项目的 public/music/ 私有仓库中,或添加到 .gitignore 并上传用于渲染
AI 生成的 SFX / 音乐 / 语音ElevenLabs(音效、音乐、TTS)或类似工具,仅使用用户的 API 密钥并征得同意使用前请聆听并批准

3. 为每个动作匹配声音

根据元素是什么、有多重以及刚刚发生了什么来选择。切勿连续两次重复使用完全相同的样本:交替使用变体,并变化 playbackRate 0.96–1.04 和增益 ±2 dB。

屏幕上显示声音相对于音乐的音量
在小控件上点击光标(标签、链接、图标)轻柔点击/滴答声细微,+3 dB
主要按钮按下(运行、渲染、部署、CTA)较硬的点击声,带有一点质感+6 dB
切换 / 开关 / 复选框开关声(两种状态),开 ≠ 关变体+4 dB
在终端/输入框中打字按键音,每 1-3 个字符一次,变化多样;Enter 键稍响细微
悬停 / 聚焦 / 选择移动非常轻柔的滴答声,或无声几乎听不见
卡片或面板落下 / 卡入到位轻柔的掉落声 / 轻拍声+4 dB
通知、徽章、计数器完成弹出声 / 柔和的铃声+5 dB
成功 / 已验证 / 完成确认提示音(一个“奖励”声音)+6 dB
错误 / 失败(仅当显示时)低沉、短促的闷响+4 dB
镜头移动、飞入、平移嗖嗖声 / 轻拂声,其峰值与移动最快帧对齐+4 dB
调色板冲击 / 大揭示impact(低沉重击),如果库中已有则在其前添加一个上升音+8 dB,最响亮的时刻
标志 / 结束卡轻柔重击 + 音乐的解决乐句+6 dB

将声音分组,使影片中有 3-4 个可识别的家族(点击声、嗖嗖声、一个奖励提示音、一个冲击音),而不是 30 个随机的声音。

4. 同步

  • 点击和轻拍:在按钮明显按下的那一帧(或提前 1 帧;否则声音会感觉延迟)。
  • 嗖嗖声:提前开始,以便峰值落在移动最快的那一帧。
  • 冲击音:精确落在冲击/闪光帧上。在大揭示之前留出 3-8 帧几乎静音的时间(将音乐拉低)。
  • 尽可能在音乐的节拍上剪辑:选择 BPM 并将场景开始锁定在节拍上(frames per beat = fps * 60 / bpm)。

5. 在 Remotion 中构建

coldframe setup 将库安装到 public/sfx/(37 个 CC0 声音,涵盖 17 个角色,已修剪至帧起始,响度匹配;来源见 public/sfx/LICENSE.md,详情见 library.json)以及辅助工具到 src/coldframe-sound.tsx。

角色使用
click-soft点击小控件(标签、链接、图标)
click-firm按下主要按钮(运行、渲染、CTA)
tick悬停 / 聚焦 / 选择移动
key, key-enter打字;命令结束时的 Enter 键
toggle-on, toggle-off开关、复选框
select在列表中选择选项
drop卡片/面板落下并卡入到位
pop通知、徽章、小元素出现
confirm成功 / 已验证 / 完成(奖励声音)
error屏幕上显示的错误
open, close面板/窗口展开或折叠(峰值对齐)
whoosh镜头移动、飞入、平移(峰值对齐)
impact-soft元素有重量地落下、节拍强调
impact一个大时刻:调色板冲击、揭示、标志
import { MusicBed, Sfx, typingCues } from "./coldframe-sound";

<MusicBed src="music/bed.mp3" volume={0.35} duckAt={[REVEAL]} />
<Sfx role="click-firm" at={PRESS} />                 // 按钮明显按下的那一帧
<Sfx role="whoosh" at={FASTEST_FRAME} />             // 峰值自动落在 `at`
{typingCues(TYPE_START, TYPE_END, cmd.length).map((f) => <Sfx key={f} role="key" at={f} />)}
<Sfx role="key-enter" at={ENTER} />
<Sfx role="confirm" at={RESULT} />
<Sfx role="impact" at={REVEAL} />
  • 变体自动轮换,playbackRate 自动变化 ±3%,因此重复点击听起来永远不会完全相同。
  • 将所有提示帧与视觉效果放在同一个配置对象中(场景相对帧),这样声音和画面就不会发生偏移。
  • 从音效 volume 1 和背景音乐 0.3–0.4 开始,然后通过测量进行调整 (§6)。
  • 试听整个库:示例项目中的 SfxAudition 组件(npx remotion render SfxAudition out/sfx-audition.wav --codec=wav)。
  • 需要库中没有的声音(上升音、深沉低音冲击、环境音)?将 CC0 文件添加到 public/sfx/,在 LICENSE.md 中注明其来源,并请求用户批准。

coldframe 的数据块将其音频切片作为无损 PCM 携带,因此许多重叠的 <Audio> 标签可以在云端以样本级精度渲染和合并。

6. 电平和响度

  • 最终混音:约 -14 LUFS 集成(YouTube,社交媒体),真峰值 ≤ -1 dBTP。Web 英雄/README 版本输出静音(去除音频:ffmpeg -i in.mp4 -an -c:v copy out.mp4)。
  • 背景音乐远低于音效(单独约 -24 到 -20 LUFS);在旁白下方和大型揭示前将其降低 6-10 dB。
  • 测量:ffmpeg -i out.mp4 -af loudnorm=print_format=json -f null -(集成,真峰值)和 -af volumedetect(峰值)。使用系统 ffmpeg;Remotion 自带的缺少这些滤镜。
  • 无削波,无泵送效应,无音效比那个冲击时刻更响。

7. 完整渲染前批准

  1. 仅渲染音频,本地操作(便宜,无需视频帧):npx remotion render <Comp> out/audio-preview.wav --codec=wav。对于长影片,在最繁忙的部分截取 10-15 秒的样本。
  2. 将其发送给用户,附带一行提示列表(“0:03 飞入嗖嗖声,0:07 点击声,0:09 成功提示音…”),并等待他们的同意。
  3. 只有在那之后,才使用 coldframe 在云端渲染视频。

8. 检查清单

  • 背景音乐由用户选择(提供了 2-3 个选项),许可证已注明,淡入淡出干净。
  • 每一个可见的点击、按键、切换、落下、成功和镜头移动都有匹配的声音;除非有意为之,否则没有可见的动作在静音中发生。
  • 3-4 个声音家族,变体轮换,没有连续重复相同的音效。
  • 冲击音在帧上,嗖嗖声峰值在移动最快的帧上,点击声在按下帧上。
  • 约 -14 LUFS 集成,真峰值 ≤ -1 dBTP,无削波(已测量)。
  • 音频样本在云端渲染前已由用户批准。
  • 为 README / 网站英雄视频导出了静音版本。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能