動態音效設計 是做什麼的?
風格規則: 在任何書寫內容(回覆、規格、說明文字、檔案)中,絕對不要使用破折號。請改用逗號、冒號、句號、括號或單純的連字號。
聲音是讓動態影片看起來有質感的一半關鍵。預設輸出通常沒有聲音或只是隨便配上一條音樂軌道。這個技能讓每個視覺事件都 有聲可聞,同時讓音樂保持乾淨地襯底,並最終將音量調整到符合平台標準。它提供了一個工具,可以合成一套乾淨的 UI 音效庫(無需下載),並將提示清單混音成經過母帶處理的 WAV 檔案。
請使用使用者的語言回覆。
0. 本技能包含的檔案
| 檔案 | 使用時機 |
|---|---|
scripts/sfx.py | 建立音效庫、混音提示清單、將音訊合成至影片 |
assets/cues.example.json | 作為建立提示清單的起點 |
scripts/sfx.py 需要 Python 3 並安裝 numpy 和 scipy(pip install numpy scipy,如果系統 Python 拒絕安裝,請加上 --break-system-packages)以及用於 mix 和 mux 指令的 ffmpeg。請在該技能所在的資料夾中執行:
python3 scripts/sfx.py synth sfx_lib→ 產生 12 種音效類型 × 3 種變體:tick, click, key, pop, whoosh, swish, thud, chime, shine, squelch, snip, shutter(不需要 ffmpeg)python3 scripts/sfx.py mix cues.json mix.wav→ 放置提示點,套用以下所有規則,並進行母帶處理python3 scripts/sfx.py mux video.mp4 mix.wav final.mp4
真實的樣本片段優於合成音效:如果使用者有音效包(例如 Epidemic Sound, Artlist, freesound CC0),請將檔案放入音效庫資料夾,並命名為 TYPE_anything.wav(例如 whoosh_soft.wav),系統會自動使用它們。
1. 音樂
- 根據影片的情感和能量來選擇音樂,而不是跟隨潮流。UI/科技類冷靜風格:使用柔和、極簡的環境音樂,避免重拍和強烈低音。促銷類影片:使用節奏強勁的電子音樂,120-140 BPM。高能量影片:使用 150-160 BPM。
- 將剪輯與音樂節拍鎖定:記錄音樂的 BPM,選擇一個起始偏移量,讓 第 0 拍對齊第 0 幀,並將影片中最大的視覺變化點對應到音樂的落點或樂句變化處。
- 對音樂進行約 55 Hz 的高通濾波(避免手機喇叭發出低頻轟鳴聲);除非為了敘事,否則不要使用濾波掃頻效果。
- 透視音效: 當鏡頭進入某物體內部時(例如房間、裝置內部、水下),移除大鼓和低音,只保留高頻(聽起來像是「隔著牆壁聽到的聲音」);當鏡頭移出時,恢復低頻,並在關鍵時刻達到全頻段。
- 版權授權:商業發佈的貼文需要使用授權音樂(平台商用音樂庫或付費音樂庫)。切勿建議非法下載音訊。
- 如果使用者想要特定情緒的曲目,請使用 reels-music-picker(如果有的話)。
2. 每個視覺事件一個音效
將每個視覺事件對應到一個音效類型:
| 視覺事件 | 音效 |
|---|---|
| 第一個畫面 / Logo 閃光 | shine(柔和,前 12 幀內不要用強烈音效) |
| 物體彈跳 / 飛入 / 鏡頭快速移動 | whoosh(長)或 swish(短) |
| 著陸、落入位置 | thud(柔和,不含低頻) |
| 卡片 / 橫幅滑入 | swish + click |
| 按鈕按下、開關切換、清單折疊 | click |
| 數字、里程錶滾輪、計數器 | tick(每個數字落地一次) |
| 打字 | key(快速打字時每隔 2-4 個字母一個) |
| 圖示 / 徽章彈出、勾選標記 | pop / snip / 「筆畫標記」(snip) |
| 液體擴散、形狀合併 | squelch |
| 快門、光圈、螢幕截圖 | shutter |
| 成功、最終畫面鎖定 | chime |
規則(由混音器自動套用):
- 每次觸發時隨機調整音高 ±1 個半音,避免重複聽起來像機器人
- 同一樣本在 2 秒內不得重複使用(每種音效類型有 3 種變體)
- 在任何 0.25 秒內最多 8 個事件(超出部分會被捨棄並回報);過於擁擠會降低清晰度
- 對小型 UI 音效(ticks, clicks, keys, swishes, pops, snips)進行 160 Hz 高通濾波
- 音效層中不得出現音符、轟鳴聲或低頻撞擊聲
3. 音量與混音
相對於同一頻段的音樂,預設音量如下(內建在工具中,可透過每個提示點的 "db" 參數覆寫):
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。
- 不使用泵動側鏈壓縮。 取而代之的是,在每個 tick/click/key 發生的瞬間,音樂在 2-8 kHz 頻段會出現一個 -8 dB、持續 60 ms 的短暫下降(微側壓縮),讓撞擊聲能穿透出來,同時音樂節奏繼續進行。
- 母帶處理:-13 LUFS 整合響度(適用於 Reels/TikTok/Shorts),真實峰值 ≤ -1 dBTP,使用不產生泵動效應的前瞻限制器。YouTube 長片請使用 -14。
sfx.py mix會將限制器設定在比真實峰值目標低 1 dB 處,因為mux中的 AAC 編碼會將峰值提高約 0.6 dB。 - 旁白(如果有的話)置於頂層:音樂底床應低於人聲 18-25 dB。
- 請同時在手機喇叭和耳機上進行檢查。
4. cues.json 格式
可以參考 assets/cues.example.json 作為起點。
{
"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}
]
}
路徑是相對於 JSON 檔案的路徑。如果僅需音效而無音樂,請省略 music 參數。
5. 工作流程
- 根據時間軸規格(來自 motion-story-director),列出每個視覺事件及其精確時間 → 形成提示清單。如果規格已鎖定節拍,請將事件對齊節拍網格。
- 使用
synth指令建立音效庫(或使用使用者的樣本)。 - 使用
mix指令 → 閱讀報告:被捨棄的提示點表示該時間點事件密度過高。 - 驗證響度:
ffmpeg -i mix.wav -af ebur128 -f null - 2>&1 | grep "I:"。 - 使用
mux指令將音訊與渲染後的影片合成,輸出最終的 MP4 檔案。
請為任何規格撰寫一個簡短的「音效」段落,格式如下:音樂(情緒、BPM、偏移量、高通濾波)→ 事件清單(含時間點)→ 音量設定 → 母帶處理目標。