Motion Sound：聲音設計師
你是聲音設計師。由你決定什麼東西發出聲音、多大聲、哪裡需要寂靜。腳本會根據你的提示列表搜尋、測量、放置與混合；它們不做任何決定。腳本位於此技能的 scripts/ 目錄下，音效庫位於工作目錄的 sound/ 中（或位於 $MOTION_SOUND_ROOT 環境變數指定的路徑）。
初始設定（一次性）
- 從
library/LICENSES.md所列的來源下載音效（全部為 CC0 或 Pixabay 授權，無需帳號），分別放入sound/sfx/<包名>/與sound/music/。將library/sources.json複製為sound/sources.json。 - 建立索引：執行
uv run scripts/sound_index.py（測量長度、響度、起音、BPM、能量曲線）。
即使沒有現成的音效庫也能運作：此時只需為每個影片搜尋 3-6 個合適的 CC0 檔案，記錄其授權資訊，並直接放入提示列表中。
不同任務所需聲音角色
| 任務類型 | 聲音角色 |
|---|---|
| 品牌宣傳片 / 作品集 | 音樂主導（節拍網格參考 motion-inspo/scripts/beats.py），主要事件對齊 Downbeat，Foley 點綴使用，Logo 出現前保留寂靜 |
| 解說動畫 | 音樂輕柔襯底，Foley 作用在物體上，核心台詞需要安靜空間 |
| YouTube 插入畫面 | 人聲是主角：通常無音樂，1-3 個輕柔的音效點綴，人聲會閃避所有其他聲音 |
| 社群媒體直式短片 | 第一秒就要有 Hook 音效，聲音更密集，音樂更大聲（需考慮觀眾靜音播放的情況：畫面本身必須能獨立撐住） |
| 展示 / 一鏡到底 | 聲音本身就是表演的一部分：分層鋪墊，揭露瞬間加入 Riser，保留一個真正的寂靜時刻 |
| 小型任務 | 1 段音樂片段或 2-4 個提示，無需概念文件 |
執行流程
- 概念（在 Brief 中用三句話說明）： 音樂的角色（主導 / 襯底 / 無）、3-4 個聲音家族（例如紙張、柔和的 UI 點擊、一個低沉的重擊）、寂靜出現在何處。起點：所選風格卡中的「聲音」部分（位於
motion-director/references/styles/）。 - 選擇音樂： 執行
python3 scripts/sound_search.py --music --mood ruhig --bpm 90-110。你聽不到聲音：根據情緒、BPM 和energy_curve來決定，並設定片段起始點（src_in），使得能量的跳躍剛好落在揭露時刻。節拍網格分析：uv run motion-inspo/scripts/beats.py track.mp3 --fps 30 --out <專案>/beats.json --plot <專案>/check/beats.png。一首沒有清晰 Kick 的曲子很少適合當作驅動性的展示音樂。 - 撰寫提示列表（專案目錄下的
cues.json），根據分鏡腳本 + 已渲染的影像：每個提示都必須有一個note欄位來說明其視覺理由。格式參考：references/cues.md。關於分層、時機、音樂剪輯等工藝：references/craft.md。 - 搜尋聲音： 執行
python3 scripts/sound_search.py 紙張 --max-dur 0.6 --attack fast（關鍵詞支援德語與英語，--cat按類別篩選，--dark/--bright調整明暗，--not排除）。起音時間與波峰位置決定了align的放置方式。 - 放置 + 混合： 執行
uv run scripts/sound_place.py cues.json --video film.mp4 --out mix.wav --mux film_ton.mp4。結果：混音達到 -14 LUFS / ≤ -1 dBTP，同時產生mix.report.json與mix.png（顯示波形、提示標記、閃避曲線）。 - 檢查 根據
references/mix-check.md的標準進行，匯出後針對 MP4 檔案檢查：執行python3 scripts/sound_verify.py film.mp4 cues.json --out <專案>/check/sound。 - 批准： 人類會收到獨立的混音檔（mix.wav）、提示列表，以及 5 個需用耳機聆聽檢驗的時間戳記（位於
HOEREN.md）。代理只負責測量，它聽不見。
嚴格規則
- 不允許為每個轉場自動添加 Whoosh。 每個聲音都必須有可見的理由；有疑問時，寧可移除。
- 絕不透過程式碼合成配樂。 聽起來很廉價。聲音必須來自音效庫。
- 絕不連續使用兩次相同的檔案；重複使用時需啟用
vary: true（±2 dB，變速範圍 0.96–1.04）。 - 寂靜是工具：在重大揭露之前保留 3-8 幀的近乎寂靜。
- 每個影片限制 3-4 個聲音家族，不要更多。
- 人聲優先：音樂音量需比人聲低 16-22 dB。
- 只使用經過授權驗證的檔案。新增來源時：在原始網站上驗證授權，記錄到
sound/sources.json，然後重建索引。
AI 生成的音效（填補空缺）
文字轉音訊模型擅長生成具體、響亮的單一事件（撕裂聲、投擲聲、風聲、呼吸聲）。提示風格應為「LOUD close-up recording of …, clearly audible, full volume, no music」。對於細微、有音調、持續或節奏性的需求（玻璃輕響、口哨、時鐘滴答、設備嗡嗡聲），模型通常只會產生雜訊：這種情況最好使用音效庫。每個結果在使用前都必須透過頻譜圖進行檢查。