Drama Audio Soundstage (聲音工程與智慧配樂工序)
工序定位：短劇聲音設計與商業配樂工序。 拒絕通用廢話：不解釋什麼是音軌，只沉澱音訊閘控清洗參數、語種漂移攔截閾值與側鏈避讓混音曲線。
1. 運行契約與輸入輸出
- 輸入：
- 第 3 工序輸出的帶原生音訊的影片分鏡：
segments/{seg_id}.mp4； - 獨立高品質電影配樂 BGM：
assets/bgm/*.wav。
- 第 3 工序輸出的帶原生音訊的影片分鏡：
- 輸出：
- 濾除床音後的純淨分鏡：
cleaned_segments/{seg_id}.mp4； - 掛載 90s 懸疑商戰配樂與人聲側鏈智慧避讓的成片：
[集名]_final_ducked.mp4； - ASR 語種與台詞準確性質檢單。
- 濾除床音後的純淨分鏡：
2. 硬核 SOP：譜減法音訊閘控清洗 (Audio Gate)
現象：H3 生成的音訊往往帶有持續的「嗡嗡」低頻電流聲、假風噪或刺耳環境床音，破壞視聽沉浸感。 目標：徹底濾除持續床音，100% 保全人物對白與短促動作擬音（拔刀聲、拍桌聲、腳步聲）。
2.1 閘控核心參數與物理意義
呼叫 scripts/audio_gate.py 時執行黃金參數組：
--bed-q 15：時域滑動窗分位數（設為第 15 百分位），精確識別持續底噪；--alpha-bed 6.0：持續床音扣除強度；--alpha-fx 1.0：瞬態擬音/對白保護因子，越小對白越完整；--fx-snr 4.0：信噪比判定閾值；--quiet-gain 0.03：純靜音幀衰減係數。
命令：
python scripts/audio_gate.py --in segments/seg01.mp4 --out cleaned_segments/seg01.mp4
3. 硬核 SOP：ASR 普通話語種漂移自動化攔截
現象：角色發音漂移為偽英語、含糊亂碼或非中文雜音，嚴重影響交付。
3.1 攔截與判據
落盤後透過輕量 Whisper 執行極速語種校驗：
- 提取音軌前 5 秒進行 Language ID 判定；
- 通過判據：
language == "zh"且置信度prob >= 0.85； - 攔截處置：若判定為
en或其他語種，自動拋出LanguageDriftError並將分鏡標記為失敗，觸發換 seed 重跑。
4. 硬核 SOP：影視級側鏈動態避讓混音 (Sidechain Ducking)
禁令（反例）：嚴禁無腦將 BGM 鋪在影片底下固定音量！對白會被背景音樂淹沒，毫無商業片層次感。
4.1 FFmpeg 原生 sidechaincompress 黃金曲線
使用人物對白作為側鏈控制訊號，即時動態壓制 BGM：
- BGM 基礎底音：
bgm_volume = 0.35； - 閾值 (Threshold)：
ducking_threshold = 0.06（只要人聲開口，立即觸發下潛）； - 下潛深度 (Ratio)：
ducking_ratio = 5.0（台詞說話時，BGM 瞬時下潛約 -14dB，給人聲留出完全清晰的頻段）； - 起音時間 (Attack)：
ducking_attack_ms = 80ms（人聲首字開口瞬間平滑下潛，無生硬爆音）； - 釋放時間 (Release)：
ducking_release_ms = 400ms（台詞閉嘴後，BGM 在 0.4 秒內絲滑回升，烘托緊張情緒）。
命令：
python scripts/cinematic_audio_mixer.py --input concat_raw.mp4 --output final_ducked.mp4 --bgm assets/bgm/suspense.wav