音效設計 是做什麼的?
音效是讓一部電影感覺有質感的一半因素。每個可見的動作都應有與其匹配的聲音,柔和的背景音樂貫穿整部影片,且混音要乾淨、音量足夠而不失真。
絕不要在程式碼中合成原聲帶(numpy 雜訊、正弦波墊音、嗶嗶聲)。這聽起來很糟,並且已經從 coldframe 的發布影片中移除。請使用真實錄製的音效和真實的音樂。
1. 分層
- 背景音樂(除非最終輸出為無聲,否則總是使用):柔和、純器樂、穩定的節奏、無人聲。針對開發工具,適合氛圍/電子/柔和鋼琴;它位於所有聲音之下。
- UI 音效:每個可見的互動都有一個對應的音效。
- 轉場音效:為鏡頭移動和剪接點準備的颼颼聲、颼颼聲、升頻聲、撞擊聲。
- 旁白(僅在使用者要求時):由使用者認可的錄音或高品質 TTS,且必須加上燒錄式字幕。
2. 來源
| 項目 | 位置 | 備註 |
|---|---|---|
| UI + 轉場 SFX | public/sfx/:coldframe 函式庫(§5) | CC0(Kenney, Remotion @remotion/sfx);可安全提交與重新發布 |
| 更多 SFX | Kenney 音效包 (CC0), @remotion/sfx(其頁面上有每個音效的授權條款), Freesound(篩選 CC0) | 在 library.json 中記錄來源與授權條款 |
| 音樂 | 由使用者挑選:Pixabay Music(免費,無須署名), Chosic CC0 篩選, YouTube Audio Library,或是他們擁有的音軌 | 提供 2-3 個符合氛圍的選項;不要將 Pixabay/YouTube 音軌提交到公開儲存庫(其授權條款禁止重新發布檔案本身);將它們放在專案的 public/music/ 私有儲存庫中,或添加到 .gitignore 並在渲染時上傳 |
| AI 生成的 SFX / 音樂 / 語音 | ElevenLabs(音效、音樂、TTS)或類似服務,僅在使用者的 API 金鑰與同意下使用 | 使用前先聆聽並獲得批准 |
3. 將每個音效與其動作配對
根據元素「是什麼」、它的重量感以及剛剛發生的事情來選擇。切勿連續兩次重複使用完全相同的樣本:應交替使用變體,並在 0.96-1.04 之間變化 playbackRate,以及在 ±2 dB 之間變化增益。
| 螢幕上的畫面 | 音效 | 相對於音樂的音量 |
|---|---|---|
| 在小控制項(分頁、連結、圖示)上的游標點擊 | 輕柔的咔嗒聲/滴答聲 | 微妙,+3 dB |
| 主要按鈕按下(執行、渲染、部署、CTA) | 較扎實的咔嗒聲,有點力道 | +6 dB |
| 切換開關 / 開關 / 核取方塊 | 開關聲(兩種狀態),開啟和關閉使用不同變體 | +4 dB |
| 在終端機/輸入框中打字 | 按鍵敲擊聲,每 1-3 個字元一個,有所變化;Enter 鍵稍大聲 | 微妙 |
| 懸浮 / 焦點 / 選取移動 | 非常輕柔的滴答聲,或無聲 | 幾乎聽不見 |
| 卡片或面板落下 / 卡入定位 | 輕柔的落下/敲擊聲 | +4 dB |
| 通知、徽章、計數器完成 | 啵的一聲 / 柔和的鈴聲 | +5 dB |
| 成功 / 驗證 / 完成 | 確認提示音(唯一的「獎勵」音效) | +6 dB |
| 錯誤 / 失敗(僅在顯示時) | 低沉的悶響,簡短 | +4 dB |
| 鏡頭移動、飛入、甩鏡 | 颼颼聲 / 颼颼聲,其高峰對齊移動最快的影格 | +4 dB |
| 調色盤撞擊 / 大型揭露 | impact(低沉的撞擊),如果函式庫中已添加升頻聲,則在其之前加上升頻聲 | +8 dB,音量最大的時刻 |
| Logo / 結尾卡片 | 輕柔的撞擊聲 + 音樂的解決樂句 | +6 dB |
將聲音分組,使影片有 3-4 個可辨識的系列(點擊聲、颼颼聲、一個獎勵提示音、一個撞擊聲),而不是 30 個隨機的聲音。
4. 同步
- 點擊和輕敲:在按鈕明顯按下的影格上(或提前 1 個影格;否則聲音聽起來會延遲)。
- 颼颼聲:提早開始,以便高峰落在移動最快的影格上。
- 撞擊聲:精準對齊撞擊/閃光影格。在大型揭露前保留 3-8 影格的近乎靜音(將音樂拉低)。
- 盡可能在音樂的節拍上進行剪接:選擇 BPM 並將場景開始對齊節拍(
frames per beat = fps * 60 / bpm)。
5. 在 Remotion 中建構
coldframe setup 會將函式庫安裝到 public/sfx/(37 個 CC0 音效,對應 17 種角色,已裁剪至從影格開始,音量已匹配;來源記錄在 public/sfx/LICENSE.md,詳細資訊在 library.json)以及輔助函式 src/coldframe-sound.tsx。
| 角色 | 用途 |
|---|---|
click-soft | 點擊小控制項(分頁、連結、圖示) |
click-firm | 按下主要按鈕(執行、渲染、CTA) |
tick | 懸浮 / 焦點 / 選取移動 |
key, key-enter | 打字;命令結束時的 Enter 鍵 |
toggle-on, toggle-off | 開關、核取方塊 |
select | 從列表中選取選項 |
drop | 卡片/面板落下並卡入定位 |
pop | 通知、徽章、小項目出現 |
confirm | 成功 / 驗證 / 完成(唯一的獎勵音效) |
error | 螢幕上顯示的失敗 |
open, close | 面板/視窗展開或收起(高峰對齊) |
whoosh | 鏡頭移動、飛入、甩鏡(高峰對齊) |
impact-soft | 元素帶重量落下、節拍強調 |
impact | 唯一的大時刻:調色盤撞擊、揭露、Logo |
import { MusicBed, Sfx, typingCues } from "./coldframe-sound";
<MusicBed src="music/bed.mp3" volume={0.35} duckAt={[REVEAL]} />
<Sfx role="click-firm" at={PRESS} /> // 按鈕明顯按下的影格
<Sfx role="whoosh" at={FASTEST_FRAME} /> // 高峰自動對齊 `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} />
- 變體會自動輪換,
playbackRate會變化 ±3%,因此重複的點擊聲聽起來永遠不會完全相同。 - 將每個提示的影格與視覺效果保持在同一個配置物件中(場景相對影格),這樣聲音和畫面就不會不同步。
- 從效果音量
1和背景音樂音量 0.3-0.4 開始,然後根據測量結果(§6)進行調整。 - 試聽整個函式庫:使用範例專案的
SfxAudition合成(npx remotion render SfxAudition out/sfx-audition.wav --codec=wav)。 - 需要函式庫中沒有的音效(升頻聲、深沉的低頻撞擊、環境音)?將 CC0 檔案添加到
public/sfx/,在LICENSE.md中註明其來源,並請使用者批准。
coldframe 的區塊會將其音訊片段以無損 PCM 格式攜帶,因此多個重疊的 <Audio> 標籤可以在雲端精準地以樣本為單位進行渲染和拼接。
6. 音量與響度
- 最終混音:約 -14 LUFS 整合響度(適用於 YouTube、社群媒體),真實峰值 ≤ -1 dBTP。網頁主要/README 版本則輸出無聲版本(移除音訊:
ffmpeg -i in.mp4 -an -c:v copy out.mp4)。 - 背景音樂應明顯小於效果音(自身約 -24 至 -20 LUFS);在旁白下及大型揭露前將其降低 6-10 dB。
- 測量:
ffmpeg -i out.mp4 -af loudnorm=print_format=json -f null -(整合響度、真實峰值)和-af volumedetect(峰值)。請使用系統的 ffmpeg;Remotion 內建的 ffmpeg 缺少這些濾波器。 - 無失真、無幫浦效應、沒有音效比單一撞擊時刻更大聲。
7. 在完整渲染前獲得批准
- 僅在本地渲染音訊(成本低,無需影片影格):
npx remotion render <Comp> out/audio-preview.wav --codec=wav。對於較長的影片,圍繞最繁忙的部份剪輯一個 10-15 秒的樣本。 - 將其發送給使用者,並附上一行提示列表(「0:03 飛入颼颼聲, 0:07 點擊聲, 0:09 成功提示音…」),然後等待他們的同意。
- 只有這樣,才在雲端使用 coldframe 渲染影片。
8. 檢查清單
- 使用者已選擇背景音樂(提供 2-3 個選項),授權條款已記錄,淡入淡出乾淨。
- 每個可見的點擊、按鍵、切換、落下、成功和鏡頭移動都有匹配的音效;除非故意,否則沒有可見的動作是在靜默中發生的。
- 3-4 個音效系列,變體已輪換,沒有連續相同的重複。
- 撞擊聲對齊影格,颼颼聲高峰對齊移動最快的影格,點擊聲對齊按下的影格。
- 約 -14 LUFS 整合響度,真實峰值 ≤ -1 dBTP,無失真(已測量)。
- 音訊樣本已在雲端渲染前獲得使用者批准。
- 已為 README / 網站主要影片匯出無聲版本。