参考 01：音频基础、心理声学与空间音频
参考 01：音频基础、心理声学与空间音频
1. 数字音频基础
| 概念 | 说明 | 游戏实用值 |
|---|---|---|
| 采样率 Sample Rate | 每秒采样点数。决定最高可表示频率（奈奎斯特 = SR/2） | 48kHz（行业标准）；96kHz 仅用于需大幅变速/变调的源素材 |
| 位深 Bit Depth | 每个采样的精度，决定动态范围（1bit ≈ 6dB） | 24bit 录制/编辑；16bit 交付（动态 96dB 已足够） |
| 奈奎斯特频率 | 超过 SR/2 会产生混叠（aliasing） | 失真类处理需开 oversampling（2x/4x） |
| 比特率 Bitrate | 压缩音频每秒数据量 | Vorbis 音乐 128–192kbps；语音 64–96kbps |
| dBFS | 数字满刻度。0 dBFS = 削波 | 交付峰值 -3 dBFS，总线 -1 dBTP |
dB 速记：+3dB ≈ 能量翻倍；+10dB ≈ 听感响一倍；-60dB 以下基本听不见。
2. 响度（Loudness）体系
- LUFS / LU：ITU-R BS.1770 响度单位，加权人耳频率响应
LUFS（Integrated）= 整段平均响度 → 校准总音量LU（Short-term, 3s）= 短时响度 → 校准段落Loudness Range (LRA)= 动态范围 → 游戏建议 8–20 LU
- dBTP（True Peak）：真峰值，考虑采样间插值。超过 0 dBTP 在编解码后会产生失真
- ** crest factor（峰均比）**：峰值 - 平均。游戏音效常 12–20dB，过大占用动态余量
平台响度要求（厂商认证硬性）
| 平台 / 标准 | 目标响度 | 真峰值 |
|---|---|---|
| EBU R128（欧洲广播 / 多数主机） | -23 LUFS | -1 dBTP |
| ATSC A/85（北美广播） | -24 LKFS | -2 dBTP |
| 移动端（iOS/Android） | -16 ~ -20 LUFS | -1 dBTP |
| Netflix / 流媒体过场 | -27 LUFS | -2 dBTP |
| VR（避免听觉疲劳） | -18 LUFS | -1 dBTP |
认证失败最常见原因就是响度不达标。务必在最终输出总线上挂 Limiter + 用响度表跑完整段游戏流程测量。
3. 心理声学（为什么这样设计）
- 等响曲线（Fletcher-Munson）：人耳对 2–5kHz 最敏感，对低频不敏感 → 小音量播放时低频会"消失"，需做 loudness contour / 低频补偿
- 听觉掩蔽（Masking）：强声会掩盖邻近频段的弱声 → 关键玩法音（如"敌人上弹"）必须独占一个频段，否则被掩蔽
- 哈斯效应（Haas / Precedence Effect）：< 30–50ms 的延迟声会被融合到直达声 → 早期反射 < 50ms 增强"空间感"但不破坏定位；> 50ms 会听到回声
- 鸡尾酒会效应：人能选择性注意。用音色差异比用音量更容易让玩家区分信息 → 不同类别事件用不同音色设计（UI 清脆高频、威胁低沉中频、拾取明亮旋律性）
4. 3D 空间音频
定位线索（按顺序重要性递减）
- ILD（双耳强度差）：高频主要靠强度差 —— 高频 > 2kHz
- ITD（双耳时间差）：低频主要靠相位/时间差 —— 低频 < 1.5kHz
- HRTF（头部相关传输函数）：耳廓/头/躯干的滤波，解决前后与上下混淆
- 距离线索：音量衰减 + 高频吸收（空气吸收）+ 直达/混响比
距离建模
推荐衰减曲线参数（Wwise/FMOD 中的 Attenuation）：
| 参数 | 室内 | 室外 | 说明 |
|---|---|---|---|
| Max Distance | 25 m | 60 m | 超过即静音（或进入 virtual voice） |
| Volume 曲线 | -12 dB @ 50% 距离 | -20 dB @ 50% | 用对数/自定义曲线，非线性更自然 |
| LPF | 8000 Hz @ 近 → 800 Hz @ 远 | 12k → 1.5k | 空气吸收模拟 |
| HPF | 80 Hz 常开 | 60 Hz | 去掉远处无用低频省 CPU |
| Spread | 0% @ 近 → 100% @ 远 | 同 | 远处声源"变宽"，避免点状刺耳 |
| Reverb Send | 近 -12dB → 远 0dB | 近 -18 → 远 -6 | 远处混响占比更高 |
Occlusion vs Obstruction
| 物理 | 处理 | |
|---|---|---|
| Obstruction | 声音绕过障碍（柱子、半墙） | LPF ~800–1200Hz，音量 -6 ~ -10dB |
| Occlusion | 完全被墙/门隔断 | LPF ~300–500Hz，音量 -15 ~ -25dB，走 AUX_Reverb_Long |
| 无遮挡 | 直视 | 不做处理 |
实现方式：射线检测（raycast）命中次数与材质 → 映射到 RTPC（如 RTPC_Occlusion 0~1）→ 驱动 LPF 与音量。
空间化技术选型
| 技术 | 适用 | 备注 |
|---|---|---|
| Panning（VBAP） | 移动端低成本 | 只有左右，无前后上下 |
| HRTF / Binaural | 耳机（Steam Audio、Oculus Audio、Resonance Audio） | 前后上下准确，CPU 中等 |
| Object-based | PS5 Tempest、Dolby Atmos、DTS:X、MPEG-H | 主机/PC 高端，需授权 |
| Ambisonics (1st/3rd order) | VR 360 环境音 | 可旋转、可解码到任意扬声器布局 |
VR 强制：必须 HRTF + 头部追踪，且 Ambience 用 Ambisonics。延迟 > 20ms 会破坏沉浸感。
5. 混音核心处理器
| 处理器 | 用途 | 游戏常用参数 |
|---|---|---|
| EQ | 分频、去浑浊 | 高通 80Hz 清低频泥；250Hz 衰减去 boxy；3kHz 提升增辨识度 |
| Compressor | 控制动态 | 音效 Ratio 2:1~4:1，Attack 5–20ms，Release 100–300ms |
| Limiter | 防削波 | 输出总线 Threshold -1 dBTP，Release 100ms |
| Ducking / Sidechain | 闪避 | VO→Music：-6dB，Attack 30ms，Release 300ms |
| Reverb（Send） | 空间 | 卷积（真实 IR）/ 算法（省 CPU）。Pre-delay 10–40ms |
| Saturation / Distortion | 增加谐波与"力量感" | 枪械、爆炸、引擎必用 |
| Granular | 颗粒合成做"魔法/能量"音色 | 见 03 配方 |
| Pitch Shift | 变调 | 用 formant-preserving 算法避免"唐老鸭效应" |
6. 术语表
ADSR｜包络（起音/衰减/延音/释放） Ambisonics｜全景声球体声场格式 Aux Bus｜辅助总线（用于 Send 效果） Bank / SoundBank｜可分包的音频资源集 Ducking｜一轨压低让另一轨突出 Foley｜拟音，实录音效表演 HRTF｜头部相关传输函数 ILD / ITD｜双耳强度差 / 时间差 Loop / Loop Point｜循环与循环点 LUFS / dBTP / LRA｜响度 / 真峰值 / 响度范围 Middleware｜音频中间件（Wwise / FMOD） RTPC｜实时参数控制 SFX / VO / AMB｜音效 / 语音 / 环境 Snapshot｜总线混音快照（Wwise） Stinger｜一次性短乐句 Virtual Voice｜虚拟声部（超出限制时后台计算不发声）