参考 02：创作方式与音色特征（理论 → 素材的桥）

这是"声音从哪来"的决策文档。创作方式直接决定音色的性格、可变性、成本与工程复杂度。选错方式会出现典型症状：素材库做的核心武器"听着像买来的"、纯合成的脚步"塑料感"、程序化引擎"永远调不好听"。

0. 一句话结论

现代商业游戏的主流不是单一方式，而是 Hybrid（混合）：

有机内核来自真实录制（Foley / 实地录音）→ 提供"不可复制的复杂度"
可控骨架来自合成（Sub / 瞬态 / 能量层）→ 提供"穿透力与一致性"
连续变化来自程序化调制（参数驱动 / 多段交叉淡化）→ 提供"与物理的绑定感"
效率底座来自素材库与批处理 → 提供"覆盖率"

配比经验值（按资产数量）：素材库加工 40% / 定制录制 30% / 合成 20% / 程序化 10%。按玩家感知权重则相反：核心交互音（武器、角色、UI）几乎 100% 是定制的。

1. 音效创作方式全景对比

对比矩阵

方式	音色性格	真实度	可变性	迭代速度	内存	CPU	技能门槛	版权风险
Foley 拟音	有机、有表演感、微随机	★★★★★	★★	★★	中	低	中	无
实地录音	空间真实、有环境印迹	★★★★★	★	★★	大	低	中	低
商业素材库	高质量但同质化	★★★★	★★	★★★★★	中	低	低	需核授权
减法合成	干净、可控、偏"电子"	★★	★★★★★	★★★★	极小	低	中	无
FM / 波表	金属、玻璃、可演化	★	★★★★★	★★★	极小	低-中	高	无
颗粒合成	云状、纹理化、时间冻结	★★	★★★★	★★	极小	高	高	无
物理建模	物理精确、参数响应准	★★★★	★★★★★	★	极小	中-高	极高	无
卷积（IR）	真实空间/设备染色	★★★★★	★★★	★★★★	中	高	中	IR 需授权
运行时程序化	连续、无限变化	★★★	★★★★★	★	几乎为零	中-高	极高	无
AI 生成	快、量大、质量漂移	★★★	★★★	★★★★★	中	低	低	高（灰）

1.1 Foley 拟音（棚内表演录制）

做法：在录音棚用真实道具"演"出动作——踩不同材质、摩擦布料、开关道具、击打材料。

音色特征：

有人类表演的呼吸感与微随机，这是合成永远补不上的
瞬态自然、谐波复杂、有"重量"
天然带有材质真实度（木头的共振、金属的余韵）

优点：独特、有辨识度、无版权风险、可精确匹配动画缺点：慢（一个脚步组 1–2 人天）、受棚与道具限制、极端音做不出来（爆炸、巨兽、激光）

工程注意：

录 96kHz/24bit，留足变调变速余量；交付 48kHz
同一动作录 10–20 条 take，从中选 4–8 条做变体（不是录 4 条）
必须录**房间静音底噪（room tone）**用于后期降噪采样
演员/鞋/道具要固定，否则同一角色前后期音色不一致

适用：脚步、布料、肉搏、道具交互、角色动作 —— 玩家每秒都在听的声音

1.2 实地录音（Field Recording）

做法：去真实环境录自然声——森林、城市、机械、天气、人群。

音色特征：

带真实空间印迹（混响、空气、远场），这是最"贵"的部分
有偶发的生命感（鸟叫的随机、风的起伏）
底噪高（风噪、交通、设备底噪）

优点：空间真实性无可替代、一次录制产出大量素材缺点：不可控、清理成本高（去噪会连带损失质感）、不同批次一致性差

工程注意：

录音时同时录 30s 静音供降噪；用防风毛衣（风噪是头号杀手）
环境床（Bed）要录 5–10 分钟无剪辑，循环点才好处理
城市/公共场所有肖像权与隐私问题，人群录音需谨慎

适用：环境音床、天气、人群、交通、自然细节

1.3 商业素材库（Boom Library / Soundly / Strata / Pro Sound Effects）

音色特征：

制作水准高、动态与频段都已处理到位
同质化：同一个库被上千款游戏用过，玩家会有"熟悉感"
素材往往"完整度过高"——自带混响与尾巴，反而难集成

优点：极快、覆盖面广、单价远低于自录缺点：辨识度低、自带处理难拆、授权范围必须核（有的禁商用/禁某些平台/有发行量上限）

工程注意：

采购时就要确认：是否覆盖目标平台与发行量、是否允许修改、是否有 voice/用户数限制
入库后必须做再处理（去混响、重 EQ、重新分层），直接用会有"拼贴感"
建立"已用素材登记"，避免同一音效出现在多个项目

适用：次要音效、一次性事件、填充性细节、原型阶段

1.4 减法合成（Subtractive）

做法：振荡器产生富含谐波的波形 → 滤波 + 包络塑形。

音色特征：干净、精准、偏电子/塑料感；缺乏有机复杂度优点：体积极小（几十字节）、可完全参数化、一致性 100% 缺点：单薄，需叠加噪声/实录层才不"廉价"

适用：UI、科幻界面、能量音、Sub 低频层、激光

1.5 FM / 波表（Wavetable）合成

音色特征：

FM：金属、钟、玻璃、贝斯、电钢 —— 谐波结构奇特，"冷而硬"
波表：音色可连续演化（扫过波表），适合"能量充能""变形"

优点：极小体积、极强的动态演化能力缺点：参数极度不直观，调一个好音色可能几小时；容易做出"刺耳"的音

适用：科幻武器、能量护盾、变形、Boss 音色、程序化音乐的合成器声部

1.6 颗粒合成（Granular）

做法：把音频切成 10–100ms 的"颗粒"，重新排列/重叠/变调播放。

音色特征：云状、雾化、时间被"冻结"或"拉伸"、有金属光泽的纹理优点：能把任何素材变成氛围/纹理；可做无限长的无重复音床缺点：CPU 高（每颗粒都是一次播放），移动端慎用；调参抽象

适用：魔法、能量场、异星环境、UI 氛围层、恐怖氛围

做法：用数学模型模拟物体振动（模态频率 + 阻尼），输入是"敲击力度/材质/尺寸"。

音色特征：物理准确——同一个"玻璃杯"，敲轻敲重、大小不同都自动合理优点：几乎零内存、参数连续响应、天然无限变体缺点：实现门槛极高（需 DSP 与物理知识）、单一模态模型只覆盖一类物体、调试周期长

适用：滚动/碰撞/刮擦/破碎、程序化脚步、车辆悬挂、可破坏物

工程现实：完整物理建模在多数项目不划算。常用折中 = 多段采样 + 交叉淡化 + 参数化滤波，能拿到 80% 的效果、20% 的成本。见 04-engineering-pipeline.md 的"伪程序化"模式。

1.8 卷积（Convolution）

做法：用脉冲响应（IR）把干声放进真实空间，或用材料 IR 做染色。

音色特征：真实空间感，算法混响做不出这种细节优点：空间可信度最高；把廉价素材放进好 IR 会"变贵" 缺点：CPU 高（尤其长 IR）；IR 本身需要采购/录制授权

工程注意：

运行时卷积混响 ≤ 2 个实例，其余用算法混响
也可离线烘焙：把混响烘进素材（牺牲动态，换 CPU）
短 IR（< 0.5s）用于"物体染色"（如通过电话/对讲机/头盔）

1.9 运行时程序化（Procedural / Runtime Synthesis）

做法：在引擎里实时合成，输入是游戏物理参数。典型载体：Unreal MetaSounds、自研 DSP、中间件内置合成器。

音色特征：

与游戏状态连续绑定——速度快声音就真的连续变化，不是"切换采样"
天然无重复、无变体需求
风险：容易"不好听"——反馈式的物理准确 ≠ 听感好

优点：内存几乎为零、变化无限、可直接读物理数据（速度/力度/质量）缺点：CPU 成本、设计门槛极高、调试困难（不能"看波形"）、难以做复杂音色

决策原则（重要）：

用程序化的三个正当理由：
1. 参数是连续且高频变化的（引擎转速、风、滚动、充能）→ 采样切换会有"台阶感"
2. 变体需求量爆炸（每块碎石的碰撞都不同）
3. 内存极度紧张（超休闲/网页游戏）
除此之外，默认用采样 + 变体 + 随机化 —— 更好听、更省事、更可控。

典型落地：载具引擎、风、火焰、水、滚动/刮擦、节奏类游戏、UI 参数化反馈

1.10 AI 生成音频

现状：文本/参考生成音效与音乐，批量出变体速度快。

音色特征：平均质量不错但风格漂移、细节一致性差、常有"糊"的尾巴优点：极快的原型与占位、批量变体缺点：

可控性差：很难精确指定"这个金属撞击要 2kHz 的锐度"
不可分层：多数只出整轨，无法拆 stems → 与动态音乐系统不兼容
版权灰色：训练数据来源不明，多数国家 AI 生成物不受版权保护，商用有风险（部分平台/发行商要求披露 AI 使用）

工程定位（建议）：

✅ 用于原型占位音、内部演示、白盒阶段
✅ 用于生成大量次要变体（如 50 个石头碰撞），再由人工筛选加工
❌ 不要直接进最终版本的标志性音效（武器、角色、UI）
❌ 不要作为音乐最终交付（无法分层）
⚠️ 必须记录 AI 使用清单，发行/审核可能需要披露

2. 音乐创作方式对比

方式	音色/结构特征	交互能力	成本	风险
实录乐队 / 录音棚	真实演奏动态、有人味	低（整轨，难分层）	极高	版权清晰（需签委托）
DAW 制作（虚拟乐器 + 少量实录）	主流方案，风格全覆盖	高（天然出 stems）	中-高	需核采样音色库授权
全合成 / 模块化	电子、科幻、冷峻	极高（可参数化）	中	无
Stem 分层交付	同一 BPM 的多层（鼓/贝斯/和声/旋律/氛围）	最高（纵向分层的前提）	中（需作曲配合）	—
程序化 / 生成式音乐	无限、随状态演化，音乐性弱	极高	高（系统开发）	无
AI 生成音乐	快、风格多，但只有整轨	几乎为零	极低	高（版权 + 不可分层）

关键工程洞见（最容易被踩的坑）

交付格式决定了交互能力。 如果你只需要"一段背景音乐"，AI 整轨够用。如果你要做战斗强度分层 / 探索↔战斗切换，就必须拿到 stems（分轨）+ BPM/节拍网格元数据。作曲阶段没谈这件事，后期无法补救 —— 只能在整轨上做音量淡入淡出，交互性基本为零。

委托作曲时必须写进合同的交付项

Stem 分轨：至少 Drums / Bass / Harmony / Melody / Ambience 五层，各自完整长度
统一 BPM 与节拍网格：所有段落与 Stinger 同 BPM，标注第 1 拍位置
无缝 Loop：每个 stem 首尾对齐到小节，可直接循环
Stinger 集合：击杀、发现、胜利、失败、Boss 登场，同调性
元数据：调性、BPM、拍号、段落标记（可选：Music XML / 标记点）
源文件授权：明确游戏全平台、全区域、永久、可修改

3. 创作方式决策树

需求进来
  │
  ├─ 参数是否"连续且高频变化"？（引擎/风/滚动/充能）
  │     └─ 是 → 程序化合成 / 物理建模 / 多段 loop 交叉淡化
  │
  ├─ 是否需要非现实/极端音色？（激光/魔法/巨兽）
  │     └─ 是 → 合成（波表/FM/颗粒） + 实录 sub 层
  │
  ├─ 是否是玩家每秒都在听的核心音？（脚步/武器/UI/角色）
  │     └─ 是 → 定制 Foley + 合成层（混合），禁止直接用素材库原样
  │
  ├─ 是否需要真实空间/环境可信度？
  │     └─ 是 → 实地录音 / 卷积 IR
  │
  ├─ 是否是量大、次要、一次性的细节？（碎石、远处鸟叫）
  │     └─ 是 → 素材库 + 批处理，或 AI 生成 + 人工筛选
  │
  └─ 时间/预算紧张，或处于原型阶段
        └─ 素材库 / AI 占位，标记 TODO 后续替换

4. 混合配方（Hybrid Recipes）—— 现代项目实际怎么用

音效	层 1（内核）	层 2（骨架）	层 3（变化）	说明
枪械	实地录制的真实枪声	合成的 Sub 低频 + 瞬态	程序化：室内/室外 tail、连发降调	真实感靠实录，穿透力靠合成
脚步	Foley 多材质	布料/装备 Foley 细节层	参数化：速度→音量/滤波；材质 Switch	纯录制不可行（材质组合爆炸）
载具引擎	4–5 段 RPM 实录 loop	合成的进气/排气层	程序化：RPM 交叉淡化 + 负载失真	经典"伪程序化"案例
爆炸	素材库/实地爆破	合成 Sub + 反向 whoosh	程序化：碎片随机散布 3D	碎片用随机容器，别用程序化
环境	实地录音 Bed	颗粒纹理层	程序化：昼夜 RTPC 交叉淡化	Bed 必录长，纹理用颗粒
UI	纯合成	—	参数化：RTPC 驱动音高	合成最合适，别去录
魔法	反向素材（钢琴/钹倒放）	FM/波表扫频	程序化：蓄力时长→扫频曲线	反向 + 扫频是万能公式
水体	实地录水	合成气泡	程序化：入水速度→splash 强度	强度必须参数化

5. 成本模型（用于排期与预算）

交付物	定制录制	素材库加工	纯合成	程序化系统
单个简单音效	0.5–1 人天	0.1–0.3 人天	0.2–0.5 人天	—
一个完整脚步组（5 材质 × 3 步态 × 6 变体）	5–10 人天	2–4 人天	不推荐	15+ 人天
一种武器（含变体/室内外/机械/弹壳）	3–6 人天	1–2 人天	不推荐	—
一套 UI（15–30 音）	不推荐	0.5 人天	1–3 人天	—
载具引擎系统	2–4 人天	—	—	8–15 人天
1 分钟分层音乐（含 stems）	—	—	作曲外包按分钟计价	—

排期经验：音频工作量 ≈ 总开发量的 3–8%；音频人力 ≈ 团队的 5–10%（1 个音频对 10–20 人团队是常见配比，且通常是外包 + 1 个内部音频程序）。

6. 选型自检清单

这个音是"每秒听"还是"偶尔听"？→ 决定要不要定制
参数是否连续变化？→ 决定要不要程序化
是否需要非现实音色？→ 决定合成方式
素材库授权是否覆盖平台/发行量/修改权？
音乐是否拿到了 stems 与 BPM 元数据？（没有 = 交互性归零）
AI 生成物是否已登记并准备披露？
混合配方里，实录层与合成层的频段是否错开？
该音效的变体数量是否 ≥ 播放频率所需？（高频播放 ≥ 6 个）