音效庫

聽覺旅伴要一整櫃的環境音，遊戲原型要一整櫃的音效。買素材包會拿到別人的取樣率、別人的響度、以及一堆你用不到的檔案，所以我自己蓋了一櫃。

一眼看完十個分類

#

音效沒有縮圖，所以我把波形畫出來。這張圖比聽十遍還快：

圖 1 · 十個分類各一個代表音，波形對照

看第三條（HorrorDungeon 的教堂鐘）跟第八條（Society 的超市）的差別：鐘是一記重擊之後長長地衰減下去，超市是一整片沒有起點也沒有終點的嘈雜。這兩種東西在程式裡的用法完全不同，所以在生成之前就得先分好 —— 這也是整個庫最重要的一個切分。

規模

#

講一點做法

#

一、循環音的無縫化是獨立的一道工序。 生成模型不知道你要拿它來循環播放，所以吐出來的 47 秒不會頭尾相接 —— 直接接起來會聽到一聲「喀」。要把它變成真的可循環，得在尾段找一個跟開頭相位相近的切點，交叉淡化，再驗證接縫。這道工序有自己的腳本，跟生成完全分開。

二、響度要統一，而且不能只看峰值。 320 個檔如果各自的響度不一樣，使用者每換一個音就要重調一次音量。統一的標準不是「峰值都拉到 0dB」（那會讓安靜的雨聲被拉爆），而是感知響度（LUFS）—— 用 pyloudnorm 量測整段的積分響度，再整體增益到同一個目標值。峰值只用來當上限，防止削波。

三、批次生完之後要有人聽過。 這是唯一沒辦法自動化掉的一步，但可以讓它快很多：我寫了一個網頁版的試聽介面，鍵盤左右切換、上下評分、空白鍵播放，一輪 30 個檔大概八分鐘聽完。不好的標記起來，重跑腳本只重跑被標記的那些。

四、命名就是索引。 每個檔名長這樣：Nature_N01_LightRain_Loop.wav —— 分類、編號、內容、類型。不需要資料庫，ls 加上 grep 就能查。這種事在 30 個檔的時候看起來多餘，在 320 個檔的時候是它讓你還找得到東西。

沒講的部分

#

• 無縫循環的切點是怎麼找的、交叉淡化多長、以及怎麼自動判斷接縫合不合格
• 響度目標值定在多少、以及為什麼環境音和事件音不能用同一個值
• 各分類的提示詞策略 —— 「都市」跟「科幻」需要的描述精細度差很多
• 實際良率，以及哪一類最常需要重跑（不是恐怖那一類）

這一櫃是為了聽覺旅伴蓋的。想知道同樣一條產線放在圖片上是什麼樣子，看素材圖庫。