HyperFrames Audio 是 HyperFrames 设计代理（design-agent）中的一项音频混音技能，用于在音频已经放入 HyperFrames 合成之后进行混音处理。它不负责素材的获取、生成与预处理（那属于 /media-use），也不负责剪辑时序本身（那属于 /hyperframes-core）。
用途 该技能面向已放置音轨的混音关系处理，包括：淡入/淡出、交叉淡化包络、音轨增益与音量、音量与效果自动化、闪避（ducking）与旁白挖空（voiceover carve），以及效果链的构建。其核心理念是：混音是一组关系，而不是处理器的堆叠；两个单独听起来都正确的音轨放在一起可能无法入耳，解决办法通常不是简单地把其中一个调低，而是找出它们争夺的频段并把它交给更需要的一方。
主要能力 效果以 data-fx-chain 属性写在音频/视频元素上，预览与渲染运行同一套 Web Audio 图——预览在实时上下文中运行，渲染在浏览器内的离线上下文中运行。每种效果只有一份实现，因此拖动试听时听到的就是最终写入的结果，无需二次调音。
三个属性承载全部配置，写在音频/视频元素本身，或（前两个）写在 <hf-audio-group> 总线上：
- data-fx-chain：按信号顺序排列的效果。
- data-automation：该音轨音量或其效果参数的包络。
- data-fx-carve：挖空自身的设置，便于重新推导。
已提供的效果族包括：gain、EQ（highpass、lowpass、peaking、shelves）、compressor、limiter、truepeak（前瞻真峰值限制器）、gate、saturate、delay、reverb、chorus、phaser、bitcrush。
效果链是串行的：每个效果处理前一个效果的输出。因此校正性滤波应放在前面，音色处理放在中间，限制器放在最后以真正起到上限作用。
旁白挖空（Voiceover carve） 它解决的问题是：人声下方的音乐床会让人声难以听清。本能反应是把整个音乐床压低，这虽然有效，却让音乐在整个旁白期间失去存在感。挖空只取人声实际占据的几个频段，音乐床保留低频和高频，因此人声清晰的同时音乐仍然是音乐。
挖空是一种关系而非效果：设置写在音乐床（被处理的音轨）上，并指定要监听的人声，就像侧链压缩器一样——选择要变轻的音轨，再选择让它变轻的来源。绝不要把挖空放在人声轨上。
sources 是一个列表，因为音乐床通常位于整段序列之下（旁白、采访回答、第二位主持人）。它们会在测量前被汇总到音乐床自己的时钟上，因此一次分析覆盖全部人声。
针对多个剪辑 id 的挖空是错误的，应把剪辑分组后针对组进行挖空。这是一个不变量而非建议：逐个命名剪辑必须穷尽且正确，且只在下次编辑前保持正确——之后新增的旁白剪辑会在挖空感知之外播放，音乐床会静默地不再为其让路。命名组则在分析时解析成员，因此之后加入组的剪辑无需改动 sources 即可被覆盖。
保持挖空组为纯人声组：不要放音乐床、音效或音乐。组 id 在 sources 中会在每次分析时解析为当前所有成员，因此你命名的组就是之后得到的组，而不是写入时被测量的那些音轨。
多轨共用一条总线 仅靠成员关系就足以进行挖空，但若添加具有该 id 的 <hf-audio-group> 元素，组就变成真正的子混音总线：一条链、一个推子、一个自动化时钟服务于所有成员。
总线上的属性：
- data-fx-chain：作用于汇总成员的一条链。
- data-automation：总线上的包络，使用合成时间（composition time）。
- data-volume：所有成员共用的一个推子（默认 1）。
- data-label：显示名称，回退到 id。
- data-hidden：将所有成员从混音中移除。
组自动化使用合成时间而非剪辑时间。总线没有 data-start——成员到达总线时已处于各自的合成位置——因此组通道中的 t: 0 是合成的开始，而不是任何剪辑的开始。剪辑上的通道是剪辑局部的；同样的数字在两者上代表不同时刻，这是把包络从剪辑移到其总线时需要弄对的一点。
挖空保留在剪辑上。data-fx-carve 不是组属性。被挖空的音乐床是单个音轨，由该音轨承载 data-fx-carve，并指向一个组。组与挖空在 sources 中相遇，而不是在同一个元素上。
使用方式 效果写在元素属性上，通过两个创作界面（Studio 的 Voiceover carve 控件、scripts/carve.mjs 脚本）写入属性，两个运行时（预览的实时 AudioContext、渲染的无头浏览器中的 OfflineAudioContext）通过同一套构建器读取它们。这种共享的中间层正是预览能预测渲染结果的原因。
诊断方法 当拿到一个文件并被要求“修复它”时，无法直接聆听，因此必须测量。一条规则贯穿始终：单个未知人声的绝对频谱无法被诊断。共振峰有 ±10 dB 波动，基频在 85–255 Hz 之间，句子结尾会下降 5–6 dB。这些单独看都像缺陷，但每一个都是说话者本身。
因此要比较，并与同一文件内的对象比较：如果存在干净原版就与之比较，否则与停顿处比较——间隙中可听到的是加性成分，间隙的频谱是通道而非人声。与已发布的平均频谱或合成对照人声比较是行不通的。
当既无原版也无可用静音时，静态音调缺陷确实是不确定的。应如实说明并提供符合的读数，而不是挑选一个并据此构建效果链。
从症状出发 大多数糟糕的音频是一两个问题，每个都有已提供的答案：
- 下方有嗡嗡声或轰隆声：rumble-cut，或 80 Hz 高通。
- 轰头、胸腔感：Tame Boominess 任务（200 Hz）。
- 发闷、像在纸板后面：Reduce Mud 任务（250 Hz）。
- 字词难以听清：Add Clarity 任务（3 kHz），或挖空音乐床。
- 刺耳、令人疲劳：Soften Harshness 任务（3.2 kHz）。
- 某些词明显更响：压缩器上的 Evenness，或 Even Out Levels。
- 句子之间有房间底噪：room-gate。
- 人声与音乐打架：Voiceover carve——而不是对任一方做 EQ。
- 干涩、像没在空间里录的：room-tight 或 room-natural。
- 只是“业余感”：voice-clean，即上述四项按顺序组合。
处理顺序原则：先减后加，滤波后调电平，电平后处理关系，音色与上限最后。每一步都会改变下一步听到的内容——在高通之前设置的压缩器会把时间花在追逐隆隆声上。
按问题而非名称选择效果族
- 滤波器（highpass、lowpass、peaking、lowshelf、highshelf）决定音轨被允许占据哪些频率。这是处理两个来源碰撞的首选工具，因为碰撞发生在频段上。
- 动态（gain、compressor、limiter、truepeak、gate）决定音轨电平随时间的行为。limiter 跟随电平且无前瞻，快速或采样间峰值可能越过其上限；用于交付上限时应使用 truepeak，它前瞻并测量采样间峰值。gate 移除阈值以下的内容，用于在乐句之间静音房间底噪。
- 非线性（saturate、bitcrush）改变波形形状，增加原本不存在的谐波。用于需要音色或颗粒感而非校正时。
- 时间类（delay、reverb、chorus、phaser）把音轨放入空间或赋予宽度。这些最容易破坏混音，因为尾音或失谐副本会占据人声需要的空间。
适用场景 适用于在 HyperFrames 合成中已放置音频的混音工作：旁白与音乐床的关系处理、多轨共用总线处理、音量与效果自动化、以及按症状选择预设或命名任务进行修复。
限制
- 不负责素材的获取、生成与预处理（属于 /media-use）。
- 不负责剪辑时序本身（属于 /hyperframes-core）。
- 不提供自动波形同步或漂移校正。
- 预设目录中明确不覆盖去齿音（de-essing）、降噪、音色匹配。
- 当既无原版也无可用静音时，静态音调缺陷无法确定。
- 关于具体收费、价格、平台支持范围等信息，资料中暂未提供。