HyperFrames Audio 面向 HyperFrames 合成中已放置音频的混音工作,核心思路是把混音视为一组关系,而非处理器的堆叠。每个工具都用于表达一种关系:两条单独听起来都正常的轨道合在一起可能难以入耳,解决办法通常不是简单地把其中一条调低,而是找出它们冲突的部分并分配给更需要它的那条。
属性与效果链
音频/视频元素本身(或 <hf-audio-group> 总线)通过三个属性承载所有混音信息:
- data-fx-chain:按信号顺序排列的效果;
- data-automation:该轨道音量或效果参数的包络;
- data-fx-carve:挖空自身的设置,便于重新推导。
内置效果族包括 gain、EQ(highpass、lowpass、peaking、shelves)、compressor、limiter、gate、saturate、delay、reverb、chorus、phaser、bitcrush。效果链是串行的:校正性滤波放在前面,个性处理放中间,限制器放在最后作为上限。
预览与渲染一致性
效果以 data-fx-chain 形式存在于元素上,预览与渲染运行相同的 Web Audio 图——预览在实时 AudioContext 中运行,渲染在无头浏览器的 OfflineAudioContext 中运行。每种效果只有一份实现,因此拖动时间轴时听到的效果就是最终写入的效果,无需调两次。输出为处理后的 WAV,并带 chainTailSeconds 以便混音放出尾音。
与其他技能的分工
片段时序仍由 /hyperframes-core 负责:音频/视频裁剪和源范围使用 data-start、data-duration、data-media-start,交叉淡化在不同轨道上的片段之间重叠。本技能负责已放置轨道的淡入淡出、交叉淡化包络、轨道增益/音量、音量与效果自动化、闪避/语音旁白挖空以及效果链。/media-use 负责素材获取、生成和预处理。
恒定的 data-playback-rate(0.1..5)在画面和保持音高的声音上是渲染安全的(当匹配的音频/视频元素使用相同的时序、源偏移和速率时)。不支持源速率渐变,因为没有速率包络;需要预处理一个派生的同步素材。HyperFrames 不提供自动波形同步或漂移校正。可复制的剪切/交叉淡化/重定时配方见 /hyperframes-core → references/creator-editing-recipes.md。
诊断优先
诊断单条未知人声的绝对频谱是不可靠的:共振峰有 ±10 dB 波动,基频在 85–255 Hz,句子结尾会下降 5–6 dB,这些单独看都像缺陷,但都是说话人本身。因此要与同一文件内部的参照物比较——如有干净原版则用原版,否则用停顿处(停顿中可听到的是加性噪声,其频谱是通道而非人声)。不要与公开平均频谱或合成对照人声比较。在没有原版也没有可用静音时,静态音调缺陷确实无法确定,应说明并提供适配的读数,而不是随意选一个去搭建效果链。
从症状出发
多数问题音频可归为一两类,每类都有现成答案:嗡声或低频撞击用 rumble-cut 或 80 Hz 高通;轰隆/胸腔感用 Tame Boominess 作业(200 Hz);发闷用 Reduce Mud 作业(250 Hz);听不清字用 Add Clarity 作业(3 kHz)或挖空伴奏;刺耳用 Soften Harshness 作业(3.2 kHz);音量不均用压缩器的 Evenness 或 Even Out Levels;句子间底噪用 room-gate;人声与音乐打架用 Voiceover carve(而不是给任一方做 EQ);干枯用 room-tight 或 room-natural;整体“业余感”用 voice-clean(上述四步按顺序)。完整目录、各预设内容、频段词汇以及刻意不涵盖的内容(齿音消除、降噪、音色匹配)见 references/presets.md。
Voiceover carve(旁白挖空)
解决的问题:人声下的音乐伴奏让人声难以听清,条件反射是压低整条伴奏,代价是伴奏失去全部存在感。人声并不需要整个频谱,只需要它实际占据的几个频段。Carve 只取这些频段,伴奏保留低频和高频,因而在人声清晰的同时仍是音乐。
这是一种关系而非效果。设置位于被处理的伴奏轨道上,并指定要监听的人声,就像侧链压缩器一样:选择要变安静的轨道,再选择让它变安静的来源。绝不要把 carve 放在人声轨道上。
sources 是列表,因为一条伴奏通常垫在整段序列之下(旁白、采访回答、第二位主持人)。它们会先被汇总到伴奏自己的时钟上(mixCarveSources),因此一次分析覆盖全部人声。
对多个片段 id 做 carve 是错误的。应把人声分组,再对组做 carve。这是不变量而非建议。逐个命名片段必须穷尽正确,且只在下一次编辑前保持正确——后加的第四个旁白片段会静默落在 carve 感知之外。命名组则在分析时解析成员,后加入组的片段无需改动 sources 即可覆盖: <audio id="vo-intro" data-audio-group="voiceover" …></audio> <audio id="vo-middle" data-audio-group="voiceover" …></audio> <audio id="vo-outro" data-audio-group="voiceover" …></audio> <audio id="music" data-fx-carve='{"enabled":true,"sources":["voiceover"],"strength":0.25}' …></audio>
sources 列表命名两个或更多普通片段 id 会被 audio_carve_ungrouped_sources 规则捕获——它仍能工作,但会在新增片段时静默失效。
carve 组应保持为纯人声组:不要放伴奏、音效或音乐。组 id 在 sources 中会在每次分析时解析为当时的所有成员,因此名字所指的是之后的那个组,而不是写入时测量的轨道。两种情况会出问题:伴奏放进自己的源组(被当作人声交给自身);音效或音乐片段混入人声组(下次分析进入侧链,伴奏开始随呼啸声闪避)。两种情况在写入 carve 当下都不可见,因为分析汇总它检测到的人声,不回环经过组解析,所以第一遍确实正确,只有下一次才出错。carve.mjs 在看到这两种情况时拒绝写入组形式,记录片段 id,并在 stderr 说明哪个成员阻止了它。
多轨共用一条总线
仅靠成员关系即可作为 carve 目标,但加上同 id 的 <hf-audio-group> 元素后,组就成为真正的子混音总线:所有成员共用一条链、一个推子、一个自动化时钟。总线属性包括 data-fx-chain(一条链处理汇总成员)、data-automation(总线上的包络,按合成时间)、data-volume(所有成员共用一个推子,默认 1)、data-label(显示名,回退到 id)、data-hidden(从混音中移除所有成员)。
组自动化是合成时间而非片段时间。总线没有 data-start——成员到达总线时已处于合成位置——因此组 lane 中的 t: 0 是合成的起点。把包络从片段移到总线上时,这是唯一需要弄对的地方。
carve 仍留在片段上。data-fx-carve 不是组属性。被挖空的伴奏是单条轨道,由该轨道承载 data-fx-carve,并按上述规则指向一个组。组与 carve 在 sources 中相遇,而非同一元素上。写在总线上的 carve 会变成应用两次的效果的一半:电平部分测量总线自身音频(总线没有音频),只有滤波器存活;而总线与其成员是一条信号路径,伴奏会先经过总线的滤波器再经过自己的。audio_group_carve_attr 规则可捕获它。
单个片段不算总线。组的存在是为了给多条轨道一条链、一个推子和一个时钟。把单个片段包进总线得不到片段自身 data-fx-chain 之外的东西。唯一的例外理由:总线的自动化时钟是合成时间,所以单成员总线是让该片段 lane 获得合成时间定时的办法。
strength 取 0..1,并从它推导一切。