第14章 · 声音系统：MetaSounds 与声景设计

导语：做个实验：找一段你最怕的恐怖游戏实况，把音量关到零，再看一遍。Jump Scare 成了哑剧，走廊尽头那扇门就是一扇普通的门，手心的汗没了。把声音放回来，心率立刻回到一百二。混音师才是吓你的那个人——多边形只是他手里的工具。声音占了沉浸感预算的一半，分到的人力却往往不到项目一成——这一章，就是把这桩赔本买卖算清楚。

本章地图

mindmap
  root((第14章 声音系统))
    预算观
      静音实验
      三层声景
      dB 与听感疲劳
    资产层
      MetaSounds 图
      参数接口
      Quartz 时钟
    空间层
      衰减与聚焦锥
      空间化
      遮挡与混响
    结构层
      自适应音乐
      混音总线与 Ducking
    实战
      雨夜天台声景

关掉声音，恐怖片就成了哑剧

导语里的实验建议每个人都做一遍，因为它能把"恐怖"拆成具体成分。静音之后，Jump Scare 剩下的只有画面跳变——大脑对跳变的反应是"愣一下"，不是"心跳骤停"。真正让心率上 120 的，是跳变前 0.2 秒那个音频预告：一声不自然的寂静，或一个逆行的低频滑音。混音师在画面动手之前，就先掐住了你的喉咙。

再看一笔账。一个中型 3A 项目的常见配置：美术团队 60 到 100 人，音频团队 3 到 8 人；音乐与音效按分钟外包计价，摊进项目总预算经常不到一成。可玩家评测里那些"氛围""压迫感""紧张得不敢喘气"，一半以上要靠耳朵兑现。声音是沉浸感里被克扣的那一半预算——不是因为它不重要，恰恰因为它太便宜，便宜到没人愿意为它早做打算。

程序视角下，这笔账还有另一层：音频管线和你已经懂的渲染管线几乎同构。资产（SoundWave）进逻辑图（MetaSounds），实例化成播放组件（UAudioComponent），过衰减、空间化、遮挡这套"音频版视锥剔除"，最后进 Submix 与 Sound Class 做"音频版后处理"。学完本章，你手里有一套完整管线——不再是零散的 wav 播放调用。

flowchart LR
    W[SoundWave 波形资产] --> G[MetaSoundSource 逻辑图]
    G --> C[UAudioComponent 播放实例]
    C --> A[SoundAttenuation 衰减/空间化/遮挡]
    A --> S[Submix 路由与效果器]
    S --> M[SoundClass / SoundMix 混音]
    M --> D[Audio Device 混音输出]
    D --> E((玩家耳朵))
    K[SoundConcurrency 并发规则] -. 限制同时发声数 .-> C
    O[Occlusion Trace] -. 挡则闷 .-> A

三个最常见的误判，先排掉：

"声音最后再放"——衰减半径、遮挡通道、并发上限全是关卡数据，最后放等于把关卡重摆一遍。
"声音就是播 wav"——播一个 wav 只要一行 API；让一百个 wav 不打架、不穿帮、会呼吸，是系统工程。
"响就行"——响度是最廉价的刺激，也是最快的疲劳源。下一节的 dB 账会算给你看。

还要认清音频债的偿还方式：它不在 code review 里暴露，在试玩会上暴露。玩家说"这段没感觉"，查到最后，常常是雷声音量没错、但低通没跟上距离，或者音乐切换没卡拍。画面债用眼睛还，声音债用"感觉"还——而"感觉"最贵。

顺带说一句，程序员在音频侧其实是占便宜的一方：衰减半径是数值调参，自适应音乐是状态机，并发上限是资源预算，Ducking 是优先级仲裁。全是老本行，只是换了个单位。

补课·声景分三层，dB 是一把对数尺

补课：本节补音频基础——三层声景结构与 dB 尺度。音频出身的读者可直接跳到下一节。

声音设计的第一件事是把场景里的声音分类。行业惯用的分法正好三层，用程序员的概念翻译一遍：

拟音（Foley）：与动作一一绑定的离散事件——脚步、开门、换弹、拾取。事件驱动，必须配变体池：同一个 wav 连放五次，玩家立刻出戏。
氛围（Ambience）：持续运转的常驻服务——雨底、风声、机房嗡鸣、远处车流。循环播放，要求慢变化；一成不变超过 30 秒，它就成了"白色墙纸"，被大脑过滤掉。
拟态（Score）：情绪状态机——战斗音乐、探索铺底、剧情 stinger。它不负责"现场有什么"，负责"现在该怕什么"。

对照渲染就好记了：拟音是前景物件，氛围是天光，音乐是后处理调色。三层各管一段，互不抢戏；混为一层的项目，后期必然打架。

变体池的规模给个下限：短促音效 4–6 个变体起步；脚步这种每秒都在响的，6–8 个变体加随机音高才撑得住一分钟。样本做不够就用参数凑——音高抖动、起始偏移、滤波扫动，都是廉价变体。

第二件事是尺子。分贝（dB）是对数刻度，不是线性的：声压每翻一倍 +6 dB，而人耳主观响度翻一倍大约要 +10 dB。游戏内说的是 dBFS（以满幅为 0 的相对电平），0 dBFS 就是天花板，混音的全部手艺就是在天花板底下分配空间。

N 个同样响的声源叠在一起，总响度远不是 N 倍：

$L_{sum} = L + 10\log_{10} N$

10 个雨点源只比 1 个响 10 dB。这个公式直接决定声景的搭法：氛围层靠"种类"取胜，不靠"数量"，堆同种声源是最亏的买卖。

还有一条曲线必须认识：等响曲线（Equal-Loudness Contour）。人耳对 2–5 kHz 最敏感——语音清晰度全在这一段——对低频天生迟钝，而且整体音量越小，低频感知掉得越快。推论很实际：玩家深夜把音量拧小，你精心调的"压迫感低频"第一个消失。混音时留一手：小音量下仍听得清的声音，优先级永远高于大音量下才爽的声音。

游戏内声音	相对电平参考	备注
耳语 / 呼吸	−30 ~ −24 dBFS	恐怖游戏的常客
雨声底 / 氛围床	−28 ~ −18 dBFS	比对话低一整档
脚步	−20 ~ −12 dBFS	玩家的"第二视角"
对话	−12 ~ −6 dBFS	混音的锚点
枪声 / 爆炸	−6 ~ 0 dBFS	离天花板最近的位置

第三件事最容易被忽视：听感疲劳。恒定不变的声音会触发听觉适应——大脑的滤波器把它归档为"背景"，30 秒后你就真的听不见机房嗡鸣了。持续高响度更糟，会造成暂时性阈移（TTS），等于把玩家的听力整体调暗一档。

推论很反直觉：一直响的警报等于没有警报。它先被适应机制过滤，再用掩蔽效应盖住真正重要的声音——脚步、换弹、队友语音。合格的警报设计只有三条：脉冲式而非长鸣；分级别，不同威胁不同音色；会自己闭嘴，响够次数自动降格为低频提示。这三条到混音总线那节还会回来。

掩蔽（Masking）是疲劳的帮凶：响的盖掉轻的，频段近的盖掉频段远的。警报和音乐铺底挤在同一频段，等于两个进程抢一把锁——谁响谁赢，不是谁优先级高谁赢，而玩家最后什么都没听清。设计任何一个声音之前先问一句：它活在哪个频段，邻居是谁。

最后警惕响度战争：所有东西都响，等于没有东西响——对比才是响度的意义。恐怖游戏最瘆人的瞬间往往是"突然安静"，而安静只有在前面够热闹时才成立。

MetaSounds 接的是一份参数化的活

先回答"换掉的是什么"。Sound Cue 是 UE4 时代的音频图：随机容器、混合器、调制器三板斧，做"播放时随机挑一个 wav 再抖一下音高"这类事够用。它的天花板在于图是一次性的——触发完就跑完了。运行中想根据游戏状态连续改变声音，逻辑只能搬回蓝图：音频设计师看不懂，程序员嫌琐碎，两边都难受。

MetaSounds 把这件事换成了"可编程乐器"。它是一张样本级精度的 DSP 图：波形播放器、滤波器、包络、延迟线、随机源、数学运算，全在图内闭合运转。用第 8 章的语言讲：Sound Cue 之于 wav 相当于固定管线，MetaSounds 之于 wav 相当于材质系统之于贴图。

它值钱的地方有三个。

① 参数接口。MetaSoundSource 对外暴露输入参数，游戏侧通过 Audio Component 的 SetFloatParameter、SetBoolParameter、SetTriggerParameter 写入——战斗强度、积水深度、门窗开合，全是图内能直接消费的量。声音从"被触发"变成"被驱动"。

② Quartz 时钟。音乐切换要对齐小节边界才有"排练过"的感觉，否则就是硬切歌。Quartz 子系统提供样本级精度的音乐时钟，自适应音乐一节全靠它排队切换点；在 5.8 中对应官方文档的 Quartz 词条，细节以文档为准。

③ 图即数据。MetaSound 可以被当节点嵌进另一张图，能进版本控制、能 diff、能复用——对程序背景的团队，这是刚需。

代价也要说：MetaSounds 的图比 Sound Cue 深，而音频侧的剖析工具仍在追赶渲染侧（5.8 中先用 Unreal Insights 与 au.* 系列控制台命令，词条见延伸阅读）。旧工程的 Sound Cue 不必重写，两者同为 USoundBase，共存没有障碍；新资产直接上 MetaSounds。

图里能用的节点大致四类：音源（波形播放器、噪声源）、处理（滤波、延迟、包络、混合）、逻辑（MapRange、比较器、随机源）、触发（播放事件、定时器）。播放形态由接口约定：one-shot 走触发式接口，常驻循环走 Source 接口，对拍的音乐挂时钟接口——选接口就是选生命周期，5.8 的接口清单以官方 MetaSounds Reference 词条为准。

排查"参数没生效"按固定顺序来：组件是不是还持有这个声音的引用；参数名拼写对不对（TEXT 宏下没有编译期检查，写错静默失败）；图的输入默认值是不是把写入顶掉了。这个顺序能省掉八成的玄学时间。

老工程迁移只换外壳不换内容：先把 Sound Cue 里的随机与混合逻辑搬进 MetaSounds 图，再逐个替换引用，按关卡批次走。别计划"一个周末全换完"，那种计划的结果通常是两套系统并行到项目结束。

下面这段伪代码是一张典型的"强度驱动"图，它解决一个问题：同一个音乐循环，如何随战斗强度无级变"狠"：

# 伪代码：MetaSounds 图「强度 → 滤波 + 空间感」
# 输入 Intensity ∈ [0,1]，由战斗管理器用 SetFloatParameter 写入
inputs: Wave(loop), Intensity

cutoff = MapRange(Intensity, 0, 1, 400, 12000)   # Hz：闷罐 → 开盖
wet    = MapRange(Intensity, 0, 1, 0.0, 0.35)    # 延迟发送量
lfo    = Sine(frequency=0.1)                      # 缓慢呼吸，防死板

filter = StateVariableFilter(input=Wave, cutoff=cutoff + 200*lfo)
delay  = DelayLine(input=filter, time=0.23, feedback=0.3)
out    = Mix(dry=filter, wet=delay, alpha=wet)

OnPlay >> Wave.Start        # 触发线：只进不出
out    >> Output.Stereo     # 数据线与触发线是两条河

整张图没有一个分支，却实现了无级渐变——这是 MetaSounds 最典型的思维方式：别切，调。强度低时截止频率压在 400 Hz 附近，音乐发闷、有距离感；强度拉高，滤波"揭开盖子"，高频全部放出来。要点注释：MapRange 是图的翻译官，所有游戏量都先过它；lfo 那 200 Hz 的抖动是为了让听感"活"，静态参数是声景的死敌。

衰减、空间化与遮挡：声音也要过"视锥"

渲染管线靠视锥剔除决定画什么，音频管线靠衰减资产（Sound Attenuation）决定听见什么、听成什么样。一个衰减资产管四件事：距离、方向、遮挡、混响发送。

距离先说。三要素：衰减函数（Linear / Logarithmic / Inverse / NaturalSound）、内半径（InnerRadius，半径内不衰减）、衰减距离（FalloffDistance，到此归零）。选型背后是同一个物理：

$L(r) = L_{ref} - 20\log_{10}\left(\frac{r}{r_{ref}}\right)$

点声源的能量摊在半径 r 的球面上，强度随 1/r² 下降；换算成声压的对数刻度，就是每拉开一倍距离 −6 dB。NaturalSound 按这个模型走，适合脚步、雷这类"该像真的"的声源；Logarithmic 远处衰减平缓，综艺感强，适合提示音；Inverse 在远处掉得太狠，大世界里一转身声源就"唰"地没了，慎用于长距离事件。

方向由空间化与聚焦锥分管。bSpatialize 打开后，立体声声像随声源方位实时平移；再选 Binaural（HRTF 双耳渲染），耳机玩家能听出"左后上方"这种精确方位——代价是 CPU 按发声路数计费，且对音箱外放收益有限。聚焦锥（Focus）给声源一个朝向：锥内满响度，锥外按系数衰减，喇叭广播、NPC 面朝喊话都靠它。

听者（Listener）挂在哪里是个独立决策。引擎默认把耳朵挂在相机上：第三人称游戏里，角色在左下角、耳朵在镜头后——所以你能听见自己角色背后的脚步。第一人称则通常挂在 Pawn 上。「回响峡谷」是第三人称，保持默认；真要改，入口在 PlayerController 的听者朝向设置，5.8 中对应官方文档的 Audio Listener 词条。

遮挡（Occlusion）是沉浸感的隐形功臣。引擎从声源向听者拉一条 trace，被几何挡住就同时做两件事：音量按 OcclusionVolumeAttenuation 压掉，再过一个低通滤波（截止频率由 OcclusionLowPassFilterFrequency 控制）把声音闷掉。物理直觉很简单：高频波长短，撞墙就散；低频波长长，绕墙而过——所以隔壁传来的声音永远是"闷的"。开销上每个 3D 声源一条 trace，几十路同时跑才需要开始心疼 CPU，真到那一步，还有按距离给遮挡检测降频的招。

空气吸收（Air Absorption）是衰减资产里另一个物理参数：距离越远，高频衰减越多。远处的雷只剩低频隆隆，就是它在起作用。衰减资产给高低频各设一个衰减距离，远雷的"闷"不用单独做资产，两个参数就有了。

还有一个运动才有的小现象：多普勒频移（Doppler Shift）。声源与听者沿连线相对运动时，频率被压缩或拉伸：

$f' = f\,\frac{v_{s} + v_{l}}{v_{s} - v_{e}}$

v_s 是声速（约 343 m/s），v_l、v_e 分别是听者与声源沿连线的速度分量。直觉版：物体冲你来，声音变尖；离你而去，声音变闷——警车呼啸而过的那声"咿——呜"就是它。引擎层在 5.8 中对应官方文档的 Doppler 词条；工程上更常见的做法是手动按相对速度缩放 PitchMultiplier，飞掠的子弹、擦肩的载具都这么干，可控性反而更高。

最后是混响，它能解释一个所有玩家都体验过、却说不清的现象：为什么走廊里的脚步声不一样。

耳朵判断空间大小，靠的是直达声占比。给一个简化模型：

$D = \frac{E_{direct}}{E_{direct} + E_{early} + E_{late}}$

D 越接近 1，声音越"干"，大脑判定为小空间或露天；D 降下来，声音发"糊"，大脑判定为大而硬的空腔。混响尾巴的长度用 RT60（衰减 60 dB 所需时间）估算：

$T_{60} \approx 0.161\,\frac{V}{A}$

V 是空间体积，A 是等效吸声面积。走廊麻烦在：体积不大，可四面硬墙让 A 更小，RT60 反而比同体积的房间长——每一步后面都拖着一条几百毫秒的回声尾巴。大脑听到这条尾巴，不用看画面就知道"这是条空旷的硬走廊"。这就是声学版的"环境叙事"：混响参数本身就是场景描述。

引擎里的落地路径：子混音上挂 Reverb 效果器，各声源通过衰减资产的 Reverb Send 决定送多少湿声；空间切换用 Audio Gameplay Volume（5.8 中对应官方文档的 Audio Gameplay Volumes 词条），进走廊湿声比例拉高，回露天收干。雨夜天台一节会把它用满。

下面这段 C++ 是拟音层的标准动作：在脚底位置播放一步带完整空间行为的音效。

// 在脚底播放一步带衰减/并发/随机音高的音效（如"湿混凝土"脚步）
void AEchoCharacter::PlayFootstep(const FVector& FootLocation)
{
    UWorld* World = GetWorld();
    if (!World || !FootstepSound) { return; }

    const float Pitch = FMath::RandRange(0.92f, 1.08f); // 防重复感
    UGameplayStatics::PlaySoundAtLocation(
        World, FootstepSound, FootLocation,
        /*VolumeMultiplier*/ 0.9f, Pitch,
        /*StartTime*/ 0.0f,
        FootstepAttenuation,   // USoundAttenuation*：半径+空间化+遮挡
        FootstepConcurrency);  // USoundConcurrency*：同帧最多 4 步
}

要点：衰减与并发做成资产而不是写死在代码里，改数值不用重编译；随机音高 ±8% 是防"机关枪脚步"的最低配置。临时性的 PlaySoundAtLocation 只管"放"，常驻层（雨底、音乐）要用 UAudioComponent 持着，才有参数可写——下一节就用上了。

classDiagram
    USoundBase <|-- USoundWave
    USoundBase <|-- UMetaSoundSource
    USoundBase <|-- USoundCue : 旧系统·可共存
    UAudioComponent --> USoundBase : 播放
    UAudioComponent --> USoundAttenuation : 空间行为
    UAudioComponent --> USoundConcurrency : 并发约束
    USoundClass "1" o-- "*" USoundBase : 归类混音
    USoundMix ..> USoundClass : 快照压音
    UAudioComponent --> USoundSubmix : 路由
    USoundAttenuation : InnerRadius / FalloffDistance
    USoundAttenuation : bSpatialize / bEnableOcclusion
    USoundAttenuation : ReverbSend
    USoundConcurrency : MaxCount / ResolutionRule

自适应音乐：横向换曲，纵向加层

自适应音乐只有两种基本手法，混用是新人最常犯的错。

纵向分层（Vertical Layering）：同一首曲子的若干条分轨（stem）同时循环，按强度逐层开关。鼓组进、弦乐退，一拍之内见效，听感是"音乐变厚了"。

横向重编排（Horizontal Re-sequencing）：整段换曲子，A 段切 B 段。必须等小节边界，否则就是夜店 DJ 切歌切在半拍上。听感是"音乐翻篇了"。

判断标准：情绪渐变用纵向，叙事跳变用横向。实战里八成需求是纵向——战斗强度本身就是个连续量，硬把它切成"换歌"，每一段都是事故。

维度	纵向分层	横向重编排
切换时机	任意，一拍内	必须等小节边界
听感	变厚 / 变薄	翻篇
素材成本	一首曲 × N 条 stem	N 首完整曲
适用	战斗强度、潜行暴露度	过场、Boss 阶段转换

状态机用一个数驱动：威胁值 Threat。规则可以很简单——敌人感知到玩家 +1，发生交火 +2，连续 5 秒无战斗事件 −1。聚合交给一个战斗管理器（单例子系统即可，GameState 那本账的记法见第 3 章），音乐层只做一件事：把 Threat 映射成强度参数写进 Audio Component。

stateDiagram-v2
    [*] --> 探索
    探索 --> 遭遇: Threat ≥ 1(敌人感知)
    遭遇 --> 激战: Threat ≥ 3 且持续 2s
    遭遇 --> 探索: 丢失目标 10s
    激战 --> 脱战: 敌全灭或拉开距离 5s
    脱战 --> 探索: 尾奏小节播完
    note right of 探索: 仅 Pad + 脉冲低音,强度层 1
    note right of 遭遇: 加打击乐铺底,强度层 2
    note right of 激战: 全编制 + 铜管断奏,强度层 3
    note right of 脱战: 退层 + 预制尾奏,禁止骤停

sequenceDiagram
    participant AI as 敌人AI感知
    participant CM as 战斗管理器
    participant AC as 音乐AudioComponent
    participant Q as Quartz时钟
    AI->>CM: 感知到玩家 Threat+1
    CM->>AC: SetFloatParameter Intensity=0.5
    AC->>Q: 预约下一拍点
    Q-->>AC: 拍点回调
    AC->>AC: 淡入打击乐铺底(1小节)
    AI->>CM: 交火 Threat+2
    CM->>AC: SetTriggerParameter EnterCombat
    AC->>Q: 预约最近小节边界
    Q-->>AC: 边界回调
    AC->>AC: 全编制切入 + 铜管断奏

时序上有一条铁律：纵向分层随时能动，但隆重进入（Boss 出场、阶段转换）值得等一拍——卡在拍点上的铜管，比立刻响起的铜管更有压迫感。Quartz 时钟就是干这个的：音乐组件发请求，它在下一个拍点或小节边界回调。

脱战是翻车重灾区。敌全灭、音乐骤停，玩家脑子里蹦出来的第一个词是"出 bug 了"，而不是"安全了"。正确顺序：激战层先退到遭遇层，播放一个预制的尾奏小节，再让 Pad 接管渐弱。状态机里"脱战"这个中间态，就是为这段尾巴存在的。

素材账也要算。一首三分钟的双层曲目 = 每段至少两条 stem；立体声 48 kHz / 16 bit 未压缩约 10 MB/分钟，全部常驻内存是灾难。长音频一律开 Streaming，压缩交给平台编码格式（5.8 中对应官方文档的 Audio Compression 词条）。到了「远港 Online」，这套状态机的 Threat 输入会从单人感知换成团队仇恨汇总——状态机不变，数据源换一根管子，这是后话。

层数别贪。三层强度（探索/遭遇/激战）加一层 stinger，是中小团队的甜蜜点；四层往上，混音师要对每一层组合单独调平衡，工作量按组合数爆炸。stinger 是横向手里的轻武器：单发、不属于任何循环，用在爆头、开箱、剧情揭示——它不用等小节，因为它本来就不在小节里。

给作曲的交付要求要提前说清楚：所有 stem 同 BPM、同小节数、同起始点，分轨命名带层号。少任何一条，纵向分层在引擎里就是对不齐的一盘散沙，返工的是双方。

混音总线：枪声、对话、音乐、环境抢一条车道

混音的本质是仲裁：天花板只有 0 dBFS 一个，四类声音抢同一条车道。先给四类逻辑总线排优先级：

对话（Dialogue）：最高优先。叙事与战斗信息的载体，混音的锚点。
关键 SFX（枪声、命中、低血警报）：玩法反馈，慢一拍就糊。
音乐：情绪层，可以被压，不能被砍。
环境（Ambience）：存在感靠"缺了才发现"，优先级最低。

UE 里的落地是三件套，别混：Sound Class 管"谁跟谁一族、谁压谁"（层级结构 + 被动混音修饰）；Submix 管路由与效果器链（混响、EQ、压缩挂在总线上）；Control Bus（Audio Modulation 插件）管运行时的参数化调节。三者各司其职，才能把闪避做成"设计师可配、程序可触发"的数据，而不是写在某个蓝图角落里的魔法数。

闪避（Ducking）机制一句话：对话开口，音乐自动 −8 dB、环境 −4 dB，说完再缓回来。两个时间参数决定它是"电影感"还是"抽水泵"：压下要快（0.1–0.2 秒，跟着台词起），恢复要慢（0.5–1 秒，等尾音走完）。压快放快就是 pumping，玩家会以为音响接触不良。侧链压缩（Sidechain Compression）是同一件事的自动化版本：对话总线的电平实时驱动音乐总线的压缩器；5.8 内置 Dynamics Processor 的侧链配置字段以官方文档词条为准，配不好就退回快照方案，不丢人。

flowchart TD
    GUN[枪声/命中 SFX] --> BX[Submix: SFX]
    STEP[脚步/拟音事件] --> BX
    DIA[对话] --> BD[Submix: Dialogue]
    MUS[自适应音乐] --> BM[Submix: Music]
    AMB[氛围床] --> BA[Submix: Ambience]
    BX --> MAS[Master Submix]
    BD --> MAS
    BM --> MAS
    BA --> MAS
    BD -. Ducking -8dB .-> BM
    BD -. Ducking -4dB .-> BA
    BX -. 激战快照 -2dB .-> BM

# 伪代码：对话触发的 Ducking 快照
# 载体三选一：SoundMix 快照 / Audio Modulation Patch / 侧链压缩
on dialogue_started(speaker):
    push_snapshot("Duck_ForDialogue")
    # 快照内容: Music 总线 −8 dB, Ambience −4 dB, SFX −2 dB
    # 淡入 0.15 s —— 跟着台词起,不能迟到

on dialogue_finished(speaker):
    schedule_pop("Duck_ForDialogue", delay=0.4)  # 尾音留 0.4 s
    # 淡出 0.6 s —— 恢复永远比压下慢,这是反抽吸的关键

混音工作流只有一条建议：先把对话响度定死当锚，其他三类向它对齐。反过来做——先嗨音乐再压对话——是新手项目最常见的混音事故。等进入「远港 Online」，这张总线表还要加一路语音聊天（VOIP），优先级直接插到对话同级，闪避逻辑原样复用。

响度标准也补一句：整局混音最终要过平台响度规范（主机平台普遍以约 −23 LUFS 为参考线，具体数值以各平台认证文档为准）。但混音阶段先别看表，先把对话锚定——表是最后一道工序，不是第一道。另外给爆点留头顶空间（headroom）：爆炸瞬间要还能再响 3 dB，这段余量是戏剧性的存款。

总线之外还有一层保险：SoundBase 的 Priority 字段决定发声路数被挤爆时谁被挤掉。低血警报拉满，环境音垫底，其余按玩法反馈分级——这个字段平时没人看，挤爆那一次就是它说了算。

「回响峡谷」雨夜天台：一张能呼吸的声景清单

回到示例线。这场戏的任务：主角雨夜追人穿过天台，途中有檐下躲雨段、积水段，远处雷暴在逼近，风从破窗往里灌。第 10 章用光讲了孤独与紧张，这一节用声音把同一句话再说一遍。

三层拆完，清单如下（衰减距离单位：虚幻单位，100 = 1 米）：

声音	层	资产形态	衰减	空间化	并发	备注
雨声底	氛围	双声道循环，挂玩家组件	无（随听者）	无，宽床	常驻 1 路	0.1 Hz LFO 让响度缓慢呼吸
远处雷	拟音	one-shot，8–20 s 随机	NaturalSound，内 2000 / 衰减 8000	Binaural，方位天穹随机	MaxCount 2，StopOldest	空气吸收拉闷远雷
脚步（干/湿）	拟音	MetaSounds 双组样本	NaturalSound，内 150 / 衰减 1200	Binaural	MaxCount 4，StopFarthestThenPreventNew	积水深度参数 crossfade；湿步 30% 概率叠溅水高频层
风穿缝	氛围（点源）	循环 + 随机音高	Logarithmic，内 80 / 衰减 900	空间化 + 窄聚焦锥对准窗缝	每缝 1 路，共 ≤3	走过窗缝那一下"扫耳"是报酬
檐口滴水	拟音	one-shot，1–4 s 随机	NaturalSound，内 50 / 衰减 600	Binaural	MaxCount 6	檐下区域的"湿度证据"
城市低频底	氛围	双声道循环	无	无	常驻 1 路	−24 dBFS 上下；关掉才发现"世界死了"

檐下与露天的切换不靠音量，靠两条通道：Audio Gameplay Volume 框出檐下区域，进入时把雨声层的低通压下来（雨变成"隔了一层"）、Reverb 湿声从 10% 提到 30%；回露天反向。玩家听到的是"我躲进来了"，而不是"雨小了"。

雷暴逼近交给一个全局 Intensity：天气状态机（数据层天气的做法见第 16 章）把逼近程度写成 0–1，MetaSounds 图里它同时控制远雷的触发间隔（20 s 收紧到 6 s）与低通截止（闷雷变炸雷）。一条参数，管三个听感维度。

并发预算顺带记一笔：这张清单全开约 15 路发声（雨底 1 + 雷 ≤2 + 脚步 ≤4 + 风 ≤3 + 滴水 ≤6 + 低频底 1），离引擎默认发声上限还很远。但把同一套思路搬进「远港 Online」的主城，50 个 NPC 的脚步加叫卖瞬间顶到天花板——并发资产里的 ResolutionRule 之所以存在，就是因为大场景需要一根保险丝，它从来不是装饰。

// 常驻雨声层：按"檐下/露天"实时改写 MetaSounds 参数
void URainLayerComponent::SetSheltered(bool bSheltered)
{
    if (!RainComponent) { return; }

    // 5.8 中参数写入对应官方文档词条：
    // Audio Component → Set Bool / Float / Trigger Parameter
    RainComponent->SetBoolParameter(TEXT("bSheltered"), bSheltered);
    RainComponent->SetFloatParameter(TEXT("Intensity"),
        bSheltered ? 0.35f : 1.0f);
}

要点：常驻层必须用 UAudioComponent 持有，临时 one-shot 写不了参数；bSheltered 在图内驱动低通与混响发送，C++ 只管报状态，不管听感细节——听感归图管，状态归代码管，分工别乱。

最后做闭眼测试：闭眼只听，能不能说出空间多大、天气如何、檐口在哪、雷还有多远。听单有四条：一，雨底的 LFO 有没有被听出来——被听出来就是失败，呼吸感要停留在潜意识层；二，从露天走进檐下，像不像"推门进屋"，而不是"有人拉了音量推子"；三，连续两分钟，有没有哪个循环能被你数出拍子；四，闷雷与炸雷的距离感有没有拉开。哪条挂了，回去改清单，别动音量——声景的问题九成在结构，不在响度。

小结

声音是沉浸感里被克扣的一半预算：3 到 8 人的音频组扛玩家一半的氛围体验，越早进管线越省钱。声景三层各司其职：拟音是事件、氛围是常驻服务、音乐是状态机；混为一层，后期必然打架。dB 是对数尺：同种声源叠加收益递减，"一直响"等于"没有响"——警报要会闭嘴，氛围要会呼吸。MetaSounds 把声音从"被触发"变成"被驱动"：参数接口加 Quartz 时钟，是自适应音乐的地基。混音先定对话为锚，Ducking 压快放慢；天花板只有一个，优先级表比音量推子重要。

上手任务

干湿脚步：给「回响峡谷」主角做干/湿两组脚步样本，积水深度参数 crossfade，随机音高 ±8%，每组不少于 6 个变体。验收：闭眼连走 30 秒，能明确分辨踩水与干地，且听不出样本重复。
两层自适应音乐：自定 Threat 聚合规则，实现探索/激战两层纵向切换。验收：Threat 拉满后 1 拍内鼓组进入；敌全灭后尾奏小节完整播完才回探索层，全程无骤停。
对话 Ducking：对白触发音乐 −8 dB、环境 −4 dB。验收：压下不超过 0.2 秒、恢复不短于 0.5 秒，录音波形上看不到台阶，连续 5 次对白无抽吸感。

声音把情绪讲完了，画面还差一个拿导筒的人。第 15 章 Sequencer 与镜头语言：把"播放动画"升级成"导演一场戏"。