UE5.8 音频管线：Sound Cue 与 Sound Wave 的实战用法

老周最近接手了一个第三人称动作项目。美术把场景搭得不错，动画也切得顺畅，可一进关卡他就皱眉头：角色跑起来像踩着一台老式打字机，哒哒哒哒，每一步音高和力度都一模一样。玩家还没出新手村，耳朵已经先疲劳了。

音效设计师小林把问题拆成两半。一半是原料，也就是导入引擎的 Sound Wave 资源；另一半是配方，也就是用 Sound Cue 编辑器把原料组合成可复用的音效事件。原料不够好，配方再花哨也救不了；配方不对，好原料也会被浪费。UE5.8 的音频管线在这两个层面上都留了不少可控参数，本文把它们按实际工作顺序串起来讲。

一、Sound Wave 导入：从 WAV 到可播放资源

项目里的原始音频一般是 WAV 或 AIFF。UE5.8 对 WAV 支持最好，推荐 16 bit 或 24 bit、44.1 kHz 或 48 kHz 的单声道或立体声文件。把文件拖进 Content Browser，引擎会自动生成一个 Sound Wave 资产。

导入后第一件事是检查 Sound Wave 的 Details 面板。这里决定了一份音频在内存里怎么存、在运行时被谁消费。

属性	建议做法
Compression Type	简短音效用 Vorbis 或 Bink Audio，长段音乐用 Vorbis，需要极低延迟的 UI 音效可用 PCM。
Quality	60 到 90 之间微调。音质和包体大小呈反比，公式上大致满足 $S \approx k \cdot Q^{-1}$ ，包体 $S$ 随质量等级 $Q$ 升高而下降。
Looping	只对需要循环的资源勾选，例如环境风和背景音乐。
3D Spatialization	如果需要在世界里定位，单声道资源勾选此项，立体声资源做 3D 定位会出现相位问题。

老周发现小林导入的脚步素材里混了一份立体声文件。 footsteps 这种需要根据地面材质和位置变化的声音，必须拆成单声道再做 3D 化，否则在耳机里会出现声像漂移。

在 UE5.8 中，Sound Wave 还是平台覆盖的最小单位。可以在 Sound Wave 的 Platform Overrides 里给 Android 单独指定一套压缩参数，让移动端用更低码率的 Vorbis，PC 和主机端保留高音质。这样同一份资源在不同平台下不会互相拖累。

flowchart TD
    subgraph source ["原始音频"]
        wav["WAV 文件"]
    end
    subgraph engine ["UE5.8 引擎"]
        importer["导入器"]
        sw["Sound Wave"]
        sc["Sound Cue"]
        ac["Audio Component"]
    end
    subgraph platform ["平台目标"]
        pc["PC / 主机"]
        mobile["Android / iOS"]
    end
    wav --> importer
    importer --> sw
    sw --> sc
    sc --> ac
    ac --> pc
    sw --> mobile

上图里 Sound Wave 同时指向 Sound Cue 和平台覆盖分支。这个分叉很重要：平台覆盖只影响 Sound Wave 的压缩与解码，不影响 Sound Cue 里的节点逻辑。逻辑和压缩解耦，是 UE 音频管线做得比较干净的地方。

二、Sound Cue 编辑器：节点就是配方

Sound Cue 是虚幻音频的可视化蓝图。双击一个 Sound Cue 资产，会打开节点编辑器。最左侧是输入节点，最右侧是 Output 节点，中间可以串联各种处理节点。

常用节点大概可以分成四类：

发生器：Wave Player，负责播放一份 Sound Wave。
混合器：Mixer，把多路声音叠在一起。
调制器：Random、Modulator、Concatenator，负责变化与随机。
空间化：Attenuation，负责距离、遮挡、混响。

每个节点都有输入和输出针脚。Output 节点只有一个，它最终把信号送进音频线程。节点图从左到右阅读，很像材质蓝图，但音频信号是时间连续的。

下面这张图描述了一个脚步声 Sound Cue 的节点结构。小林用了四个 Wave Player 节点，分别对应水泥、草地、金属和木地板四种材质，再用 Random 节点让同种材质下也有细微差别。

flowchart LR
    A["Wave Player 水泥 A"] --> R1[Random]
    B["Wave Player 水泥 B"] --> R1
    C["Wave Player 草地 A"] --> R2[Random]
    D["Wave Player 草地 B"] --> R2
    E["Wave Player 金属 A"] --> R3[Random]
    F["Wave Player 金属 B"] --> R3
    G["Wave Player 木板 A"] --> R4[Random]
    H["Wave Player 木板 B"] --> R4
    R1 --> Mix[Mixer]
    R2 --> Mix
    R3 --> Mix
    R4 --> Mix
    Mix --> Mod["Modulator 音高/音量"]
    Mod --> Att["Attenuation 3D 衰减"]
    Att --> Out[Output]

这个结构里，Mixer 把四组材质声音合并成一路，Modulator 在每次触发时给音量和音高加一点随机抖动，Attenuation 最后处理距离衰减。四组材质不会同时响，具体响哪一组由动画通知传过来的参数决定。

三、Random 节点：让脚步声不再像打字机

老周最开始用的是一个单 Wave Player 节点，每次角色脚掌触地就播同一份 Sound Wave。人耳对重复信号极其敏感，哪怕音高差半音、力度差几分贝，也能立刻听出变化。Random 节点就是专门用来打破这种重复的。

Random 节点有两种模式：Random 和 Shuffle。Random 是纯随机，每次触发按权重抽一个输入。Shuffle 会先打乱顺序，按不重复的序列播放，适合需要遍历一组样本又不想连续重复的场景。小林给脚步声选了 Random，权重全部相等，样本数量是每层材质 6 个。

她还勾选了 Random 节点上的 Prevent Repeats 选项。这个选项确保连续两次触发不会抽到同一个样本。对于 6 个样本的池子，这个限制几乎不会降低随机感，却能避免最尴尬的哒哒重复。

脚本的触发端用 Animation Notify 调用 Play Sound at Location。这部分 C++ 代码很短，但位置是关键。

void AMyCharacter::PlayFootstepSound(USoundCue* Cue, FVector Location)
{
    if (!Cue) return;
    UGameplayStatics::PlaySoundAtLocation(
        this,
        Cue,
        Location,
        1.0f,
        FMath::RandRange(0.98f, 1.02f)
    );
}

Pitch 参数给了 $0.98$ 到 $1.02$ 的随机范围，等于再叠加一层音高变化。Sound Cue 里的 Modulator 负责音量抖动，代码端负责音高抖动，两层变化叠加后，重复感基本消失。

四、Loop 节点：背景音乐的循环与拼接

项目里的背景音乐需要循环播放。UE5.8 提供了两种做法：一种是在 Sound Wave 上勾选 Looping，另一种是在 Sound Cue 里用 Looping 节点。

Sound Wave 级别的循环最简单，适合一段已经剪辑好的无缝循环音乐。把 Looping 勾上，音频组件把资源设为循环播放即可。

Sound Cue 里的 Loop 节点更灵活。它可以指定循环次数，也可以把 Intro 和 Loop Body 分开。比如一段音乐有 8 小节前奏，前奏只播一次，后面进入主循环。这种结构用两个 Wave Player 加一个 Loop 节点就能拼出来：前奏节点连到 Loop 节点的 Loop Body 之前，Loop Body 本身再连回循环入口。

小林在处理战斗音乐时用了另一种思路：把音乐切成多个 Stem，每个 Stem 是一个 Sound Cue，再用一个总线把它们叠起来。这样可以根据战斗强度动态调整各 Stem 的音量，实现分层混音。Loop 节点只负责单一层内部的循环，跨层控制交给 Sound Class 和 Sound Mix。

五、Mixer 节点：武器音效的分层叠加

一把武器的射击音效通常不是单一声音，而是多层叠加。以突击步枪为例，小林把它拆成四层：

枪体机械撞击声，短促，含中高频。
枪口红焰爆发声，低频冲击感强。
弹壳弹出声，轻而脆，有随机位置感。
尾音衰减，拉长尾迹，增加体积感。

每一层都是一个 Wave Player 节点，四路一起连进 Mixer 节点。Mixer 不做复杂处理，只是把信号按 1:1 相加，但每层 Wave Player 前面可以单独加 Modulator 和 Attenuation。

老周问：为什么不能直接把四段音频合并成一段再导入？答案是分层意味着可调。枪口爆发声可能需要做 3D 距离衰减，弹壳弹出声可能只需要 2D 平面定位，尾音可能需要根据弹药类型切换。合并成一段就彻底锁死了。

Mixer 节点的输出还会受 Sound Class 总线影响。突击步枪的 Sound Cue 指定到 Weapon 这个 Sound Class，弹壳声指定到 UI 或 Ambient，这样被混音系统单独压响度时不会互相牵连。

六、Modulator 节点：变化的自然度

Modulator 节点可以在触发时随机改变音高和音量。参数有两个范围：Pitch Min/Max 和 Volume Min/Max。音高变化以半音为单位， $1.0$ 是原调， $0.0$ 是低八度， $2.0$ 是高八度。常用范围是 $-0.1$ 到 $0.1$ 半音，对应人耳刚好能感知但不刺耳的变化。

小林给风声加了一个较大的 Modulator，Pitch 范围 $-0.3$ 到 $0.3$ ，Volume 范围 $-3$ dB 到 $0$ dB。风这种自然声音本来就不稳定，抖动大一点反而更真实。脚步声则保守很多，Pitch $-0.05$ 到 $0.05$ ，Volume $-1.5$ dB 到 $0$ dB，避免影响节奏感。

Modulator 的随机种子每次触发都会重新计算。如果需要让一组相关音效保持一致的音高偏移，可以在代码里统一计算一个随机数，然后传给所有 Play Sound 调用。

七、Attenuation 节点：3D 音频与距离衰减

Attenuation 节点把 2D 声音变成 3D 声音。打开 Attenuation 资产，最显眼的是 Distance Algorithm 和 Attenuation Shape。

距离算法决定音量随距离下降的方式。Sphere 最简单，Linear、Logarithmic、Custom 三种曲线各有适用场景。Linear 适合小房间，Logarithmic 适合开阔环境，Custom 则允许用曲线资产完全控制。

物理上，点声源在自由场中的声压级随距离满足反平方律：

$L(r) = L_0 - 20 \log_{10}\left(\frac{r}{r_0}\right)$

这里 $L_0$ 是参考距离 $r_0$ 处的声压级， $r$ 是听者到声源的距离。UE5.8 的 Logarithmic 算法近似这个规律，但游戏引擎通常会加一个 Falloff Distance 让声音在远处完全静音，否则计算上收不住。

下面这张序列图展示了玩家开枪时，游戏逻辑、Sound Cue 和音频线程之间的交互。

sequenceDiagram
    participant P as "玩家角色"
    participant W as "武器蓝图"
    participant AC as "Audio Component"
    participant SC as "Sound Cue"
    participant AT as "Attenuation 资产"
    participant RT as "音频渲染线程"

    P->>W: 按下射击键
    W->>AC: 触发 Play Sound
    AC->>SC: 请求实例化
    SC->>SC: 评估 Random / Mixer / Modulator
    SC->>AT: 查询 3D 衰减参数
    AT-->>SC: 返回距离、遮挡、混响
    SC->>RT: 提交带位置与音量的播放请求
    RT->>RT: 空间化、HRTF、混音
    RT-->>AC: 播放完成事件

Attenuation 资产可以复用。比如项目里所有枪械都用同一个 Gunshot Attenuation，只在需要特殊形状时再新建。小林把所有爆炸声做成 Sphere 衰减，半径 8000 cm；把环境鸟鸣做成自然衰减，半径 2500 cm，并在近距离加一点高频 air absorption 模拟空气吸收。

Spatialization Method 有两种：Panning 和 Binaural。Panning 是传统左右声道平衡，开销小。Binaural 用 HRTF 滤波，戴上耳机时定位感明显更好，但 CPU 成本更高。UE5.8 默认启用 Steam Audio 插件后可以获得更精细的遮挡和混响，不过需要额外配置。

八、压缩格式与平台设置

音频占包体积的比例经常被低估。一个 5 分钟 48 kHz 立体声 WAV uncompressed 大约 100 MB，压缩成 Vorbis 质量 60 后可能只剩 5 MB 左右。项目里 80% 的体积优化都来自这里。

UE5.8 支持的压缩格式随平台变化：

Windows / Linux / macOS：Vorbis、Bink Audio、PCM。
PlayStation / Xbox：平台专用格式，通常走 Sound Wave 的平台覆盖。
iOS / Android：Vorbis、ADPCM、PCM，移动端慎用高码率。

Sound Wave 的 Compression Quality 不是采样率，而是编码码率等级。对于 Vorbis，质量 60 相当于约 96 kbps 单声道或 192 kbps 立体声。战斗音效可以多给一点，环境音可以适当降低。小林的做法是按资源重要性分级：

资源类型	Vorbis Quality	备注
武器射击	80-90	高频清晰很重要
脚步声	60-70	样本多，总量大，要控制
背景音乐	70-80	长时间播放，不能有明显 artifacts
UI 音效	50-60	短促，低码率也听不出
环境循环	50-65	多层叠加，单一层质量可妥协

平台覆盖在 Sound Wave 的 Platform Overrides 里设置。勾选 Override Compression Settings 后，可以给 Android 单独设一套参数。老周在 Android 包测试时发现内存吃紧，把环境循环的质量从 60 降到 45，包体少了 30 MB，听感在耳机上几乎没变化。

九、并发控制：Concurrency

并发控制是多人游戏音效的雷区。一把全自动武器每秒触发 10 次射击事件，如果不加限制，同一个 Sound Cue 会实例化出几十个重叠的声音，CPU 和内存都会爆炸。

UE5.8 在 Sound Cue 的 Concurrency 设置里提供了一套规则。关键参数有：

Max Count：同一 Sound Cue 最多同时存在的实例数。
Limit To Owner：是否按拥有者分别计算。对于武器，通常勾选此项，避免玩家自己的枪声被队友的枪声挤掉。
Resolution Rule：当实例数超过 Max Count 时怎么办。Stop Oldest 会停掉最早的那个，Stop Farthest 会停掉最远的，Prevent New 则直接拒绝新实例。

小林给突击步枪设的 Max Count 是 4，Resolution Rule 是 Stop Oldest。这意味着玩家按住扳机连射时，屏幕上最多只有 4 层枪声在叠加，新的枪声会取代最早的那个。玩家听不出明显断层，因为枪声本身短促且被混音压过。

脚步声则用 Prevent New。角色移动动画每步只触发一次，理论上不该重叠。Prevent New 可以挡住因为网络抖动或动画事件重复导致的意外叠加。

并发控制的性能公式可以粗略写成：

$C = \sum_{i=1}^{n} \min(k_i, m_i)$

其中 $C$ 是当前活跃的音频实例总数， $k_i$ 是第 $i$ 个 Sound Cue 的当前触发数， $m_i$ 是它的 Max Count。这个上限保护了音频渲染线程。

十、音效分类与混音

Sound Class 和 Sound Mix 是 UE 的混音总线系统。Sound Class 是分类标签，Sound Mix 是在运行时调整这些分类的音量和低通滤波器。

老周的项目分了几个 Sound Class：

Master
Music
Ambient
SFX
Weapon
Voice
UI

每个 Sound Cue 都会指定一个 Sound Class。Weapon 下面可以再挂子类，比如 Weapon_Pistol 和 Weapon_Rifle，但层级太深会增加调试复杂度，小林只分了一层。

Sound Mix 在关键时刻介入。比如玩家打开背包界面，可以 Push 一个 UI Focus Mix，把 Music 和 Ambient 压到 40%，把 UI 提升到 0 dB。代码里只需要调用 Push Sound Mix Modifier。

UGameplayStatics::PushSoundMixModifier(
    this,
    LoadObject<USoundMix>(nullptr, TEXT("/Game/Audio/Mixes/MX_UI_Focus"))
);

战斗爆发时，项目里会 Push 一个 Combat Mix，把 Voice 提升 2 dB，把 Ambient 压 4 dB，让队友语音和技能提示更清晰。混音参数用曲线过渡，避免突然跳变。

下面这张图展示了 Sound Class 的层级和 Sound Mix 的动态干预关系。

graph TD
    Master --> Music
    Master --> Ambient
    Master --> SFX
    Master --> Voice
    Master --> UI
    SFX --> Weapon
    SFX --> Footstep
    UI --> Mix["Sound Mix 动态覆盖"]
    Combat --> Mix
    Music --> Mix
    Ambient --> Mix
    Voice --> Mix

Sound Mix 可以按优先级覆盖。多个 Mix 同时生效时，数值会按规则合并。小林建议给每个 Mix 设置明确的 Priority，避免多个系统同时推 Mix 时出现谁也压不住谁的混乱。

十一、常见音效设计模式

把前面这些节点和系统组合起来，可以总结几个项目中反复出现的模式。

模式一：材质感知脚步声

动画蓝图在脚步触地时调用 Notify，Notify 传当前地面的 Physical Material。代码根据 Physical Material 映射到 Sound Cue 里的 Switch 或 Parameter 节点，让同一份 Cue 触发不同材质层。Random 节点负责同材质样本随机，Modulator 负责细微变化，Attenuation 负责 3D 定位。

模式二：动态背景音乐

把音乐拆成 Intro、Loop Body、Outro 三份 Sound Wave。Sound Cue 里用 Loop 节点让 Body 循环，再用代码在退出战斗时触发 Outro。如果需要根据强度切换，可以准备多个 Loop Body，通过 Set Sound 或 Crossfade 节点过渡。

模式三：武器分层射击

枪声拆成 Body、Mechanism、Tail 三层。Body 做短距离 3D 衰减，Tail 做长距离环境尾音。Mixer 节点合并三层，Concurrency 限制最大实例数，Sound Class 把 Weapon 归到 SFX 总线。

模式四：环境氛围循环

风、虫鸣、远处水声各自是一个循环 Sound Cue，用多个 Audio Component 放在场景不同位置。每个 Cue 用 Attenuation 控制自己的影响范围，整体归入 Ambient Sound Class。白天和夜晚通过 Sound Mix 切换 Ambient 的响度和低通，营造时间感。

模式五：对话语音串接

剧情对话需要按顺序播放多条语音，中间不能重叠。用 Concatenator 节点把多段 Wave Player 串起来，每段播完自动进入下一段。配合 Subtitle 系统，可以在正确的时间点显示字幕。

十二、调试与性能检查

UE5.8 的 Audio Mixer 提供了几个实用命令：

stat sound: 显示活跃声音数、CPU 时间、虚实例数。
snd mixdebug: 显示当前生效的 Sound Mix 和分类音量。
au dump SoundCues: 列出所有加载的 Sound Cue 实例。

老周在项目后期发现 Switch 平台音频线程偶尔掉帧。用 stat sound 一看，某个环境 Sound Cue 的 Max Count 设成了 0，等于无限制，场景里放了 20 多个同种环境音源，实例数飙到 80 多个。改成 Max Count 2 后，CPU 占用直接降了一半。

内存方面要注意 Sound Wave 的 Decompression Type。Stream From Disk 适合长音乐，不会把整个文件载入内存。Compressed In Memory 适合短音效，解码时再从内存解压。设置不对，轻则包体变大，重则运行时爆内存。

结语

老周和小林折腾了两周，终于让角色跑起来像个人在跑。脚步声有轻有重，草地和金属听起来完全不同；战斗时枪声层次分明，背景音乐能随强度起伏；打开背包时环境音自动压低，队友语音始终清晰。

这些效果不是靠某个神奇按钮，而是 Sound Wave 和 Sound Cue 层层配合的结果。原料进口、配方组合、空间定位、并发控制、混音总线，每一环都不可或缺。UE5.8 的音频系统参数很多，但真正常用的节点和设置其实就那么几组。把它们用熟，项目的听感会稳很多。