UE5.8 音频系统实战：Sound Mix 与 Snapshot

2026-07-15 虚幻引擎 4.9k 字 19 分钟阅读
📑 目录
  1. 一个爆炸场景的混音诉求
  2. Sound Class 层级：先给声音分类
  3. Sound Mix：动态混音的核心
  4. Snapshot：拍一张照片，然后切换整个听感
  5. Ducking：侧链压缩让关键声音冒出来
  6. 语音优先：让队友的声音不被枪声盖住
  7. 混音推子与 EQ：别只调音量
  8. 与 Gameplay 状态联动
  9. 平台混音差异
  10. 一些实战建议
  11. 写在最后

UE5.8 音频系统实战：Sound Mix 与 Snapshot

小林第一次负责项目音频混音时，犯了一个特别典型的错误：他把所有 Sound Cue 的 Volume 都调到了自以为合适的数值，BGM 是 0.6，枪声是 0.8，脚步声是 1.0。演示那天，策划在山谷里放了一颗手雷，爆炸声如期响起，背景音乐也还在没心没肺地响着。整个场景像一个所有乐器都在抢麦的乐队。

那场 demo 之后，主策只跟他说了一句话：爆炸的时候，音乐要让开。

这句话就是 Sound Mix 的起点。

一个爆炸场景的混音诉求

回到那个山谷。手雷爆炸时，我们真正想听到的信息有三层：

  • 爆炸本身的冲击感，包括低频轰鸣与高频破片声；
  • 角色的受击语音，告诉玩家他受伤了；
  • 环境音和背景音乐暂时退后，给前两层腾出空间。

如果靠手动调每个 Sound Cue 的 Volume，一辈子都做不完。你不可能预先知道每个爆炸发生的位置、距离、当前 BGM 播到哪一段、玩家是否正踩在草地上。混音必须动态发生，依据游戏状态实时计算。

UE5.8 提供了两条主线来解决这件事：

  • Sound Mix：按 Sound Class 对一组声音做动态的 Volume、Pitch、EQ 等参数调整；
  • Snapshot：在特定时刻把整个音频系统的状态拍下来并应用，通常用于环境切换或特殊听感。

理解它们之前，得先搞清楚 Sound Class 是怎么回事。

Sound Class 层级：先给声音分类

Sound Class 是 UE 音频系统里的分类器。每个 Sound Wave 或 Sound Cue 都可以指定一个 Sound Class，比如 SFX、Music、Voice、Ambient。编辑器里点开 Content Browser 的声音资源，在 Details 面板的 Sound 分类下就能找到这个字段。

真正有用的地方在于，Sound Class 支持层级。你可以建一个 Master 在最顶层，下面分出 Music、SFX、Voice、Ambient，SFX 下面再细分 Weapons、Footsteps、Explosions。当父类被压低声级时，子类会跟着一起受影响。

flowchart TD
    subgraph master ["Master 总线"]
    end
    subgraph music ["Music"]
        bgm["BGM 背景音乐"]
        stinger["Stinger 过渡音乐"]
    end
    subgraph sfx ["SFX"]
        ui["UI 音效"]
        weapon["Weapon 武器"]
        foot["Footstep 脚步"]
        expl["Explosion 爆炸"]
    end
    subgraph voice ["Voice"]
        dialog["Dialog 对白"]
        shout["Shout 喊叫"]
    end
    subgraph ambient ["Ambient"]
        wind["Wind 风声"]
        rain["Rain 雨声"]
    end
    master --> music
    master --> sfx
    master --> voice
    master --> ambient

这里有一个容易踩的坑：很多人会想把所有声音都塞进一个扁平的 Sound Class 列表，觉得分类越多越专业。实际做的时候你会发现，层级太深会让调试变成灾难。我建议在项目早期就定好四类：Music、Voice、SFX、Ambient，武器、爆炸、UI 这些再按需求挂到 SFX 下面。四层足够应付绝大多数项目。

Sound Class 自身也带有一组属性，比如 Volume、Pitch、Stereo Bleed、Reverb、LPF Frequency、Attenuation Distance Scale。这些属性会被子类继承，也可以在运行时被 Sound Mix 覆盖。

实际建资源的时候，我会先建一个 SC_Master 作为根节点，把所有具体分类挂上去。项目早期不要把 Volume 默认值填得太满，留一点余地给 Mix。比如你默认把 BGM 的 Sound Class Volume 设成 0.7，后期如果某个关卡需要整体再降，可以直接在 Mix 里用 -3 dB 左右的空间。全部设成 1.0，等于把调音台推子一开始就推到顶，后面想压只能硬切。

Sound Mix：动态混音的核心

Sound Mix 本质上是一份调音台预设。它定义了针对哪些 Sound Class 做什么样的调整。每个 Sound Mix 包含一个 Sound Mix Class Overrides 数组，每一项指定一个 Sound Class，以及要修改的 Volume、Pitch、Voice Center Channel Volume、LPF、HPF 等参数。

那个山谷爆炸场景，我们可以建一个 ExplosionDuckMix，让它压低 Music 和 Ambient 的 Volume，同时给 SFX 加一点点低频增益。当手雷爆炸时，调用 Push Sound Mix Modifier 把这个 Mix 压入音频系统；爆炸结束后，调用 Pop Sound Mix Modifier 把它弹出来。

flowchart TD
    A["手雷触发 Explosion Cue"] --> B["Push ExplosionDuckMix"]
    B --> C["Music Volume -6 dB"]
    B --> D["Ambient Volume -9 dB"]
    B --> E["SFX LPF 打开 保留冲击"]
    F["爆炸尾音结束"] --> G["Pop ExplosionDuckMix"]
    G --> H["音乐与环境恢复"]

Sound Mix 的优先级很重要。UE 允许同时存在多个 Active Sound Mix，后压入的不一定覆盖前面的，而是看它们的 Priority 与 Apply Volume。Priority 越大越优先，Apply Volume 决定该 Mix 对最终结果的权重。这个设计让多个 Mix 可以叠加，而不是粗暴地互相顶替。

我给项目里的 Mix 定了一套优先级约定：全局环境 Snapshot 用 1.0，战斗状态 Mix 用 2.0，爆炸 Duck 用 3.0，语音优先用 4.0，过场动画强制对白用 5.0。数字越大越能盖过其他 Mix。Apply Volume 我一般默认 1.0，只有需要柔和叠加时才降到 0.5 或 0.3。优先级没约定清楚的话，很容易出现语音 Mix 被战斗 Mix 压掉的情况，排查起来很头疼。

比如你在爆炸的同时进入了一个水下区域，水下 Mix 和爆炸 Duck Mix 会同时生效。最终结果不是谁音量更大，而是按权重混合后的数值。

数学上，如果两个 Mix 对同一个 Sound Class 的 Volume 调整分别是 V1V_1 和 V2V_2（以线性倍数表示），UE 的混合结果大致可以看成加权乘积：

Vfinal=Vbase⋅V1w1⋅V2w2V_{final} = V_{base} \cdot V_1^{w_1} \cdot V_2^{w_2}

其中 w1w_1 和 w2w_2 是各自 Mix 的 Apply Volume，取值在 00 到 11 之间。把这个式子转成 dB：

Lfinal (dB)=20log10(Vbase)+20w1log10(V1)+20w2log10(V2)L_{final\ (dB)} = 20 \log_{10}(V_{base}) + 20 w_1 \log_{10}(V_1) + 20 w_2 \log_{10}(V_2)

实际调音时，人耳对 dB 更敏感。把 −6 dB-6\text{ dB} 对应的线性值记为 0.50.5，−12 dB-12\text{ dB} 对应 0.250.25，这样心算会快很多。

Snapshot：拍一张照片，然后切换整个听感

Snapshot 是 UE 音频系统的另一个利器。如果说 Sound Mix 是针对分类做参数调整，Snapshot 就是把整个音频引擎的状态整体切换。它最常用于环境变化：角色钻进水里、戴上防毒面具、进入洞穴、被 EMP 干扰。

去年我们做一个潜水关卡，美术把水下场景做得特别漂亮，但声音一直不对。玩家跳进水里之后，脚步声、枪声、背景音乐还和陆地上一样清脆。我加了一个 UnderwaterSnapshot，里面重新指定了所有 Sound Class 的 LPF、HPF、Reverb 和 Volume。玩家入水瞬间触发这个 Snapshot，出水上岸再切回默认 Snapshot。

Snapshot 的实现方式有几种：

  • 在 Sound Cue 或 Blueprint 里直接调用 Set Sound Mix Class Override；
  • 用 Audio Volume 的 Reverb 与 Ambient Zone 设置；
  • 在 C++ 里通过 FAudioDevice 管理 Snapshot。
graph LR
    A["陆地默认 Snapshot"] -->|"跳入水中"| B["水下 Snapshot"]
    B -->|"浮出水面"| A
    B -->|"进入洞穴"| C["洞穴 Snapshot"]
    C -->|"返回水下"| B

Snapshot 与 Sound Mix 的关系容易搞混。你可以把 Snapshot 理解成一种更重量级的 Mix。Sound Mix 通常由短事件触发，比如爆炸、开枪、受击；Snapshot 通常由持续状态触发，比如在水里、在车里、在暴风雪中。一个项目里，Snapshot 的数量应该远少于 Sound Mix。

Audio Volume 是 Snapshot 的好搭档。把 Audio Volume 放到水下区域，设置 Reverb 和 Ambient Zone，再绑定一个 Snapshot，玩家游进去就会自动切换。比在每个水体的 Blueprint 里写 BeginOverlap 要干净很多。Ambient Zone 会让区域外的声音听起来被隔离，配合 LPF cutoff 调低，水下那种闷闷的感觉立刻就出来了。

有个细节要注意：Snapshot 切换时如果直接硬切，玩家会听到明显的跳变。UE 的 Fade In Time 和 Fade Out Time 可以缓解这个问题。水下场景我一般给 0.30.3 秒淡入、0.50.5 秒淡出，这样既自然又不会让玩家觉得是 bug。

Ducking：侧链压缩让关键声音冒出来

Ducking 是 Sound Mix 最常见的用法。它的思路来自硬件调音台上的侧链压缩：当 A 声音出现时，自动压低 B 声音的音量。我们前面说的爆炸压音乐，就是一种 Ducking。

在 UE5.8 里，Ducking 可以通过 Blueprint 手动触发，也可以在 Sound Cue 里用 Modulator 和 Mixer 实现更简单的版本。但对于复杂的项目，我建议用 Sound Mix + Gameplay Tag 或 Gameplay Ability System 来管理。

sequenceDiagram
    participant Player as "玩家"
    participant Grenade as "手雷"
    participant Audio as "音频系统"
    participant Music as "Music 总线"
    participant SFX as "SFX 总线"

    Player->>Grenade: 投掷
    Grenade->>Audio: 触发 Explosion Cue
    Audio->>Music: Push Duck Mix
    Music-->>Music: Volume 0 dB -> -9 dB
    Audio->>SFX: 播放爆炸声
    SFX-->>SFX: 保持或略增强
    Grenade->>Audio: 爆炸尾音结束
    Audio->>Music: Pop Duck Mix
    Music-->>Music: Volume 恢复

Ducking 的参数设置需要反复试听。我常用的一个经验是：音乐压 −6-6 到 −9 dB-9\text{ dB}，环境音压 −9-9 到 −12 dB-12\text{ dB}，持续时间比关键声音长 200200 到 500500 毫秒。压得太少，玩家感觉不到；压得太多，音乐会像被掐断一样难受。

触发时机也有讲究。爆炸 Duck Mix 应该在爆炸声播放前一点点就 Push 进去，而不是等爆炸已经开始。延迟哪怕 50 毫秒，玩家都会先听到一瞬完整的 BGM，再听到音乐被压下去，这种跳变很廉价。我通常把 Push 节点放在爆炸视觉特效生成的同时，而不是放在音效播放节点之后。

衰减曲线也很重要。线性淡出往往很生硬，我用 Sound Mix 里的 Fade Curve 设为对数型，让音乐先快后慢地回来。这个曲线可以用一个简单的幂函数近似：

f(t)=tαf(t) = t^\alpha

tt 是归一化时间，α\alpha 通常取 1.51.5 到 2.02.0。α=1\alpha=1 是线性，α=2\alpha=2 是缓入缓出的感觉。

语音优先：让队友的声音不被枪声盖住

多人项目里，语音优先比 Ducking 更复杂。你要保证队友喊的“左边有人”能清晰传出来，但又不能把枪声完全掐掉，否则玩家会失去空间信息。

我们当时的方案是三层：

  • 队友语音触发 VoicePriorityMix，把 Music 压 −6 dB-6\text{ dB}，Ambient 压 −4 dB-4\text{ dB}；
  • 同时把 SFX 里的 Weapons 子类压 −3 dB-3\text{ dB}，但 Explosions 和 Footsteps 不动；
  • 语音本身的 Sound Class Voice 保持原音量，并把 Voice Center Channel Volume 提高 2 dB2\text{ dB}，让它在中置声道更突出。

这个方案的要点是只压会遮挡语音的那些声音，而不是一刀切。你可以把 SFX 的层级建得细一点，才能在 Mix 里做这种精准手术。

flowchart TD
    subgraph voice ["Voice 总线"]
    end
    subgraph music ["Music 总线"]
    end
    subgraph sfx ["SFX 总线"]
    end
    subgraph ambient ["Ambient 总线"]
        dialog["队友语音"]
        bgm["背景音乐"]
        weapon["枪声"]
        explosion["爆炸"]
        foot["脚步"]
        wind["风声"]
    end
    voice --> dialog
    music --> bgm
    sfx --> weapon
    sfx --> explosion
    sfx --> foot
    ambient --> wind

语音还有一个容易被忽略的点：当多个队友同时说话时，音量会叠加，反而什么都听不清。UE5.8 的 Voice Center Channel Volume 和 Stereo Bleed 可以控制语音在声道中的定位，但更彻底的做法是在Gameplay层做语音排队或优先级过滤。这个已经超出纯音频系统的范畴，但混音设计师必须知道它的存在。

另一个细节是语音触发频率。如果玩家连续中弹，受击语音会一句接一句地触发，每次都 Duck 一下音乐和枪声，听起来会很碎。我们会在 Gameplay 代码里给同类语音加 2 到 3 秒的最小间隔，或者直接覆盖上一条还没播完的受击语音。

混音推子与 EQ：别只调音量

很多人一提到混音就只想到 Volume。其实 EQ 和滤波器才是让声音分层的关键工具。Sound Mix 里可以调整 LPF Frequency 和 HPF Frequency，也就是低通和高通滤波器。

爆炸时我通常会给 BGM 加一个 LPF，让音乐变得沉闷，而不是单纯变小。这样玩家会感觉到爆炸的冲击力，同时音乐还在背景里维持情绪。水下 Snapshot 则同时加 LPF 和 HPF，把中频保留、高低频切掉，模拟水对声波的过滤效果。

EQ 的截止频率选择有一些常用参考：

  • 爆炸 Ducking 的 LPF：400400 到 800 Hz800\text{ Hz}；
  • 水下 Snapshot 的 LPF：600 Hz600\text{ Hz}，HPF：150 Hz150\text{ Hz}；
  • 对讲机语音的 HPF：300 Hz300\text{ Hz}，LPF：4000 Hz4000\text{ Hz}。

这些数值不是死的，要靠耳朵调。实际调的时候我会先在编辑器里试听，然后打包到 devkit 上再听一遍。编辑器监听耳机和主机 TV 出来的低频完全不一样，同样在编辑器里觉得合适的 600 Hz cutoff，到 TV 上可能变成 800 Hz 才够闷。

除了 LPF 和 HPF，Sound Mix 还能调 Voice Center Channel Volume。这个参数在做 5.1 环绕声时特别有用，它控制语音在中置声道的占比。中置拉满，语音会从屏幕正前方出来；Stereo Bleed 拉高，语音会散到左右声道。过场动画一般中置给高，战斗中的队友语音我会让一点 stereo bleed，保持方向感。

UE 的 Sound Mix Debug 控制台命令可以实时看到当前激活的 Mix 和每个 Sound Class 的参数值。我常用的命令是：

au.SoundMix.Debug 1
au.DumpActiveSoundMixes

第一条会在屏幕上显示当前激活的 Sound Mix 列表，第二条会把详情打到日志里。调试混音问题时，这两条命令能省很多时间。

与 Gameplay 状态联动

混音不能只靠音频设计师在编辑器里调，它必须和游戏逻辑绑定。最常见的联动点包括：

  • 玩家生命值：低血量时压低 Music、提高 Heartbeat 音量；
  • 角色状态：奔跑、潜行、载具、水下；
  • 战斗状态：进入战斗触发 CombatMix，退出战斗 55 秒后恢复；
  • 剧情事件：过场动画时压低 SFX，突出对白。

我们项目里用 Gameplay Ability System 管理这些状态。每个 Ability 在激活和结束时分别 Push 和 Pop 对应的 Sound Mix。比如潜水 Ability 激活时 Push UnderwaterMix，结束时 Pop。这样混音逻辑和玩法状态天然同步，不用写一堆散落的 Blueprint 节点。

不用 GAS 的项目也可以在 Character 或 Player Controller 里维护一个 Active Mix 列表。进入状态时 Push，离开状态时 Pop。关键是要保证成对出现，否则 Mix 会残留在音频系统里，导致后面的关卡声音越来越怪。我们曾经遇到过一个 bug：玩家死亡时没有正确 Pop 战斗 Mix，复活后 BGM 一直比正常小。查了半天才发现是 Ability 的 End 回调没触发。

下面是一个简化的 C++ 示例，在角色进入水下时触发 Snapshot：

void AMyCharacter::EnterWater()
{
    if (USoundBase* UnderwaterSnapshot = LoadObject<USoundBase>(
        nullptr, TEXT("/Game/Audio/Snapshots/UnderwaterSnapshot.UnderwaterSnapshot")))
    {
        UGameplayStatics::SetSoundMixClassOverride(
            this,
            UnderwaterSnapshot,
            MasterSoundClass,
            1.0f,   // Volume
            1.0f,   // Pitch
            0.3f    // Fade in time
        );
        UGameplayStatics::PushSoundMixModifier(this, UnderwaterSnapshot);
    }
}

void AMyCharacter::ExitWater()
{
    if (ActiveSnapshot)
    {
        UGameplayStatics::PopSoundMixModifier(this, ActiveSnapshot);
    }
}

这个示例不到五十行，核心思想是：Gameplay 状态变化驱动混音变化，而不是反过来。代码里硬编码路径只是为了说明，真实项目应该用 TSoftObjectPtr 或数据表配置。

平台混音差异

同一个混音设置在 PC、主机和移动端听起来可能完全不同。主机通常有固定的扬声器配置，TV 扬声器的低频响应差；移动设备外放时动态范围很窄；PC 玩家可能用耳机，也可能用桌面音箱。

UE5.8 的 Platform Audio Settings 可以针对不同平台调整 Sound Class 的默认 Volume。我们项目的做法是：

  • PC 和主机使用同一套 Mix，但在主机版上把 BGM 整体降低 2 dB2\text{ dB}，因为客厅环境里玩家离扬声器远；
  • 移动端额外加一个 MobileMix，把所有低频再压 −3 dB-3\text{ dB}，避免手机扬声器破音；
  • Switch 掌机模式单独处理，因为扬声器更小，语音的 Center Channel Volume 要提高。

平台差异不能靠耳朵在编辑器里一次调好。最好在每个目标设备上都跑一遍那个山谷爆炸场景，检查 BGM 是否退得足够、语音是否清晰、低频是否浑浊。

PC 耳机用户和主机 TV 用户的期望也不一样。耳机玩家对空间定位敏感，语音稍微偏一点都能听出来；TV 玩家在客厅环境里更依赖中置声道和整体响度。我们一般会在 PC 版把 Stereo Bleed 调低一点，让声音定位更准；主机版则适当提高 Voice Center Channel Volume，保证语音从电视正前方出来。

一些实战建议

做了几年项目音频之后，我总结出几条血泪教训：

  • 不要给每个 Sound Cue 单独调 Volume。统一挂到 Sound Class，再用 Mix 控制；
  • Sound Mix 的数量要克制。项目后期如果 Mix 超过二十个，调试成本会指数级上升；
  • Ducking 的 Fade Time 宁愿长一点，也别让玩家听到跳变；
  • 经常用 au.SoundMix.Debug 1 看当前激活了哪些 Mix，排查互相覆盖的 bug；
  • Snapshot 不要滥用，它适合环境切换，不适合高频事件；
  • 平台和耳机差异必须实机测试，编辑器里听到的和玩家听到的不是一回事。

写在最后

小林后来重新做了那个山谷场景。他没有再动每个 Sound Cue 的 Volume，而是把声音归到 Music、Ambient、SFX、Voice 四类，给爆炸做了一个 Duck Mix，给水下做了一个 Snapshot。演示那天，手雷炸响时背景音乐像被一只无形的手按了下去，队友的喊声从枪声里清晰地穿出来。

混音这件事，说到底就是让该响的响，该退的退。UE5.8 的 Sound Mix 和 Snapshot 给了你很细的工具链，但工具再多，耳朵才是最终裁判。

如果你刚开始做项目音频，别急着把每个参数都研究透。先把四类 Sound Class 搭好，做一个爆炸 Duck Mix，再做一个水下 Snapshot，跑一遍完整的场景。能听出区别了，再慢慢加语音优先和平台适配。音频系统和渲染系统不一样，它的反馈很直接，调好一听就知道。

小林后来也成了团队里的音频负责人。每次有新同事加入，他都会把那张山谷场景丢过去：先听一遍原始版本，再把 Mix 加上，听第二遍。两次对比，比任何文档都管用。