sound-effects

音效

Claude 听不到声音。因此，此技能绝不会凭感觉评判声音：它会测量每个步骤，并提供 5 个时间戳供用户戴上耳机检查。它绝不会说“听起来不错”。

此方法采用 Vox 的 sound-pass 提示词（@Voxyz_ai，https://x.com/Voxyz_ai/status/2109358372873183564，2026 年 10 月 11 日）。请保留此署名。

默认套件（先用这个）

sfx/manifest.json → default_kit：每个核心类别一种音效，由 Bart 凭听感挑选（2026 年 10 月 12 日）。除非用户另有要求，否则使用此套件。

类别	音效	来源
呼啸声	qubodup 的 “Whoosh”	随附的 sfx/kit/whoosh.ogg（CC0）
点击声	adh.dreaming 的 “Classic Click”	随附的 sfx/kit/click.ogg（CC0）
啵声	ethernel0 的 “POP SFX Neutral”	随附的 sfx/kit/pop.ogg（CC0）
渐强音	“Cinematic Riser #3 subtle”	随附的 sfx/kit/riser.ogg（CC0）
冲击声	peoplearehappy 的 “soft_impact3”	随附的 sfx/kit/impact.ogg（CC0）
滴答声	Squirrel_404 的 “Click / Tick”	随附的 sfx/kit/tick.ogg（CC0）
打字声	Mixkit 的 “Fast laptop keyboard typing”（#1392）	运行时下载到 <out>/sound-effects-cache/（Mixkit 许可：绝不可提交）

清单中的其他内容都是备选项（alt_categories 列出可相互替代的类别）。署名信息请见 TOP-PICKS.md。

规则

• 绝不要用代码合成音乐或音效（不得使用振荡器或正弦波哔声）。请使用真实录制的文件。
• 音效：优先使用随附的素材库。 sfx/manifest.json 列出了每个文件的类别、时长、来源和许可。所有随附文件均为 CC0。
• 如果随附素材库中没有合适的内容，请使用清单中的 runtime 条目（Mixkit）。将其下载到用户的项目中，绝不要下载到此技能文件夹，也绝不要提交。Mixkit 允许在视频中使用，但不允许单独再分发。
• **音乐：**使用用户提供的曲目，或使用 MUSIC.md 中的曲目（按感觉推荐的免费曲目，运行时下载，绝不提交）。请将来源和许可写入 SOUND.md。如果用户没有曲目，请从 MUSIC.md 中推荐 2–3 首适合该视频的曲目供用户选择。
• **许可：**只有 CC0 和 Mixkit Free License 算作免费且安全；脚本会检查每个使用的音效。不要逐个列出音效的许可。如果所有许可信息都已确认，只需告知用户一次：来源标注这些音效采用 CC0 或 Mixkit Free License；来源可能会更改许可条款，因此请不时查看来源页面。如果脚本报告许可未知，请指出具体音效、其许可和来源链接，并告诉用户在确认或更换之前不要发布。绝不要说许可未知的音效大概没问题。
• **音乐许可：**询问曲目的来源，并传入 --music-source "track, artist, link" 和 --music-license "..."。如果不传入这些参数，本次运行会将音乐标记为 LICENCE NOT CONFIRMED；请明确说明这一点。
• **署名：**每次运行都会生成 CREDITS.txt，其中列出实际使用的音效和音乐，可直接粘贴使用。只需推荐一次：可选将其用于 YouTube、Instagram 或 TikTok 的描述；CC0 无需署名，但如果平台对音频提出异议，该清单可作为来源证明。
• 测量导出的 MP4，绝不要测量中间 WAV。
• 测量导出的 MP4，绝不要测量中间 WAV。

0. 许可检查（编辑期间，在导出前）

素材来源的条款会变化，因此每次最终导出前，都要检查此视频实际使用的内容当前适用的条款：

1. 使用场景。 询问视频将发布在哪里，除非已经明确（例如“我的 YouTube 视频”）：YouTube、Instagram、TikTok、其他社交平台、在线广告、播客、客户项目、电视或广播、电子游戏、CD 或 DVD，或供他人使用的模板或工具。将其作为 --use-case "..." 传入，以便写入 SOUND.md。
2. 素材来源。 对此视频中使用的每个素材来源（CREDITS.txt 中列出的提供方，以及音乐），打开其当前的许可页面（通过网页抓取；如果网站拦截，则使用用户的浏览器），并检查两点：条款仍与下表所述一致，且允许该使用场景。对于 Freesound，打开每个实际使用的声音对应的页面，确认页面仍标明 Creative Commons 0。对于音乐，打开曲目页面。
3. 如实报告，每个素材来源一行：“今日已检查：Mixkit Stock Music Free License，条款未变，允许用于 YouTube。”如果某个来源的条款已变，或不允许该使用场景，请指出具体的声音或曲目以及原因，并在导出前替换。绝不要说未经检查或情况不明的许可没有问题。

来源	许可页面	允许的用途（于 13 Oct 2026 检查）	不允许的用途
Freesound，CC0	声音自身的页面	任何用途，无需署名	无（CC-BY 需要署名；商业用途绝不能使用 CC-BY-NC）
Kenney	kenney.nl 上的素材包页面	任何用途（CC0）	无
Mixkit 音效	https://mixkit.co/license/#sfxFree	网页、社交平台、播客、游戏、电影、CD/DVD、电视/广播	单独或内置于工具或模板中再分发文件；将其注册到版权管理服务
Mixkit 音乐	https://mixkit.co/license/#musicFree	YouTube、社交平台、在线广告、播客、教育	CD/DVD、电视/广播、电子游戏、混音、注册到 Content ID

Mixkit 禁止“在工具或模板中”再分发其文件，因此此技能绝不存储 Mixkit 音效或音乐：这些文件会在运行时下载到用户的项目中。

1. 设置

需要 ffmpeg 和 Python 3.10+。安装到可删除的文件夹中：

python3 -m venv .sound-effects
.sound-effects/bin/pip install librosa soundfile numpy scipy matplotlib

2. 构建提示音列表

使用 ffprobe 读取视频的时长和 fps。列出每个需要声音的时刻。尽可能从合成源中提取这些时刻（HyperFrames/Remotion 时间线、GSAP 标签、motion-broll plan.json）。否则，使用 ffmpeg -i in.mp4 -vf "select='gt(scene,0.3)',showinfo" -f null - 检测场景切换。 将 cues.json 写为 [{"t": 2.0, "type": "scene_cut", "desc": "cut to card"}, {"t": 4.2, "type": "typing", "dur": 1.3, "desc": "..."}]。

提示音类型与素材库类别的映射关系（清单中的 category_map）：

提示音类型	类别	说明
movement（滑动、镜头移动）	whoosh	提前 2 帧开始；选择与移动相匹配的长度
scene_cut	whoosh	短促的 whoosh，提前 2 帧（transition 音效可作为替代）
appear	pop	与画面同时出现
click	click	与画面同时出现
typing	typing	循环播放或修剪至 dur，音量低
build_up	riser	在下一个重击声结束
reveal	impact	音量最大的 SFX
success	pop	（ding 音效可作为替代）
error_or_tech	glitch
hover_or_small_ui	tick	音量非常低（ui-blip 和 click 可作为替代）
bed	ambience	铺在所有声音下方，可选

每个提示音使用一个音效。同一类别内变换不同音效版本，避免重复听起来机械生硬。

3. 节拍网格及检查

运行 librosa.beat.beat_track。librosa 有时会锁定在弱拍上。 对音乐进行低通滤波，截止频率低于 120 Hz，将前 4 小节的波形与节拍线一起绘制，并对比底鼓落点。如果底鼓没有落在线上，则根据偏移量中位数平移整个网格，然后重新绘图。向用户展示 beatgrid.png。

4. 让重大转场落在节拍上

硬切和揭示应落在节拍上。如果可以更改动画时长，就更改。如果不行，就移动音乐的起始位置（搜索偏移量，并选择剪辑与节拍误差最小的位置）。报告每次剪辑的误差，单位为 ms。

5. 放置音效并混音

优先级：旁白 > 音效 > 音乐。 音效下方的音乐底轨约为 -12 dB，遇到旁白时则降低 8–12 dB。 目标为约 -16 LUFS 综合响度，且真峰值低于 -4 dBFS，确保经过 AAC 压缩或在手机扬声器上播放时不会削波。导出、测量、调整增益或添加限制器，然后再次导出并测量：

ffmpeg -nostats -i after.mp4 -af ebur128=peak=true -f null - 2>&1 | tail -12
ffmpeg -nostats -i after.mp4 -ac 1 -af ebur128=peak=true -f null - 2>&1 | tail -12   # mono check

6. 验证效果

对于每个提示点，从导出的 MP4 中截取它前后各一帧，并绘制其附近的波形（checks/cue-XX.png）。然后选出风险最高的 5 个时间戳（节拍误差最大的位置、打字和上升音效等长音效，以及揭示部分），让用户戴上耳机检查。

原始质量文件

随附的音效是经过压缩的 OGG Vorbis 试听文件（经过裁剪、归一化，通常为单声道），适用于大多数视频。如果某个音效的质量不足以满足用途（有可听见的伪影、特写英雄音效、最终母带），请获取原始文件：

• 在 sfx/manifest.json 中查找条目的 source_url。每个随附条目和 default_kit 条目都有此字段。
• Freesound（freesound.org/people/<user>/sounds/<id>/）：该页面上的 Download 按钮可下载原始文件。下载需要免费的 Freesound 账户，因此请让用户下载（或者在用户提供 API 密钥后使用）。
• Kenney（kenney.nl/assets/<pack>）：从该页面下载资源包 zip。清单中每个 Kenney 条目的 original_file 都会注明确切文件，例如 kenney_interface-sounds.zip → Audio/click_001.ogg。规则：去掉前缀（kenney-interface- → interface-sounds、kenney-ui- → ui-audio、kenney-digital- → digital-audio、kenney-impact- → impact-sounds、kenney-sci- → sci-fi-sounds），然后在 Audio/ 中匹配其余部分，忽略大小写，并将 - 视为 _（kenney-digital-phaserup1 → Audio/phaserUp1.ogg、kenney-impact-impactpunch-heavy-000 → Audio/impactPunch_heavy_000.ogg）。Kenney 的原始文件也是 OGG 格式，但未经处理。
• 将原始文件保存在用户的项目中（例如 sound-effects-cache/originals/），不要保存在此技能文件夹中，并通过 --swaps 将文件传给脚本，或编辑清单副本。应用与随附文件相同的裁剪和音量。

查找更多音效

当用户想要更多或不同的音效时，请搜索以下来源，为每个候选音效提供链接、创作者和许可信息，并推荐 3–5 个选项供用户选择。使用任何音效前，先打开其页面，确认页面当前显示的许可，并检查该许可是否允许用户的使用场景（步骤 0）；将其添加到 CREDITS.txt。只能按照许可允许的方式使用或再分发音效。音乐请参阅 MUSIC.md。

来源	搜索	许可说明
Freesound	https://freesound.org/search/?q=<words>&f=license:"Creative Commons 0"	使用 CC0 筛选条件。CC0 音效可以随项目打包，无需署名（但仍应署名）。CC-BY 音效需在视频说明中署名；绝不要打包 CC-BY-NC 音效，也不要将其用于商业用途。
Kenney	https://kenney.nl/assets/category:Audio	全部为 CC0。可免费使用和打包。
Mixkit	https://mixkit.co/free-sound-effects/<category>/（例如 whoosh、typing）	Mixkit SFX Free License：可用于视频，包括营利视频，但不得再分发。仅在运行时将其下载到用户的项目中；绝不要提交到代码库或打包。
Pixabay	https://pixabay.com/sound-effects/search/<words>/	可免费用于视频，无需署名，但不得单独再分发。由用户在浏览器中下载；绝不要打包。
Sonniss GDC bundles	https://sonniss.com/gameaudiogdc/	可免版税地用于视频；不得再分发原始音频或用于 AI 训练。仅限本地使用。
YouTube Audio Library	YouTube Studio → Audio Library	仅限用于 YouTube 视频；只能在 Studio 中获取。绝不要打包。

只有 CC0 音效可以添加到此代码库的 sfx/ 文件夹中；每个音效都必须有一条清单记录（文件、类别、时长、source_url、许可、署名信息），并在 LICENSES.md 中添加一行。

脚本

scripts/sound_pass.py 会端到端运行步骤 3–6：

.sound-effects/bin/python scripts/sound_pass.py --video silent.mp4 --cues cues.json \
  --music track.mp3 --manifest sfx/manifest.json --out out/

确认后，添加 --use-case "..." 和 --music-source/--music-license。该脚本会生成 after.mp4、report.html、SOUND.md（许可检查、日志、提示词 → 文件表、LUFS 和峰值数值、5 个时间戳）、CREDITS.txt、beatgrid.png 和 checks/。查看日志并修正所有超过目标值的项目。如果更改了动画时间，先重新渲染。

7. 替换报告中的音效

sound_pass.py 也会生成 report.html。该报告会列出每个提示词及其时间戳、类别、所用音效（带播放按钮）、来源页面、许可和署名信息，还会列出该类别的备选音效，每个备选项都带有播放按钮和“让模型决定”选项。为用户打开报告。用户选择后，点击 Download swaps.json，然后使用 --swaps swaps.json 重新运行。"auto" 表示从备选音效中另选一个。多次运行时保持提示词索引稳定。

向用户报告

报告许可检查结果（全部已知，或列出每个许可未知的音效名称）、使用场景及是否允许、音乐来源和许可（或说明尚未确认）、CREDITS.txt 是否已就绪（供用户按需查看）、节拍网格结果（是否已偏移，以及偏移量）、切点与节拍的误差、最终 LUFS 和真峰值（立体声和单声道），以及 5 个时间戳。不要告诉用户音效听起来不错。