游戏音频不完全指南

liefeng603

一、游戏音频

1、音频分类

游戏相关音频可以按照功能划分为两大类：

• 音乐音效：和游戏表现玩法相关的音频，通常称为游戏音频；
• 语音聊天：玩家信息交流方式，主要包括语音消息和实时语音两种方式。
  

游戏音频和语音聊天虽同为音频，但在质量要求和技术处理上有很大区别，本文讨论的内容为游戏音频。

根据游戏音频的各自特点，又可以划分三大类：音效、语音和音乐：

1）音效Sound Effect：需要区别音频效果定义，这里的音效指人工制造和加强的声音。游戏内UI点击、动作反馈的声音均为音效。其中烘托环境气氛的音效又称为氛围音效；

2）语音Voice：剧情动画对白、快捷语音等均属于语音；

3）音乐Music：包括主题和背景音乐，以及各种剧情场景音乐。

2、开发流程

游戏音频开发过程大致分为五个阶段：

1）音频制作：制作音频素材，包含录音、拟音、配音、数字合成等音频制作方式；

2）音频编辑：利用音频制作软件或者数字音频工作站（DAW）对音频素材进行内容上的加工编辑；

3）游戏音频设计：设计音频在游戏中播放方式和交互，目前普遍使用游戏音频中间件提供的音频编辑器进行设计；

4）游戏音频集成：开发实现游戏音频播放逻辑。使用游戏音频中间件，可直接集成其提供的SDK开发，效率高，稳定性好；

5）游戏音频测试：测试验证完成的游戏音效配置，播放功能和性能等是否符合设计预期,不符合要求的设计或问题需要修复重新验证。

[ 游戏音频开发流程 ]

3、游戏音频设计

简单来讲，游戏音频设计是指利用音频素材，完成游戏相关内容的设计，包括音频播放内容、播放方式、音频属性和游戏交互等。

基于音频播放设计

游戏音频设计师提供音频文件和播放方式，游戏开发工程师负责实现音效播放。

[ 基于音频播放设计 ]

这种模式下以游戏开发工程师为主，游戏音频设计更多注重音频资源编辑。音频设计可表现的方面不多，音效总数量级在百左右。目前主要在H5和微信小游戏中存在。

基于音频中间件设计

游戏音频设计师负责音效设计，游戏开发工程师负责集成音效。

[ 基于音频中间件设计 ]

这种模式下以音频设计师为主，游戏音频设计师开始关注音效设计。由于不需要关心底层技术实现，音频设计师发挥余地较大，音效总数量级在千或万以上。目前大部分端或手游普遍使用了音频中间件。

4、游戏音频中间件

游戏音频中间件，简单来讲即游戏音频的解决方案。游戏音频中间件一般包含编辑器和SDK，音频设计师利用编辑器独立完成游戏音频设计。游戏开发工程师集成音频中间件提供的SDK到游戏客户端，并完成设计好的游戏音频触发和交互，实现游戏音频的播放。

游戏音频中间件包含音频编辑器和音频引擎（SDK为其调用接口）两部分，大致框架如图所示：

[ 游戏音频中间件框架 ]

游戏音频中间件使得音频设计师独立游戏开发，即可完成音频设计，其在游戏开发过程中主要有以下作用：

1）标准化设计：统一规范音效设计模式，提高游戏音效设计效率；
2）功能复用：避免重复开发，提高游戏音频开发效率和稳定性；
3）跨平台支持：抽象各平台音频硬件，支持各平台游戏部署。

二、游戏音频设计

狭义的游戏音频设计是指播放内容和交互方式的设计，不包含音频资源加工。下面介绍游戏音频设计中的重点内容。

1、播放方式设计

播放方式设计是指选择何种播放方式表现音效。不同音频中间件提供的播放方式大同小异，下面以Wwise为例介绍常用的几种播放方式。

循环播放

适合持续性重复播放场景的音效，可设置循环次数和循环内容。循环播放关键是设置好过渡，避免过渡之间出现卡顿。

随机播放

随机播放主要目的用于增加音效内容丰富感，显得更真实自然。假如游戏的其中一个环境为洞穴。背景中有水滴声，来营造洞穴环境的氛围。先创建一个随机容器，将所有不同的水滴声编组。当角色位于洞穴中时，持续播放水滴声，因此可以将容器的播放模式设置为 Continuous 并无限循环。

顺序播放

也称为序列播放，适合顺序播放内容。在游戏的某个环节，玩家必须按下按钮才可打开一扇装有很多解锁机制的大铁门。此时，可以将所有解锁声音编组至一个序列容器。之后可以创建一个播放列表，按逻辑顺序排列这些声音。将容器的播放模式设置为 Continuous，这样在解锁大门时，便会连续播放这些解锁声。

混合播放

适合连续过渡切换场景的音效，例如黑夜和白天环境音效过渡。如图所示，Rooster Crow为公鸡啼叫，用于表现黎明，Cluking and Scratching为咯咯叫声和啄食声，用于表现白天。Time_of_Day为控制时间参数，范围0~100。进入黑夜时，Time_of_Day小于18或者大于78，此时环境声静音，即黑夜寂静。当进入黎明时，Time_of_Day大于18，此时播放Rooster Crow，能听到公鸡啼叫。当白天时，Time_Of_Day大于38，此时播放Clucking and Scratching，能听到咯咯叫声和啄食。黎明到白天过程中，Time_Of_Day大于38小于43，此时Rooster Crow和Cluking and Scratching为交叉混合效果，前者音量降低，后者音量升高。除此之外，上面还增加了整体音量控制，为图中红色曲线。Agitation为音量控制参数，用来表现游戏紧张程度，控制整体环境音量。Agitation越大，环境音效整体音量越大，烘托游戏紧张气氛。

虚拟播放

虚拟播放为不实际播放音频，这种播放方式可以实现音频暂停和恢复。Wwise提供虚拟通道设置来控制虚拟播放，主要目的是控制性能，当播放实例达到限制数量时，进行虚拟播放；当恢复时，可以选择从头播放，继续播放或者播放位置继续播放。例如游戏场景内出现多台载具，载具的引擎声数量就会比较多。对载具引擎声设置虚拟播放，这时候优先播放距离玩家最近的引擎声，而较远处引擎声暂时进入虚拟通道；当其重新靠近玩家时，引擎声又重新恢复。

2、交互式音频设计

传统音频设计强调游戏音频的主要功能为操作反馈，即游戏操作到音频触发的单向信息传递。交互式音频设计则强调双向信息传递，体现到游戏内即为持续控制改变游戏音频。

游戏侧通过参数对游戏音频进行控制，参数控制类型分为两类：

1）离散参数：不同材质类型，门开关状态等，均属于离散参数；
2）连续参数：距离远近，载具引擎转速变化，均属于连续参数；

相对于音效，交互式音乐（互动音乐）设计更普遍。

3、程序音频设计

不同于传统使用音频素材的方式进行音频设计，程序音频设计是指通过程序方式（如数字合成器）实现音频内容生成和播放。程序音频设计依赖音频设计师对于声音产生原理的熟练掌握。

程序音频设计不用，或者很少使用音频素材（部分合成器使用音频素材采样），因此整体音频资源体积较小。并且程序音频不需要经过解码，实时性要好；但由于音频内容实时生成，相较于解码器需要更多CPU消耗。在真实性方面也不如使用音频素材。

4、空间音频设计

音频空间分类

（1）2D音频

2D音频均为声轨组成，所有音轨根据各自音量调整，再进行混音后实现音频输出，2D音频设计重点是混音效果设计。

（2）3D音频

3D音频又称为空间音频，音频在空间具有位置和朝向，3D音频与Listener相对位置决定音频距离和方位。音频距离通过衰减来模拟，音频方位则通过空间化技术来实现。空间音频设计主要是指音频衰减和方位，以及空间效果设计。不同于2D音频，3D音频均为单声道，其重点是空间混音设计。

相对于2D音频渲染管线，空间音频渲染管线多了空间化和去空间化（双耳滤波），如图所示：

[ 空间音频渲染管线 ]

Listener

Listener为玩家在游戏音频的听觉位置，与空间音频体验密切相关。Listener常见有以下几种摆放方式。

（1）Listener摆放到Camera：Listener跟随Camera，管理比较方便。发声位置和Listener有偏移，音频3D属性设置不便利。实际应用中，Listener会放置在Camera与角色连线位置上，避免因摄像头运动产生明显听觉差异；

（2）Listener摆放到控制角色上：发声位置和Listener一致，设置音频3D属性方便，缺点是听感不如耳后自然；

（3）Listener摆放到视觉中心：第一人称游戏常用摆放方式。

[ Listener摆放位置示意图 ]

衰减

声音随着距离传播，会产生能量衰减，技术上通过音量衰减和低通滤波LPF效果来模拟声音传播。扩散Spread的作用是处理方位在不同距离上产生的声道能量分布问题。

（1）音量衰减：设置音频随距离的衰减音量，用于模拟声音随距离传播能量衰减；

（2）HPF/LPF：设置音频随距离的高通HPF和低通LPF效果强度，声音随距离传播不同频段能量衰减不同，LPF就是用于模拟远距离频段衰减效果；

（3）扩散Spread：控制声音在虚拟扬声器能量分布比例，Spread越小，声音方位更准确，但由于扬声器数量有限，不同方位听觉过渡变化大，容易产生极左极右方位；Spread越大不同方位的听觉过度自然，为最大值时，各扬声器能量分布抵消方位效果，没有空间方位。

4）音频空间化和双耳渲染，空间效果
音频空间化是指将音频转换成空间声场表示。双耳渲染实现了声场重放，用于支持立体声音频输出。空间音频除方位和距离感外，还包括空间感，即对空间的感知，体现为空间混响和阻挡效果。

5、对象音频设计

随着空间音频技术出现，游戏音频设计从传统基于声道音频概念转变到基于对象音频。对象音频设计概念中，每个音频不再只是音轨，而是包含音频媒体的对象（在空间音频设计中，每个发声对象都是音频对象，两者有区别）。在3D游戏中，游戏场景更丰富，声音数量急剧上升。对象音频设计概念引入，除用于设置音频的3D属性外，最主要作用是控制音频播放产生的性能开销。

对象音频设计中，主要有以下性能相关的属性：

• 播放限制：允许播放实例数目，可以按照发声对象或者全局来限制；
• 优先级：音频播放优先级，达到播放限制时，播放优先级更高的音频。优先级并不固定，可以跟播放距离或者播放音量相关联。合理优先级设置对于音效整体表现至关重要；
• 打断规则：同音频相同优先级打断方式，用于同一个音频连续触发同一个实例的场景；
• 播放阈值：低于播放阈值的音频不会触发播放。
  

三、游戏音频集成

1、游戏音效资源

游戏音频中间件导出音效设计内容为音效资源，音频引擎加载并解析音效资源，重构音频设计结构来实现音效播放。音效资源结构一般为音频中间件自定义文件格式，其组成内容和加载方式如下：

组成内容

音效资源包含工程设置，音效设置，音效事件和音频媒体等信息。不同信息或以后缀名或者特殊名来区分。以Wwise导出音效资源为例：Wwise导出音效资源后缀名为.bnk，流式音频媒体后缀名为.wem。其中Init.bnk为特殊资源，包含全局音频设置信息。其它.bnk均为包含音效事件和音频媒体。

加载方式

音频压缩比低于图片，在10:1左右。通常音频使用的素材为48KHz，16bit，按照1K个音频，平均时长3s来计算，总大小约为27M；当音频数更多，时长更长时，这个总量还是比较大，所以音频内存占用是游戏开发过程中的一个重要指标。不同音频中间件的音频资源加载方式都差不多，主要分为三种：完全加载，即直接加载到内存；流式加载，通过IO方式读取音频内容；预加载，介于两者之间，部分直接加载到内存，剩余部分通过IO方式读取。

2、游戏音频引擎

典型游戏音频引擎整体框架如图所示。主要功能包括音频事件处理、资源加载解析、音频对象管理、音频渲染管线、解码和效果插件管理，以及底层基础支持，例如IO，内存和线程管理等。

[ 音频引擎整体框架 ]

• 音频事件处理：处理游戏客户端发送给音频引擎的事件，包括音效触发、资源加载、音频对象位置更新等接口事件。
• 资源加载解析：执行音频资源加载，并解析相应音频设计结构，创建对应音频对象；
• 音频对象管理：管理加载的音频对象，以及负责音频对象属性更新。
• 音频渲染管线：负责音频播放流程，从音频编码数据读取、解码、音频处理、混音处理到最后输出；
• 基础功能：包括IO、内存池、插件管理、线程。平台接口封装，提供引擎基础功能，供其它模块调用。
  

3、游戏音频测试

游戏音频测试的主要内容包含以下：

• 功能测试：测试验证游戏音功能是否正常，包含音频是否播放，是否配置正确，有无播放异常情况；
• 效果测试：测音频播放效果是否符合预期，如不同场景音频效果正确；
• 性能测试：测试音频整体性能消耗。
  

除性能测试可以利用音频中间件提供的Profile功能完成外，其它游戏音频测试基本只能靠主观测试完成。另外关于游戏音频效果的评价方面，目前仍然缺乏有效方法。


四、游戏音频中间件

1、音频编辑器

不同音频中间件在音效编辑方式上有所不同，主要有以下几类：

1）基于时间线：类似DAW，编辑上保留了时间线概念，直接对音轨操作，可以进行多轨音频设计，直接拖拽音频进行编辑。具体以FMOD和CriWare为代表，其操作主界面分别如图所示：

[ FMOD编辑器主界面 ]

[ Criware编辑器主界面 ]

2）基于属性编辑：对音频播放类型分类，不同播放类型属性设置不同，通过编辑属性完成设计。操作简单，上手较快，主要以Wwise为代表。Wwise抛弃了时间轴，直接通过属性设置完成操作，并且支持批量编辑，其主操作界面如图所示：

[ Wwise编辑器主界面 ]

3）基于图形操作：以Miles为代表，主要音频渲染过程以图形方式呈现，通过修改图形来完成音效设计，Miles主操作如图所示：

[ Miles编辑器主界面 ]

DAW功能是内容编辑，影视节目和音乐制作内容都是依照时间进行，所以基于时间线的多轨音频编辑很普遍；但游戏音频设计阶段（除互动音乐外），主要内容是音效播放方式和交互设计，沿用时间线设计虽然直观，但不符合游戏音频随机性的特点，并且容易引导音频设计师使用多层音频叠加设计音效，产生严重性能问题。

2、支持特性比较

音频中间件包括Wwise、FMOD、 Unreal Steam Audio、Miles、Fabric、Elias、Pure Data、Criware、GameCoda、RenderWare Audio等。其中部分中间件支持特性如下表所示。

3、游戏主机音频

游戏主机音频从最初8-bit支持，在随着功能和复杂度不断增加，目前已经可以达到影院级效果。其主要原因在于，游戏主机对于音频的硬件技术支持一直走在最前沿。以下为几款主机平台的音频硬件支持列表：

主机平台都有独立的音频处理单元，支持多路音频解码通道和音频特效处理，环绕声音频输出。最新的PS4使用了基于AMD True Audio技术APU（Audio Process Unit）。Xbox Series X则可能支持Dobly Atoms对象音频技术。这些新技术支持，使得主机平台在空间音频和空间效果实现上更加应对自如。

五、游戏音频趋势

1、设计流程标准化

不同音频中间件在音频设计上的差异会逐渐缩小，设计流程趋向标准化，进一步提升游戏音频设计质量和效率。

2、空间效果真实化

空间音频技术在游戏中应用会越来越广泛，空间效果也会随着音频硬件支持和推广进一步提升，给玩家带来更真实的游戏体验。

3、内容交互智能化

程序化音频和AI音频等技术在游戏音频领域的深入发展和应用，会增加游戏音频内容生产的丰富程度，并且朝智能化方向迈进。

4、用户体验个性化

玩家对于游戏音频质量追求日益提升，已经可以从移动端技术升级初见端倪。从单扬声器播放到立体声播放，再到音效平台设计，这些都在为用户体验个性化做准备。

作者：小星，腾讯互动娱乐 工程师
来源：腾讯游戏学院
地址：https://mp.weixin.qq.com/s/9rtNYmfBVwm8jogEPusykQ