挥剑声中隐藏的3层音效结构 — 游戏音效制作拆解指南
为什么我自己做的剑声听起来像"塑料棒"?
把自己制作的挥剑音效加进游戏里的那一刻,是否感受到某种"叮"的轻飘飘的声音泄露出来,让人手足无措?即使把从免费网站下载的样本直接挂到触发器上,结果也大同小异。角色挥舞的明明是沉甸甸的双手剑,但传入耳朵的声音却更接近玩具刀。
很多人正是在这一点上卡住。如果您曾想过"从音效库里拿一个 sword_swing_01.wav,挂上触发器不就完事了吗?",那么这个假设就是问题的起跑线。从 GDC 演讲和音效设计师公开发表的文章所分享的实务经验来看,商业游戏中的剑声大多是将多个简短的音频片段在时间轴上对齐合成的结果。听起来像一个文件,但内部通常叠加了 3 个以上,复杂的情况下接近 10 层。
本文将分解构成剑音效最基础的三层结构 —— 挥动(Swoosh)・冲击(Impact)・尾音(Tail) —— 并加以呈现。我们整理了一步步的指引,让您仅凭家里的一把雨伞和免费软件,也能拿到第一个"沉重剑声"的原型。
游戏音效制作不是魔法,而是分解与重组的工程学。一旦掌握了这种结构,不仅是剑,枪械、脚步声、UI 点击音都可以套用同样的思维方式。
💡 实战技巧: 在阅读正文之前,请打开您喜爱的动作游戏,戴上耳机,集中聆听挥剑的声音。不要只听一次,反复聆听三次,分离出 (1) 最初的 100ms (2) 中间 (3) 消失的尾部分,之后的说明会更快进入您的脑海。
一个音效为什么要分成 3 个层?
人类听觉将声音按"时间区间"切分聆听
耳朵接收到一团声音,但大脑会自动将其分解为开始-持续-结束的阶段来感知。说明这种时间结构时,音效设计中常用的工具就是 ADSR 包络(Attack-Decay-Sustain-Release,起音-衰减-延持-释放)。起音是声音开始的 0 到数十毫秒的急剧上升区间,衰减是其后短暂下沉的区间,延持是稳定保持的主体,释放是消失的尾部。
剑声也遵循同样的结构。挥动听起来像起音之前的"准备动作",冲击是起音的顶点,尾音对应释放。如果想用单一样本表现所有这些区间,某一区间必然会变得贫弱。因为适合挥动的频率带和适合冲击的频率带各不相同。挥动通常在高频的空气噪声领域闪耀,冲击则在低频获得重量。
因此专业音效设计师不会试图用一个声源填满所有频段。他们会分别录制或合成负责各个区间的独立声源,然后在时间轴上叠加放置。这就是分层(Layering)的基本思维方式。
单层 vs 多层,同样的动作差别如此之大
举一个简单的比较场景。A 设计师直接使用名为"swoosh_sword.wav"的 1 秒单一样本。结果只听到"咻—"的风声,却无法知道剑砍到了什么,留下空虚的感觉。更接近角色对着空中挥舞一根棒子的感觉。
相反,B 设计师在同样的动作上铺设了 (1) 0~200ms 区间挥动雨伞杆的录音 (2) 180ms 处用刀切开西瓜的沉闷冲击声 (3) 200~900ms 处敲击金属棒的余响。同样的动画,听者却听到了"剑切开血肉,剑身震颤"的叙事。甚至可以推断出角色武器的材质、重量,以及被砍对象的质感。
差异的本质在于信息密度。单层只传达一种事件,而多层同时传达多种事件。玩家不会有意识地分析"哇,有三层呢"。但无意识会接收这些信息,提升沉浸感。
电影拟音和游戏 SFX 起点相同但终点不同
电影拟音师(Foley Artist,通过后期录音制作音效的专业人员)在制作剑声时也会叠加多个声源。但电影是一个场景只播放一次的线性媒介。拟音师只需制作"最适合这个镜头的唯一一个完成的声音"。
游戏不同。玩家在一个游戏会话中会数百次触发同样的挥剑。同一文件反复播放时,听觉疲劳(auditory fatigue)会累积,玩家会觉得"像机器一样"。因此在游戏音效设计中,会采用分离层并在每次播放时对各层进行音高(Pitch)和音量随机调制的技法。冲击或金属铃声这种音色辨识度重要的层级以数音分到半音单位进行细微调整,挥动这种音色自由的层级则以 ±1~3 个半音的较宽幅度进行调整,这是常见的起点。再加上轮换(Round Robin,循环播放多个样本),同一个触发器每次都会有不同的质感。
另一个差异是交互式分支。如果玩家砍空气,就静音冲击和尾音层,只播放挥动。如果砍到敌人,三层都播放。如果砍铠甲,就只把冲击替换为金属碰撞样本。处理这种分支时,层级从一开始就分离会更有利。混音合并为一团的单一文件难以单独静音或替换内部组件。当然,也可以为每种情境分别制作单独资源进行分支。但分层方式的灵活性和可重用性要高得多。
💡 实战技巧: 如果您使用 Wwise 或 FMOD 等游戏音频中间件,请从一开始就在一个事件内以 3 个轨道分离层级注册。今后增加武器种类或打击对象时,替换和扩展会轻松许多。
第 1 层:制作劈开空气的"挥动(Swoosh)"
挥动归根结底是"滤波后的空气噪声"
物体快速劈开空气时产生的声音的真面目,是湍流性空气噪声与听者基准的频谱变化结合的结果。靠近刀刃时是高频的"咻—"声,远离时则向低频滑落。最直观地夸张再现这种声音的方法,就是生成白噪声后自动化带通滤波器。
这里白噪声(White Noise)是指所有频率带能量均匀分布的噪声,带通滤波器(Band-pass Filter)是只让特定频段通过的滤波器。自动化(Automation)指随时间改变参数的功能。
核心是滤波器的中心频率必须随时间移动。实务中经常引用的起始值是从 1~2kHz 附近出发,在 200ms 内上升到 4~6kHz 后再下降的抛物线曲线。这只是需要根据武器大小、速度、摄像机距离调整的起点,不是绝对值。如果中心频率固定,声音听起来不像"挥剑",而像"扬声器里发出噪声"。
再加上细微的音高弯曲(Pitch Bending,平滑改变音高的技法),可以强化加速・减速感。对于短促的挥动,在 200ms 内从 +3 半音降到 -2 半音的曲线是作业时易用的起点。
实物录音 vs 合成器合成,该选哪个
两种方式的成品质感不同。实物录音是在麦克风前挥舞雨伞杆、高尔夫球杆、竹棒、长尺、钓竿等细长物体进行收音的方式。优点是空气的微细湍流噪声、手腕产生的摩擦音等细节会自然地被记录。缺点是麦克风设置复杂。麦克风离挥动轨迹太近,振动会直接撞击麦克风振膜(diaphragm,振动板)产生"啪"的噪声,太远则挥动声会很微弱。
💡 实战技巧: 实物录音前请务必先进行物理安全检查。确保没有人或宠物的宽敞空间,移开易碎物品和显示器,与麦克风保持充分距离,并使用手腕带或手套。一次疏忽就会让一台麦克风报废。
合成器合成只要有白噪声发生器和滤波器,在任何 DAW 中都可以进行。优点是控制完美。可以以 0.01 秒为单位调整噪声的长度、音高曲线、滤波器形状。缺点是太干净,缺少"人性化的瑕疵"。手会颤抖或挥动稍微偏离的自然感缺失。
实务中混合两者是正统。用合成器铺设稳定的基础音色,在其上以 50~70% 的音量叠加简短的实物录音,就能同时获得控制力和自然感。
分步工作流:制作一个挥动层
以一个挥动层为基准,在 DAW 中按以下顺序进行,30 分钟内就能拿到第一个成果。
第 1 步 — 生成噪声:使用 DAW 内置合成器(例如 Reaper 的 ReaSynth、Logic 的 ES2)或免费插件(例如 Vital、Surge XT — 撰写时点为免费/开源)生成 300ms 长度的白噪声。用门限(Gate)干净地剪掉前后部分。
第 2 步 — 带通滤波器自动化:挂上滤波器插件(例如 FabFilter Pro-Q,免费替代品为 TDR Nova),将中心频率自动化为 1.5kHz → 5kHz → 2kHz 的抛物线曲线。Q 值(带宽,越窄越尖锐)以 1.5~2.5 之间为起点,根据武器音色调整即可。
第 3 步 — 音高自动化:挂上音高移调器,绘制从 +2 半音降到 -3 半音的曲线。挥动开始快、结束慢慢落下的对数曲线(logarithmic curve)更接近加速・减速感。
第 4 步 — EQ 收尾:用高通滤波器切掉 250Hz 以下的低频。挥动层如果带有低频,会与后面的冲击层冲突变得浑浊。在 2~5kHz 频段提升 +2~3dB,以强调空气感。
常见错误:经常将挥动长度做得超过 500ms。作为游戏式快速劈砍 SFX 的作业起点,150~250ms 左右通常更有用。变长后会被感知为"风在吹"而不是"挥剑"。但是,双手大剑、蓄力攻击、慢动作演出等动画较长的情况下,可以按其长度延长。如果有疑问,先从 200ms 以内开始尝试。
💡 实战技巧: 制作挥动层时还要考虑方向性。如果游戏是立体声,将噪声的声像(pan)从 -30% 移动到 +30%,营造角色的剑从左到右掠过的空间感。第一人称游戏中这种效果特别强烈。
第 2 层:决定打击感的"冲击(Impact)"设计
冲击不是一个声音,而是"三个频段之和"
当感觉冲击贫弱时,设计师常陷入的陷阱是"寻找更大的声源"。但问题不在大小,而在频率分布。沉重的冲击通常被设计为三个频段同时发生的事件。
低频(约 60~200Hz)负责重量感。胸腔感受到的振动、被砍对象的质量感由此而来。声源常用大鼓、底鼓,或用合成器制作的 60Hz 正弦波音色。
中频(约 400Hz~2kHz)负责材质的质感。砍肉、砍木头还是击金属的信息浓缩在这个频段。在砧板上切西瓜、卷心菜、生肉的录音是代表性的声源。
高频(约 3kHz 以上)负责锐利度和清晰度。剑刃切开某物的"咔哒"或"铮"的信号在此产生。短促敲击金属棒的声音,或合成器的短促白噪声脉冲常被使用。
以上数值不是正确答案频段,而是作业的起点。需要根据武器、材质、混音风格通过频谱分析进行调整。分别准备三个频段后,用 EQ 只保留各自的领域,削减其余部分,就可以不相互冲突地清晰叠加。一个声源拥有所有频段时,它们之间会发生相位冲突,反而变弱。
按材料分类的冲击声源,混合什么、怎么混
以双手剑砍披着皮甲的敌人为例。
低频:用手掌短促拍打大鼓的录音,或生成 20ms 长度的 60Hz 正弦波音色。用 EQ 切掉 200Hz 以上。
中频:用刀划过厚皮夹克收录的录音,或用菜刀切西瓜的拟音经典声源。用 EQ 只保留 200~2kHz。
高频:用短金属棒撞击其他金属的录音。用 EQ 只保留 3kHz 以上,持续时间剪短为 50ms。
如果是"砍铁甲的声音",就将中频声源从皮革替换为金属碰撞(敲铁管)。如果是"砍木头的声音",就将劈柴的录音放在中频。保持公式框架不变,仅替换中频声源也可以大大改变材质差异。但如果想要更有说服力的结果,需要连同高频瞬态的形状和尾音的余响一起调整。这一点同时显示了分层的经济性和局限性。
瞬态塑形和压缩,雕琢起音
收集声源不是终点。冲击的"味道"由最初 10ms 内决定。这个区间称为瞬态(Transient,声音最初急剧的峰值区间),用瞬态塑形器(Transient Shaper)插件雕琢。
起音强调:用 SPL Transient Designer(付费)或 Kilohearts Essentials 套装中包含的免费 Transient Shaper 等工具,将起音提升 +3~6dB。受到短促强烈冲击的感觉会增强。
延持衰减:将同一工具的延持旋钮降低 -3~5dB。减少冲击后拉长的余响,为接下来的尾音层留出干净进入的空间。
压缩:以 4:1 的比例使用快起音(1~5ms)、快释放(50~100ms)的压缩器是一般起始设置。这样冲击的平均响度(loudness)会上升,即使在小音量下也能保持重量感。
按游戏类型分类的冲击,要走多沉重
即使是同样的剑冲击,音色也因类型而异。魂类(经常被引用为参考的标题:黑暗之魂系列、Elden Ring)强调低频并柔化起音,制造"咚—"的沉重冲击。给人同一动作在 0.3 秒内持续振动的感觉。
风格化动作(经常被引用为参考的标题:鬼泣 5、猎天使魔女)则相反,减少低频,强烈提升高频和起音。一次劈砍以"唰!"结束,不与下一动作重叠。因为在连招延续到 8 次的游戏中,如果每次打击都拉长 0.3 秒,声音会像泥一样混在一起。
卡通风格(经常被引用为参考的标题:茶杯头)几乎去掉低频,在中频增加漫画式效果(例如"啪!""砰!"等合成器音色)。表现性优先于真实性,因此降低实物录音比例,积极活用合成・卡通式声源。(以上标题不是断言其内部音效设计的引用,而是用于把握音色方向的聆听参考。)
💡 实战技巧: 制作冲击层时,请在 DAW 中同时挂上参考音轨。把您想做的游戏类型相近的音效以相同音量挂着,每 5 秒与自己的作品对比聆听,可以避免音色方向走偏。
第 3 层:增加余响和重量感的"尾音(Tail)"完成
尾音是"声音的地址" —— 事件发生在哪里
只有挥动和冲击,剑声似乎已经完成。但总感觉空荡荡的。因为听起来像在真空状态下发生的事件。人类的耳朵通过空间中发生事件的余响获取位置信息。尾音层正是赋予这种空间信息的角色。
混响(Reverb,余响)是最直观的工具。如果是洞穴,挂上衰减时间(Decay Time,余响消失的时间)2~4 秒的大房间混响;平原则挂 0.5~1 秒的短混响;室内走廊则挂 1~2 秒的中等混响。同样的冲击,只要换一下混响,听起来就像同一角色在不同空间战斗。
卷积混响(Convolution Reverb)是更深入一步的工具。它是加载在实际空间(教堂、洞穴、音乐厅)测量的脉冲响应(Impulse Response,IR),将该空间的声学特性原样套用的方式。使用 Voxengo 公开的免费 IR 集合等资料,可以获得算法混响难以制作的真实空间感。
这里重要的是尾音混响只挂在冲击层上。如果连挥动层都挂混响,从刀劈开空气的瞬间就会产生余响,变得不自然。
金属铃声和谐波声音 —— 剑身震颤的余响
尾音的另一个轴是剑本身的振动。金属剑身受到冲击时会以固有频率震颤。这称为金属铃声(Metal Ringing),是真实剑声的核心细节。
最简单的方法是添加正弦波(sine wave)。在冲击之后的时点,将 800Hz~2kHz 频段的正弦波音色以 100~500ms 长度淡出,会给人剑身震颤的印象。叠加两个正弦波(例如 1.2kHz 和 1.8kHz)并微调失谐(detune,稍微错开音高),可以制造更自然的非和谐(inharmonic)振动。
实物录音方面,敲击金属棒(钢筋、自行车辐条、小镲)后长时间收音的方式是正统。录音后将音高降低 -5~-12 半音,使其像沉重的剑身,剪掉起音部分,只使用余响。
也有用卷积使用金属 IR 的方法。一些库提供金属振动脉冲响应,应用于一般信号时会自动套上金属余响。
将 3 个层在时间轴上对齐 —— 分步指南
三个层准备好后,最后一步是在时间轴上精确对齐。
第 1 步 — 以冲击为基准点:将冲击的瞬态峰值点设为 0ms。这是听者感觉"砍中了"的瞬间,因此成为所有对齐的基准。
第 2 步 — 将挥动放在冲击前面:将挥动层的末端(最大部分)放在比冲击峰值提前 20~50ms 的位置。太近两层会冲突变成一团,太远挥动和劈砍会像是分离的事件。
第 3 步 — 将尾音放在冲击后面:将尾音层的起始点放在比冲击峰值晚 10~30ms 的位置。完全放在同一位置时,冲击的起音会被尾音掩盖变得模糊。稍微延迟,冲击才先清晰可闻,然后余响紧随其后。尾音的总长度以 200~1500ms 之间作为起始范围。
第 4 步 — 音量平衡:三层的起始音量一般以挥动 -6dB、冲击 -3dB(最大)、尾音 -9dB 左右作为起点。音量必须反映冲击最大,挥动和尾音是辅助冲击角色的事实。根据聆听环境(耳机/扬声器/手机)进行 ±2dB 微调。
第 5 步 — 主 EQ 和响度调整:对三层合并的最终声音挂上轻量主 EQ,整理相位冲突。如果在 200~400Hz 附近有像泥一样聚集的频段,衰减 -2~3dB。最终游戏混音的响度目标因平台而异。主机・PC 游戏一般以集成(integrated)标准的 -23 ~ -24 LUFS,移动・便携设备以 -16 ~ -18 LUFS 附近作为常被引用的起始标准。单个音效文件的作业电平可以比这更自由,但最终母带需要根据项目的混音总线结构和平台 SDK 指南来决定。
常见错误:最常发生的问题是所有层的起始点都精确对齐到 0ms 的情况。三个声音的起音同时爆发会产生相位冲突,结果冲击听起来模糊。有意设置 ±10~50ms 的时间差几乎总是听起来更好。
另一个错误是尾音过长与下一动作重叠。在连招攻击中,如果每次打击的尾音超过 1 秒,第二次打击的冲击会被第一次的尾音掩盖。测量游戏内连招速度后,将尾音长度限制为连招间隔的 60~70% 是安全的。
💡 实战技巧: 对齐工作完成后,请将最终声音转换为单声道聆听。如果在没有立体声技巧的单声道中冲击也清晰可闻,说明对齐做得不错。移动游戏多数通过智能手机扬声器(单声道)播放,这个检查特别重要。
💡 实战技巧: 作业结束 24 小时后再听一次。作业刚结束时耳朵习惯了自己的作品,失去客观性。休息一天后听,过度和不足之处会立即显现。这称为耳朵刷新(ear refresh),是音效设计师的基本习惯。
三句话总结和今天就能尝试的第一个实验
一个剑音效是挥动・冲击・尾音三个简短声音层在时间轴上叠加的结果。每一层负责不同的频率带(挥动是高频的空气噪声,冲击是低・中・高所有频段之和,尾音是空间余响和金属铃声)和时间区间,因此产生了单一样本无法制作的信息密度。最终完成度归根结底取决于时间轴对齐(以冲击为基准 ±20~50ms 偏移)和音量平衡(-6/-3/-9dB 起点)等微调。
建议您今天就能尝试一个实验。在确保安全空间后,拿起家里的雨伞或长棍,用智能手机录音应用收录 5 次挥动声。然后打开免费 DAW Audacity,或安装提供 60 天免费试用的 Reaper(Reaper 试用版提供完整功能,60 天后若要继续使用,在符合条件的情况下需购买约 60 美元的折扣许可证)。与从网上下载的一个冲击样本一起以两个轨道叠加,如果可能,再添加一个简短的金属余响样本作为第三个轨道。以冲击为基准,将挥动放在前面,尾音放在后面,仅靠两个轨道叠加就能拿到自己制作的第一个多层剑声原型。
音效设计实力不是来自宏伟的装备,而是来自耳朵的训练和小实验的累积。今天 5 分钟的录音会变成一周后更好的挥动,一个月后会成为属于您自己的音效库。即使您制作的成品起初听起来很别扭也没关系。那种别扭感是指引下一次作业方向的最诚实反馈。