語音與音訊 AI

零音效庫：12 種聲音的程式合成配方表＋混音標準

自然聲音只有兩種原料：過濾過的噪音，和會衰減的振動。每一個聲音都能改一行參數重來。

2026/10/25 ｜ 3 分鐘閱讀｜不會寫程式也可以，每種聲音都附可以直接貼給 AI 的指令

適合誰：做短片需要環境音和配樂，又不想碰授權問題的人。

核心觀念：自然聲音只有兩種原料

原料	怎麼做	能做出什麼
過濾過的噪音	隨機數產生白噪音，用濾波器留下某個頻段，套上音量包絡（起音、衰減）	雨、風、浪、腳步、刷筆、水花
會衰減的振動	正弦波（或幾個疊加），讓音量指數衰減	弦、鐘、鼓、水滴

名詞白話版：

白噪音：所有頻率一樣大聲的「沙——」。
濾波器：只讓某一段高低的聲音通過。低通只留低音，高通只留高音，帶通只留中間一段。
音量包絡：一個聲音從出現、變大、到消失的音量曲線。

12 種聲音配方

聲音	配方
雨	兩層噪音：500–7000Hz 的「沙沙」加 150–700Hz 的「轟轟」；再隨機撒上 1800–6000Hz、4 毫秒就衰減完的正弦「叮」當雨滴。雨勢大小就是一條隨時間變化的音量曲線
雷	「棕噪音」（噪音一路累加，聲音很低沉），低通 180Hz，慢慢起音、衰減 6 秒；開頭加 0.15 秒的高頻噪音當「裂響」
泥濘腳步	60–90Hz 的正弦悶響，60 毫秒衰減完，加一段中心頻率從 300Hz 往上掃到 2000Hz 的帶通噪音（噗嘰），0.3 秒後再一小段往下掃的吸泥聲
涉水	往下掃的帶通噪音（嘩啦）、350Hz 左右晃動的低頻噪音（晃水）、幾顆往上滑的小正弦（水珠）
木屐	1650Hz 和 2750Hz 兩個正弦，20 毫秒衰減完，再加一下極短的噪音當敲擊
水滴	正弦的音高在 40 毫秒內往上滑（400 到 1200Hz），同時快速衰減
刷筆	2000–5000Hz 帶通噪音，0.5 秒內淡入再淡出
古箏	Karplus-Strong：長度等於取樣率除以音高的一小段噪音，放進迴圈，每輪把相鄰兩個取樣平均後乘 0.996
尺八	基音正弦加少量二次、三次泛音，加帶通氣聲噪音；起音時音高從低半音滑上來；0.6 秒後加入每秒 5 次的顫音
梵鐘	泛音比例 0.5、1、1.19、1.51、2、2.51、2.66、3.01、4.17（不成整數倍），低的衰減 8 到 12 秒、高的 1 到 2 秒；最低的兩組各配一個頻率高 0.4–0.6% 的雙胞胎，產生拍頻
太鼓	55Hz 正弦，開頭音高略高再掉下來，0.4 秒衰減，加一下低通噪音
蟲鳴	4300–4800Hz 正弦，每秒開關約 28 次形成「唧唧」，一秒內只叫前 1/3

殘響（讓聲音有空間感）：Freeverb 簡化版，8 個梳狀濾波器加 4 個全通濾波器。夜晚、室內場景的比例開大一點。

問 AI 的指令（每種聲音都能換著問）：

用 Node.js（不裝任何套件）寫一個函式，產生 [聲音名] 的單聲道音訊陣列，取樣率 44100。配方：[貼上上表那一格]。最後把多段聲音依時間點混在一起，輸出成 16-bit 立體聲 WAV 檔。

讓聲音和畫面永遠同步

把「人物什麼時候走、每步幾秒」寫成一份資料，例如：

{"id": "walk-1", "start": 9.3, "end": 22.6, "period": 0.62, "surface": "mud"}

動畫依這份資料算出人物的步伐和身體起伏。
音效依同一份資料，在每一步的時間點產生一聲腳步。
改劇情時只改這份資料，兩邊一起重算，永遠對得上。

混音標準（交付前的最低門檻）

人聲出現時自動壓低（ducking）：音樂降到約 38%、環境音約 28%、擬音約 55%。
量人聲清楚度要在 200Hz 以上量：人聲比背景高 8.5 dB 以上。全頻量會被雨聲的低頻騙到。
主輸出 40Hz 高通，去掉聽不到、卻會吃掉音量空間的極低頻。
軟限幅加上響度正規化到約 -16 LUFS（ffmpeg loudnorm=I=-16:TP=-1.5）。
檢查結構：用頻譜圖看雨的起落、靜默點、鐘聲位置對不對。 ffmpeg -i 音軌.wav -lavfi showspectrumpic=s=1600x500 spectrum.png

情緒編排小抄

開場：一聲鐘加幾個撥弦音，建立「靜」。
行路：雨聲加腳步，旋律稀疏。
關鍵人物出場：換一種音色第一次進來，例如尺八。
衝突：太鼓一記。
題旨句之前：讓所有環境聲安靜 3 秒，再敲鐘。靜默之後的那一聲最有力量。

回到開頭

雨聲、梵鐘、古箏，沒有一個是錄的，但每一個都能改一行參數重來。

支持這裡的內容：前往 Ko-fi 斗內