直接把音频拖进场景，不是工业化做法
把声音文件拖进关卡，在角色代码里加一段播放逻辑，角色跳跃时就能出声。做法简单，但大型 3A 不这么干。工业化程度高的游戏会搭一整套专业音频系统和管线，角色说一句话，中间要经过很多额外工序，有时还要借助 Wwise 这类第三方中间件。
鹰角在 Wwise 官方博客分享了一篇技术文章，讲终末地怎么搭建模块化音频系统。通过分层设计、解耦，把音频逻辑和游戏逻辑分开。
收音位置挂在摄像机上，远镜头就听不清
终末地和很多游戏一样，收音位置挂在当前正在工作的摄像机上，玩家听到的声音和看到的画面匹配，摄像机离发声源越近声音越大。所以镜头从远景切到角色特写时，能听到他挥手的声音；正反打过程中，瀑布声在左右声道间来回切换——都说明收音位置跟着镜头走。
按这个逻辑，镜头离角色很远时，应该听不清角色说话。但终末地的对话场景里，镜头离角色很远，语音依然清晰。是因为制作组给发声体设计了自适应衰减函数：针对不同相机 FOV 和焦距自动调整声音增减，同时计算每个发声体在屏幕内的占比，自适应控制声音细节。长焦下收音位置离角色再远，听感也能和画面匹配。
声音指导
麦克风挂在摄像机上还有另一个问题：剧情突然闪回或切镜，画面到了另一个环境，声音跟着突变，出现断档或空间感错乱。
终末地在收音系统里加了 Listener Manager（声音指导）模块。声音指导根据当前游戏中发生的情况，自行判断计算麦克风应该在的位置。麦克风像个专业收音师，内置各种平滑移动函数，能用各种方式运动到目标点，但游戏里发生什么跟它无关——声音指导让它去哪，它就去哪收音。
场景切换时，收音师不会跟着摄像机瞬移，因为它根本不知道摄像机是什么。声音指导发现画面切换后，再让收音师移动到新场景，听到的声音是平滑过渡的，不是突然变的。
为什么要拆成两个人？这是解耦思维。雇一个全职保姆负责买菜做饭打扫，买菜的人进了医院，当天就没人做饭打扫。把工作分开，采购员、厨师、保洁各管一摊，即使没人买菜，保洁还能干活。游戏逻辑代码牵一发而动全身，修改一个功能可能引发一串问题，解耦能尽量减少这种影响。收音指导和收音师逻辑完全分开，不管怎么改收音师的代码，甚至换一个新收音师，都不影响收音指导运行。
分层语音管理
终末地角色会根据游戏里发生的事做语音反馈，发现道具、发现强敌、采集素材、受伤、放技能各有不同语音。小队作战四名队友同时在场上，语音很容易相互重叠。角色控制权在玩家手里，很多行为无法预测，玩家可能在角色受伤的同时放连携技。但终末地里，不管玩家怎么操作，语音从来不重复、不重叠。
直接把播放逻辑接在行为后面会导致每次跳跃都说同一句话，每个角色各说各的，事件一多就会混乱。终末地做了套分层语音管理系统，把"事件触发到发出声音"分成四级：
全局触发层：判断由谁做什么反应，决定由哪个角色对采矿做出反应，负责分配工作。
响应层：在指定角色的语音列表里找对应反应条目，找到音频编号。
语音通道层：收集所有响应层传来的编号，排出播放列表。
语音播放层：播放。
每一层还有具体判定规则：
触发层设定选人规则：从队友里随机挑一个，或按活跃度挑。
响应层发现同类事件还在 CD 中，放弃多余请求——短时间连续触发几次反应事件，第二次采矿语音会由另一个队友来说，不会连着触发同一句。
语音通道层判定优先级：战斗语音高于采矿语音。角色正在说采矿语音时进入战斗，战斗语音直接打断；战斗过程中打碎矿，直接放弃采矿语音。
靠这些规则层层筛选，避免一个事件发生时每个角色都反应，也避免同一个角色反复做单一反应。终末地里每一句语音都不是随便播的，经过层层把控，才是玩家听到的始终不重叠、不重复的语音。分层让各层彼此不直接依赖，改起来灵活。
环境音效
传统环境音效把音频直接挂到发声源上，瀑布就放个喇叭播瀑布声。实际开发中问题不少：音频设计师和关卡设计师同时编辑一张地图会互相打架；音频直接放场景里，关卡加载时会和其他资产一起进内存。终末地环境音很细，每个小区域都有不同环境声，加上各种虫鸣鸟叫的 3D 音效，全加载进内存性能压力大。
所以终末地的音效不放游戏场景里，而是放在独立的音频场景中。把游戏场景看作一幅画，音频场景就像铺在画上的一层临摹纸，设计者对照场景位置在上面放音频，不直接影响原稿。
音效师放的也不是真的音频播放器，是一种叫 Quater 的替身，只存在于编辑器里，不会被带进游戏。打包时系统把所有 Quater 信息压榨出来，存成极小的二进制文件；玩家游玩时读取二进制数据，实时把音频还原到设计师设定的位置和状态。播放时只需要串流加载玩家周围的环境音效，降低性能消耗。
另外还用了 Wwise 的 Auto Define It (SBX) 技术，不用在关卡加载时把全部音频塞进内存，用到哪个再加载哪个。 终末地的工程里合计存在超过 15 万个声音对象，移动平台上游戏音频内存占用能压到 50MB 以下。
针对性优化
很难靠一种方法解决所有优化问题，有些地方得单独处理。某个角色副本里有大量可逐根交互的激光阵列，本质是大量线声源，逐根计算每帧可能要算几百个发声体。
制作组利用多层音效系统的灵活性，临时加了个辅助模块：主线程不再逐根算激光音效，把计算分配给其他闲置 CPU 核心，自己接着算游戏逻辑，充分利用多核、减少卡顿。这个模块只对特定场景生效，不影响游戏其他部分；以后加新系统，只需新增辅助模块，不用改核心音频系统。
这个案例说明分层设计的价值：核心系统保持稳定，特殊需求用辅助模块解决，不会牵一发而动全身。终末地要长期运营和更新，把音频逻辑和游戏逻辑完全分隔开，写游戏逻辑的程序员不用自己碰音频，音频设计师也不用担心影响游戏运行，不同岗位各干各的还能高效协作。
参考文献