VNSound2.0: 频谱设置指南

This document is the Chinese version of https://www.patreon.com/posts/vnsound2-0-setup-72140877

频谱设置是VNSound2.0中引入的新功能，基本内容都在上面的视频中演示了，本文更加具体的解释内部的设置方法。

首先是设置中的采样部分 sampling setting:

• Target audio 目标音源:
  这里设置频谱绑定目标音源的方式。
  PlayingAudio - MMDD/VNSound only: 这是默认的方式，将首先搜索MMDD，然后搜索VNSound，和第一个找到的正在播放的音源绑定。
  PlayingAudio - Any audio found: 这个方式则是在工作室全体搜索AudioSource组件，并和第一个找到的音源绑定。这方式下可以找到工作室中的bgm，人物语音和一些声音mod，但找不到mp4面板播放的声音。
  MMD Director: 指定一个MMDD的音源。MMDD可以载入多个音乐文件，所以要按照序号指定一个，0代表第一个，1代表第二个，以此类推。
  VNSound: 指定一个VNSound音源。VNSound给每个载入的音乐文件都分配了id，可以用id来指定，也可以用序号指定。
• Sample Count 样本数量:
  频谱算法的中心是快速傅里叶变换（FFT）。每一帧都会对音源进行一次FFT，得到样本。这里可以设置获得的样本数量。FFT的结果是频域的，所以样本越多的话频率解析度就越高，同时开销越大。注意FFT的采样频率是Unity固定的。
• Sample channel 采样通道:
  选择是左声道，右声道还是立体声。如果选立体声就要采样两次，一般的话左声道就够了。
• Sample window 窗口函数:
  FFT的窗口函数，这是数学的领域了，我也不懂。试下来Hanning、Blackman和BlackmanHarris都不错，也差不多。Rectangular和Triangle的结果就不行了。

然后是频段设置Spectrum band:

频段是样本的集合体。比如我们上面设置了512个样本，逐个处理的话太多了，所以需要归结到频段中来处理。而频段中的样本范围就决定了频段的频率范围。.

打开"Show band frequency range"选项可以看到每个频段对应的频率范围。默认的设定只是一个参考，你可以根据需要随意增加或者删减频段。每个频段的范围也可以任意设置，但至少要有一个样本。频段的范围可以重叠，不需要连续。换句话说，不是每个样本都必须用到，也不是每个样本只能用一次。

然后，频段也是频谱输出的单位。每个频段可以和一个clip相关联。在Action clip部分可以用<或>按钮选择一个clip，也可以用New按钮来新建一个。

接下来是算法设定Algorithm options:

• Band statistics 频段统计:
  设置频段中样本的统计方式。
  Sum: 求和，这是默认的方式，最简单，看起来也不错。
  Avg: 求平均
  RSS: 求平方和的根，据说是正确的统计方式。
  RMS: 均方根
• Audio profile 音频预值:
  每个频段的输出值最终都会被正规化到0-1之间，所以需要一个最大值来计算标准值。这个最大值会在播放声音的时候自动更新，但我们需要一个初始的最大值，就是预值。如果我们的最大值从0开始变化，那么音乐开始的时候每个采样值都可能超过最大值，导致最大值不断更新，动画会非常的剧烈。
  预值的大小和选择的统计方式，以及播放的音乐都有关。比如你选择了平均化的统计方式的话，频段的结果肯定比采用求和的方式要小，那就需要适当减小预值。如果预值过小，动画开始的时候跳动会比较严重。反之如果过大，采样值始终不能达到预值的话，动画的幅度就会偏小。可以在后述的预览中看到采样到的最大值，以此为依据来设置预值。大概在采样得到的最大值的1/4-1/2左右为好吧。
  注意，预值只是初始的最大值，一旦采样的结果大于预值，最大值会被更新，之后的表现就和预值没有关系了。
• Audio normalize 正规化计算:
  Independent: 默认方式，每个频段根据自己的最大值来做正规化
  Unified: 所有的频段使用统一的最大值来做正规化，这个模式下能够正确反映各个频段之间的音量差，但是我们又不是来做科学分析的，相比之下Independent模式中各个频段跳动的更加活跃。
• Audio drop down 衰减:
  衰减默认为ON，这模式下如果采样值大于上次输出，那么就输出采样值，如果小于上次输出，那么输出根据自己的速度来衰减。也就是说跳上去一下子，掉下来是慢慢掉的，这样可以让动画更加平滑。这里Drop speed设置衰减的初始速度，Drop accelerate设置衰减的加速度。如果输出降得太慢，可以调大这两个数值。
  如果关掉衰减，那么输出就始终是采样值，跳动会比较剧烈。
• Avg Amplitude平均音量:
  打开这个选项会给你多一个输出，就是所有频段的平均音量。你可以将平均音量和某个clip绑定。（这个音量的算法可能有点问题）
• Import/Export 导入导出:
  完成设定后可以导出到json文件，便于导入给别的场景。

接下来看一下管理画面中的频谱预览 spectrum preview

在VNSound管理画面中，频谱设定显示如下：

第一行中显示它的采样数和频段数，以及和哪个音源进行了绑定。第二行就是操作按钮了：

• Enabled 有效无效: 频谱的开关
• Edit 编辑: 转到编辑画面
• Reset 重置: 将输出清0，重新开始采样和收集最大值
• Preview 预览: 打开预览
• X: 删除

点击Preview打开预览，可以看到频段输出的情况。

预览中每个频段都有一个条状图来表示其输出的正规值（0-1）。已经一个数字显示其采样中得到的最大值。这个最大值是设置预值（profile）的重要参考。

如果设定中使用了衰减，在最下方会显示drop speed和accelerate rate的设置区，在这里可以快速的调整衰减速度的加速度，并在预览中看到效果。

如果选上了More info 选项，还能看到频段的频率范围和正规化之前的采样值。

如果你选择了Unified的正规化模式，这里还会看到整体的最大值。

指定Clip的一些提示:

单纯的设定一个频谱并没有意义，你需要指定clip给频段才能和场景互动。

和频段绑定的Clip里面定义了场景中的东西如何随音乐变化。Clip的长度，FPS，速度和循环设置基本没有意义，因为这个Clip不是真的被播放，而是被频段的输出值驱动的，就像你用鼠标去滑动进度条一样。比如你的Clip是10帧长，那么频段输出0.5的时候就是第5帧的状态，如果你的Clip是100帧长，0.5就是第50帧的状态。

原则上，所有可以被clip控制的属性都可以和音乐联动。但鉴于这些clip每一帧都要更新，所以不要选那些非常慢的属性（比如换地图）。而且创建的关键帧越少越好！

最后是一些参考文档:

如果对原理和数学有兴趣的话……

https://www.nti-audio.com/en/support/know-how/fast-fourier-transform-fft

https://www.teachmeaudio.com/mixing/techniques/audio-spectrum