第三章：音色设计与合成技术

本章将深入探讨游戏音频创作的核心——音色设计与合成技术。我们将从基础的波形合成开始，逐步深入到复杂的调制技术，让你掌握创造独特游戏音色的能力。通过学习各种合成方法，你将能够从零开始构建任何想象中的声音，从复古的8-bit音效到现代的电影级音景。

学习目标

• 理解并掌握四种主要合成技术：加法、减法、FM和粒子合成
• 学会设计和应用ADSR包络来塑造音色的动态特性
• 掌握滤波器的原理和在音色设计中的应用
• 能够分析和重现经典游戏音色
• 理解物理建模合成的基本原理

3.1 合成技术概述

在数字音频领域，合成（Synthesis）是指通过算法生成音频信号的过程。与采样（Sampling）不同，合成不依赖预录制的音频，而是从基本的数学函数开始构建声音。

基本波形

所有合成技术的基础都是几种基本波形：

正弦波 (Sine Wave):
    ╱╲    ╱╲    ╱╲
   ╱  ╲  ╱  ╲  ╱  ╲
  ╱    ╲╱    ╲╱    ╲

方波 (Square Wave):
  ┌──┐  ┌──┐  ┌──┐
  │  │  │  │  │  │
──┘  └──┘  └──┘  └──

锯齿波 (Sawtooth Wave):
  ╱│  ╱│  ╱│
 ╱ │ ╱ │ ╱ │
╱  │╱  │╱  │

三角波 (Triangle Wave):
  ╱╲  ╱╲  ╱╲
 ╱  ╲╱  ╲╱  ╲

从傅里叶分析的角度看：

• 正弦波：只包含基频，频谱最纯净
• 方波：包含基频和奇次谐波（1f, 3f, 5f...），谐波幅度按1/n衰减
• 锯齿波：包含所有整数谐波（1f, 2f, 3f...），谐波幅度按1/n衰减
• 三角波：只包含奇次谐波，谐波幅度按1/n²衰减

音色的三要素

任何音色都可以从三个维度来描述：

1. 频谱内容（Spectral Content）：决定音色的"明亮度"和"特征"
2. 时间包络（Temporal Envelope）：决定音色如何随时间变化
3. 调制（Modulation）：为音色添加动态和表现力

3.2 加法合成（Additive Synthesis）

加法合成是最直观的合成方法，通过叠加多个正弦波来构建复杂音色。这直接对应于傅里叶定理：任何周期信号都可以分解为正弦波的和。

数学原理

加法合成的基本公式：

y(t) = Σ[n=1 to N] A_n * sin(2π * f_n * t + φ_n)

其中：

- A_n：第n个分音的幅度
- f_n：第n个分音的频率
- φ_n：第n个分音的相位
- N：分音总数

谐波与泛音

• 谐波（Harmonics）：频率为基频整数倍的分音（f, 2f, 3f, 4f...）
• 泛音（Overtones）：所有高于基频的分音，可能不是整数倍

大多数乐音都是谐波的，但某些打击乐器（如钟、锣）包含非谐波泛音，这赋予它们独特的金属质感。

实践示例：构建管风琴音色

管风琴是加法合成的经典应用。一个简单的管风琴音色可以这样构建：

基频 f0 = 440Hz (A4)
谐波结构：

- 1f: 1.0   (基频，最强)
- 2f: 0.5   (八度)
- 3f: 0.33  (十二度)
- 4f: 0.25  (两个八度)
- 5f: 0.2   (大三度+两个八度)
- 6f: 0.17  (十二度+八度)
- 8f: 0.125 (三个八度)

加法合成的优缺点

优点：

• 理论基础清晰，易于理解
• 可以精确控制每个谐波
• 适合创建管风琴、钟声等音色

缺点：

• 计算量大（需要大量振荡器）
• 参数过多，难以直观调节
• 不适合动态变化丰富的音色

3.3 减法合成（Subtractive Synthesis）

减法合成从富含谐波的波形开始，通过滤波器去除不需要的频率成分。这是模拟合成器最常用的方法，也是大多数经典游戏音色的基础。

信号流程

振荡器 → 滤波器 → 放大器
  ↑         ↑         ↑
 VCO       VCF       VCA
         (包络调制)

滤波器类型

低通滤波器（Low-Pass Filter, LPF）

最常用的滤波器，允许低频通过，衰减高频：

幅度响应：
│
│════╗
│    ╚═══╗
│        ╚════
└─────────────→ 频率
      fc (截止频率)

传递函数（一阶巴特沃斯）：

H(s) = 1 / (1 + s/ωc)

高通滤波器（High-Pass Filter, HPF）

允许高频通过，衰减低频：

幅度响应：
│        ════
│    ╔═══╝
│════╝
└─────────────→ 频率
      fc

带通滤波器（Band-Pass Filter, BPF）

只允许特定频段通过：

幅度响应：
│    ╔══╗
│  ╔═╝  ╚═╗
│══╝      ╚══
└─────────────→ 频率
    f1 fc f2

陷波滤波器（Notch Filter）

去除特定频率：

幅度响应：
│════╗  ╔════
│    ╚══╝
│
└─────────────→ 频率
      fc

滤波器参数

1. 截止频率（Cutoff Frequency）：滤波器开始衰减的频率点
2. 谐振（Resonance/Q）：在截止频率处的增益峰值

不同Q值的效果：
│     Q=10
│      ╱╲     Q=5
│     ╱  ╲   ╱──╲   Q=1
│────╱────╲─╱────╲──────
└───────────────────→ 频率
          fc

经典减法合成音色：TB-303 贝斯

Roland TB-303 的酸性贝斯音色定义了整个电子音乐流派：

配方：

1. 振荡器：锯齿波
2. 滤波器：18dB/oct 低通，高谐振
3. 包络：快速起音，中等衰减
4. 调制：包络调制截止频率

3.4 FM合成（Frequency Modulation Synthesis）

FM合成通过一个振荡器（调制器）调制另一个振荡器（载波）的频率来产生复杂的频谱。这种技术在1980年代因Yamaha DX7而流行，成为了许多经典游戏音色的基础。

数学原理

基本FM合成公式：

y(t) = A * sin(2π * fc * t + I * sin(2π * fm * t))

其中：

- fc：载波频率（Carrier frequency）
- fm：调制频率（Modulator frequency）
- I：调制指数（Modulation index）
- A：输出幅度

频谱分析

FM合成会产生边带（Sidebands），其频率为：

fn = fc ± n * fm  (n = 0, 1, 2, 3...)

边带幅度由贝塞尔函数决定：
An = Jn(I)

调制指数I的影响：

I = 0：无调制，纯正弦波
      │
      │    fc
      │    │
      └────┴────→ 频率

I = 1：轻微调制
      │    
      │   ╱│╲
      │  ╱ │ ╲
      └────┴────→ 频率

I = 5：丰富的边带
      │    
      │ ╱╲╱│╲╱╲
      │╱  ╲│╱  ╲
      └────┴────→ 频率

C:M比率（载波:调制器频率比）

C:M比率决定了音色的谐波特性：

• 整数比（1:1, 2:1, 3:2）：产生谐波频谱，音色和谐
• 非整数比（1:1.414, 1:3.14）：产生非谐波频谱，金属音色

常用比率及其特征：

1:1  - 类似锯齿波
2:1  - 类似方波
1:2  - 次谐波，深沉
1:7  - 钟声音色
1:3.14 - 金属打击音

DX7算法

Yamaha DX7使用6个运算器（Operator）的不同连接方式（算法），创造出丰富的音色：

算法1（堆叠）：        算法2（分支）：
   [6]                    [6]
    ↓                    ╱ ╲
   [5]                  [5] [4]
    ↓                    ╲ ╱
   [4]                    [3]
    ↓                      ↓
   [3]                    [2]
    ↓                      ↓
   [2]                    [1]
    ↓                      ↓
   [1]                   输出
    ↓
   输出

经典FM音色：电钢琴

DX7的电钢琴音色成为了80年代的标志：

配置：

- 算法：5（2个载波，各有2个调制器）
- 载波1：1.00比率，ADSR = 0/100/30/60
- 调制器1：14.00比率，ADSR = 80/60/0/0
- 载波2：1.00比率，ADSR = 0/100/20/70  
- 调制器2：1.00比率，ADSR = 70/80/0/0
- 调制指数：随力度变化（0.5-3.0）

3.5 粒子合成（Granular Synthesis）

粒子合成将声音分解为微小的"颗粒"（通常10-100ms），然后重新组合这些颗粒来创造新的音色。这种技术特别适合创造环境音效和演变的音景。

基本概念

原始波形：
━━━━━━━━━━━━━━━━━━━━━━━━

分解为颗粒：
[▓][▓][▓][▓][▓][▓][▓][▓]

重组（可改变密度、音高、位置）：
[▓] [▓][▓]  [▓]   [▓][▓][▓]

颗粒参数

1. 颗粒大小（Grain Size）：10-100ms
2. 颗粒密度（Grain Density）：每秒颗粒数
3. 颗粒包络（Grain Envelope）：通常使用汉宁窗

汉宁窗：
     ╱╲
    ╱  ╲
   ╱    ╲
  ╱      ╲
 ╱        ╲
───────────────

4. 音高偏移（Pitch Shift）：每个颗粒的音高变化
5. 位置随机化（Position Randomization）：读取位置的随机偏移

粒子云（Grain Cloud）

通过大量颗粒的叠加创造复杂纹理：

密度 = 100 grains/sec
随机音高 = ±50 cents
随机位置 = ±20ms

结果：厚重、演变的纹理

应用场景

• 时间拉伸：改变颗粒间隔而不改变音高
• 音高变换：改变颗粒音高而不改变时长
• 纹理生成：创造环境音效和氛围

3.6 ADSR包络

ADSR（Attack-Decay-Sustain-Release）包络是塑造音色时间特性的关键工具。

包络阶段

幅度
  ↑     
1.0│    ╱╲
   │   ╱  ╲_____
   │  ╱    sustain
   │ ╱            ╲
0.0│╱──────────────╲───→ 时间
   A   D   S    R

A - Attack（起音）：从0到峰值的时间
D - Decay（衰减）：从峰值到延音电平的时间
S - Sustain（延音）：保持的电平（0-1）
R - Release（释音）：键释放后到0的时间

典型ADSR设置

不同乐器的特征包络：

钢琴：
A:5ms D:300ms S:0.3 R:800ms
特点：快速起音，逐渐衰减

小提琴：
A:100ms D:50ms S:0.8 R:200ms
特点：渐进起音，持续音

管风琴：
A:10ms D:0ms S:1.0 R:10ms
特点：立即响应，无衰减

铜管：
A:30ms D:100ms S:0.7 R:150ms
特点：中等起音，轻微衰减

多重包络

专业合成器使用多个包络控制不同参数：

幅度包络 → VCA
滤波包络 → VCF截止频率
音高包络 → VCO频率

3.7 高级调制技术

LFO（低频振荡器）

LFO产生低于20Hz的控制信号，用于周期性调制：

LFO波形：
正弦：平滑调制
三角：线性调制
方波：开关效果
随机：随机调制

应用：

- 颤音（调制音高）：5-7Hz
- 震音（调制幅度）：4-6Hz
- 滤波器摆动（调制截止）：0.1-2Hz

环形调制（Ring Modulation）

两个信号相乘，产生和频与差频：

输入：f1 = 440Hz, f2 = 550Hz
输出：990Hz (f1+f2), 110Hz (f2-f1)

特点：金属、机器人音色

交叉调制（Cross Modulation）

一个振荡器的输出调制另一个的参数：

OSC1 → OSC2音高
     ↘
      OSC2脉宽

3.8 案例研究：《最终幻想》系列的标志性合成音色

《最终幻想》系列在音色设计上的创新影响了整个游戏音乐行业。让我们分析几个标志性音色的合成方法。

水晶主题音（Prelude）

这个标志性的琶音使用了层叠的合成技术：

音色分析：
基础层：

- 类型：加法合成
- 谐波：1f(1.0), 2f(0.5), 4f(0.25), 8f(0.125)
- 特点：纯净、空灵

闪光层：

- 类型：FM合成
- C:M比：1:7
- 调制指数：2.5
- 特点：明亮的金属光泽

包络设置：

- Attack: 5ms（快速）
- Decay: 200ms
- Sustain: 0.4
- Release: 2000ms（长尾音）

战斗胜利号角（Victory Fanfare）

合成配方：
主音色：

- 振荡器：锯齿波 + 方波（失谐3 cents）
- 滤波器：低通，截止3kHz，Q=2
- 包络：A:10ms D:50ms S:0.8 R:100ms

铜管增强：

- FM合成：C:M = 1:1
- 调制指数：随力度变化（1.0-4.0）
- 滤波包络：快速扫频（0→5kHz in 50ms）

陆行鸟主题（Chocobo Theme）

植松伸夫使用了独特的音色组合：

主旋律音色：

- 基础：脉冲波（占空比30%）
- 调制：LFO调制占空比（5Hz，深度20%）
- 滤波：带通滤波器，中心频率800Hz
- 效果：轻微的合唱效果

特征分析：
频谱重心：~1.2kHz（明亮但不刺耳）
谐波衰减：-6dB/oct（温暖音色）

魔法音效层次

《最终幻想》的魔法音效使用了复杂的分层：

火系魔法（Fire）：

1. 冲击层：白噪声 → 低通滤波器扫频
2. 燃烧层：滤波噪声 + 环形调制
3. 尾音：粒子合成的火焰纹理

冰系魔法（Blizzard）：

1. 结晶层：FM合成（C:M = 1:11）
2. 寒风层：带通滤波白噪声
3. 碎裂层：短促的金属撞击采样

雷系魔法（Thunder）：

1. 电击层：快速FM扫频（10kHz→100Hz）
2. 轰鸣层：低频正弦波（30-60Hz）
3. 回响层：多重延迟的高频成分

历史事件：1983年Yamaha DX7与FM合成的普及

Yamaha DX7的发布彻底改变了音乐制作：

技术突破：

• 16复音的FM合成
• 32种算法配置
• 数字精度的音高稳定性

对游戏音乐的影响：

• 街机游戏开始使用FM音源芯片（YM2151）
• 世嘉Genesis/Mega Drive采用YM2612
• 创造了独特的"FM游戏音乐"美学

标志性游戏音乐：

• 《索尼克》的Green Hill Zone
• 《街头霸王2》的角色主题
• 《雷霆之刃》的合成摇滚

3.9 高级话题：物理建模合成与Karplus-Strong算法

物理建模合成通过模拟真实乐器的物理特性来生成声音，而非传统的波形操作。

Karplus-Strong算法

这是最简单也最优雅的物理建模算法，特别适合弦乐器：

算法流程：

1. 初始化：用噪声或脉冲填充延迟线
2. 循环：
   - 读取延迟线输出
   - 低通滤波（模拟能量损失）
   - 反馈到延迟线输入

延迟线长度 = fs / f0
其中：fs = 采样率，f0 = 基频

     ┌─────────────┐
     │  延迟线     │
     │ [N samples] │
     └──────┬──────┘
            │
         ┌──▼──┐
         │ LPF │ ← 衰减因子
         └──┬──┘
            │
         反馈 ←─┘

扩展技术

刚度模拟：

添加全通滤波器模拟弦的刚度：
H(z) = (z^-1 + a) / (1 + a*z^-1)
a = 刚度系数（0-1）

拨弦位置：

梳状滤波器模拟不同拨弦位置：
位置 = L/n（L=弦长）
产生n次谐波的凹陷

共鸣体模拟：

并联带通滤波器组模拟共鸣：
f1 = 100Hz, Q = 5  （主共鸣）
f2 = 200Hz, Q = 8  （第一泛音）
f3 = 320Hz, Q = 10 （第二泛音）

其他物理建模方法

波导合成：

• 用于管乐器
• 双向延迟线模拟声波传播
• 散射结点模拟声孔

模态合成：

• 用于打击乐器
• 多个谐振器并联
• 每个模态有独立的频率和衰减

本章小结

本章深入探讨了音色设计的核心技术：

关键概念：

1. 加法合成：通过叠加正弦波构建音色，直观但计算密集
2. 减法合成：从富谐波源开始，通过滤波塑造音色，经典且高效
3. FM合成：通过频率调制产生复杂频谱，少量参数创造丰富音色
4. 粒子合成：分解重组音频颗粒，适合环境音效和纹理
5. ADSR包络：控制音色的时间演变，决定音色特征
6. 物理建模：模拟真实乐器物理特性，真实感强

重要公式：

• FM合成：y(t) = A * sin(2πfc*t + I*sin(2πfm*t))
• 滤波器截止：H(s) = 1 / (1 + s/ωc)
• Karplus-Strong延迟：D = fs / f0

实践要点：

• 选择合适的合成方法取决于目标音色
• 包络设计对音色感知至关重要
• 调制增加音色的生命力和表现力
• 物理建模提供最真实但计算最密集的结果

常见陷阱与错误（Gotchas）

1. 混叠（Aliasing）问题

问题：直接生成锯齿波或方波会产生混叠

错误：直接用数学公式生成
正确：使用带限合成（BLIT/BLEP）或过采样

解决方案：

• 使用PolyBLEP算法减少混叠
• 4倍过采样后降采样
• 使用波表合成预计算带限波形

2. FM合成的音高偏移

问题：高调制指数导致感知音高偏移

原因：贝塞尔函数J0(I)可能为负
结果：载波相位反转，音高感知改变

解决方案：

• 限制调制指数范围（I < 5）
• 使用反馈FM保持音高稳定
• 添加基频正弦波作为"锚定"

3. 滤波器自激振荡

问题：高Q值滤波器在截止频率产生啸叫

危险区域：Q > 10
症状：即使无输入也有输出

预防措施：

• 限制Q值范围（通常Q < 20）
• 使用软饱和限制反馈
• 实施稳定性检查

4. 包络咔嗒声

问题：过快的包络变化产生咔嗒声

典型场景：

- Attack = 0ms
- Release = 0ms
- 方波调制

解决方案：

• 最小起音时间：2-5ms
• 使用指数包络代替线性
• 在零交叉点触发音符

5. 粒子合成的相位问题

问题：随机相位导致梳状滤波效果

症状：空洞、金属质感的声音
原因：颗粒叠加时的相位抵消

优化方法：

• 使用相关窗函数
• 控制颗粒密度（避免过度重叠）
• 添加微小的音高随机化

6. CPU负载管理

错误认识：

"更多振荡器 = 更好的音色" ✗
"所有声音都需要过采样" ✗
"物理建模总是最佳选择" ✗

最佳实践：

• 使用声音LOD（细节层次）系统
• 远距离声音使用简化合成
• 预渲染复杂的静态音色

7. 调制深度的感知非线性

问题：线性调制深度产生非线性感知

示例：音高调制
1% @ 100Hz = 1Hz偏移
1% @ 1000Hz = 10Hz偏移（感知更明显）

补偿方法：

• 使用对数刻度的调制深度
• 频率相关的调制缩放
• 基于心理声学的调制曲线

8. 数值精度问题

常见场景：

滤波器系数计算：使用双精度
相位累加器：防止精度损失
延迟线索引：整数部分+小数插值

调试技巧：

1. 监测直流偏移（DC offset）
2. 检查数值溢出/下溢
3. 使用dither减少量化噪声
4. 定期重置相位累加器

练习题

练习3.1：基础波形分析（基础题）

给定一个周期为2ms的方波，基频为500Hz，分析其频谱成分的前5个谐波的频率和相对幅度。

提示（Hint）：方波只包含奇次谐波，幅度按1/n衰减。

练习3.2：滤波器设计（基础题）

设计一个二阶巴特沃斯低通滤波器，截止频率为1kHz，采样率为44.1kHz。计算在2kHz处的衰减量。

提示（Hint）：二阶巴特沃斯滤波器的衰减率为-12dB/octave。

练习3.3：FM合成计算（基础题）

使用FM合成，载波频率fc=440Hz，调制频率fm=110Hz，调制指数I=2。计算产生的前三个边带频率。

提示（Hint）：边带频率 = fc ± n×fm，其中n为整数。

练习3.4：ADSR包络设计（挑战题）

设计一个ADSR包络来模拟以下乐器特征：

1. 拨弦吉他（快速起音，自然衰减）
2. 弦乐合奏（缓慢起音，持续音）
3. 木琴（极快起音，快速衰减，无延音）

提示（Hint）：考虑每种乐器的物理特性和演奏方式。

练习3.5：音色重现挑战（挑战题）

分析并描述如何使用减法合成重现经典的"酸性贝斯"（Acid Bass）音色。包括振荡器选择、滤波器设置和调制路由。

提示（Hint）：TB-303的特征是高谐振的低通滤波器和包络调制。

练习3.6：Karplus-Strong算法实现（挑战题）

使用Karplus-Strong算法合成A4（440Hz）的吉他弦音。采样率为44100Hz，描述延迟线长度和滤波器参数。

提示（Hint）：延迟线长度 = 采样率 / 基频。

练习3.7：FM合成音色设计（开放题）

设计一个FM音色来模拟教堂钟声。描述你的载波/调制器配置、频率比和调制指数，并解释选择的理由。

提示（Hint）：钟声包含非谐波泛音，考虑使用非整数频率比。

Op1(载波): 1.0 × f
Op2(调制): 1.4 × f → Op1
Op3(载波): 2.1 × f
Op4(调制): 5.6 × f → Op3
混合比例: Op1(70%) + Op3(30%)

练习3.8：合成方法对比（开放题）

比较四种合成方法（加法、减法、FM、粒子）在创建"海浪声"环境音效时的优缺点。描述每种方法的实现策略。

提示（Hint）：考虑海浪的动态特性、频谱变化和随机性。