游戏音频功能与角色对话

常见的游戏专属音频功能

（卷 II 15.6）

• 分屏支持：多个听者共享一套扬声器；
• 物理驱动音频：碎片、可破坏物、布娃娃的撞击、滑动、滚动、破碎声；
• 动态音乐：随剧情情绪和紧张度实时变化；
• 角色对话：AI 角色彼此交谈、和玩家交谈时显得更真实；
• 声音合成：用正弦、方波、锯齿波等合成；更高级的有乐器合成、基于物理的声音合成（利用物理引擎的接触、动量、力、力矩、形变信息和材质、形状合成撞击、滑动、弯折声）、载具引擎合成、发声道模型语音合成（如免费工具 VocalTractLab）。GEA 指出《神秘海域》三部曲的载具追逐用了动态引擎建模，但严格说不是合成器，而是在多段预录声音之间交叉淡化；
• 人群建模：不能简单叠加大量人声，通常分成背景氛围层加个别发声。

分屏

多个听者在世界里，扬声器只有一套。对每个听者各平移一次再平均混合，结果并不总是合理：A 站在爆炸旁、B 离得很远，玩 B 的人照样听到很响的爆炸。没有完美解，只能混合：部分声音"物理正确"，部分声音"糊弄"成最合理的体验（卷 II 15.6.1）。

为什么对话系统复杂

对话传达玩法信息、讲故事、建立情感，还决定玩家对 AI 智能的感知。Bungie 在 GDC 2002 的 Halo 演讲里提到：精英被杀后咕噜兽会逃跑，但测试玩家一直没看懂原因，直到给咕噜兽加了一句类似"头儿死了，快跑！"的台词（卷 II 15.6.2）。系统复杂的原因（卷 II 15.6.2.1）：

• 要编目所有可能的台词并给每条唯一 id；
• 每个可识别的角色声音要一致，例如《最后生还者》匹兹堡段的猎人分配到 8 种声音之一，同一场战斗里没有两个猎人声音相同；
• 事先不知道哪个角色会说某句，所以同一句要由多位配音演员录多遍；
• 需要大量变体，从中随机选；
• 语音资产时长长、占内存，很多过场台词全游戏只说一次，所以通常流式播放；
• 角色的"用力声"（搬重物、跳跃、挨打）要和说话声一致，一般也由对话系统处理。

逻辑台词

大多数对话系统在"请求说话"和"选哪个音频片段"之间加一层间接：程序或策划请求逻辑台词，用字符串或更好的哈希字符串 id（见 字符串与唯一标识符）标识；音效设计师给每条逻辑台词填入一个或多个片段，提供不同声音和说法（卷 II 15.6.2.2）。顽皮狗的音效设计师用 Scheme 的自定义语法定义，结构大致如下（GEA 示例的简化）：

(define-dialog-line 'line-out-of-ammo
  (character 'drake (lines drk-out-of-ammo-01 drk-out-of-ammo-02 drk-out-of-ammo-03))
  (character 'elena (lines eln-out-of-ammo-01 eln-out-of-ammo-02))
  (character 'pirate-a (lines pira-out-of-ammo-01 pira-out-of-ammo-02))
  ;; ... pirate-h
)

更好的做法是按角色（并按关卡）拆分成多个文件：设计师互不冲突，内存也能按需加载，例如某段没有海盗就不加载海盗台词。

播放台词

系统按角色的声音 id 查表，再从候选里随机挑一个（卷 II 15.6.2.3）。避免重复：把候选索引放进数组随机打乱，按顺序依次使用；用完后重新打乱，并确保最近播放的那句不会排到新序列的第一位。GEA 说这样能"杜绝所有重复"，准确地说是保证在一轮用完之前不重复、跨轮时也不会连播同一句，同时听起来随机（随机数见 伪随机数生成）。

API 要简单到"发出即忘"：如果 AI 程序员或策划要绕很多弯才能让角色说话，角色会出奇地沉默。《神秘海域 3》的 C++ 代码在 AI 决策逻辑里直接调用 Npc::PlayDialog()：

void Skill::OnEvent(const Event& evt)
{
    Npc* pNpc = GetSelf();
    switch (evt.GetMessage())
    {
    case SID("player-seen"):
        pNpc->PlayDialog(SID("line-player-seen")); // 说一句台词
        pNpc->MoveTo(GetClosestCover());           // 然后找最近的掩体
        break;
    // ...
    }
}

优先级与打断

角色正在说话又被要求说话，或同一帧收到多条请求，用优先级裁决：比较当前台词和本帧请求中的最高优先级，当前的赢就继续，请求的更高（或角色没在说话）就播放新台词，必要时打断（卷 II 15.6.2.4）。打断本身不好做：对同一个人的语音做交叉淡化听起来很怪；理想是先播一个喉塞音，甚至一句表示惊讶或不满的短语。《最后生还者》并没做这些，只是停掉当前台词立即播放新的，大多数时候效果不错。

对话、对话打断与排他性

对话 (conversation) 由逻辑片段 (segment) 组成，每段对应一个角色说的一条逻辑台词，片段用唯一 id 通过 :next-seg 串起来。《神秘海域 4》和《失落的遗产》里，吉普车上的对话可以被打断（如玩家下车探索），回到车上后从断处继续（卷 II 15.6.2.5）。

逐角色应用优先级会出问题：A 问完话等 B 回答时，A "技术上没在说话"，一条无关台词就能插进来（"嘿，找到什么了吗？""没有，我找了一个小时……""看，有个亮东西！""……什么也没找到。"）。《最后生还者》因此把对话作为一等实体：对话开始时系统知道所有参与者都在对话中，即使没轮到他们说；优先级按整个对话比较。同级或更低的插话被拒绝；更高优先级的（"小心，他拿枪对着我们！"）则打断整个对话的所有参与者（卷 II 15.6.2.6）。

排他性 (exclusivity)：每条台词或对话标记为三种之一（卷 II 15.6.2.7）：

规则、分支与事实字典

编剧和音效设计师不仅想控制说什么，还想控制走哪条分支的逻辑条件，而不必经过程序员。顽皮狗的系统部分受 Valve 的启发（Elan Ruskin，GDC 2012《Rule Databases for Contextual Dialog and Game Logic》），两者细节不同但核心相似（卷 II 15.6.2.8）。

• 每个片段可以有多个备选，每个备选带一条规则；规则为真时选中。
• 规则由一个或多个判据 (criterion) 组成，多个判据之间是逻辑与；空规则相当于"否则"。例：生命值 < 25 说"流血了……需要医生"，< 75 说"麻烦大了"，否则说"好险"。
• 分支对话：Ellie 问"你没事吧？"，若 Joel 最近没中弹则回答"没事"，Ellie 接"把头低下！"；若中弹则回答"(喘气) 不太好"，Ellie 接"你在流血！"。
• 说话者与听者：片段的 :next-speaker 'listener 让当前听者成为下一段的说话者，角色来回切换；判据里 ('speaker 'shot-recently) 总是指当前说话者。对话定义与具体角色无关，同一份定义也能用于 Joel 问 Ellie；对敌人尤其必要，因为战斗闲聊是动态选两个角色触发的，事先不知道是谁。系统最多支持三名听者，但绝大多数对话只有两人。

  原书问题（前后不一致）：同一段先说说话者/听者机制"可扩展到两人或三人对话"，紧接着又说"最多支持三名听者"（加上说话者就是四人）。两句无法同时成立，原文没有说明以哪句为准（见卷 II 15.6.2.8 "Speaker and Listener" 末段）。

• 事实字典 (fact dictionary)：判据中的 'health、'player-death-count 等符号量存在键值表里，值是变体 (variant)：像 C/C++ union 能存多种类型，但还记录当前类型，便于校验和转换（如把整数 42 取成浮点 42.0f）。每个角色、每个阵营各有一个字典，另有一个全局单例字典（游戏时长、当前关卡、某任务重试次数等）。
• 判据语法：可以显式指定字典，如 (('self 'health) > 5)、(('global 'seconds-playing) <= 23.5)；不指定时按"角色 → 所属阵营 → 全局"的顺序查找，写起来简短，代价是清晰度降低。

下图是 GEA 描述的片段选择过程：对当前片段的各备选按顺序求规则，选中第一个为真的（GEA 示例里规则按从严到宽排列，空规则放最后作为"否则"；"按顺序取第一个"是从示例推断的）。

flowchart TD
  S["当前片段"] --> A1{"备选 1 规则: 全部判据为真?"}
  A1 -->|"是"| P1["播放备选 1 台词"]
  A1 -->|"否"| A2{"备选 2 规则"}
  A2 -->|"是"| P2["播放备选 2 台词"]
  A2 -->|"否"| E["空规则备选 = 否则"]
  P1 --> N["按 :next-seg / :next-speaker 进入下一段"]
  P2 --> N
  E --> N

情境对话

敌人要能"聪明地"报出玩家位置："他在商店里！""他在那辆车后面！"。做法：音效设计师在世界里标注区域，每个区域带具体标签（"柜台后""收银机旁"）或一般标签（"商店里""街上"）。若玩家和 NPC 在同一个一般区域，用玩家的具体标签选台词（"他在窗户边！"）；不在同一一般区域时退回玩家的一般标签（"他在街上！抓住他！"）。系统很简单，难在要录和配置的组合数量巨大，但游戏内效果值得（卷 II 15.6.2.9）。

对话动作

没有肢体语言的台词显得怪异。有些台词属于全身动画（如过场），但很多要在走、跑、开枪时说。《最后生还者》用叠加动画实现手势系统（见 动画混合），可以由 C++ 或脚本显式调用；每条台词还可以关联一段与音频时间线同步的脚本，在关键台词的精确时刻触发手势（卷 II 15.6.2.10）。

音乐系统

音乐系统的职责（卷 II 15.6.3）：音乐几乎都太大放不进内存，要流式播放；提供变化；匹配游戏事件；在曲目间无缝过渡；与其他声音合理混合；可以被临时闪避以突出特定声音或对话；允许插入乐 (stinger) 临时打断或叠在当前曲目上；可以暂停和重新开始（不需要每一秒都有管弦乐）。

• 按情绪/紧张度的播放列表：每个列表对应一种紧张度或情绪，含一首或多首曲子，随机或顺序选择；战斗开始结束、动人过场进出时切换列表。有的游戏用一个紧张度递增的"栈"：无敌人时平静、接近未察觉的敌人时紧张、首次接触时惊悚、战斗中快节奏。
• 插入乐：短的音乐或音效片段，临时打断当前曲目，或在压低主曲音量时叠加播放，例如首次看到新敌人时一声不祥的"隆隆"，玩家死亡时快速切到一小段"死亡音乐"。
• 过渡：不能盲目交叉淡化两首无关的曲子，速度和节拍可能对不上。关键是把握过渡时机：速度不匹配时快速淡化，速度接近时可以长淡化；需要反复试验，连让一首曲子循环得好都需要音效工程师调整。

与 UE5 的对应

UE5 的 Quartz 提供与节拍对齐、精确到采样的调度（可用于在小节或拍上切换音乐），见 音频系统与 MetaSounds。"规则 + 事实"的选择思路与 AI 的决策结构可以对照 行为树与 StateTree（这是对比归纳）。