SoundGame/web/abyss/gen/gen_sfx.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""《深海回音》SYN 程序合成音效（批次 2，17-abyss.md §5.2 标注 SYN 的条目）。

6 个 id（其余 12 条为 Stable Audio 3 条目，见 gen_sfx_sa3.py）：
  sonar_ping     你发出的声呐脉冲：1.4->0.9kHz 正弦 chirp 220ms 指数衰减，-6dBFS
                 （设计指定电平；「回波家族统一音头」——搜索等待单击恒出此音）
  pipe_knock     管路敲击暗号（老白 SOS）：三短三长三短固定节拍金属敲击
                 （节拍精确可复现、断言可数；短 0.12s / 长 0.36s / 间隔 0.12s）
  link_beep      电台接通：双音上行 0.3s
  ascent_chime   出水确认：上行三音琶音 0.4s
  ui_confirm     菜单确认（全局先例：880->1320Hz 双音）
  ui_menu        菜单呼出（全局先例：330+495Hz 软音）

可复现：本脚本入库，一键出 web/abyss/audio/sfx/*.{ogg,m4a}；中间 wav 在
gen/staging/sfx/（不入库）。规格：ogg libvorbis q4 44.1kHz + m4a aac 128k；
one-shot 真峰值 <= -3dBFS（解码回读法，源归一留 MDCT 过冲余量）；无 loop 类条目
（amb_* 三条走 SA3「amb 床只去直流」工艺，在 gen_sfx_sa3.py）。

用法：.venv-tts/bin/python web/abyss/gen/gen_sfx.py   （纯 CPU，无 GPU 依赖）
"""
import os
import subprocess

import numpy as np
import soundfile as sf

SR = 44100
HERE = os.path.dirname(os.path.abspath(__file__))
STAGING = os.path.join(HERE, "staging", "sfx")
DST = os.path.join(HERE, "..", "audio", "sfx")
FFMPEG = "/home/xsl/SoundGame/tools/bin/ffmpeg"
PEAK_SRC = 10 ** (-4.0 / 20)    # 源归一 -4dBFS（有损编码过冲余量）
PEAK_LIMIT = 10 ** (-3.0 / 20)  # 解码回读上限 -3dBFS
os.makedirs(STAGING, exist_ok=True)
os.makedirs(DST, exist_ok=True)


def t(d):
    return np.arange(int(SR * d)) / SR


def env_exp(d, attack, release):
    n = int(SR * d)
    e = np.ones(n)
    na, nr = max(1, int(SR * attack)), max(1, int(SR * release))
    e[:na] = np.linspace(0, 1, na)
    e[-nr:] *= np.linspace(1, 0, nr)
    return e


def lowpass(x, k):
    return np.convolve(x, np.ones(k) / k, mode="same")


def bandpass(x, lo, hi):
    kh, kl = max(1, int(SR / (np.pi * hi))), max(1, int(SR / (np.pi * lo)))
    return lowpass(x, kh) - lowpass(x, kl)


def save(name, sig, peak_db=-4.0):
    """mono 存。工艺同 tools/fix_clicks.py：去直流 → 首尾 8ms cos² 淡入淡出 →
    峰值归一指定 dBFS（sonar_ping 按设计 -6dBFS）。"""
    sig = sig - np.mean(sig)
    nf = max(1, int(SR * 0.008))
    fade = 0.5 * (1 - np.cos(np.pi * np.arange(nf) / nf))
    sig = sig.astype(np.float64).copy()
    sig[:nf] *= fade
    sig[-nf:] *= fade[::-1]
    sig = sig / (np.max(np.abs(sig)) + 1e-9) * 10 ** (peak_db / 20)
    sf.write(os.path.join(STAGING, name + ".wav"), sig.astype(np.float32), SR)


rng = np.random.default_rng(20260909)

# ---- sonar_ping：声呐脉冲（1.4->0.9kHz 正弦 chirp 220ms 指数衰减，-6dBFS） ----
d = 0.22
x = t(d)
f = 1400 - (1400 - 900) * x / d                       # 1.4 -> 0.9kHz 线性下滑
chirp = np.sin(2 * np.pi * np.cumsum(f) / SR) * np.exp(-x * 14)
click = bandpass(rng.standard_normal(len(x)), 2000, 6000) * np.exp(-x * 60) * 0.2  # 起振细瞬态
save("sonar_ping", 0.92 * chirp + click, peak_db=-6.0)

# ---- pipe_knock：管路敲击暗号（三短三长三短，SOS 节拍精确可复现/可数） ----
# 单击=金属管体振（非谐波簇 640/1490/2330Hz，短促衰减），长短仅持续不同。
def knock(dur, decay=26.0):
    x = t(dur)
    hit = sum(a * np.sin(2 * np.pi * fr * x) * np.exp(-x * decay * (1 + fr / 3000))
              for fr, a in [(640, 1.0), (1490, 0.55), (2330, 0.3), (410, 0.5)])
    thud = lowpass(rng.standard_normal(len(x)), 60) * np.exp(-x * 90) * 0.5
    return (hit + thud) * env_exp(dur, 0.002, 0.01)

D_SHORT, D_LONG, GAP = 0.12, 0.36, 0.12
pattern = ([D_SHORT] * 3 + [D_LONG] * 3 + [D_SHORT] * 3)          # 三短三长三短
_y = np.zeros(int(SR * (sum(pattern) + GAP * (len(pattern) - 1) + 0.15)), dtype=np.float64)
_pos = 0.15 / 2 * SR
for dur in pattern:
    k = knock(dur)
    _y[int(_pos):int(_pos) + len(k)] += k
    _pos += int((dur + GAP) * SR)
save("pipe_knock", _y)

# ---- link_beep：电台接通双音上行 0.3s（620->930Hz，通讯族音色，与 ui 族区分） ----
d = 0.30
a = np.sin(2 * np.pi * 620 * t(0.12)) * env_exp(0.12, 0.004, 0.02)
b = np.sin(2 * np.pi * 930 * t(0.16)) * env_exp(0.16, 0.004, 0.06)
save("link_beep", np.concatenate([a, np.zeros(int(SR * 0.02)), b]))

# ---- ascent_chime：出水确认上行三音琶音 0.4s（C5-E5-G5，干净上行=「上浮完成」） ----
y = np.zeros(int(SR * 0.40), dtype=np.float64)
for i, fr in enumerate([523.25, 659.25, 783.99]):
    seg = t(0.22)
    tone = (np.sin(2 * np.pi * fr * seg) + 0.4 * np.sin(2 * np.pi * fr * 2 * seg)) * np.exp(-seg * 10)
    s = int(SR * i * 0.09)
    n = min(len(tone), len(y) - s)
    y[s:s + n] += tone[:n] * 0.6
save("ascent_chime", y)

# ---- ui_confirm / ui_menu：全局先例同款（storyline/radio gen_sfx.py） ----
a = np.sin(2 * np.pi * 880 * t(0.09)) * env_exp(0.09, 0.005, 0.003)
b = np.sin(2 * np.pi * 1320 * t(0.14)) * env_exp(0.14, 0.005, 0.012)
save("ui_confirm", np.concatenate([a, np.zeros(int(SR * 0.02)), b, np.zeros(int(SR * 0.05))]))

d = 0.35
x = t(d)
save("ui_menu", np.concatenate([
    (np.sin(2 * np.pi * 330 * x) + 0.5 * np.sin(2 * np.pi * 495 * x)) * env_exp(d, 0.02, 0.08),
    np.zeros(int(SR * 0.05))]))


def encode(name):
    """staging wav -> ogg q4 + m4a 128k，解码回读校验：逐声道真峰值 <= -3dBFS、|直流| <= 0.001。
    工艺：源尾部垫 50ms 静音（编码器软着陆）+ highpass=f=30（抑制 MDCT/AAC 解码直流再生）；
    纯弦 AAC 过冲按实测迭代补 volume（link_beep.m4a 首轮实测 -2.82dBFS 超限，dungeon 补偿同款）。"""
    src = os.path.join(STAGING, name + ".wav")
    base, _sr0 = sf.read(src, always_2d=True)
    pad_t = np.zeros((int(SR * 0.05), base.shape[1]), dtype=np.float64)
    base = np.concatenate([base, pad_t])
    for ext, cmd in [("ogg", ["-c:a", "libvorbis", "-q:a", "4"]),
                     ("m4a", ["-c:a", "aac", "-b:a", "128k"])]:
        out = os.path.join(DST, f"{name}.{ext}")
        vol, dc_adj = 0.0, 0.0
        tmp = "/tmp/_sfx_enc_abyss.wav"
        for _attempt in range(4):
            sig = base - dc_adj
            if vol < 0:
                sig = sig * (10 ** (vol / 20))
            sf.write(tmp, sig.astype(np.float32), SR)
            subprocess.run([FFMPEG, "-y", "-v", "error", "-i", tmp, "-af", "highpass=f=30",
                            "-ar", "44100", *cmd, out], check=True)
            chk = "/tmp/_sfx_qc_abyss.wav"
            subprocess.run([FFMPEG, "-y", "-v", "error", "-i", out, "-c:a", "pcm_f32le", chk], check=True)
            y, _sr = sf.read(chk, always_2d=True)
            tp = 20 * np.log10(np.max(np.abs(y)) + 1e-9)
            dcv = float(np.mean(y.mean(axis=1)))
            if tp <= -3.0 and abs(dcv) <= 0.001:
                break
            if tp > -3.0:
                vol -= (tp + 3.0) + 0.25   # 超限差值 + 0.25dB 余量
            if abs(dcv) > 0.001:
                dc_adj -= dcv
        else:
            raise AssertionError(f"{name}.{ext}: 补偿后仍超限 tp={tp:.2f}dBFS dc={dcv:.4f}")
        print(f"[ok] {name}.{ext}  peak={tp:.2f}dBFS" + (f"  (vol {vol:+.2f}dB)" if vol else ""))


for _n in ["sonar_ping", "pipe_knock", "link_beep", "ascent_chime", "ui_confirm", "ui_menu"]:
    encode(_n)
print("abyss SYN sfx done: 6 files x2 formats")