SoundGame/web/radio/gen/gen_sfx.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""《不眠频率》SYN 程序合成音效（批次 1 + R2 F3，15-radio.md §5.2 标注「程序合成」的条目）。

R2 起共 3 件（其余 11 件为 Stable Audio 3 条目，HF token 未配置，本轮跳过——见批次资产报告）：
  ui_confirm   菜单/接听确认（同全局先例：storyline gen_sfx.py 的 880->1320Hz 双音）
  ui_menu      菜单呼出（同全局先例：330+495Hz 软音）
  phone_ring   RING 铃声循环垫（R2 F3：440+480Hz 柔和双音一响 1.8s + 静默 3.4s，
               循环周期 5.2s ≥4s 烘进文件本身；无缝 loop 规格：逐声道去直流、
               首尾**不做淡化**、循环边界静音校验；游戏侧 src.loop=true 循环播放，
               接听即停——SA3 真铃声到位后可整文件替换，接口不变）

可复现：本脚本入库，一键出 web/radio/audio/sfx/ui_{confirm,menu,phone_ring}.{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（解码回读法校验，源归一 -4dBFS 留 MDCT 过冲余量）。

用法：.venv-tts/bin/python web/radio/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 save(name, sig):
    """立体声存。工艺同 tools/fix_clicks.py：逐声道去直流 → 首尾 8ms cos² 淡入淡出 → 峰值归一 -4dBFS。"""
    if sig.ndim == 1:
        sig = np.stack([sig, sig], axis=1)
    sig = sig - np.mean(sig, axis=0, keepdims=True)
    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[:, None]
    sig[-nf:] *= fade[::-1][:, None]
    sig = sig / (np.max(np.abs(sig)) + 1e-9) * PEAK_SRC
    sf.write(os.path.join(STAGING, name + ".wav"), sig.astype(np.float32), SR)


def save_loop(name, sig):
    """无缝 loop 立体声存（R2 F3）：逐声道去直流 → **不做首尾淡化** → 峰值归一 -4dBFS。
    循环边界必须落在静音（信号首尾各留 ≥0.3s 零块），loop 拼接零接缝零爆点。"""
    if sig.ndim == 1:
        sig = np.stack([sig, sig], axis=1)
    sig = sig - np.mean(sig, axis=0, keepdims=True)
    sig = sig.astype(np.float64).copy()
    sig = sig / (np.max(np.abs(sig)) + 1e-9) * PEAK_SRC
    sf.write(os.path.join(STAGING, name + ".wav"), sig.astype(np.float32), SR)


# ---- ui_confirm：菜单/接听确认（全局先例双音；尾部留 50ms 静音给编码器软着陆） ----
d1, d2 = 0.09, 0.14
a = np.sin(2 * np.pi * 880 * t(d1)) * env_exp(d1, 0.005, 0.003)
b = np.sin(2 * np.pi * 1320 * t(d2)) * env_exp(d2, 0.005, 0.012)
save("ui_confirm", np.concatenate([a, np.zeros(int(SR * 0.02)), b, np.zeros(int(SR * 0.05))]))

# ---- ui_menu：菜单呼出（全局先例软音） ----
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))]))

# ---- phone_ring：RING 铃声循环垫（R2 F3）----
# 440+480Hz 经典回铃双频（柔和纯弦叠加），一响 1.8s + 静默 3.4s = 5.2s 循环周期
# （≥4s，原 RING_INTERVAL_MS 节奏烘进文件）。无缝 loop：起振 60ms 线性软起音
# （首样本严格过零）+ 500ms 缓释，循环拼接点两侧均为静音零样本。
_ding, _rest = 1.8, 3.4
_xr = t(_ding)
_ring = (np.sin(2 * np.pi * 440.0 * _xr) + np.sin(2 * np.pi * 480.0 * _xr)) * 0.5
_ring = _ring * env_exp(_ding, 0.06, 0.5)
save_loop("phone_ring", np.concatenate([_ring, np.zeros(int(SR * _rest))]))


def encode(name, loop=False):
    """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，one-shot）+ highpass=f=30（抑制 MDCT/AAC 解码直流再生）。
    loop=True（无缝循环垫）追加边界校验：解码后首/末样本逐声道 |amp| <= -60dBFS——
    循环拼接点两侧均为零样本，src.loop=true 拼接零爆点（不做首尾淡化，见 save_loop）。"""
    src = os.path.join(STAGING, name + ".wav")
    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}")
        subprocess.run([FFMPEG, "-y", "-v", "error", "-i", src, "-af", "highpass=f=30",
                        "-ar", "44100", *cmd, out], check=True)
        chk = "/tmp/_sfx_qc.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)   # 逐声道峰值
        assert tp <= -3.0, f"{name}.{ext}: 真峰值 {tp:.2f}dBFS 超限"
        assert abs(float(np.mean(y.mean(axis=1)))) <= 0.001, f"{name}.{ext}: 直流超限"
        if loop:
            edge = 10 ** (-60.0 / 20)
            assert float(np.max(np.abs(y[0, :]))) <= edge, f"{name}.{ext}: 循环头样本非静音"
            assert float(np.max(np.abs(y[-1, :]))) <= edge, f"{name}.{ext}: 循环尾样本非静音"
            print(f"    loop {y.shape[0] / sr:.2f}s 边界静音 ✓")
        print(f"[ok] {name}.{ext}  peak={tp:.2f}dBFS")


for _n in ["ui_confirm", "ui_menu"]:
    encode(_n)
encode("phone_ring", loop=True)
print("radio SYN sfx done")