Koe Lab
Venue Audio & BGM Architecture · 幕張メッセ × TGS

場館音效與主題音樂庫

為 3D 虛擬展館與遊戲世界打造的 108 軌音訊。7 首程序合成的音樂床、 101 軌 ElevenLabs 三語廣播與 NPC 演技,全部以 eleven_v4 生成。 每一軌較早的 v3/v2 版本都保留著、做過相同的響度校正,卡片上的「比較舊版」可以直接切換聆聽, 或到整句盲聽在不知道哪邊是新版的情況下比較。 整座音庫已重新做過響度校正,並且——這是這一版真正的改動—— 每一軌的分數都改由量測產生,不再由人手寫下。

108
軌 · 31 分鐘 · 19.6 MB
36 → 6.2
LU 響度落差(校正前 → 後)
7 首
小節對齊循環音樂床
38
軌帶有量測標記(可篩選)
先修好的那件事:一半的音庫根本聽不見

這批音訊剛生成時,整合響度橫跨 36 LU:日語廣播落在 −14 LUFS、 英語約 −22 LUFS,而 30 軌中文裡有 20 軌落在 −43 至 −47 LUFS。 在同一個音量下連續播放,前一首震耳、下一首像播放器壞掉—— 這正是「播放功能有問題」的真正來源,而舊的 9.6 分評分完全沒有察覺。 現在每一軌都依角色做了 EBU R128 兩段式正規化(音樂床 −22 LUFS、 廣播與短句 −16 LUFS、旁白 −17 LUFS,真實峰值上限 −1.5 dBTP), 落差收斂到 6.2 LU,同一角色內不超過 0.9 LU。 原始付費母帶未被覆寫,校正是可還原的一層。

更多篩選:角色與場域
角色
場域
載入音訊中… 點卡片任一處即可播放 · 空白 播放/暫停 · ←→ ±5 秒 · L 循環模式 · JK 上/下一首 · M 靜音 · Esc 關閉

分數是怎麼來的

每個數字都可以被質疑,因為每個數字都寫得出它的目標區間。

1. 為什麼要換掉舊的評分

舊目錄裡 108 軌的綜合評分只用了四個不同的值,全部落在 9.6 到 9.9 之間。 一個分不出「聽得見」與「聽不見」的評分,量測的其實不是音訊,是期待。 這個站在聲音實驗室那一頁早就寫過同樣的道理: 絕對星等會漂移、會壓縮,所以語音排名改用成對比較配 Bradley–Terry。 這一頁用的是另一條路——把每個指標對上一個公開的目標區間, 分數就是它離區間有多遠。落在區間內是 100 分, 超出一個「容差」歸零,中間線性遞減。

2. 四個角色,四組目標

音樂床與館內廣播想要的東西是相反的,用同一把尺量兩者只會兩邊都錯。 所以每一軌先被歸類到一個角色,再用該角色的目標區間評分:

角色整合響度它要解決的問題
音樂床 Bed−22 LUFS 要能被講話蓋過去。和語音同響度的背景音樂等於沒有背景音樂。
館內廣播 Announce−16 LUFS 設計上就該是全場最清楚的一層。
導覽旁白 Narrate−17 LUFS 長時間聆聽,比廣播低 1 LU,導覽才不會用喊的。
短句反應 Bark−16 LUFS 疊在運行中的音樂床上觸發,要穿得出去又不能蓋掉。

角色由台詞本身決定,不由時長決定。先前用時長判斷時, w6_arcade_bark_ja(12.7 秒)和 w6_arcade_bark_en(7.8 秒) 會被分到不同角色——同一句話兩套標準,正是這次要消除的那種漂移。 現在同一句話的三種語言必定同一角色,唸太長的短句會被標記出來,而不是被改分類。

3.「無縫循環」從標籤變成量測

六首世界主題原本是有頭尾淡入淡出的樂段,不是循環: 直接首尾相接會出現最多 12 dB 的落差。現在它們以 包尾循環(wrap-tail)重建——把 body[L…L+xf] 淡出疊在 body[0…xf] 的淡入之上,輸出長度剛好 L。 結果的最後一個取樣是 body[L−1]、第一個是 body[L], 接縫跨過的是來源訊號裡相鄰的兩個取樣,連續性由結構保證而非運氣。 L 再對齊到量測速度下的整數小節數,接點也落在拍上。 這正是 makuhari-messe 自己的程序音樂所用的手法。

循環檔以 Ogg Vorbis 發布,因為 MPEG 每個音框固定 1152 個取樣, MP3 必然被補齊到音框邊界,瀏覽器重播時會插入音訊裡並不存在的最多 26 毫秒靜音。 Ogg 帶精確取樣數,<audio loop> 才真的無縫。MP3 保留為相容備份。

4. 東京音調:改用真的量過的數字

舊目錄給每一軌日語都填了一個「東京音調 9.6」。這個數字沒有來源。 現在它換成一次連結:本站的 tools/accent_check.py 已在研究語料上,對每個日語聲優跑過 八組最小對立組(雨/飴、橋/箸、神/紙…),量測它把幾組唸得出差別。 venue 音軌沒有逐字對齊,無法直接量;但它用的是同一個聲優、同一個模型, 所以卡片顯示的是這個聲優被量到的對比率,並註明量測來源不是這個片段。

這個換法立刻換出一個結論:承擔 14 軌幕張官方廣播與建築導覽的 Shizuka,是六個日語聲優裡音調對比最弱的一個—— 八組只分得出五組,中位音高差 2.45 半音。 相對地 Ritsuto 八組全中、中位差 8.28 半音,Yuki 也是八組全中。 用「東京標準音調」當賣點的頁面,主聲優剛好是這一項最弱的那個, 這件事值得寫在頁面上,而不是被一個 9.6 蓋住。

5. 目錄原本的速度與調性是錯的

六首世界主題在目錄裡標著 104/92/120/78/132/140 BPM。 重新量測的結果是 68/82/103/60/72/76 BPM—— 而這組數字精確對上 tokyo-game-show 音效設計文件 2026-09-08 那次修訂後的節奏表。換句話說,音檔是修訂後的版本, 目錄抄的是被取代前的規格。卡片上的「量測明細」會同時顯示兩者並說明以量測為準。

同樣地,BGM 卡片上的 Lyria 提示詞是尚未生成的配方草案, 不是這些音檔的來源。這些音檔全部來自程序合成(Web Audio), 頁面不再暗示它們出自某個音樂模型。

尚未選取音軌
點任一張卡片開始播放
0:00 0:00
⬇