音频引擎、实时混音与声音虚拟化

1. 将游戏语义与采样时钟分开#

Base 的 audioengine 管理 sound、category、controller、metadata、环境和动态混音语义；audiohardware 管理 driver、PCM source、decoder、voice、submix、command buffer 和流式播放。Framework fwaudio 将实体及世界数据连接进音频；Suite 还包括音乐、语音及视频配套功能。

这层分离的意义在于：游戏帧可能波动，输出设备却持续按采样时钟消耗数据；音频需要自己的截止时间和背压机制。

2. 独立线程不等于不需要同步#

audEngine::ThreadEntryProc 初始化命令缓冲，在 update lock 保护下调用 AudioFrame；pause 分支休眠。AudioFrame 支持 triggered updates，先等更新 semaphore；然后等待 mixer 对线程命令缓冲的处理。捕获/逐帧渲染模式还会触发 mixer 并等待 mix buffers。

TriggerUpdate 和 WaitForAudioFrame 使用不同 semaphore。调用者不能把发出更新信号等同于音频帧已经完成，也不能把 AudioEngine 一帧完成等同于扬声器已经播放完毕。设备、混音和缓冲排队还可能带来额外延迟。

实现以 mixer frame count 推导时间，编译断言采样率为 48000、mix buffer 为 128 或 256 samples；相应采样块时长约 2.67 或 5.33 ms。这个数值只是块长，不是端到端响应延迟。代码使用整数比例累计时间，以减轻长期浮点累计误差。

分析上，锁持有时间、命令消费速度和解码供给共同决定音频线程是否及时推进。对普通帧任务适用的“晚一点补完”策略，在音频输出欠载时会直接成为可闻问题。

3. 命令缓冲是线程契约，也是容量边界#

audCommandPacketHeader 将 system、command、object、packet size 压入 32-bit 位域；object 为 11 bits、packet size 为 10 bits。WriteAlignedPacket 支持 16-byte 对齐，文档提醒连续写入对齐命令以减少填充浪费。缓冲提供 ready 标记、时间戳、提交时间、高水位和处理完成 semaphore。

这使控制线程不必逐个直接调用设备对象，但并不自动保证任何生产者都可并发写：锁行为还受 AUD_CMD_BUFFER_LOCKING 宏控制。位域容量也意味着命令编码是协议，扩容对象或传递大参数要同步调整编码与消费者，不能只扩大容器。

需要区分三种时间：游戏发出事件、命令提交/消费、采样实际输出。只有保留这些时间点，才能判断延迟来自主线程、音频逻辑、解码还是设备队列。

4. 声音虚拟化：逻辑声音多于可播放声音#

BuildPrioritisedVoiceList 从 sound pool buckets 收集声音，保存 VirtualisationScore、CostEstimate 和物理状态，并同时组织独立声音及 voice groups。这里分数越小优先级越高。

AllocatePhysicalVoices 同时受预算、可用物理 voice 数和本帧物理 voice 配额约束。它比较组与独立声音的优先级；虚拟声音开始实际播放前检查成本和可用槽位；组还需满足相应的整体成本/数量要求。物理播放中的声音也扣成本，不能简单把 budget 理解为“本帧新建数量”。

这是按重要性和估算成本筛选工作集，既避免无限解码，也让组合声音可按组竞争资源。代价是：估算成本未必与真实平台耗时一致，分组策略可能牺牲部分低成本独立声音，优先级切换也需要其他声音状态逻辑维护连贯性。本文没有用虚拟化函数独立证明所有格式都能无缝恢复播放相位。

mixer.h 中的 PCM source 容量不能直接当作全游戏同时可闻 voice 上限；逻辑声音、PCM source、物理播放和混音节点是不同对象集合。

5. 流式音频与世界流式共享设备，截止时间不同#

audStreamPlayer 接受外部 PCM ringbuffer，内部记录 starved 状态，并提供低延迟 StopPlayback 命令参数；停止接口的用途包括让生产者尽快复用缓冲。音频数据需持续供应，停止请求到安全复用的具体边界必须按该接口协议执行。

大世界高速移动时，纹理、碰撞和音频都可能竞争 IO/解压/内存带宽。但音频的时间需求更接近持续流：单个块延误即可欠载；地图纹理有时还能通过 LOD 暂时降级。因此新项目应分别记录音频最低缓冲水位和场景资源队列时间，不能用总磁盘吞吐证明两者都健康。

6. 世界声学数据是另一份空间表示#

Framework agPolyMesh 使用量化顶点、polygon、region、region connection 和四个方向的 stitching 数据，保存 cell size/height 与包围盒。它为区域之间的声学关系提供专门表示，并不等同于视觉 portal、物理 BVH 或导航数据。

仅凭这个结构不能宣称引擎执行实时几何声线追踪，也不能证明所有遮挡都由这一张 mesh 处理。可确认的设计启发是：声学查询可使用远比显示网格紧凑的连通图；跨流式块连接必须随着邻区装载/卸载保持有效。

音乐、语音聊天和环境混音拥有各自内容与平台适配，本报告对 audmusic/avchat 为职责级覆盖，未逐个验证编码器和音乐转场规则。

7. 新项目建议与验证#

8. 源码证据#

关联：多线程、Streaming、性能。