混音意图（Mix Intent）
这个 skill 产出的是意图，不是参数。
区别很要紧：
- "人声 3 kHz +2 dB" 是参数——只有 DAW 能执行，换个后端就废了
- "人声必须在最密的副歌里仍然是最清楚的元素，让路的是 pad 不是吉他" 是意图—— 人类工程师能执行、DAW 能执行、文本后端能部分执行、验收时能逐项核对
本库只到意图为止。 EQ 频点、压缩比、母带链是混音的事，本包只给 mix_intent 这份意图。
按任务读哪几节
| 症状／任务 | 读 |
|---|---|
填 ARR-SPEC 的 mix_intent | §2–§4，然后 §8 |
| 混音技术上干净但"不对" | §3.1 情绪 |
| 不知道该不该追求平衡 | §4（深度是要一致，不是平衡） |
| 声部互相盖 | §5 掩蔽（多半是 pad 的问题，不是鼓的） |
| 要交给混音师 | §2 五领域 ＋ §8 的交接格式 |
| 判断某个后端能吃多少 | §7 |
| 想找参考曲目 | §6 |
边界：什么不归这个 skill 管
| 不归这里 | 归哪 |
|---|---|
| EQ 频点、压缩比、混响参数、总线链、母带 | 混音的事，本包只给 mix_intent 这份意图（交出去的字段与读法：mc-workflow §5） |
| 频段冲突的改写型解法（换音区、减音符、交替） | mc-texture-layering（先在那儿解，解不掉才来这儿） |
| 前景/中景/背景的结构规划 | mc-texture-layering §2 |
| 人声该怎么唱 | mc-vocal-direction |
| 和声/double 的声像具体方案 | mc-vocal-direction §6.2 |
| 音色本身怎么设计 | mc-sound-design |
| 鼓组内部各件的左右与高低布局 | mc-rhythm-section §6（本 skill 的声场图只定鼓组整体坐在哪） |
★ 与
mc-texture-layering的分界（重复一遍，因为最容易混）： texture-layering 的解法是"改写"，mix-intent 的解法是"改混"。 能改写解决的不要留给混音。
1. 动笔前必填
| 必填 | 问法 |
|---|---|
| ① 情绪 | 一句话说这首混音要传达什么。先写这条，它否决后面所有决定 |
| ② 声场图 | 每件乐器的左右位置和前后位置（§2） |
| ③ 主角序列 | 逐段写：这一段谁是最清楚的元素 |
| ④ 让路关系 | 谁给谁让、在什么时候（ducking_map） |
| ⑤ 参考曲目 | 至少一首，且说得出参考它的哪一个具体方面 |
2. 五个领域与声场
混音过程必须涉及 5 个主要领域 (p0089)：
| # | 领域 |
|---|---|
| 1 | 时间（Time） |
| 2 | 频率（Frequency） |
| 3 | 电平（Level） |
| 4 | 立体声（Stereo） |
| 5 | 深度（Depth） |
立体声和深度共同构成"空间（Space）" (p0089)。
声场（Sound stage）：
混音应该呈现在一个想象出来的声场当中，各个乐器具有一定的**左右（立体声）**和 **前后（深度）**位置 (p0089)。
这就是交接格式的骨架——一张声场图 + 五个领域各写一句，混音师就能开工。
左右与前后各靠什么线索（Howard & Angus）：
- 声像电位器给的是声级差（p0112）；声级差主要对高频定位起作用，时间差主要对低频起作用， 700 Hz–2.8 kHz 是两种线索的过渡区，定位能力最弱（p0108）。 → 低频元素的 pan 基本无效，居中即可；要一件乐器"位置明确"，它得有 3 kHz 以上的成分。 失效条件：耳机监听（头中定位，p0109）。
- 前后靠直达声与混响声的比例和时间间隔（p0261、p0264）；30 ms 内到达的延迟声不被单独听出， 定位仍在先导声（优先效应，p0110）；初始延时 10–20 ms 是自然的前后间隔，50 ms 就是回声（p0346）。 → 写深度只给"近／中／远"三档，不写毫秒。
宏观 vs 微观 (p0089)：
| 针对 | 例 | |
|---|---|---|
| 宏观混音 | 影响整个混音的元素 | 混音的频率平衡 |
| 微观混音 | 每一个乐器声部单独处理 | 人声听上去是否自然 |
本 skill 主要写宏观——微观是混音师的手艺，不该由编曲规格单规定死。
3. 四个目标
混音有 4 个基本目标 (p0089)：
| # | 目标 |
|---|---|
| 1 | 情绪（Mood） |
| 2 | 平衡（Balance） |
| 3 | 清晰（Definition） |
| 4 | 趣味（Interest） |
评价混音时，先看它在各主要领域表现出的连贯性和吸引力，然后再分析对每个目标的完成度 (p0089)。
3.1 ★ 情绪：它有否决权
情绪指混音能否表达出音乐中含有的情感因素 (p0090)。
两个反例，都很说明问题 (p0090)：
- 深度压缩、极端均衡、吵闹的失真、军鼓过于强烈的打击感 → 毁掉一首柔美的爵士
- 甜美的人声混响、过于和谐的鼓组、轻柔的吉他 → 毁掉一首充满愤怒的重金属
注意第二个例子：每一项单独看都是"好混音"的标志，合起来却是错的。 技术上正确不等于情绪上正确。
只擅长处理某种音乐风格的混音师，遇到其他风格时效果往往不佳 (p0090)。
对本库的意义：生成模型也是"只擅长某种风格的混音师"——
它会把任何输入往它见得最多的那种平衡上拉。
所以 mix_intent.mood 必须写死，且在 prompt 里靠前。
3.2 清晰
清晰度代表着声音听上去是否清楚、可辨认 (p0090)。
落到规格单上就是 §1③ 的主角序列：逐段说清楚谁必须是可辨认的。
清晰度本质上包含在分离度里：一件乐器清不清晰，看它能不能被听辨出来（可懂度），也看它听着自不自然，跟响不响关系不大 (p0260)。判据可以用两个反例检验：钢琴录得像从海底传出来，或者踩镲缺了基本的高频成分，这两种情况电平都可能正常，清晰度却塌了 (p0260)。
电平和清晰度常被当成简单正比："乐器电平越大，清晰度越高" (p0100)。但这条只在乐器本身频率健康时成立；一件频率本身有缺陷的乐器，提升电平只会让它变大，不会让它变清晰 (p0100)。诊断"这个声部不够清晰"时，先判断是响度不够还是频率有洞，再决定该不该推电平。
3.3 趣味
趣味往往来自违反平衡（见 §4.3），但违反平衡只是趣味的一种极端形式，趣味的机制更底层：耳朵会适应，声音长时间不变，注意力就会掉，只有变化才能把耳朵重新抓回来 (p0091)。主歌副歌反复、音轨加倍、配器改变，本质上都是靠制造变化撑住这份注意力 (p0091)。
混音能在编曲结构之上再叠一层变化，判据是"哪个段落有、哪个段落没有"，不涉及具体参数 (p0092)：
- 某个声部只在特定乐段自动化推起来
- 某件乐器只在特定乐段出现（例：小号只在主歌反复时进）
- 同一件乐器换乐段换处理，让明暗随段落变化
- 副歌把整体压得更狠，允许贝司失真
- 军鼓在不同乐段配不同混响
风格决定该做到什么程度：氛围音乐要让人有兴趣但不能太抓耳朵；trance 靠同一主题反复，变化反而要做得更精细才不腻 (p0092)。
写法：这些变化点按段落写进 focus_by_section[]，不平衡类的写进 deliberate_imbalance[]（§4.3），都不要写成全曲统一的状态。
4. 平衡：在哪三处求平衡，在哪一处不求
4.1 三个求平衡的领域 (p0090)
-
频率平衡：缺少中高频会让混音听上去浑浊、模糊，声像也显得更远 (p0090)。判据不是补到某个具体数值，是听感一旦落到"浑浊、模糊、变远"这三个词，就说明中高频欠了。
-
立体声声像平衡：靠电平平衡与频率平衡两条撑起来，尽量让乐器整体上左右对称（例如吉他、沙锤、伴唱人声）(p0252)。这里说的"平衡"针对整体声像分布，不要求单件乐器必须居中，居中反而是清晰度最差的位置（见 §2 定位线索）。
-
电平平衡：这里指相对电平，不是绝对电平。混音评估问的是"相对于其他乐器，这件乐器有多响"，不是"这件乐器本身有多响"；把监听音量整体开大解决不了相对电平的问题 (p0097)。相对电平通常由乐器在这一刻的重要性决定，随歌曲进展要跟着调，例如主音吉他独奏段的电平就该比伴奏段更高 (p0098)。 代价：如果为了让相对电平整齐，把所有敲击都压到同一电平，鼓组会听起来像"鼓机"，丢掉原始力度带来的音色变化，电平平衡不等于电平统一 (p0388)。
4.2 ★ 深度要"一致"，不要"平衡"
深度问题要做到一致，而非平衡 (p0090)。
例：如果底鼓声像近到贴脸，而军鼓远到邻居家，会使整个鼓组产生 在深度上极其扭曲的声像布局 (p0090)。
这条容易被误读成"深度也要居中"。不是—— 深度可以整体很近或整体很远，但同一个声源组内部必须一致。
自检动作：把乐器按组（鼓组、键盘组、弦乐组）分别列出深度值， 组内差异大于组间差异 → 错了。
物理上"同一组"就是共享同一套早期反射与混响拖尾：各声像位置的早期反射可以不同， 但拖尾的衰减率必须相同（Howard & Angus p0348–0350）。
4.3 两种可以不平衡的情况 (p0090)
- 做出创造性的音响效果
- 让歌曲产生趣味
例：Delgados《The Past That Suits You Best》里，混音师 Dave Fridmann 把鼓组和人声的声像完全设置到一个声道当中，创造出立体声上不平衡但很有魅力的效果 (p0090)。
富于趣味的不平衡通常是瞬间上的处理——例如舞曲的华彩段落里把一些低频信号加倍 (p0090)。
"通常是瞬间上的"这句是关键：不平衡是事件，不是状态。 全曲不平衡是错误，某一处不平衡是手法。
写法：不平衡要写进 mix_intent.deliberate_imbalance[]，
带起止小节和理由。没写小节范围的不平衡，一律当成失误。
5. 掩蔽：为什么问题多半出在 pad 而不是鼓
掩蔽的核心原则：响度高的声音会掩蔽响度低的声音； 一件乐器的频率范围会掩蔽另一件乐器的频率范围 (p0038)。
但真正有用的是下面这条时间维度的推论：
- 打击乐器（如底鼓）发声时间短，掩蔽作用较小
- 持续发声的乐器（如锯齿波 pad）会占满频谱和立体声空间，掩蔽作用大 (p0038)
- ★ 提升密集 pad 声部的电平，比提升底鼓电平带来更多的掩蔽； pad 掩蔽底鼓是持续发生的大问题 (p0038)
Howard & Angus 把这几条讲成了机制：
- 掩蔽向上延展：低频容易掩蔽高频，反过来弱得多（p0239）→ pad 的低频不只盖底鼓，它往上盖住一切， 所以"pad 低频留空"是第一刀。
- 掩蔽声所在的临界频带内，掩蔽阈只比掩蔽声低约 20 dB（p0240）→ 让路要让到位： 同频段轻 20 dB 以上才算"让"，轻 3 dB 只是变糊。
- 时间掩蔽：响声停止后 100–200 ms 内，轻的起音仍听不见；反向（后掩蔽）只有约 10 ms，几乎不存在（p0241）。 短打击音本身的响度也按时长打折——200 ms 以内的声音越短听着越轻（p0095）。 → 人声或 hook 紧跟 crash／fill 进入时，要么留出 ≥ 200 ms，要么让它的第一个音自己够响。 自检：找每个主角的进入点，前 200 ms 内有没有更响的东西刚结束。
推论（本库的用法）： 诊断"糊"的时候，先查持续音，不要先查打击乐。 直觉总是指向"鼓太大了"，但按这条，元凶更可能是那个一直在响的 pad 或垫底吉他。
首选解法仍然在上游：让 pad 在低频区留空（改写，mc-texture-layering），
而不是靠侧链把它压下去（改混）。侧链是解决不掉时才用的。
6. 参考曲目：本库的校准手段
6.1 六种用法 (p0051–0052)
| 用法 | 说明 |
|---|---|
| 作为模板仿效 | 极佳的训练方法，但**"模仿是创新最大的敌人"**；且作品类型差异会让模仿失效 |
| 作为灵感来源 | 混音开始前播放，启迪方向 |
| 陷入困境时的突破口 | 研究自己的混音与参考的差别 |
| 作为成品参考 | 完成后对照频响和电平 |
| 校准耳朵 | 到不熟悉的环境先放熟悉的参考曲，摸清扬声器/房间/座位 |
| 评估扬声器 | 放自己真正熟悉的作品，比商家放的流行乐管用 |
6.2 选择与陷阱
- 参考曲目要匹配混音类型（做弦乐混音就找含弦乐的，做 chill-out 就找同类）(p0051)
- 存成无损格式，不要 MP3 (p0051)
- 最好包含事先选好的片段以便快速比较；可以加入未经混音的音轨 (p0051)
- ★ 注意母带处理的影响 (p0052)：经过母带的参考曲通常动态更质密 （一致的相对电平 + 更大的压缩），且频率特性可能是按专辑里最不理想的那首改过的
- ★ 对比前先对齐响度：等响曲线随声压级变形，音量一降，低频和高频相对中频就被抑制， 声音变薄变暗（Howard & Angus p0091）；声压级 +10 dB 响度约加倍（p0094）。 响一点的那个几乎总"听起来更好"——不对齐响度，比的是音量不是混音。
最后这条对本库特别重要：从成品音频反推指标时， 测到的动态范围是母带之后的。所以拿参考曲的动态值当目标会系统性偏紧—— 同理，量参考曲之前先看它的码率和高频截止：有损编码会削掉高频，不同码率的文件之间不能横比。
7. 各后端能吃多少
| 后端 | 能吃 | 不能吃 |
|---|---|---|
| Suno / MiniMax | 情绪、整体质感的形容（warm、dry、wide chorus） | 声场图、ducking_map、逐段深度 |
| YuE2 | 同上，段落粒度更细 | 精确声像与深度 |
| MIDI / DAW | 全部——直接当 direction sheet | — |
★ 规则：后端 profile 里标 honors: none 的项，
算照做率时必须排除，不能给 0 分。
否则一个诚实声明"我做不到声像"的后端，会比一个假装做得到的后端得分更低——
那会把评分体系带向错误的方向。
8. 与 ARR-SPEC 的字段对应
| 字段 | 本 skill 的哪一节 |
|---|---|
mix_intent.mood | §3.1（一句话，且放在生成提示词的靠前位置） |
mix_intent.sound_stage[] | §2（每件乐器的 pan ＋ depth） |
mix_intent.focus_by_section[] | §3.2 主角序列 |
mix_intent.ducking_map[] | §5（谁给谁让、什么时候） |
mix_intent.deliberate_imbalance[] | §4.3（必须带起止小节 ＋ 理由） |
mix_intent.reference_tracks[] | §6（必须写参考它的哪个方面） |
9. 写完后必过
-
mood写了，一句话，且不和后面的决定打架 - 五个领域各写了一句，不是只写了频率
- 声场图里每件乐器都有左右和前后两个值
- 同组乐器的深度一致（鼓组内部、弦乐组内部）
- 逐段写了谁是最清楚的元素
- 每处不平衡都带起止小节和理由，不是全曲状态
- 诊断"糊"时先查了持续音，不是先怪鼓
- 每个主角的进入点前 200 ms 内，没有更响的事件刚结束（§5）
- 低频元素的声像居中；参考曲对比时响度已对齐（§2、§6.2）
- 能在作曲层解决的冲突，已经在
mc-texture-layering解掉了，没堆到这儿 - 参考曲目至少一首，写明参考它的哪个方面
- 没有在本文件里写 EQ 频点或压缩比（那些是混音的事）
附：来源
- Roey Izhaki《Mixing Audio》（混音指南）——§2、§3、§4、§5、§6 的主干 （6 混音涉及的领域与目标、6.1 混音的目标、2.x 掩蔽、3.4 使用参考曲目）。页码为该书页。 本库只取"领域与目标"和"参考曲目"两部分；EQ／压缩／混响／母带的实操章节 是混音的事，本包不收。
- Howard & Angus《音乐声学与心理声学》（Acoustics and Psychoacoustics）—— §2 的定位线索与优先效应、§4.2 的混响拖尾、§5 的掩蔽机制与时间掩蔽、§6.2 的等响曲线。页码为中译本页。
- **竹内一弘《EDM 制作》**的频率平衡与 Lo-Mid 管理、各声部音量平衡——同样只取意图层， 参数整理在 reference.md。
- 后端 profile 与
honors的定义见mc-render-compile§6 与backends.yaml。
