最近看到一个很适合游戏开发者关注的小项目：AIRE。它不是通用播放器，也不是 DAW 级音频工作站，而是一个更贴近游戏和交互式应用需求的实时音频引擎。

项目作者是在业余时间开发 2D 游戏时遇到问题：现有音频库要么太底层，要么只解决“把声音播出来”，但游戏里真正麻烦的是运行时控制、声音状态切换、低延迟混音、合成音效，以及后续的空间音频和环境声学。于是作者干脆自己做了 AIRE。

为什么游戏音频不只是播放文件

做普通媒体播放，核心问题是解码、缓冲和稳定输出。但交互式应用不一样。游戏里的声音往往要跟随玩家输入、角色位置、动画状态和场景变化实时改变：

  • 角色走近瀑布时，水声要逐渐变大
  • 子弹从左侧飞过时，声像要随位置变化
  • 菜单音效要短促、清晰，并且不能有爆音
  • 背景音乐要能暂停、恢复、淡出、切换
  • 技能、碰撞、拾取物等音效可能在同一帧同时触发

这类需求要求音频系统有一个可靠的实时控制面。调用方不应该直接阻塞音频线程，也不应该在音频回调里做文件 IO、锁等待或复杂分配。AIRE 的价值就在这里：它试图把“播放声音”和“实时控制声音”放进同一个简单模型里。

当前定位

AIRE 的 crate 描述是：面向游戏和交互式应用的实时音频引擎。它用 Rust 编写，底层依赖 cpal 打开系统默认输出设备，并在音频线程里驱动混音器。

从公开文档和源码看，它的核心抽象非常直接：

  • Engine：打开输出设备，启动音频流，负责把控制命令送到音频线程
  • Sound：把一个音频源包装成可播放声音，附带音量、声像和效果链
  • SoundHandle：声音加入引擎后返回的控制句柄，可从其他线程暂停、恢复、停止或修改参数
  • Source：音频源 trait，可以是文件、振荡器，也可以是你自定义的动态音源
  • Effect：DSP 效果 trait，用于在缓冲区上处理立体声采样
  • FileSource：文件音频源
  • Oscillator：内置振荡器音源
  • Adsr：ADSR 音量包络效果

这套 API 看起来不复杂，但刚好覆盖了游戏音频里最常见的一层：先把声音作为资源或信号创建出来，再交给引擎播放，之后通过句柄实时控制。

文件播放：从资源音频开始

AIRE 支持加载常见音频文件作为声音源。按照项目介绍，目标覆盖 WAV、OGG、FLAC 和 MP3，并支持对大型音频文件进行磁盘流式播放，这对背景音乐、长环境音、语音等资源很重要。

需要注意一个版本细节：我核对到的 aire 0.2.0 发布文档和 crates.io 源码里，FileSource 明确列出的格式是 WAV、OGG 和 FLAC，并且当前实现会把文件解码到内存中，如果文件采样率和设备采样率不同，会在加载阶段重采样。也就是说，MP3 和真正的磁盘流式播放更可能是 GitHub 主分支或后续版本里的进展，实际接入时建议以仓库当前 README、源码和发布版本为准。

即便只看 0.2.0，这个能力也已经能覆盖不少游戏场景。WAV 适合短音效，OGG/FLAC 适合压缩后的音乐或环境音。AIRE 会把单声道复制到左右声道，立体声则按交错采样读取；如果素材采样率和输出设备不一致，它会通过 rubato 做重采样，避免播放速度或音高出错。

实时控制：音量、声像、暂停、恢复、停止

交互式音频最重要的不是“开始播放”，而是播放之后还能不能稳定控制。

AIRE 的做法是：调用 Engine::add_sound 后拿到一个 SoundHandle，后续通过这个 handle 发送控制命令。比如：

let engine = aire::Engine::new()?;
let rate = engine.sample_rate();
let source = aire::FileSource::new("music.ogg", rate)?.looping();
let handle = engine.add_sound(aire::Sound::new(source, 0.0, 0.5, rate))?;

handle.set_volume(-6.0)?;
handle.set_pan(0.8)?;
handle.pause()?;
handle.resume()?;
handle.stop()?;

这里的音量使用分贝，0.0 表示 unity gain，-6.0 就是降低 6 dB。声像范围是 0.0 到 1.0，左声道到右声道，中间值 0.5 表示居中。

源码里还有一个细节值得注意：音量和声像变化会做平滑处理，暂停和停止也不是硬切，而是进入淡出状态。这样可以避免常见的 click/pop 爆音。对游戏来说，这种小处理很关键，因为音效触发和停止非常频繁，硬切很容易在耳机里变成刺耳的瞬态。

合成能力：不只播放采样

AIRE 内置了振荡器，这意味着它不只是播放已有音频文件，也可以直接合成声音。

Oscillator 支持六种波形：

  • Sine
  • Saw
  • SawDown
  • Triangle
  • Square
  • Pulse

这些波形不是简单的 naive waveform。源码中可以看到 saw、square、pulse 等波形使用了 PolyBLEP，triangle 使用了 PolyBLAMP 修正，目标是降低带限之外的混叠。对合成音效来说，这很实用。比如 UI beep、激光、提示音、低频脉冲、复古风格音效，都可以不依赖外部素材直接生成。

示例上也很简单：

let rate = engine.sample_rate();
let osc = aire::Oscillator::new(aire::Waveform::Saw, 220.0, rate)
    .amplitude(-9.0)
    .duration(300);

engine.add_sound(aire::Sound::new(osc, 0.0, 0.5, rate))?;

如果没有设置 duration，振荡器可以持续运行；设置 duration 后，则按毫秒控制播放时长。Pulse 还可以调整 pulse width，用于做更尖锐或更偏复古的声音。

ADSR：让音效有形状

只生成一个固定音量的波形还不够，真正像“声音”的东西通常需要包络。AIRE 内置了 ADSR envelope：

  • Attack：从静音爬升到峰值
  • Decay：从峰值下降到 sustain 音量
  • Sustain：保持一段时间
  • Release：逐渐释放到静音

这对合成音效很关键。同样一个方波，如果 attack 很短、release 很短，就像一个提示音；如果 attack 慢、release 长，就更像氛围音或能量充能声。

AIRE 的 Sound 支持效果链，Adsr 是一个 Effect。这也意味着开发者可以实现自己的效果，比如低通滤波、延迟、失真、压缩、混响前级，甚至游戏状态驱动的自定义 DSP。

线程模型：控制线程和音频线程分离

实时音频最怕阻塞。音频线程需要稳定地按设备要求填充 buffer，一旦卡住就会出现爆音、断裂或延迟。

AIRE 在结构上把控制侧和音频侧分开。应用线程调用 handle 方法时，不是直接改音频线程里的状态，而是把命令发送到一个有界队列里。音频回调每次运行时尝试接收命令，然后在混音器里应用：添加声音、暂停、恢复、停止、设置音量、设置声像。

这个模型有几个好处：

  • 游戏逻辑线程可以安全地控制声音
  • 音频线程不需要等待普通锁
  • 命令队列满时能返回明确错误
  • API 不要求调用方理解音频回调内部细节

这也是它比“简单播放库”更像引擎的地方。AIRE 关心的不只是声源，还关心声源如何在实时系统里被控制。

混音方式

AIRE 的 mixer 会维护一组正在播放的 Sound，每次填充输出 buffer 时：

  1. 清空输出缓冲区
  2. 逐个让声音源填充 scratch buffer
  3. 应用效果链、音量、声像和平滑状态
  4. 把声音累加到主输出
  5. 对输出做简单 clamp，限制在 -1.0..1.0
  6. 移除已经结束的声音

这是一种很朴素、可理解的游戏音频混音结构。它还不是 Wwise、FMOD 那种完整音频中间件，但对于小型 2D 游戏、工具、实验性互动应用，已经有一个清晰的基础。

后续方向：从播放声音到理解场景

作者提到的路线很有意思：AIRE 未来不只是“播放声音”，而是希望进一步理解运行环境。

第一步大概率会是 2D 空间音频。对 2D 游戏来说，这通常包括：

  • 根据声源和监听者距离调整音量
  • 根据左右相对位置调整 pan
  • 支持衰减曲线，比如线性、平方反比、自定义曲线
  • 支持最大听距和最小距离
  • 支持跟随实体移动的声音

补齐这层之后，AIRE 就能从“你手动设置 pan 和 volume”升级为“你告诉它声源和玩家的位置，它自动算出听感”。

再往后，动态声学和混响会更有想象空间。比如室内外切换、洞穴混响、水下低通、墙体遮挡、远距离声音模糊、不同材质反射等。对 2D 游戏来说，不一定需要复杂的物理声学模拟，但只要能根据区域、遮挡和场景标签调整滤波与混响，就已经能明显提升沉浸感。

适合什么项目

AIRE 目前更适合这些场景：

  • Rust 写的 2D 游戏
  • 小型互动装置或工具
  • 想自己掌控音频系统，而不是接入大型中间件
  • 需要运行时控制音量、声像、暂停和停止
  • 想用代码直接合成一部分音效
  • 愿意接受早期项目 API 继续变化

如果你正在做大型商业游戏，需要成熟编辑器、事件系统、bank 管理、复杂路由、平台认证和美术音频工作流，Wwise/FMOD 仍然更合适。AIRE 的优势不是“大而全”，而是轻量、Rust 原生、抽象直接，并且从一开始就把实时控制放在设计中心。

简单总结

AIRE 值得关注的点，不在于它现在已经覆盖了所有音频能力，而在于它的方向很清楚：为交互式应用做一个可控、可扩展、实时友好的音频基础层。

它现在已经具备文件播放、循环、音量和声像控制、暂停恢复停止、振荡器合成、ADSR 包络、自定义 source/effect、音频线程命令通信等能力。后续如果能把 2D 空间音频、流式播放、更多格式和基础环境效果打磨稳定，就会成为 Rust 游戏生态里一个很实用的声音引擎选择。

项目地址：https://github.com/Breijen/aire

参考：