跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
搜索与研究

mc-mix-intent

Mix intent as a handoff artifact (混音意图) - stating what a mix must achieve so a human engineer, a DAW, or a generative backend can all act on it, without prescribing EQ or compressor settings. The five domains (time, frequency, level, stereo, depth) and the imagined sound stage, the four goals (mood, balance, definition, interest), where balance is required and where depth must be consistent instead, the two legitimate reasons to be unbalanced, why sustained pads mask far more than short percussive hits, and how to use reference tracks as calibration. Use when writing the mix_intent block of an ARR-SPEC, handing a session to an engineer, deciding what a backend can actually honor, or diagnosing a mix that is technically clean but emotionally wrong. Grounded in masking (low masks high), critical bands, temporal masking, localization cues and the precedence effect. 混音意图、声场、掩蔽、临界频带、平衡、参考曲目、交接。

jtydhr88 · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add jtydhr88/music-composition-skills --skill mc-mix-intent

技能说明


name: mc-mix-intent description: Mix intent as a handoff artifact (混音意图) - stating what a mix must achieve so a human engineer, a DAW, or a generative backend can all act on it, without prescribing EQ or compressor settings. The five domains (time, frequency, level, stereo, depth) and the imagined sound stage, the four goals (mood, balance, definition, interest), where balance is required and where depth must be consistent instead, the two legitimate reasons to be unbalanced, why sustained pads mask far more than short percussive hits, and how to use reference tracks as calibration. Use when writing the mix_intent block of an ARR-SPEC, handing a session to an engineer, deciding what a backend can actually honor, or diagnosing a mix that is technically clean but emotionally wrong. Grounded in masking (low masks high), critical bands, temporal masking, localization cues and the precedence effect. 混音意图、声场、掩蔽、临界频带、平衡、参考曲目、交接。

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、母带链出库到混音库。

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、母带出库 → 声音设计与混音库
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)

  1. 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。

  2. 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)。

  3. 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)

  1. 做出创造性的音响效果
  2. 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

阅读完整来源 ↗