cinema-spatial/README.md

Collaplex Cinema Spatial

耳机上的电影院空间音频 —— 用真人测量的头相关传输函数（HRTF）把多声道音轨渲染成双耳信号， 在普通耳机上还原电影院 C 位附近的环绕包围感；立体声源会先经矩阵上混再渲染，因此浏览器与音乐播放器 同样具备空间感。

• 版本：1.1.1 · 许可：MIT · 平台：Linux / PipeWire
• 全链路 96 kHz / 24 bit，纯脚本与数据，无编译，Architecture: all
• 开源地址：http://8.136.202.225:3000/edgevoid/cinema-spatial

---

1. 概述

系统在 PipeWire 中建立两个虚拟声卡：程序把音频送入虚拟声卡，虚拟声卡内部完成空间渲染， 再输出到真实回放设备。虚拟声卡是系统级默认输出，因此对任何播放器均生效。

虚拟声卡	用途
cinema_spatial_up_sink	立体声上混版（默认，推荐）—— 立体声源经矩阵上混成 5.1 再渲染
cinema_spatial_sink	5.1 直通版 —— 多声道片源直接渲染，不做上混

输出端为 cinema_spatial_up_out / cinema_spatial_out，通过 node.target 指向选定的物理设备。

多声道源 ──┐
           ├─> [矩阵上混 5.1] ─> 6 路 ─> [逐路 HRTF 卷积] ─> 双耳混音 ─> [房间混响] ─> 物理输出
立体声源 ──┘                    (SADIE-II H4 真人 HRIR)

1.1 基本原理

• HRTF（头相关传输函数）：同一方向的声音到达两耳时会被人头与耳廓滤波，产生耳间时间差、 强度差与频谱染色，听觉系统据此判断方位。将这些滤波记为脉冲响应（IR），与声道信号卷积， 即可在耳机上重建方位线索。
• 虚拟声卡：借助 PipeWire 的 filter-chain 模块建立 Audio/Sink，渲染全部在声卡内部完成， 对上层播放器透明。

---

2. 核心技术

2.1 镜像法房间声学追踪（image-source）

0–80 ms 早期反射按镜像法精确求解：声源在房间三维空间周期展开，每条镜像源对应一条真实的 "声源 → 若干次反射 → 听者"路径。当前房间模型下共 8473 条镜面路径，逐条计算：

• 传播时延
• 按距离的球面扩散（1/r）
• 逐频带吸声系数（碰墙次数累乘）
• 空气吸收
• 左右耳分别求距离，得到耳间时间差（ITD）

2.2 Sabine 统计尾音

精确求解至 1.4 s 需约 240 万个镜像源（阶数 66），计算上不可行。因此 80 ms 之后改为统计模型： 按逐频带 Sabine RT60 生成指数衰减噪声尾音，两耳部分相干系数 0.4，并在 80 ms 交叉点做能量对齐。

2.3 真实房间脉冲响应卷积

早期反射与统计尾音混合后输出 96 kHz / 32 bit 双耳房间 IR（reverb/房间混响IR-96k.wav， 时长 2.00 s），在滤波链中以卷积级接入。

• 归一化方式：能量归一（Σir² = 1）。此方式下湿量语义清晰：湿量 G 时，湿路电平 = 干路 + 20log₁₀G。
• 湿量是生成期常量，修改后需重建链路。

与算法混响的区别：本项目不使用 Freeverb / Schroeder 反馈网络一类算法混响， 而是"先求解声传播、再做卷积"的房间物理模型。

2.4 HRTF 双耳化

采用 SADIE II 数据集真人受试者 H4 的 96K / 24bit / 512tap 版本： 2818 个测量方向，仰角覆盖 ±90°，测距 1.2 m。每条 HRIR 截取 4800 tap @ 96 kHz（约 50 ms）。

2.5 房间与听音位模型

参数	取值
房间尺寸	20 × 12 × 7 m（V = 1680 m³，S = 928 m²）
银幕	10.5 × 5.2 m，底高 1.0 m，穿孔幕吸声系数 0.45
吸声系数	墙板 0.80 / 吊顶 0.85 / 地毯 0.45
听音位	中轴距银幕 8 m，耳高 1.2 m，双耳间距 0.175 m
声速	343 m/s

全部参数存于 声学追踪引擎/config/房间.json，可由配置改写。

---

3. 安装

3.1 deb 包

sudo dpkg -i collaplex-cinema-spatial_1.1.1_all.deb
# 依赖: pipewire libmysofa1 mpv

安装内容：可执行命令写入 /usr/bin/，数据与 Web 控制台写入 /usr/share/cinema-spatial/， 配置写入 /usr/share/pipewire/pipewire.conf.d/。

★★ 同名配置只留一份 —— 两份并存 = 没声音（2026-09-13 实测） PipeWire 对 conf.d/*.conf 不做"用户级覆盖系统级"，两份都加载。装完 deb 之后， 若 ~/.config/pipewire/pipewire.conf.d/ 里还有一份开发时生成的同名配置， 就会建出两套同名节点（实测 6 个节点各 2 份）—— 音频进哪一份由调度决定， 常常进了没有下游消费者的那一份 → 整条链静默。 同一时刻还有 4 个归一化 DSP 进程抢同一对槽位锁、两条链都往同一个物理设备推流。 自检：python3 音频状态.py dup（空 = 正常）／空间音频 诊断。 修法：把另一处同名文件改名 .disabled-dup 后重启 pipewire。本机定用户级为唯一真源， 系统级那两份已改名 /usr/share/pipewire/pipewire.conf.d/{90-cinema-spatial,91-clock}.conf.disabled-dup。

生效：systemctl --user restart pipewire pipewire-pulse（或注销重新登录）。

3.2 从源码

# 1. 获取 HRTF 数据集（不随仓库分发）
mkdir -p sofa && cd sofa
curl -L -O https://zenodo.org/records/12092466/files/H4_HRIR_SOFA.zip
unzip H4_HRIR_SOFA.zip && cd ..

# 2. 从 SOFA 提取脉冲响应（12 个 = 6 方向 × 左右耳）
bash 换HRTF.sh "$PWD/sofa/H4_HRIR_SOFA/H4_HRIR_SOFA/H4_96K_24bit_512tap_FIR_SOFA.sofa" H4-96k -16
ln -sfn H4-96k hrir/current

# 3. 生成 PipeWire 配置并生效
python3 生成配置.py
systemctl --user restart pipewire pipewire-pulse

---

4. 使用

4.1 命令行

命令	作用
空间音频 开	全局切换到立体声上混版（推荐）
空间音频 开5.1	全局切换到 5.1 直通版
空间音频 关	切回物理设备，链路停用
空间音频 状态	查看两个虚拟声卡与当前默认输出
空间音频 诊断	输出目标 / profile / route 硬件增益基数 / 音量账 / 连线状态
空间音频 数字 | 模拟	切换输出的数字（S/PDIF）或模拟通道
空间音频 设备 [关键词]	列出或切换输出设备
空间音频 混响 [开|关|湿量]	房间混响开关与湿量（不带参数表示翻转）
空间音频 参数 [hrtf|taps|rate]	查看/修改采样参数（采样率、HRTF 模型、HRIR 长度）
空间音频 单声道 [自动|开|关]	单声道输出合并（见 §6.4）
空间音频 重建	按当前参数与配置重新生成链路
mpv-影院 影片	仅对 mpv 生效的 HRTF 播放包装，不改变全局设置（适合 A/B 对比）

也可以在桌面环境的"声音设置"中直接选择 电影院空间音频。

输出通道的选择：实测耳机的数字输出（S/PDIF）音质明显优于模拟输出（该通道以 96 kHz / 24 bit 运行）， 推荐使用。空间音频 数字 会自动完成"设置重建目标 + 保留 profile + 校验连线"， 比在 GNOME 面板上点击更可靠 —— 后者会改变 profile，使配置中的目标节点名失效。

4.2 Web 控制台

见 §7。菜单中也有「Collaplex 音效」快捷方式。

---

5. 参数与配置

5.1 状态文件

文件	内容
~/.local/state/cinema-spatial/volume	音量持久化值
~/.local/state/cinema-spatial/params.json	采样率 / HRTF 模型 / HRIR 长度
~/.local/state/cinema-spatial/reverb.json	混响开关与湿量
~/.local/state/cinema-spatial/mono.json	单声道模式（{} 表示自动）
~/.local/state/cinema-spatial/loudness.json	响度统一开关与目标值

5.2 采样参数

• 面板「采样，各参数调整选项」中的三个下拉可直接修改：采样率 / HRTF 模型 / HRIR 长度， 改完自动重建（约 10 s）。
• 命令：空间音频 参数（查看现值与可选项）、空间音频 参数 hrtf H4-48k、参数 taps 1024、参数 rate 48000。
• IR 目录选择优先级：hrir/taps-<N> > 模型名 > hrir/current 软链；模型与长度截断二者互斥。
• 长度截断：work/裁HRIR.py <N> 生成 hrir/taps-<N>/（末尾 3 ms 淡出，可选 512 / 1024 / 2048）。
• 采样率写入用户级 ~/.config/pipewire/pipewire.conf.d/91-clock.conf，无需 sudo； ★ 它不会覆盖系统级那份，两份会被同时加载 → 生成器写完后会自动把别处的同名 conf 改名 .disabled-dup（见 生成配置.py 的 prune_duplicate_confs()）。
• 三者均为生成期常量，修改后必须重建链路。
• 实测结论：开启混响时 HRIR 长度不是主要 CPU 成本 —— 2 秒房间 IR 的等效长度是 HRIR 的 40 倍， 截断 HRIR 既省不下多少 CPU，又会损失 HRTF 尾部使声音变干。因此默认保持 H4-96k / 4800 tap。

5.3 混响

• 命令：空间音频 混响 [开|关|湿量]；面板提供开关与湿量滑块。
• 关闭时整个混响级不生成，不占用 CPU。
• 湿量为生成期常量，修改后需重建。

5.4 单声道输出

单声道蓝牙音响 / 耳机仅提供 1 个 MONO 端口，而播放节点默认声明 2 声道 [ FL FR ]， 声道数不匹配会导致链接建立失败、设备掉线。系统提供三态开关（默认自动）：

取值	行为
自动	读取目标设备的 audio.channels，为 1 时自动合并
开	强制合并
关	强制不合并

合并实现：链路中增加一级 monoOut 混音器，左右声道各乘 −6 dB 后相加（避免相关信号叠加溢出 6 dB）， 图输出改为单端口，播放节点改为 audio.channels = 1 audio.position = [ MONO ]。

5.5 输出设备

• 音频状态.py sinks 列出全部物理输出（USB → PCI → 显卡 Pro/HDMI），并标记当前目标。
• 空间音频 设备 [关键词] 按 node.name 或描述匹配，重写配置中的 node.target。
• 设备切换优先采用运行期重连：播放节点本质是 PipeWire stream，其输出端口可在运行期改连， 因此切换设备无需重建链路、无需重启 PipeWire，蓝牙设备不会被中断。 仅当新设备声道数与链路当前输出不一致时（如单声道设备）才回落为"重建 + 等待目标就绪"。
• 自动探测会跳过显卡 pro-output / HDMI 一类在默认状态下不发声的输出。

5.6 音量与响度

• 扬声器电平：面板竖滑块 → 物理输出音量（即实际听到的音量）。写入为闭环自校正 （按实测比例计算后写入、回读、残差修正，最多 3 轮），因为硬件增益基数因设备而异， 不可写死（本机实测数字通道 1.003；部分设备会返回 0.001 的无效基数）。
• 输入增益：链的输入电平，同时是削波余量旋钮，修改立即生效、无需重建。 注意：键盘媒体键调节的正是这一级（虚拟声卡是应用默认输出）。 ★ 它与「响度归一化」是同一段链上的两个旋钮：你压小输入，DSP 就把增益补回来， 净效果趋近不变；补到 MAX_BOOST = +20 dB 上限（面板推子"顶格"）之后再压小，才会真的变小声。 要更大声请调「扬声器电平」，不要去压输入增益。
• 统一响度音量（「响度统一」那一行的横滑块）：与「扬声器电平」是同一个量， 走同一个端点 /api/speaker。 ★ 2026-09-13 修：它原本走 /api/loudness{value} 直写内部 target，而竖滑块走 /api/speaker 按硬件基数换算后也写同一个 target → 两个滑块互相覆盖 （现场复现：拖扬声器到 0.60，target 存成 0.5354，横滑块立刻显示 0.5354 看着像"跳"）。 现在两根滑块同源、同量纲（0~1.5），显示的数字永远一致。
• 响度统一：按硬件增益基数补偿，使两条输出通道响度一致。 ★ 物理音量只有 /api/speaker 一个写入入口（/api/loudness 已不再接受 value）。

5.7 电平表的口径与"顶满"

• 「原始电平」= 本块输入峰值；「处理后电平」= DSP 上报的输出峰值（共享区 +28 字段，真实值， 受 PEAK_CEIL = 0.985 限制）。数字上的"峰值"取最近 1.5 秒，峰值线另按 12 dB/s 回落。
• ★ 2026-09-13 修：旧版"处理后" = 块能量开方(RMS) + 增益（快慢时标混用）→ 瞬态时会算出 >0 dBFS 的 不可能值，看着"顶满"；旧版数字取整个 12 秒窗口最大值 → 一次冲顶会"顶"很久。
• ★ 上混图 6 路相加做了能量归一（每路 1/√6 = 0.4082，净增益 −1.8 dB）。改动在 生成配置.py（改 conf 无效，重建会覆盖）。改前每路 =1 → 净增益 +6 dB，正好把 DSP 的峰值保护吃掉 → 起播瞬间顶穿满刻度（实测 +7.83 dBFS）。
• ★ 起播淡入：长静音（>24 块≈1s）后重新起播的前 4 块（≈170ms）线性爬升，压掉卷积器冷启动过冲。 参数 LN_FADE_BLOCKS / LN_FADE_GAP_BLOCKS。

5.8 重建之后静音？先数 DSP 进程

正常情况 DSP 进程必须正好 2 个（左右声道各一个 响度归一化/loudness_norm.py）：

ps -eo pid,etimes,cmd | grep -E "[l]oudness_norm"

多于 2 个 = 有孤儿在抢 /dev/shm/collaplex-loudness 的两个槽位 → pipe 插件的 同步管道卡死 → 整链静音（链路看着全对：节点在、连线在、音量正常）。

★ 2026-09-13 修（老板报"没声音了"）：

• claim_slot() 原来在两个槽都被占时 return 0（假装抢到）→ 第 3、4 个实例 一起写槽0，数据被劈开。现改为打印一行并自我退出。
• CLI 新增 kill_old_dsp()：所有重启 PipeWire 的地方统一走 restart_pipewire()， 先收掉旧 DSP 再重启。因为 DSP 的父进程是 pipewire 主进程，重建时 pdeathsig 不触发，不主动收就会每次攒一对。

验证：连续重建 3 次，每次都打印"清掉 2 个旧 DSP 实例"，进程数恒为 2 ✓

5.9 默认设备为什么不会被 HDMI 抢走

虚拟声卡（cinema_spatial_up_sink / cinema_spatial_sink）带 priority.session = 2000， 高于所有物理输出（本机 HDMI 1196 / USB 1108 / 板载 1009）—— 见 SINK_PRIO。

★ 2026-09-13 修：原来虚拟声卡没有这个属性（None），所以每次 WirePlumber "重新选择默认节点"（显示器唤醒、分辨率变化、设备插拔、服务重启）都被 HDMI 抢走； 从 GNOME 手动选回来，下一个事件又抢走（"点都点不回来"）。

验证：wpctl set-default <HDMI> 后 systemctl --user restart wireplumber， 默认应自动回到 cinema_spatial_up_sink。

想改用 HDMI 输出时手动 wpctl set-default <HDMI> 即可（但下一次重选会回到虚拟声卡）。

5.10 菜单音量桥（系统音量键 → 扬声器电平）

系统音量键 / GNOME 顶栏滑块 / 系统设置里的"输出音量"改的都是 @DEFAULT_AUDIO_SINK@， 也就是虚拟声卡音量 = 链的输入增益 —— 那一级会被响度归一化自动补回来，按键几乎没效果， 压太低还会把 DSP 顶到 +20 dB 上限。所以面板内置一个音量桥（随面板启动，200ms 轮询）：

1. 把虚拟声卡的改动读走，按比例折算到物理输出（即「扬声器电平」，你听到的音量）
2. 再把虚拟声卡复位到参考值（= 「输入增益」滑块的值，存 ~/.local/state/cinema-spatial/volume）
3. 静音键 → 物理输出归 0 并记住原值；解除 → 恢复

实测：按音量+ 物理 0.24→0.26→0.27，按− 回落，静音→0.000、解除恢复， 虚拟声卡始终稳在参考值（削波余量不被吃）。

⚠ 桥随面板运行（面板关掉，音量键就恢复成"改输入增益"的老行为）。 面板从菜单「Collaplex 音效」打开：http://127.0.0.1:8788/ ⚠ 桥只能有一份（就是面板里这个）—— 不要另外再跑一个 CLI 版，两份会互相抢物理音量。

---

6. 信号链与架构

6.1 时钟

主时钟统一为 96 kHz（default.clock.rate = 96000），以保证 96 kHz HRIR 不被降采样。

6.2 增益记账

矩阵上混产生的 6 路信号在混音器中相加，整链净增益约 +10.5 dB。因此：

• 增益必须按整链校准，只按单路 IR 峰值校准会在真实内容上削波。
• 链路上每一级音量（虚拟声卡、滤波链输出、物理设备、耳机自身）串联共享动态余量， 修改任意一级都必须重新记账。
• 校准素材必须接近满刻度，且峰值因子需与真实内容相当（影视内容的瞬态峰值可比稳态测试信号高 10 dB 以上）。

6.3 约束

• node.passive = true 必须与 node.target 同时设置，否则输出端不连接任何设备。
• 混响路径：mixL/R → 房间 IR 卷积(revL/revR) → 湿混音(wetL/wetR) → 输出；关闭时不生成该级。
• 卷积使用 type=time（时域，保真）；默认的 type=freq 会损失高频。
• convolver 按当前时钟率重采样脉冲响应，时钟未提升到 96 kHz 时换用高采样率 IR 无意义。

---

7. Web 控制台（Collaplex 音效 · :8788）

页面布局对应设计稿 ~/桌面/collaplex web设计稿.drawio：顶栏 / 原始电平与处理后电平 / 三个信号开关 / 音量滑块 / 数字·模拟输出选择 / 采样参数 / 响度统一 / 5.1 直通·混响·单声道·设备选择 / 状态信息 / 核心技术说明。

bash web/启动.sh                                            # 启动（默认端口 8788，重复执行不会起第二个）
python3 web/webui.py --port 8788 --bind 127.0.0.1           # 或直接运行后端

访问 http://127.0.0.1:8788/。后端零依赖（标准库），接口列表：

接口	作用
/api/state	全量状态（设备、链路、参数、音量、混响、单声道）
/api/meters	两路电平（原始 / 处理后）
/api/mode	开 / 开 5.1 / 关
/api/volume	输入增益
/api/speaker	扬声器电平（闭环自校正）
/api/route	数字 / 模拟
/api/switch	三个信号开关
/api/loudness	响度统一 / 归一化目标（target_db）★ 不再接受 value：物理音量统一走 /api/speaker
/api/device	输出设备
/api/reverb	混响开关与湿量
/api/mono	单声道模式
/api/fix	检测并修复（设备名失效时重建）

7.1 电平表的采集口径

表	采集源
原始电平	cinema_spatial_up_sink:monitor_FL/FR —— 进入链路的音频
处理后电平	cinema_spatial_up_out:output_FL/FR —— 链路输出的处理后信号

采集进程以 --target 0 启动（禁止自动连线）并使用唯一节点名， 再由程序按端口 id 显式连线。如此可确保：

• 采集目标始终是上述信号本身，绝不回退到麦克风；
• 两个采集进程同名导致的端口寻址混淆不会发生；
• 目标信号不在图中时保持空表，不进行任何降级采集。

电平表采用每表自动量程：按最近 2 秒的最大峰值向上取整到 6 dB 作为顶线，轴标签标注真实 dBFS 值。

---

8. 已知问题与工程结论

以下均为实测结论，供后续维护参考。

8.1 PipeWire 模块与配置

1. 滤波链没有运行时热加载。pw-cli load-module 在本机对任意模块（含 libpipewire-module-null-sink） 均返回 Error: "Could not load module"，多种写法与全路径均已尝试。 → 修改滤波链配置必须重启 PipeWire。
2. 重启 PipeWire 会连带重启 WirePlumber（后者是其客户端，退出后由 systemd 拉起）， 因此蓝牙 / USB 设备需要数秒重新出现。判目标失效前必须轮询等待（当前实现最多等待 20 秒）， 不能在固定延时后直接判定，否则会把输出目标错误地切换到其它设备。
3. pw-link -l 的输出格式为：端口名独占一行，其后以 |-> <对端> 表示去向，|<- <对端> 表示来源。 解析时必须按行配对。
4. 同名节点不可用名字寻址。多个 pw-record 进程的 node.name 相同、application.process.id 为 None，用 pw-record:input_FL 之类的名字会连到其它进程的端口上。涉及多实例时必须按端口 id 寻址。
5. 判定节点是否存在不能用 pw-cli info（对不存在的名字同样返回成功），应使用 pw-dump 按 node.name 精确比对。
6. 重建不要连续触发：短时间内反复重启 PipeWire 会使 WirePlumber 崩溃（GLib 断言 → core-dump）， 表现为监听端口无法建立新连接。当前 CLI 在重建后会检查 wireplumber 是否存活并自动拉起。

8.2 卷积素材与归一化

1. 任何卷积素材（房间 IR / HRIR）都必须按能量归一，不能按峰值归一。 以房间混响为例：2 秒密集尾音按峰值归一时，卷积的能量增益可达 +11 ~ +13 dB， 即使湿量仅 0.05（−26 dB）仍会把整链推高约 11 dB，导致削波。改为能量归一后， 实测整链净增益由 +11 dB 降至 +0.4 dB，0 dBFS 输入时输出为 −1.17 dBFS（余量 1.17 dB）。
2. 不同 SOFA 数据集的电平差异极大（同一数据集内，假头 D1 峰值 −11.6 dB、真人 H4 −3.1 dB）， 更换模型必须重新量测峰值，目标压至约 −12 dB。
3. sofalizer 按 SOFA 自身采样率输出：SOFA 为 44.1 kHz 时输出会降到 44.1 kHz。 需在链尾 aresample 拉回，或使用原生高采样率数据集。

8.3 设备与路由

1. USB 音频设备重启后 profile 会变化（iec958-stereo ↔ analog-stereo）， 设备 node.name 的后缀随之改变，配置中的 node.target 失效，WirePlumber 会回落到其它输出 （实测曾落到 HDMI，表现为无声或声音从显示器输出）。空间音频 开 自带自检与重建。
2. 虚拟声卡音量不会自动保留：滤波链每次重建都是全新节点，音量回到默认值，会导致整链削波。 当前实现于 capture.props 写入默认音量，并在每次切换命令中补写。
3. 链路输出是 stream，当目标设备消失时 WirePlumber 会按系统默认将其改连到其它设备 （实测曾被改连到显卡 pro-output-3）。重建会按配置中的目标拉回。 如需彻底固定，可对播放节点设置 node.autoconnect = false，仅由本工具显式连线。
4. 运行时构造的节点存活期有限（例如通过 pw-cli create-node 建立的 null sink 无法在重启后存活）， 因此不可作为长期目标设备。设备失效时应回退到自动探测。

8.4 其它

1. ffmpeg 滤镜表达式中的 , 与 | 必须用单引号包裹，否则会被当作分隔符解析。
2. adelay + join 合成多声道素材不可靠（曾静默产出 0.25 秒单声道文件），建议改用 aevalsrc。
3. 测试素材必须匹配真实内容的峰值因子：稳态粉噪无法暴露影视瞬态的削波风险，校准应使用真实片源 或至少混入冲击型素材。

---

9. 实测数据

9.1 房间混响逐频带 RT60

频段	Sabine 理论	早期反射实测	最终 IR 实测
125 Hz	1.363 s	1.542 s	1.338 s
250 Hz	0.722 s	0.779 s	0.749 s
500 Hz	0.451 s	0.639 s	0.524 s
1 kHz	0.364 s	0.871 s	0.460 s
2 kHz	0.331 s	1.153 s	0.427 s
4 kHz	0.332 s	0.809 s	0.362 s

测量工具：work/测链路冲激响应.py（馈入脉冲 → 录制 monitor → 计算包络与 T60）。 运行中的两个 filter-chain 模块内 revL / revR / wetL / wetR 均已加载（pw-cli info 实测）， 处理后峰值 −22.2 dBFS（未削波），设备噪声地板 −56 dBFS。

9.2 削波问题定位（能量归一前后）

状态	输入	输出	链净增益
关闭混响	−6.64 dBFS	−6.4 dBFS	+0.3 dB
混响 0.05（峰值归一，修复前）	−6.64 dBFS	—	约 +11 dB
混响 0.05（能量归一，修复后）	−6.64 dBFS	−6.2 dBFS	+0.4 dB
0 dBFS 输入（修复后）	−1.04 dBFS	−1.17 dBFS	余量 1.17 dB

9.3 电平表显示验证

表	墨点数	墨点重心 y	结论
原始	45353 → 44985	41.4 → 41.4	变化正常
处理后	34950 → 36016	47.4 → 46.0	变化正常

---

10. 文件说明

文件	作用
空间音频	主命令（开关、诊断、参数、设备、混响、单声道）
音频状态.py	状态后端：设备枚举、profile、route、硬件增益基数、连线校验
生成配置.py	生成 PipeWire filter-chain 配置
mpv-影院	mpv 专用的 HRTF 播放包装
换HRTF.sh	从 SOFA 数据集提取脉冲响应
打包deb.sh	打包 collaplex-cinema-spatial
发布release.sh	构建并发布到 Gitea Release
离线渲染.py	离线批量渲染：音频/视频 → 空间音频 FLAC（含渲染锁 + 文件就绪检查）
离线渲染-打开.sh	文件管理器右键「打开方式」入口（包内装为 /usr/bin/collaplex-render）
音频守护.py	组件看门狗：30 秒一轮核对期望状态并自愈
组件配置单.md / config/组件配置单.json	链路组件的期望状态（人读版 / 机器可读版）
桌面项/	包内版桌面项模板（打包时原样装进 /usr/share/applications/）
web/	Collaplex 音效 Web 控制台（webui.py + index.html + 启动.sh，零依赖；含离线渲染区）
reverb/	房间脉冲响应（由 声学追踪引擎/ 生成）
hrir/	HRIR 数据与 current 软链
声学追踪引擎/	房间声学追踪与 IR 生成器（镜像法 + Sabine 尾音）
work/	开发期验证工具（含 裁HRIR.py、测链路冲激响应.py）
验收测试.sh	安装后自动验证
demo.sh / 响度校准.sh / 方向测试.sh / 对比分析.py / 排查.sh	开发期工具

---

11. 版本记录

1.3.6

• 电平表缩放加「平均 + 变速」（老板："给缩放加点平均和变速算法，这样就不会出现一下出现一下拉满了"）—— 纯按瞬时极值定量程，遇到单帧瞬态就猛地张开/收缩，观感一跳一跳（一时全空一时拉满）。现在两层平滑，思路同压缩器的 attack/release：
  • ① 平均：峰值/谷值先各走 EMA（峰值涨得快 0.28 / 落得慢 0.08，谷值反过来），不让单帧毛刺定调
  • ② 变速：目标量程再走非对称 EMA —— 张开快（0.30，大声音进来立刻扩，不削顶）、收缩慢（0.07，安静段不急着缩，免得波形忽大忽小）
  • 中心同样走 EMA（0.12），保证"波形居中"不跳
  • 首帧直接就位（不让开机时量程慢慢爬）
• 模拟测试（安静 → 一帧 −6dBFS 突发 → 中等 → 安静，帧内跨度 30dB）：最大单帧量程跳变仅 6 dB，突发帧量程 54→60 而非跳到 90+，之后 60→66→60 缓慢回落

1.3.5

• 两个电平表波形"放大" —— 1.3.4 只把波峰压到中线（确实不再被压住），但波形只占上半区、下半区全空，显得又小又浪费（老板："你只改了一半，现在确实压低了，波形再放大一点就好看了"）。现在量程跟着信号的实际幅度走：量程 = 信号跨度 × 1.45（上下各留一半余量 → 波形垂直居中且占约 2/3），跨度下限 18 dB（信号平直时不放大噪声）、上限 72 dB，6 dB 步进不逐帧抖。CDP 实测四档电平（跨度 10~24 dB）波形占画布 42%~60%，上下留白对称
• 附带修一个自己引入的 bug：mn 初值曾取 fallback(-60)，把底线拖到 −66 导致波形反而更小（21%）；谷值现在只认真实数据

1.3.4

• 两个电平表（原始 / 处理后）波形改为垂直居中 —— 原来顶线 = 「最近 2 秒峰值 + 3 dB」，于是波峰永远贴在画布最上沿，看着像被上面那行标题压住（老板原话"太靠上波形被盖住了"）。现改为 顶线 = 峰值 + SPAN/2，波峰正好落在画布垂直中线，上下各留半屏；顶线允许超过 0 dBFS（那只是绘图范围，多出来的是留白），0 dBFS 单独画一条亮基准线保住刻度参照。CDP 注入三档电平（−6 / −12 / −30 dBFS）实测波峰偏离中线均为 0 px
• 上一版（1.3.3）误把动态量程加在了「响度归一化」的增益曲线上 —— 老板要的是这两个电平表。归一化那边的动态量程保留（同样是"波峰居中"的需求），两处现在都居中

1.3.3

• 响度归一化曲线改为动态量程：原来量程固定 ±20 dB，而增益常年偏一边（实测 +4.6 dB 整条压在上半区）。现在按最近 120 个样本的 min/max 定中心与半幅，让曲线的波峰自动落在图表垂直正中；两处细节：① 半幅下限 2 dB（曲线接近平直时别把噪声放大成锯齿），② 中心/半幅都用一阶低通（每帧挪 12%）平滑，避免曲线"呼吸"抖动。左侧量程标签同步改成跟随数据的真实 dB 值（不再固定 ±20/0），0 dB 基准线只在可见范围内才画
• CDP 实测三个场景（波峰+12/波谷+2、波峰−4/波谷−16、几乎平直+4.6）中值偏离画布正中线均为 0 px

1.3.2

• 面板补 favicon（内联 SVG：深底 + 五根声波柱）—— 之前没有图标，浏览器标签页显示默认破图标
• 修复：响度归一化卡片里的曲线被压 —— 卡片高 184px 装不下（标题 22 + 推子 22 + 文字行 20 + 间距 ≈ 70px），而 #ln 只扣了 46px → canvas 溢出、上沿被「目标/判据」那行文字盖住。改：卡片 210px、#ln 扣 74px、网格 430→456（把这 26px 补给上面两个电平表，免得它们被压矮）。CDP 量尺实测无重叠、#ln 126px
• ★ 纠正一个错误假设：物理输出音量是一个「档位」，不是"越大越响" —— 响度由 DSP 归一化保证（实测 0.35 就很好）。1.3.1 曾错误地把它"对齐"到虚拟声卡（1.0），结果进削波保护、动态被压扁：面板波形顶满而听感反而更小（老 bug 复现）。已撤掉三处相关逻辑，看门狗现在只兜「静音 / 近乎归零(<0.02)」，绝不改正常档位

1.3.1

• 修复：断电隔夜重启后"又没声音" —— 物理输出的音量会从 WirePlumber 存档恢复成旧值（实测 0.35，而虚拟声卡是 1.0），而菜单音量桥只"监视虚拟声卡变化"、虚拟没变就永远不动物理 → 声音凭空小 9 dB。两处兜底：① 桥启动时把物理输出对齐一次；② 看门狗新增第 9 项检查「物理输出音量 ≠ 虚拟声卡」并自动纠回（实测 22 秒纠回）
• 修复：隔夜无人看守 —— 看门狗不做开机自启（既有约定），重启后链路就没有守护。现在 web/启动.sh 起来时顺带把看门狗拉起（已在跑则不重复起）；看门狗用 setsid 脱离会话，挂在 systemd --user 下，Hermes 关了它照样跑

1.3.0

• 离线渲染（离线渲染.py）：音频 / 视频 → 空间音频 FLAC（96 kHz 双耳）。链路与实时虚拟声卡同参数：pan 上混 5.1 → sofalizer（同一个 H4 SOFA）→ 房间 IR 卷积（afir）→ loudnorm。视频自动取音轨；已是 5.1 的片源不重上混
  • 两道锁：渲染锁（一轮任务期间不接受新任务，直接拒绝而非排队堆积）；文件就绪检查（相隔 1.2 秒两次 stat 的大小/时间不变 + ffprobe 能读出音轨，防止把还在下载 / 写入的文件扔进渲染）
  • 三个入口：命令行 / 面板「离线渲染」区（拖拽或贴路径，实时进度条 + 日志 + 取消）/ 文件管理器右键「打开方式」
  • 实测：8 秒立体声 1.8 s 完成（≈4.4 倍速）
• 组件看门狗（音频守护.py + config/组件配置单.json）：30 秒一轮核对整条链的期望状态（DSP 进程数与槽位新鲜度 / 连线 / 默认设备 / 虚拟声卡优先级 / 中间级音量 / 节点份数 / 面板 / 物理设备静音），扫到问题就修 —— 能温和就温和（改音量、切默认、重连），只有链路级问题才重建；同类问题 90 秒冷却，连续 3 次修不好转只报警
• 面板：控制滑块从图表卡片里独立成「控制」卡片（图表归图表、控件归控件）；数字 / 模拟输出音量条拉长到各占一半，合计等于虚拟声卡开关卡片的总高
• 修复：DSP 孤儿抢共享槽位导致重建后无声（claim_slot() 抢不到槽位即自我了断 + 重建前收掉旧 DSP）
• 修复：打包动作会把正在用的 PipeWire 配置移开（prune_duplicate_confs() 在 OUT 落到"非生效目录"时不再清理，另加 CINEMA_SPATIAL_KEEP_CONFS=1 双保险）

1.2.0

• 全系统响度归一化（filter-chain pipe 插件挂自研 DSP）：各软件推进来的响度拉平到同一目标，目标可调（−40 ~ −6 dBFS），6 dB/s 限速 + 峰值保护，左右声道共享增益不漂声像
• 控制台拆 4 路电平（原始 L/R + 处理后 L/R），新增增益历史曲线
• 架构：归一化做成独立 filter-chain 实例串在上混图之前（塞进 40+ 节点大图会收到恒定 −43 dBFS 空数据、音频绕过）

1.1.1

• README 重写为正式文档，并同步至当前功能状态

1.1.0

• 新增单声道输出支持（三态：自动 / 开 / 关），解决单声道设备因声道数不匹配导致的掉线
• 新增运行期重连：切换输出设备不再重启 PipeWire，蓝牙设备不再被中断
• 修复"重启后目标失效"：改为轮询等待目标设备就绪（最多 20 秒），并在自动探测中跳过显卡 / HDMI 输出
• 修复削波：房间 IR 改为能量归一（此前按峰值归一致使整链 +11 dB）
• 电平表改为显式连线采集链路输出，杜绝回退到麦克风
• 面板新增"核心技术"说明区
• 打包修复：control 版本号跟随构建版本（此前恒为 1.0.0，导致 dpkg 无法升级）； 补入 音频状态.py 与 web/ 控制台

1.0.x

• 首个公开发布：双虚拟声卡、SADIE-II HRTF 渲染、deb 打包
• 修复"响度怪"：详见 响度怪-根因与修复.md；新增 空间音频 诊断， 音量改为持久化，重建时保留 profile 并校验连线

---

12. 数据来源与许可

HRTF 数据采用 SADIE II （University of York，Zenodo DOI 10.5281/zenodo.12092466）， 使用其中真人受试者 H4 的 96K / 24bit / 512tap 版本。引用方式见数据集页面。

数据集体积较大，不随本仓库分发，请从 Zenodo 自行下载。

本项目以 MIT 许可发布。