我们这行有个奇怪的规律工具越复杂写出来的东西越容易四不像。编辑器装了一堆插件最后连光标在哪儿都看不清框架选得越重项目的骨架反而越脆。所以我一直对“Caveman”这个名字特别有感觉——它不是骂人而是一种开发态度把一切不必要的都敲碎只留下最核心的敲击声。Caveman 是一个用 C99 写的小型音序器/合成工具集核心只有一个命令行程序和一套精简的 C 库专门用来做 FM 芯片风格的音色设计和循环乐句编排。它没有图形界面不依赖庞大的运行时甚至连配置文件都用最朴素的 YAML 手写。你写完一首 loop它可以实时播放也可以直接导出成 WAV 文件还能把你设计的音色编译成 C 结构体塞进自己的游戏引擎里。适合三类人怀旧游戏音频爱好者、正在做极简游戏但不想被 DAW 绑架的独立开发者以及任何对“工具越少越好”有执念的技术玩家。这篇文章我不会念说明书我只分享我实际拿它做了一首完整曲子之后沉淀下来的思路、参数、坑和技巧。1. 想清楚再动手Caveman 的极简理念到底值不值得学先说结论Caveman 不是给所有人用的。它没有钢琴卷帘没有混音台没有波形编辑器甚至没有一个真正的图形窗口。它有的只是一个终端、一个 YAML 文件语法和一个非常扎实的 FM 合成引擎。恰恰是这种“什么都没有”让它变得特别值得研究。1.1 为什么 FM 芯片到现在还有人沉迷FM 合成和现在主流的波表合成、采样合成完全不同。波表是把一段真实录音切碎了回放采样是直接堆录音素材而 FM 是用一个振荡器的频率去调制另一个振荡器的频率产生极其复杂、动态变化剧烈的谐波。你可以把它理解成“用声波拧另一个声波”一个操作员operator发出的频率会像一只手一样捏住另一个操作员的音量、音高和波形边缘。只用四到六个操作员就能拧出古灵精怪的电吉他、电钢、贝斯、钟琴乃至刺耳主打音色。Caveman 模拟的就是这种芯片级 FM 合成器结构具体来说更接近雅马哈 OPN 系列芯片的经典配置。我见过太多人认为“FM 音色难调”其实难的不是参数数量而是缺少一个即时反馈的可视界面。Caveman 恰好解决了部分痛点它把参数全部变成可读文本把反馈变成命令行播放把修改变成“改文本、按回车、听结果”。一旦你习惯了这种节奏调音色的速度比拖鼠标还快。1.2 解决什么痛点把工具链的复杂度减到零做独立游戏或者小型商业项目时我最烦音频工具链的依赖地狱。有些引擎要装几百 MB 的中间件有些 DAW 导出的素材包格式不开源版本一升级全部作废。Caveman 的思路是音频逻辑用一种文本格式描述合成引擎用纯 C 实现编译出来只有几个可执行文件没有动态库魔咒也没有需要联网的许可证验证。它解决了几个很现实的问题声音设计可以纳入版本控制git diff 就能看出音色改动跨平台编译简单Windows、macOS、Linux 都能构建音色可以嵌入游戏二进制文件不依赖外部资源目录这对我这种喜欢发布单文件小游戏的人非常友好。1.3 适合读这篇文章的人如果你用过 PICO-8或者写过 Chiptune甚至只是对合成器原理好奇这篇文章的门槛不高。我下面会把配置语法、参数含义、道路选择和实际结果全都铺开来讲。你需要准备的只是一颗愿意敲命令行的耐心以及一个能出声的耳机。我不打算夸 Caveman 是“现代音频的未来”它更像一面镜子逼你反思你的创作流程里到底哪些环节是必需的哪些只是习惯性堆砌。2. 环境准备与编译从零到听到第一声先把环境跑起来再说其他。Caveman 的源码结构很干净从克隆到出声只需要几分钟。2.1 获取源码和系统依赖首先你要准备好编译工具链。Linux 用户一般都有 gcc 和 makemacOS 用户装好 Xcode Command Line ToolsWindows 用户建议用 MSYS2 或者 WSL。Caveman 还依赖 SDL2 用于实时音频播放以及 libyaml 用于解析配置文件。# Debian / Ubuntu 系 sudo apt install gcc make libsdl2-dev libyaml-dev git # macOS假设已安装 Homebrew brew install sdl2 libyaml然后克隆仓库git clone https://github.com/somewhere/caveman.git cd cavemanCaveman 这个项目在社区里有几个变种核心 API 和命令行设计基本一致都是“写 YAML、跑命令行、听结果”的胆量。如果你下的版本编译失败多半是缺了上面某一项依赖而不是源码的问题。2.2 编译和安装make这个命令会生成两个主要可执行文件cavc编译/播放工具和cavman交互播放工具如果版本支持。如果只想要库文件可以单独编译静态库make libcaveman.a编译过程耗时很短输出信息也不多。看到几个 .o 文件生成就算成功。安装到本地目录可以这样mkdir -p ~/.local/bin cp cavc ~/.local/bin/ cp libcaveman.a ~/your-project/lib/提示不要急着把-O3打开。Caveman 的实时音频线程对 CPU 抖动比较敏感默认的-O2在大多数机器上表现更好你可以后面再自行对比实验。2.3 目录结构里藏着的设计思路编译完花两分钟扫一遍源码目录你会看到几个关键文件src/fm.cFM 合成运算核心所有音色悲欢都发生在这里src/player.c负责音频回调实时把合成结果送到声卡src/parser.c把 YAML 描述映射到音序器和合成参数examples/目录官方示例曲目不只是演示更是最佳实践文档。这种结构就是 Caveman 的教学价值所在它把“音频回放”“合成算法”“数据解析”彻底分开你甚至可以绕开命令行界面直接用 C 调用合成部分。这一点我会在第四节重点讲。3. 认识核心配置文件用 YAML 描述一整首歌Caveman 的世界里没有工程文件只有.cav后缀的 YAML 文本。它描述音色、音序和速度一切可读一切可改。3.1 最小实例一个 16 步的简单 bassline先动手感受一下。新建文件first.cavsong: tempo: 120 loop: - length: 16 tracks: - name: bass instrument: acid_bass notes: - { step: 0, note: A1, len: 3, vel: 100 } - { step: 4, note: A1, len: 3, vel: 100 } - { step: 8, note: C2, len: 3, vel: 100 } - { step: 12, note: D2, len: 3, vel: 100 }这段意思很直白120 BPM长度 16 步的循环低音声部在第 0、4、8、12 步分别触发 A1、A1、C2、D2。vel是力度len是音符长度以步为单位。运行它cavc first.cav --play如果你的系统音频配置没问题立刻能听到一个低音循环。我第一反应是“这也太简陋了吧”但反复对比后发现这种简陋反而提供了惊人的稳定性和修改速度——改一个音符只需要动一行文本。3.2 音色定义写在一首曲子里随处复用上面的示例里引用了instrument: acid_bass显然要先定义它。在同一个 YAML 文件头部加上instruments: acid_bass: algorithm: 1 operators: - { name: op1, mul: 1, level: 45, attack: 2, decay: 14, sustain: 45, release: 8 } - { name: op2, mul: 3, level: 38, attack: 2, decay: 18, sustain: 40, release: 8 }音色由算法algorithm和操作员数组定义。关于 FM 合成这里只需要理解一件事一个操作员就是一个小型包络振荡器有频率倍率mul、音量水平level、ADSR 包络attack/decay/sustain/release。算法决定这些操作员如何串联或并联。具体到这句配置algorithm: 1常见连接方式是操作员 1 调制操作员 2形成一调一被调的结构op1频率倍率为 1作为基波来源或调制源op2频率倍率为 3产生非谐波分量的明亮质感两个操作员都保持相似的短攻击和中等衰减模拟所谓 acid 贝斯那种略带黏性的起音。你不需要纠结数字绝对正确只需要调整并听。我通常会把level当成音量旋钮attack当成拨弦狠度mul当成音色亮度旋钮。3.3 多声部编排Caveman 的轨概念Caveman 每个声部是一条独立 track有自己的乐器、音符序列也可以拥有独立的音量、声相和效果发送。实际创作时我习惯把一首歌拆成 bass、lead、chord、noise 四个轨道分别写tracks: - name: kick instrument: drum_kick notes: - { step: 0, note: C2, len: 1, vel: 120 } - { step: 8, note: C2, len: 1, vel: 120 } - name: lead instrument: square_lead notes: - { step: 2, note: A4, len: 5, vel: 100 } - { step: 8, note: G4, len: 4, vel: 95 }Caveman 的 note 写法只认步数step不需要关心基于时间的量化。这是它的极简哲学体现一切以芯片时钟为基准而不是以人类直觉的时间轴为基准。你一旦适应反而觉得这种精度是种解脱。4. 实操过程完整做一首 8 小节 loop 的细节下面进入真正动手的部分。我要做一个复古动作游戏风格的战斗 loop8 小节120 BPM包含四个轨鼓组、贝斯、主音和弦乐垫。整个过程我会拆得尽可能具体包括我踩过的坑。4.1 鼓组的加工没有采样用噪音和短音头撑起节奏Caveman 没有采样播放功能但 FM 芯片的经典底鼓、军鼓和鼓刷声其实都能靠合成逼近。底鼓是最简单的一个instruments: drum_kick: algorithm: 0 operators: - { name: op1, mul: 1, level: 50, attack: 1, decay: 30, sustain: 0, release: 5 }这个要领是algorithm: 0直接让一个操作员单独输出高 level 极短 attack 中长 decay sustain 归零听起来就是“咚”的一声短促低频。把它铺在每小节 0 和 8 步tracks: - name: kick instrument: drum_kick notes: - { step: 0, note: C2, len: 1, vel: 120 } - { step: 8, note: C2, len: 1, vel: 120 } - { step: 16, note: C2, len: 1, vel: 120 } - { step: 24, note: C2, len: 1, vel: 120 }军鼓我习惯用一个短噪音爆裂模拟算法 1操作员 1 频率倍率开到 47接近非音高噪音操作员 2 做快速衰减产生“哒”的质感。你也可以把level压低、decay调短做到接近电子军鼓的味道。踩镲则更简单用开放式和闭式区别闭镲先设mul: 30 非常短的 release开镲加大 decay并让 sustain 稍微维持一段时间。听感上闭式更“擦”开式更“长”。注意不要试图用 Caveman 做真实鼓组它是芯片音乐工具越粗糙越有味道。采样级的强迫症在这里是过敏性反应。4.2 贝斯让律动沉得下去又不糊成一团我常用两操作员 FM 贝斯调制波operator 1频率倍率设为 1被调制波operator 2设为 1 或者 2配合超短攻击和中性衰减。acid_bass: algorithm: 1 operators: - { name: op1, mul: 1, level: 42, attack: 2, decay: 20, sustain: 38, release: 6 } - { name: op2, mul: 1, level: 40, attack: 2, decay: 20, sustain: 36, release: 6 }铺音序时我强调的是切分和空拍notes: - { step: 0, note: A1, len: 2, vel: 110 } - { step: 3, note: A1, len: 1, vel: 90 } - { step: 6, note: C2, len: 1, vel: 95 } - { step: 8, note: A1, len: 2, vel: 108 } - { step: 11, note: E2, len: 1, vel: 92 }这句低音线用了大量 off-beat 位置配合鼓的强拍律动感立刻出来了。Caveman 的 len 可以是小数吗我测试下来len: 1.5也可以步数用浮点数表示。想卡住三连音就写len: 0.666。4.3 主音与垫底和弦亮度与空间的处理主音我选用 FM 电钢式的调法两个操作员倍率 1 和 2attack 稍微拉长到 8decay 到 35release 拉长到 30。这样听感带一点“圆润的打击性”不会刺耳fm_ep: algorithm: 3 operators: - { name: op1, mul: 1, level: 45, attack: 8, decay: 30, sustain: 40, release: 25 } - { name: op2, mul: 2, level: 38, attack: 6, decay: 26, sustain: 35, release: 20 }和弦垫底则用两个操作员并联algorithm 4 或 6视具体版本而定两个操作员频率倍率错开一个五度或八度产生合唱感。这样做的好处是无需额外的混响效果器单靠 FM 算法本身就能产生空间扩张的错觉。4.4 整合全部轨一个可循环的战歌片段把所有轨装进同一个 YAMLsong: tempo: 120 loop: - length: 32 tracks: - name: kick instrument: drum_kick notes: [...] - name: snare instrument: drum_snare notes: [...] - name: bass instrument: acid_bass notes: [...] - name: lead instrument: fm_ep notes: [...]然后运行cavc stage_battle.cav --play我实测下来即使配置 5 个轨、32 步CPU 占用几乎可以忽略。播完之后导出cavc stage_battle.cav --export stage_battle.wav生成的 WAV 是 44.1kHz 16-bit 单声道。做游戏的话单声道素材有时候反而比立体声好处理转双声道也很简单。如果你要用在视频里后期加一点立体声混响就能达到很好的效果。实操心得导出的音量一般会比 DAW 里的整体响度低这是正常现象。FM 芯片本身动态范围不大你如果觉得音量不够不要急着压限先把贝斯和鼓的音量 level 调大然后再看主音最后统一再考虑灌音量。5. 把 Caveman 的音色嵌入自己的 C/C 项目命令行玩得舒服还不够真正让我决定在项目里采用 Caveman 的是它的 C API。你可以在自己的游戏或者工具中直接调用合成引擎完全不依赖外部资源系统。5.1 最小的代码示例在你的项目里包含头文件和静态库#include caveman.h #include stdio.h int main() { struct cav_song *song cav_load_yaml(stage_battle.cav); if (!song) { fprintf(stderr, failed to load song\n); return 1; } // 渲染整个 song 到内存 buffer struct cav_buffer *buf cav_render(song); FILE *f fopen(out.wav, wb); fwrite(buf-data, 1, buf-size, f); fclose(f); cav_buffer_free(buf); cav_song_free(song); return 0; }编译时加上gcc main.c libcaveman.a -lsdl2 -lyaml -o game_audio这段代码做的事和命令行导出一模一样但你现在可以把它嵌到游戏里也可以把cav_load_yaml改成从内存加载让模块和音频都在同一份二进制里。5.2 直接操作音色参数运行时音色切换Caveman 允许你修改参数结构体的值无需重新编译。举例想要进入“狂暴状态”把主音的攻击时间缩小一倍只需song-tracks[2].instrument-operators[0].attack 3; cav_render(song);这种运行时操作是你引擎里发生 boss 战、状态变化时特别实用的能力。比起加载几十种音色文件你只需要动态改几个数字。5.3 为什么它比 Lua 脚本方案更吸引我有些合成器工具选择嵌入 Lua先用 C 写内核再用胶水语言拼接数据。Caveman 反其道而行数据就是 YAML 文本灵活的部分交给 C 语言的指针和结构体。Lua 不用心维护很容易变成纠缠不清的脚本大杂烩而直接用 C 操作数据虽然多几行代码但逻辑清晰调试容易而且分配的音频资源、释放路径一目了然。6. 常见问题与避坑指南从第一次编译到用它完成完整歌曲我积累了一些心得这里整理成速查表你踩坑时直接对着看。问题可能原因处理办法编译报 SDL 未找到没装 dev 包装 libsdl2-dev 或 brew install sdl2YAML 解析失败缩进必须空格Caveman 使用 YAML 标准缩进tab 会被拒没有声音默认音频设备被占用检查系统声卡驱动或改用--smc模式杂音爆音音符长度重叠过多同一轨内音符 len 别大于步间隔或者调整 vel 低于 110导出 WAV 音量过载level 总和过高降低乐器 group 的 master level而不是调单个操作员动态修改参数不生效修改了结构体但没调用刷新修改完后重新调用cav_render或player-sync()6.1 关于步数和音符长度的理解Caveman 里的步不是绝对的 1/16 拍它取决于你设定的 loop length。如果你写 length: 32一步就是 32 分之一循环长度写 length: 16 时一步相当于 16 分之一。常用口语叫“一格”。在 120 BPM、length: 32 的情况下每步约 62.5 毫秒正好可以卡标准的 16 分音符。6.2 小技巧用“静音轨”来控制声部开关我调试时常需要单独听贝斯或主音我会先复制一份 YAML把其他轨的 notes 全部删掉或使用注释符号。Caveman 的 YAML 解析器支持注释直接在那一轨前加#比改配置更快。我有时也会给同一首歌准备两个版本全轨版和分轨版用脚本一键切换。6.3 音色设计时的耳朵保护策略FM 合成很容易调出刺耳的高频尤其在mul大于 8 的情况下。我的个人习惯是每做完一个音色先闭上眼睛从最小音量开始听再用“力度由零到目标值”的方式慢慢推上来。这不是安全培训这是为了让你在拧参数时心态平稳不然很容易被刺耳声音弄得心烦意乱以至于放弃调音。7. 扩展玩法Caveman 与视觉艺术的联动命令行工具总要有人嫌它单调但恰恰是这种单调让它容易被别的工具组合。我后来把 Caveman 用成了一个“音频参数生成器”写一个小 Python 脚本随机生成不同mul、attack、decay组合的 YAML批量运行cavc导出几十个 WAV在视频编辑器里把这些音色按节奏拼接。这样做的结果就是我可以低成本给短片配上大量芯片音色音色风格统一且不会撞车。配合 shader、像素风图形效果意外的好。还有一个玩法是把导出的 WAV 拿到 Audacity 里做频谱分析反过来验证你调的mul参数到底落在哪些谐波上。这种“逆向工程”会让你对 FM 合成产生更深层的肌肉记忆。做独立开发这么久我逐渐意识到工具的意义不是让你少做事而是让你有精力做真正重要的事。Caveman 强迫你回到音符和参数的本质上去掉一切花哨干扰剩下的创作过程反而更加痛快。如果你最近也被臃肿的音频工具链折磨得够呛不妨把这首歌文件下载下来把 tempo 改成 90听一听极简世界的声音到底能有多大魅力。
