這些音效是怎麼做出來的

從提示詞到 MP3

每個音效都從目錄裡的一筆資料開始：名稱、分類、目標長度、音量該有的形狀，以及一段提示詞。提示詞是一句簡短的英文，描述聲音本身：在什麼空間裡聽到、怎麼開始、怎麼結束，以及什麼東西不要出現。這些提示詞是依一份寫好的風格指南批次起稿的，另外有一段固定的負面提示詞，把音樂、旋律、歌聲和說話排除在外。

Stable Audio 3 Small SFX 為每段提示詞生成四到六個版本，每個版本都有固定的 seed，任何一個都可以重現。每個版本都生成四秒長，因為要求更短時模型會破音。應該是單一事件的聲音，例如敲一下或叮一聲，事後再裁到只剩第一下。

接著每個版本都要過九道自動檢查：無聲、破音、直流偏移、長度（只看短的單一事件）、音量形狀、還在響就被截斷的尾巴、背景雜訊、能量幾乎全在 60 Hz 以下（同一個聲音有更清楚的版本時才淘汰），以及跟同一個聲音的其他版本幾乎一樣。在通過的版本裡，一支腳本（ingest.mjs 加上 --auto 選項）留下 shapeMatch 分數最高的那一個，也就是音量包絡最接近要求形狀的版本。這個選擇由腳本決定，不是靠耳朵。

留下的版本會去掉前後的無聲，加上很短的淡入淡出，避免頭尾出現喀噠聲，把峰值設在 −1 dBFS，再編碼成 320 kbps 的立體聲 MP3。MP3 是我們唯一提供的格式，所以位元率維持在高的設定。

數字

6,294 段提示詞送進模型，生成了 29,364 個版本，在一台搭載 M4 晶片的 MacBook Pro 上，每個版本大約花一秒。其中 4,569 段提示詞至少有一個版本通過全部檢查，每一段為這個網站留下一個音效：一共 4,569 個音效，總長 229 分鐘。

為什麼有些聲音沒有

如果一段提示詞沒有任何版本通過檢查，那個聲音就不會上架。我們不用佔位音、合成的替代品或其他音效庫的檔案來補：這個網站上每一個播放鈕，播的都是你會下載到的同一個檔案。沒通過的提示詞會是改寫、再生成一輪的候選，這也是為什麼鼓聲滾奏、爆炸這類熱門的聲音，目前還沒有或數量很少。

誰做的

卡斯伯是台灣的前端工程師與講師，這個音效庫由他製作和維護。生成是在他自己的筆電上跑的，網站也是他在經營，什麼內容上架由他決定。他也在 casper.tw 寫部落格。想多認識卡斯伯，可以看他的關於頁。

模型與授權

這些音效是用 Stability AI 的音效模型 Stable Audio 3 Small SFX 生成的，就在那台筆電上本機執行。我們依照 Stability AI Community License 使用它，所以每一頁都有 Powered by Stability AI 的標示。授權頁說明你可以怎麼使用這些音效。

這些頁面上的文字是怎麼寫的

這些頁面上的中文文字，由 AI 依目錄資料（音效名稱、標籤、長度和提示詞）起稿，再由另一個 AI 交叉檢查，卡斯伯逐頁看過之後，才開放給搜尋引擎收錄。頁面上的數量、長度和檔案大小都是從資料算出來的，不是手打的。音效名稱保留英文原名，跟下載的檔案和英文版一致。