Foley A/B/C — 同一视频素材对比

统一素材 · 同一段 H3 视频 · 同一 seed=42 · 三种 Foley 参数 · loudnorm I=-20 后处理

素材： 1344×768, 124帧, 5.17s, 24fps · H3 t2va 生成 · seed=42
后处理： 三者统一使用 loudnorm(I=-20, TP=-2, LRA=11) 消除后处理差异，只比较 Foley 引擎本身

三种 Foley 配置

配置LoRA采样器AudioNorm说明
A1.0euler❌最保守
B2.0ancestral✅ factors=0.25过激
C 推荐1.5ancestral❌平衡

Raw Foley 输出（引擎直接输出，后处理前）

指标A (LoRA=1.0)B (LoRA=2.0+AudioNorm)C (LoRA=1.5)理想范围
LRA（动态范围） 1.5 LU 0.2 LU ❌ 6.5 LU ✅ 3 ~ 8 LU
Integrated (LUFS) -29.9 -33.5 -34.5 -35 ~ -25
True Peak (dBFS) -6.9 -11.6 -11.1 -15 ~ -3

最终输出（loudnorm I=-20 统一后处理后）

指标A (LoRA=1.0)B (LoRA=2.0+AudioNorm)C (LoRA=1.5)说明
Integrated (LUFS) -21.0 -20.1 -23.4 C 稍低，更合适环境音
LRA（动态范围） 0.9 LU 0.2 LU ❌ 4.3 LU ✅ C 保留了最好的动态范围
True Peak (dBFS) -1.8 -5.6 -2.1 均安全

动态范围（LRA）— 音效质量核心指标

C final (LoRA=1.5)
4.3 LU ✅
A final (LoRA=1.0)
0.9 LU
B final (LoRA=2.0)
0.2
* 理想环境音 LRA: 3~8 LU。C 的 4.3 LU 有自然的安静/响亮对比；B 的 0.2 LU 几乎是"一条直线"。

🎧 视频对比（同一画面，不同音轨）

A — LoRA=1.0, euler
raw LRA 1.5 → final 0.9 LU
final -21.0 LUFS · TP -1.8
B — LoRA=2.0+AudioNorm 扁平
raw LRA 0.2 → final 0.2 LU ❌
final -20.1 LUFS · TP -5.6
C — LoRA=1.5 推荐
raw LRA 6.5 → final 4.3 LU ✅
final -23.4 LUFS · TP -2.1

✅ 结论

配置 C (LoRA=1.5, ancestral, 无AudioNorm) 是最佳方案。

• 动态范围最优：raw LRA 6.5 LU，final 4.3 LU — 有自然的层次感（安静/响亮对比）

• B 完全压扁了动态范围：LoRA=2.0 + AudioNorm 导致 LRA 0.2 LU，声音像"白噪音墙"

• A 过于保守：LoRA=1.0 + euler 的 LRA 只有 1.5 LU，缺乏变化

• 三者响度统一在 -20~-23 LUFS，环境音理想范围，不会盖过 TTS 对白