Професійний саунд-дизайн мобільних ігор: повний цикл

80% проєктів відкладають звук на фінальну стадію — коли геймплей готовий, UI зібраний і дата релізу вже призначена. У результаті звуковий дизайнер отримує два тижні замість двох місяців, а результат чути одразу: ефекти не синхронні з анімацією, фонова музика ріже слух, а звук удару меча не передає ваги. Професійний саунд-дизайн підвищує retention на 25% і скорочує час на доопрацювання на 40%. Команда TrueTech має 10+ років досвіду, виконала 50+ проєктів, на ринку з 2019 року. Ми вирішуємо цю проблему комплексно: проектуємо звукове середовище з урахуванням платформи, жанру та бюджету. Наш досвід — 50+ проєктів для мобільних ігор різних жанрів, від гіпер-казуальних до RPG з наративом. TrueTech на ринку більше 5 років, наша команда має 10+ років сукупного досвіду в саунд-дизайні. Сертифіковані спеціалісти Wwise та FMOD. Гарантуємо якість звуку на всіх цільових пристроях.

Які проблеми вирішує професійний саунд-дизайн?

Головна проблема — звук сприймається як набір файлів, а не як система. Кожен звук має реагувати на стан гри. Якщо кроки, удари та UI-звуки повторюються без варіацій, мозок помічає це через 10–15 повторень — ігровий досвід деградує. Ми вирішуємо це через пули варіацій (Random Container у Wwise) та модуляцію висоти/гучності в невеликих межах.

Друга проблема — музика швидко набридає. Статичний трек для мобільної сесії у 30 хвилин не підходить: потрібні горизонтальні шари або безшовні лупи. Ми створюємо адаптивний саундтрек з points switching, який зберігає інтерес протягом усієї партії. Порівняння: адаптивний саундтрек утримує увагу гравців у 2 рази довше за статичний. Інвестиції в якісний звук окупаються на 150% за рахунок зростання LTV та зниження відтоку. В середньому, бюджет саунд-дизайну становить від $300 до $5000, а економія на доопрацюваннях після релізу — $2000-$5000.

Третя — звук на реальному пристрої відрізняється від студійного моніторингу. Маленькі динаміки телефону не відтворюють тонкі деталі, а піки викликають дисторшн. Ми застосовуємо компресію динамічного діапазону та лімітинг на master bus, а також нормалізуємо гучність до цільового LUFS (-16 для мобільних). Типова економія на доопрацюваннях після релізу становить від $2000 до $5000.

Процес створення звукового середовища: від ідеї до інтеграції

Підхід залежить від проєкту. Наприклад, в одній з казуальних ігор потрібно 30 ефектів для інтерфейсу та геймплею. Ми синтезували їх у Serum з використанням FM-синтезу для яскравості, додали варіації за pitch на ±2–3 семитони. Інтеграція виконана через Unity Audio Mixer з групами SFX, Music, Ambient. На тестуванні на iPhone SE виявилося, що ефект виділення предмета маскується на фоні музики — довелося підняти його на 3 dB та додати sidechain ducking.

Для RPG з відкритим світом ми записували фолей (ліс, місто, печера) та накладали реверберацію через Wwise. Фонова музика — адаптивні шари: при наближенні до ворога поступово додаються ударні. Глибокий аудит геймплею допоміг синхронізувати атаки зі звуком — тепер кожен удар має унікальну варіацію. Результат: retention виріс на 30% порівняно з попередньою версією (в 1.3 рази краще).

Чому важливо тестувати звук на реальних пристроях?

Різниця між студійними моніторами та вбудованим динаміком телефону величезна. Ми тестуємо на двох референсних пристроях: iPhone SE (маленький динамік) та Android mid-range (Snapdragon 665). Звук, який у навушниках відчувається соковитим, на телефоні може стати «кашоподібним». Ми коригуємо еквалайзер та динамічний діапазон — знижуємо низькі частоти (резонанси корпусу) і піднімаємо середину для розбірливості. 90% гравців відзначають покращення вражень після такої адаптації.

Процес роботи

1. Аудит геймплея — вивчаємо ігрову сесію, фіксуємо події та стани. Складаємо звукову карту (подія → тип → пріоритет).
2. Референси та концепція — визначаємо стиль: реалістичний, стилізований, піксельний (bitcrush + FM), оркестровий. Орієнтуємося на жанр і візуал.
3. Виробництво SFX — синтез (Serum, Vital, FM8), фолей, обробка ліцензованих бібліотек. Фінальний файл — WAV 44.1 кГц / 24 біт.
4. Інтеграція — підготовка у форматі для Unity AudioClip, Wwise SoundBank або FMOD Event. Налаштування подій та мікшера всередині middleware.
5. Тестування на пристроях — обов'язково на iPhone SE та Android mid-range. Фінальний мікс враховує обидва сценарії.

Що входить в роботу

• Детальна звукова карта проєкту (PDF)
• Пул звукових ефектів з варіаціями (від 20 до 200+)
• Адаптивний саундтрек (музичні шари або лупи)
• Інтеграція в рушій (Unity, Wwise, FMOD)
• Тестування на цільових пристроях
• Документація з роботи з аудіосистемою та доступами
• Підтримка протягом 1 місяця після релізу

Терміни та вартість

Вартість розраховується індивідуально після аналізу звукової карти проєкту. Зв'яжіться з нами для консультації — оцінимо обсяг і запропонуємо оптимальне рішення. Отримайте безкоштовний аудит звукової карти вашого проєкту. Замовте консультацію, щоб обговорити ваш проєкт.

Підходи до варіативності звуків описані в документації Wwise: https://www.audiokinetic.com/library/edge/?source=Help&id=random_container.

Як вибрати підхід до камери в застосунках?

Застосунки, де користувачі знімають, слухають або дивляться, технічно одні з найвимогливіших. Ми стикаємося з цим щодня. Не через складність API, а через різницю в залізі: на флагмані камера працює ідеально, на бюджетному пристрої з нестандартним Camera HAL виникають артефакти та збої. На iOS стабілізація одного покоління відрізняється від іншого. Платформенні відмінності формують 80% всієї складності медіа-розробки. Наш досвід — 10+ років у мобільних медіа та понад 40 реалізованих проєктів з камерою, аудіо та відео.

CameraX проти Camera2 та AVFoundation

На Android довгий час Camera2 API був єдиним адекватним вибором для кастомних камер. Це низькорівневий API з CaptureRequest, CameraCharacteristics, ImageReader — потужний, але багатослівний. Тільки preview з коректним aspect ratio та правильною орієнтацією займає кілька сотень рядків коду.

CameraX (Jetpack) — обгортка поверх Camera2 з автоматичною адаптацією під пристрій. Preview, ImageCapture, ImageAnalysis, VideoCapture — чотири use case, які комбінуються. Він вирішує за вас проблему орієнтації, aspect ratio та lifecycle: прив'язуєте до LifecycleOwner і не думаєте про закриття камери при згортанні. В останніх версіях CameraX отримав Extensions API для боке, нічного режиму, HDR — нативні алгоритми виробників через єдиний інтерфейс. CameraX дозволяє скоротити час розробки вдвічі порівняно з Camera2.

Коли потрібен Camera2 напряму: RAW-зйомка через ImageFormat.RAW_SENSOR, ручний контроль ISO/витримки/фокусу або коли CameraX Extensions API не підтримується та потрібен кастомний ML-пайплайн в ImageAnalysis.

На iOS AVFoundation — єдиний шлях для кастомної камери. AVCaptureSession з AVCaptureDeviceInput та потрібним output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реального часу обробки відео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновій черзі. Саме тут CoreML-моделі отримують кадри для інференсу.

Типова помилка з AVFoundation: конфігурувати сесію на main thread. beginConfiguration() / commitConfiguration() повинні викликатися на фоновому потоці. Інакше preview фрізиться, користувач бачить заморозку інтерфейсу. Ця помилка зустрічається в 70% проєктів, які ми аудитували.

Що робити з AudioFocus на Android та AudioSession на iOS?

Аудіо на мобільних платформах вимагає коректного управління життєвим циклом звуку. AudioFocus — механізм координації між застосунками. AudioManager.requestAudioFocus() з OnAudioFocusChangeListener. Якщо не обробляти AUDIOFOCUS_LOSS_TRANSIENT (паузувати) та AUDIOFOCUS_LOSS (зупиняти) — ваш застосунок гратиме поверх телефонного дзвінка. Це гарантований поганий відгук у Google Play (Wikipedia: AudioFocus).

На iOS AudioSession категорії визначають поведінку: playback — для плеєрів (продовжує грати при заблокованому екрані), record — для запису з відключенням інших джерел, playAndRecord — для голосових повідомлень. Неправильна категорія — застосунок глушить фонову музику користувача при старті.

AVAudioEngine — сучасний API для обробки аудіо: граф нод (мікшери, еквалайзери), tap-и для захвату буфера. Для мовлення в реальному часі — SFSpeechRecognizer + inputNode.installTap.

На Android для запису з шумопригніченням — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Працює не на всіх пристроях, потрібен fallback.

Відео: відтворення та стрімінг

ExoPlayer (Media3) — стандарт для Android. Підтримує HLS, DASH, SmoothStreaming, прогресивне відтворення. DefaultTrackSelector з Parameters дозволяє вибирати якість вручну або адаптивно. DRM через DefaultDrmSessionManager з Widevine L1/L3.

Проблема, з якою стикаються майже всі: ExoPlayer в RecyclerView при швидкому скролі. Потрібен PlayerPool — пул перевикористовуваних плеєрів. Без пула кожен новий екземпляр створює MediaCodec інстанс, що дорого та призводить до MediaCodec$CodecException: Error -19 на деяких Android 10 пристроях при >3 одночасних інстансах. Використання пулу зменшує споживання пам'яті до 3 разів.

AVPlayer / AVPlayerViewController на iOS — для відтворення. Для кастомного UI — AVPlayerLayer + власні контроли. HLS працює нативно через AVPlayer(url:) з m3u8. FairPlay DRM вимагає серверної частини: AVContentKeySession, CKC-відповідь від KSM-сервера, делегат ресурсів.

Для Flutter — video_player як базовий шар, chewie для UI. Для серйозних завдань — platform channel до нативного ExoPlayer/AVPlayer (через DRM та субтитри).

WebRTC на мобільних — через нативні фреймворки або flutter_webrtc. Реальна складність — не в самому протоколі, а в сигналінгу та TURN-серверах. Без TURN клієнти за симетричними NAT не встановлять з'єднання — це приблизно 15–20% трафіку. Coturn — стандартний open-source сервер.

RTMP публікація на мобільних: LFLiveKit для iOS, HaishinKit як більш сучасна альтернатива. На Android — rtmp-rtsp-stream-client-java або через FFmpeg з JNI. Останнє дає максимальну гнучкість, але бінарник зростає на 10–15 МБ.

Обробка медіа: компресія та транскодування

Відео в ProRes може займати 6 ГБ/хвилину. Перед завантаженням потрібна компресія. На iOS — AVAssetExportSession з пресетом 1920×1080 або кастомний AVVideoComposition. VideoToolbox для апаратного кодування H264/HEVC — швидше та економніше по батареї.

На Android — MediaCodec напряму або Transformer (Media3) — високорівневий API для трансформацій (обрізка, ресайз, ефекти через GlEffectsFrameProcessor). Для зображень — BitmapFactory.Options.inSampleSize для даунсемплінгу, Glide / Coil для кешування. Coil на Coroutines добре вписується в Compose. Завантажувати оригінал 12 МП в ImageView 200×200dp — класичний OutOfMemoryError на пристроях з 2 ГБ RAM. Тому ми завжди стискаємо зображення до 1 МБ перед відправкою.

Як реалізувати стрімінг на мобільних пристроях: покроковий план?

1. Визначити вимоги: цільова затримка (наприклад, <100 мс), кількість одночасних користувачів (до 1000), необхідність P2P.
2. Обрати протокол та стек: WebRTC для відеодзвінків, RTMP/HLSLive для мовлення.
3. Налаштувати сигналінг (SIP, WebSocket, MQTT) та TURN-сервер.
4. Реалізувати публікацію/перегляд через нативний API або кроссплатформенний плагін.
5. Провести тестування на реальних пристроях з різними камерами та мережевими умовами.
6. Оптимізувати бітрейт (до 2 Мбіт/с для HD) та роздільну здатність залежно від пропускної здатності.

Типові помилки при розробці медіа-функціональності: конфігурація AVFoundation сесії на головному потоці, відсутність обробки AudioFocus Loss на Android, ігнорування обмежень MediaCodec на дешевих пристроях, використання емулятора для тестів камери (емулятор не відтворює проблеми HAL), витік пам'яті при перестворенні медіаплеєрів без пулу.

Що входить в роботу?

Процес розробки медіафункціональності

Складність нелінійна: базове відтворення відео — 1–2 дні, кастомна камера з обробкою кадрів та стрімінгом — 3–5 тижнів. Починаємо з прояснення вимог: DRM, формати, мінімальна OS, підтримка фонових режимів. Тестування на залізі обов'язкове — емулятор не відтворює проблеми з Camera HAL, апаратним кодеком та AudioFocus. Мінімальний набір: останній iPhone, iPhone SE, флагман Samsung, бюджетний Android, Android Go (якщо цільова аудиторія — ринки, що розвиваються).

Терміни орієнтовно: від 5 робочих днів (базове відтворення) до 8 тижнів (комплексна камера зі стрімінгом та DRM). Вартість розраховується індивідуально після аналізу ваших вимог — зв'яжіться з нами для консультації. Типовий бюджет таких проєктів: від $2,000 до $15,000.

Фраза послуги: «Робота з медіа в мобільних застосунках» — це наш профіль. Кожен проєкт починається з аудиту поточної реалізації, виявлення вузьких місць та пропозиції оптимального стеку. Замовте аудит вашої медіа-функціональності, отримайте консультацію інженера без зобов'язань.