开场深夜两点,你把脚步声、挥砍声、环境氛围、BGM 全塞进场景,跑起来一看——内存爆了。控制台跳出一串警告:Audio voice stolen、内存红线。更糟的是,玩家戴上耳机,角色明明在正前方,声音却在左右耳之间乱飘;远处一只怪物的咆哮直接盖过 BGM,整条音轨被撕碎。这不是你不会放 mp3,而是音频引擎在背后承担着资源调度、空间定位、动态混音、优先级裁决这些繁重工作。它不是播放器,而是游戏声音系统的中枢神经。这篇文章按"数据怎么存 → voice 怎么管 → 空间怎么算 → 混音怎么调 → 资源怎么省"的递进顺序,把每一层拆开讲。一、音频引擎的职责边界音频引擎(Unity 内置音频、Wwise、FMOD)在运行时只干四件事:管资源:音频文件怎么压缩、怎么加载、占多少内存;管调度:同时响的几十上百个声音,谁真的占用解码和混音通道(voice),谁被虚拟化;管空间:声源在哪儿、离多远、从哪个方向来;管混音:音乐、音效、语音、UI 分组走总线,统一控制电平和效果链。理解这四条边界,后面每一节的"为何如此设计"就都顺了。二、数据层:格式与加载策略的三角权衡2.1 为什么短音效不用 mp3先纠正一个常见误解:引擎不是"不吃 mp3",而是短音效不该用 mp3 这类帧间压缩格式。原