游戏音乐和普通配乐的最大区别是状态会切：探索时一层铺底，进战斗加鼓组，残血再提一层紧张度。如果每次切换都是"停 A 播放 B"，玩家的耳朵立刻出戏——拍子断了。交互式音乐的工程目标就一个：听众意识不到切换发生过。这篇讲最常用的一招（分层叠加）和它的数学，以及引擎原生方案。
横向重组与纵向分层
业界两条路线。横向重组（horizontal re-sequencing）是切歌：段落 A 播完接段落 B，靠在音乐段落边界切换来藏接缝，适合做"主城/战斗"这种大状态切换。纵向分层（vertical layering）是叠层：同一份配乐的鼓、贝斯、铺底、旋律各占一条音轨同时播，用音量包络控制哪些层可闻。纵向的响应粒度是连续的——强度 0.37 和 0.62 可以是两种不同的配器——而且切层时音乐本体从未中断，这是它成为游戏主流的原因。
Godot 里纵层的朴素实现是多开几个 AudioStreamPlayer：
# MusicConductor.gd —— 三层：pad（常驻）、bass、perc
@onready var layers := {"pad": $Pad, "bass": $Bass, "perc": $Perc}
var intensity := 0.0 # 0..2，决定开到哪层
func apply_layers():
_fade_to(layers.pad, 0.0)
_fade_to(layers.bass, -14.0 if intensity >= 1 else -60.0)
_fade_to(layers.perc, -8.0 if intensity >= 2 else -60.0)
func _fade_to(player: AudioStreamPlayer, target_db: float):
var tw := create_tween()
tw.tween_property(player, "volume_db", target_db, 1.5)
同步是地基
分层成立的前提是所有层共享同一个时钟。Godot 的混音器只有一台，多个 player 各自 play 时由混音器统一推进——只要它们用的是同一个 mix buffer 时钟，层与层之间就不会漂移。真正要小心的是起点对齐：三层如果在不同的帧里调 play()，起步就错开一帧（20.8ms），叠起来是明显的相位含糊。正确做法是一帧内连播，或干脆用 play(from_position) 对齐到同一位置：
var t := 0.0
for p in layers.values():
p.play(t) # 全部从 t 秒处起播
循环点用 OGG（八-9：采样级无缝）且各层文件必须等长——层长不齐的话循环周期互相错开，叠两圈就乱。实务上导出 stem 时让所有层共用同一时间轴。
交叉淡入的数学：别用线性
volume_db 在 dB 域，tween 它得到的是指数增益包络——这恰好是你要的（人耳近似按对数感知响度），直接用就好。但如果哪天你在线性增益域混两层（比如在 AudioStreamGenerator 里合成），线性交叉淡入会在中点产生 -6dB 的凹陷（功率缺口），正确的是等功率曲线：
$$g_1(t) = \cos\left(\frac{\pi}{2} \cdot \frac{t}{T}\right), \qquad g_2(t) = \sin\left(\frac{\pi}{2} \cdot \frac{t}{T}\right)$$
$t \in [0, T]$ 是过渡时间。验证：$g_1^2 + g_2^2 = \cos^2\theta + \sin^2\theta = 1$，瞬时功率恒定——两层一升一降，合成的总能量没有低谷，听感是"一个乐器退、一个乐器进"，而不是"整体音量先瘪一下"。dB 域 tween volume_db 等价于在线性域做指数插值，等功率的中点近似成立，所以引擎里淡 dB 是既简单又够用的方案。
引擎原生方案：AudioStreamInteractive
4.3 起引擎内置了 AudioStreamInteractive：一份资源里装多个 clip，配一张转移表（从 clip A 到 clip B 的过渡方式：立即 / 下一节拍 / 下一段落 / 自定义秒数），AudioStreamPlaybackInteractive.switch_to_clip() 触发转移。它本质是把横向重组的状态机收进了流内部，混音器层面依然是一份 playback——省掉了你自己维护 N 个 player 和同步代码。转移粒度是"节拍/段落"级，做不到纵向分层的连续强度，所以两者是互补不是替代：大状态用 Interactive 切歌，状态内的小起伏用分层淡入淡出。
两个容易翻车的地方：一是 Interactive 的 clip 源格式同样吃循环缝隙的亏（MP3 别用）；二是 tween 音量时别 tween stream_paused 或 playing 来做淡入，play/stop 是命令化路径（八-10），有自身的调度延迟，淡出应该用 dB 降到 -60 后延迟 stop，而不是指望 stop 本身平滑。
什么时候该上 Wwise
诚实的边界：Godot 这套能覆盖中小项目的动态音乐，但 beat/段落级转移、stinger 插播、同步多层 switch 这类高级特性，Wwise/FMOD 仍然是行业答案——它们有专用创作工具和 decades 的打磨。Godot 官方也有 Wwise 集成（第三方）。判断标准很简单：音乐设计师是不是非技术人员。是，上中间件；音乐就是程序员拿 DAW 导几个 stem 叠着播，引擎内方案足够。
本文基于 Godot 4.2–4.4；AudioStreamInteractive 为 4.3 新增，4.2 及以下需手写多 player 方案。