FluidSynth

一句话定位

FluidSynth 是一个跨平台的实时软件合成器，严格按 SoundFont 2 规范实现：你给它一个 MIDI 事件流 + 一个 SoundFont 音色库，它吐出采样率准确的音频。可以理解成「一块软 MIDI 音源卡」——没有图形界面，只有命令行、C API 和一堆音频/ MIDI 驱动后端。

LGPL-2.1，纯 C，2.5k★，最新 v2.6.1（2026-09-19）。它是 Linux 世界 MIDI 播放的事实标准，也是无数打谱软件、播放器、游戏引擎背后那个「发声的东西」。

它到底解决什么问题

MIDI 文件里没有声音，只有「按了哪个键、多用力、什么时候松开」。要听到声音，必须有人把指令翻译成采样：这就是音源（synthesizer）+ 音色库（SoundFont）干的事。

• SoundFont（.sf2 / .sf3）：一种把采样波形、循环点、包络、滤波器、键位映射打包在一起的标准格式，一个文件里就有整套 GM 音色（128 种乐器 + 鼓组）。.sf3 是 Ogg Vorbis 压缩版，体积小很多，FluidSynth 原生支持。
• FluidSynth 的角色：读 SF2 → 按 MIDI 通道/音色号分配到声部 → 做采样插值、包络、滤波、混响、合唱 → 输出 PCM 给 ALSA / PulseAudio / JACK / CoreAudio / WASAPI / Oboe 等后端。

所以典型链路是：MIDI 文件 → FluidSynth（+ SF2）→ WAV/实时音频。

三种用法，从简单到硬核

1. 当播放器：接上 MIDI 键盘就能弹

官方 wiki 给的最省事写法（Linux 桌面，PulseAudio 输出 + ALSA 音序器输入，自动连上已插的 MIDI 设备）：

fluidsynth -a pulseaudio -m alsa_seq -o midi.autoconnect=1 -g 1.0 piano.sf2

JACK 用户：

fluidsynth -a jack -j -m jack /path/to/soundfont.sf2

macOS：

fluidsynth -a coreaudio -m coremidi /path/to/soundfont.sf2

启动后进的是一个内置 shell，可以直接敲 noteon 0 60 100、load other.sf2、inst 0 40 这类命令调试音色，不用写代码。

2. 当渲染器：批量把 MIDI 转成 WAV

这是自动化场景最有价值的用法。-F 走非实时快速渲染，多长的曲子都是「算多快就多快」，不按 1:1 时间播放：

fluidsynth -F out.wav -r 44100 -g 0.5 synth.sf2 song.mid

-T 指定渲染输出格式（-T raw 就是裸 PCM），配合 -F- 还能直接写 stdout，管道给别的程序：

fluidsynth -T raw -F- -q synth.sf2 song.mid | aplay -f cd

（官方注明这个 stdout 玩法需要 ≥ 2.1.0。）

低配机器担心爆音，就砍混响、合唱、采样率，并加大缓冲：

fluidsynth -C0 -R0 -r22050 -z8192 -a alsa -o audio.alsa.device=plughw:0 -o synth.polyphony=64

-C0 -R0 关合唱和混响，-r 降采样率，-z 加音频缓冲，synth.polyphony 降同时发声数——四条一起压 CPU 和内存。

3. 当库：嵌进自己的程序

C API 的心智模型非常简单，六步就能出声：

fluid_settings_t *settings = new_fluid_settings();
fluid_settings_setnum(settings, "synth.sample-rate", 44100.0);
fluid_synth_t *synth = new_fluid_synth(settings);
fluid_synth_sfload(synth, "piano.sf2", 1);      /* 1 = 立即重设 MIDI 映射 */
fluid_synth_program_change(synth, 0, 0);        /* 通道 0 选钢琴 */
fluid_synth_noteon(synth, 0, 60, 100);          /* 中音 C，力度 100 */
/* ……接上 audio driver 或手动 fluid_synth_write_* 拉数据…… */
delete_fluid_synth(synth);
delete_fluid_settings(settings);

官方仓库 doc/examples/ 下有一整套可编译示例：fluidsynth_simple.c、fluidsynth_fx.c（挂效果器）、fluidsynth_metronome.c、fluidsynth_sfload_mem.c（音色库从内存加载，适合打包进 App）、fluidsynth_enumsettings.c（枚举所有可调参数）——比读文档快。

没有声卡也能用：不用 audio driver，直接调 fluid_synth_write_s16() 手动拉帧，塞进自己的音频回调（游戏、Unity、安卓 Oboe、离线渲染管线都是这么干的）。

谁在用（官方清单里的硬证据）

这不是个玩具。官方 wiki 的「Applications using FluidSynth」列了一长串下游：

也就是说：你在 Linux 上听到的绝大多数 MIDI 声音、老游戏里那段配乐、打谱软件点播放时响的那一下，背后大概率就是它。

坑与注意

• 音色库才是音质的天花板：FluidSynth 只负责算，好不好听取决于 SF2。免费的 GeneralUser GS（约 30MB）够用，FluidR3_GM（约 140MB）更饱满，专业音色库动辄几个 GB。另外 SF2 里常含第三方采样，商用前要单独确认音色库的授权，这跟 FluidSynth 的 LGPL 是两件事。
• CPU 是单线程渲染的：复音数拉高（大谱面、踏板全踩）容易爆音/掉帧，先降 synth.polyphony 再考虑别的。
• Linux 上驱动选错就没声：-a 支持 alsa / pulseaudio / jack / pipewire（多数发行版走 pulse 或 jack 兼容层），-m 支持 alsa_seq / alsa_raw / jack / coremidi / winmidi。插了键盘但没反应，优先查 -m 和 midi.autoconnect。
• 延迟想低就走 JACK：PulseAudio 那条路胜在「开箱能用」，实时演奏还是 JACK/PipeWire-JACK 更稳。
• LGPL 的边界：动态链接或作为独立进程调用基本没有额外义务；静态链接则要提供可重新链接的目标文件/源码。官方专门写了 Licensing FAQ，商业闭源项目动手前先读。
• 不要指望它做效果链：它有混响、合唱、IIR 滤波和 LADSPA 接口，但不是 DAW。要压缩、EQ、母带，交给下游。

二开建议

• 编译：CMake（BuildingWithCMake.md 在 wiki 里）。依赖很轻，关掉不需要的驱动后端能显著减少体积——做嵌入式/安卓时这步很关键。
• 安卓 / iOS：仓库里带 doc/android（含 assetloader，可直接从 APK assets 里读 SF2）和官方 iOS 预编译 zip（v2.6.1 的 Release 资产里就有 fluidsynth-v2.6.1-iOS.zip）。
• 只想要「MIDI → WAV」：别写 C，直接调可执行文件 + -F，比自己链库省事，也天然隔离了 LGPL 和崩溃风险。
• 只要一个插件：社区已经做了 CLAP（fluidsynth.clap）、VST3（FluidSynthPlugin）、LV2（Ardour 的 a-fluidsynth）、AU/VST（juicysfplugin），先看现成的再决定要不要自己撸。
• 参数别硬编码：所有可调项都能用 -o key=value 或 fluid_settings_set* 改，配置文件也支持；打包时用 -f 指定自己的 config，用户改不坏。

一句话总结

FluidSynth 是「MIDI 世界的声音出口」：一个 LGPL 的纯 C 软音源，命令行能放能转、C API 能嵌、后端覆盖几乎所有平台。它的价值不在界面，而在于稳定、无依赖、可脚本化——想把 MIDI 批量变成音频、或者给自己的程序加个 SF2 音源，它几乎是最省事的选择。音质由 SoundFont 决定，CPU 单线程是唯一硬约束。