音频开发 / 系统课时

用波形和频谱观察声音变化

用波形和频谱观察声音变化

耳朵能听出“变响了”“音调变高了”,但排查程序时需要把听感落到可测量的数字特征。波形负责回答“什么时候、幅度多大”,频谱负责回答“能量集中在哪些频率”,把两者放在一起看,才能快速定位很多基础音频问题。

学习目标

  • 从波形中识别周期、峰值、静音与可能的削波
  • 从频谱中识别主要频率成分与宽带噪声
  • 理解时域和频域各自能说明什么、不能说明什么

用同一段声音建立两种观察

先构造一段 2 秒单声道 WAV:前 1 秒为 440 Hz,后 1 秒为 880 Hz。随后分别导出整段音频的波形图和频谱图。这样输入已知,图上的变化就有明确答案可对照。

bash
ffmpeg -hide_banner -loglevel error -f lavfi -i "sine=frequency=440:sample_rate=48000:duration=1" -f lavfi -i "sine=frequency=880:sample_rate=48000:duration=1" -filter_complex "[0:a][1:a]concat=n=2:v=0:a=1[a]" -map "[a]" -c:a pcm_s16le change.wav
ffmpeg -hide_banner -loglevel error -i change.wav -filter_complex "showwavespic=s=1200x300" -frames:v 1 waveform.png
ffmpeg -hide_banner -loglevel error -i change.wav -filter_complex "showspectrumpic=s=1200x600:scale=log" -frames:v 1 spectrum.png
for f in waveform.png spectrum.png; do
  printf '%s\n' "$f"
  ffprobe -v error -select_streams v:0 -show_entries stream=width,height -of csv=p=0 "$f"
done

预期输出:

text
waveform.png
1200,300
spectrum.png
1200,600

生成后,waveform.png 应在时间轴后半段显示更密集的周期;spectrum.png 则应在约 440 Hz 和 880 Hz 附近出现明显能量峰。具体亮度和刻度样式会随 FFmpeg 版本略有不同。

波形回答时间和幅度问题

波形的横轴是时间,纵轴是采样幅度。周期稳定的正弦波会呈规律振荡;频率从 440 Hz 提高到 880 Hz 后,同样时间里完成的周期数翻倍,因此后半段看起来更“密”。

从波形还可以直接观察峰值、静音区间和削波。若大量峰值被齐刷刷截在同一上限或下限,通常意味着信号超出可表示范围后发生了 clipping。相反,接近零且持续一段时间的区域更像静音或极低电平信号。

频谱回答频率成分问题

频谱把一段时间内的信号分解为不同频率的能量。纯正弦波理想情况下只集中在一个频率,因此 440 Hz 和 880 Hz 测试信号会形成两个主要峰;白噪声则会在宽频带上铺开,而不是只出现窄峰。

静态频谱有一个重要限制:它告诉你“整段素材里出现过哪些频率”,却不直接告诉你这些频率在什么时候出现。对本例的整段 2 秒音频做一次频谱,能看到 440 Hz 和 880 Hz 两个峰,但无法仅凭这张频谱判断谁先谁后。

同一音频在时域与频域中的对应关系

把听感翻译成检查动作

遇到“忽然变响”时,先看波形峰值是否抬高;遇到“音调不对”时,看频谱主峰是否移动;遇到“有底噪”时,看静音段是否仍存在宽频带能量。若问题只在某个时间片出现,就先在波形上定位区间,再对该区间单独做频谱分析。

波形和频谱并不是两套互相替代的工具:前者保留时间结构,后者突出频率结构。先根据故障现象选择视角,再用另一种视角交叉验证,通常比只凭试听更快找到可复现、可解释的信号变化。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用波形和频谱观察声音变化

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通