Οπτικοποίηση αρχείου ήχου ή ζωντανής εισόδου μικροφώνου ως κυματομορφή, λογαριθμικό φάσμα συχνοτήτων ή κυλιόμενο φασματογράφημα. Όλα εκτελούνται τοπικά στο πρόγραμμα περιήγησης — τίποτα δεν μεταφορτώνεται. Εξαγωγή οποιασδήποτε προβολής ως στιγμιότυπο PNG.
Τι είναι το φάσμα ήχου;
Η κυματομορφή σάς δείχνει πόσο δυνατός είναι ο ήχος σε κάθε στιγμή· το φάσμα δείχνει ποιες συχνότητες συνθέτουν αυτή την ένταση. Ο αναλυτής παραπάνω προσφέρει και τις δύο προβολές καθώς και ένα φασματογράφημα, δηλαδή το φάσμα που εξελίσσεται στο χρόνο. Το ίδιο σήμα, τρεις συμπληρωματικές εικόνες — και η εναλλαγή μεταξύ τους είναι ο ταχύτερος τρόπος να κατανοηθεί από τι αποτελείται ένας ήχος.
Τέσσερα γεγονότα που στηρίζουν τη συνέχεια της σελίδας:
• κυματομορφή = ένταση στο χρόνο· φάσμα = περιεχόμενο συχνοτήτων σε μία στιγμή· φασματογράφημα = φάσμα στο χρόνο (χρόνος × συχνότητα × ένταση)
• η μαθηματική βάση του φάσματος είναι ο FFT, εφαρμοσμένος σε σύντομα παράθυρα δειγμάτων
• ένα αρχείο 44 100 Hz μπορεί να περιέχει συχνότητες μέχρι 22 050 Hz (το μισό της συχνότητας δειγματοληψίας — το όριο Nyquist)
• η επιλογή λογαριθμικού άξονα συχνοτήτων αντιστοιχεί στον τρόπο που ακούμε: η οκτάβα από 20–40 Hz έχει το ίδιο πλάτος με την περιοχή 10 000–20 000 Hz
Οι τρεις προβολές
Η κυματομορφή απεικονίζει το πλάτος των δειγμάτων σε σχέση με τον χρόνο — εξαιρετική για τον εντοπισμό παραμόρφωσης κορυφών, σιωπών και της συνολικής δυναμικής, αλλά τυφλή στο τονικό ύψος. Το φάσμα παίρνει ένα σύντομο παράθυρο (μερικές χιλιάδες δείγματα) και δείχνει πόση ενέργεια υπάρχει σε κάθε ζώνη συχνοτήτων, από το χαμηλότερο μπάσο στα αριστερά έως το ανώτερο όριο των υψηλών στα δεξιά. Το φασματογράφημα στοιβάζει εκατοντάδες τέτοια φάσματα από αριστερά προς τα δεξιά καθώς περνά ο χρόνος, με την ένταση ως χρώμα — μια γλισάντο στο πιάνο γίνεται ανερχόμενη γραμμή, μια διαρκής νότα βιολιού μια σταθερή οριζόντια γραμμή και η ομιλία μια αλυσίδα φωνηεντικών φορμάντ.
FFT και παράθυρα
Ο γρήγορος μετασχηματισμός Fourier μετατρέπει ένα τμήμα δειγμάτων στο πεδίο του χρόνου σε μεγέθη συχνοτήτων. Απαντά στο ερώτημα: «αν αυτό το τμήμα ήταν άθροισμα καθαρών τόνων, πόσο από τον καθένα θα χρειαζόταν;». Ο αναλυτής κόβει τον ήχο σε επικαλυπτόμενα παράθυρα μερικών χιλιάδων δειγμάτων και εκτελεί FFT σε καθένα· τα μικρότερα παράθυρα αναλύουν καλύτερα τον χρονισμό, τα μεγαλύτερα καλύτερα τη συχνότητα, γι' αυτό ένα σταθερό μέγεθος παραθύρου είναι πάντα συμβιβασμός. Η εναλλαγή λογαριθμικής συχνότητας παραπάνω αφορά μόνο την εμφάνιση: τεντώνει το γράφημα ώστε οι χαμηλές οκτάβες (όπου βρίσκεται η περισσότερη μουσική) να αποκτούν ορατό πλάτος αντί να συμπιέζονται στο αριστερό άκρο.
Θεμελιώδης συχνότητα και αρμονικές
Η αναπαραγωγή μιας νότας Λα4 σε οποιοδήποτε όργανο δείχνει στο φάσμα μια κορυφή στα 440 Hz — τη θεμελιώδη συχνότητα — μαζί με μικρότερες κορυφές στα 880, 1320, 1760 Hz: τις αρμονικές, που είναι ακέραια πολλαπλάσια της θεμελιώδους. Η ισορροπία των αρμονικών είναι που κάνει το Λα4 του βιολιού να ακούγεται διαφορετικά από αυτό του φλάουτου: ίδια θεμελιώδης, διαφορετική συνταγή από πάνω. Γι' αυτό το φάσμα είναι η βασική προβολή για αναγνώριση οργάνων, αποφάσεις μίξης και εντοπισμό θορύβου — ο βόμβος δικτύου φαίνεται ως επίμονη κορυφή στα 50/60 Hz, και η αποκοπή του MP3 φαίνεται ως ενέργεια που απλώς σταματά κάτω από περίπου 16 kHz.
Συνηθισμένες παρανοήσεις
- Η κυματομορφή δείχνει το τονικό ύψος. Όχι. Δύο πολύ διαφορετικές συγχορδίες στην ίδια ένταση έχουν σχεδόν πανομοιότυπες κυματομορφές. Οι πληροφορίες τονικού ύψους εμφανίζονται μόνο μετά τον FFT — στις προβολές φάσματος ή φασματογραφήματος.
- Το φάσμα και το φασματογράφημα είναι η ίδια εικόνα. Όχι. Το φάσμα είναι η συχνοτική τομή μιας στιγμής· το φασματογράφημα είναι χιλιάδες τέτοιες τομές σε χρονική αλληλουχία. Το φάσμα απαντά στο «τι», το φασματογράφημα στο «πότε».
- Ήχος πάνω από 22 050 Hz κρύβεται σε αρχείο CD. Όχι. Η δειγματοληψία στα 44 100 Hz περιορίζει μαθηματικά το περιεχόμενο στα 22 050 Hz· το όριο Nyquist είναι ιδιότητα των ίδιων των δειγμάτων, όχι της απεικόνισης.
Σχετικά εργαλεία: MIDI σε WAV και Ήχος σε WAV / FLAC για την παραγωγή αρχείων που αξίζει να αναλυθούν, Μείωση θορύβου όταν το φασματογράφημα αποκαλύπτει σταθερό σφύριγμα ή βόμβο, και Κανονικοποίηση ήχου όταν η κυματομορφή δείχνει στάθμες που χρειάζονται διόρθωση.
