Hangfájl vagy élő mikrofonbemenet megjelenítése hullámformaként, logaritmikus frekvenciaspektrumként vagy görgethető spektrogramként. Minden helyben, a böngészőben fut — semmi nem töltődik fel. Bármely nézet exportálható PNG-pillanatképként.
Mi az a hangspektrum?
A hullámforma azt mutatja, mennyire hangos a hang minden pillanatban; a spektrum azt, hogy mely frekvenciák alkotják ezt a hangerőt. Az elemző fent mindkét nézetet kínálja, valamint a spektrogramot, amely a spektrum időbeli változását mutatja. Ugyanaz a jel, három egymást kiegészítő kép — és a közöttük való váltás a leggyorsabb módja annak megérteni, miből áll egy hang.
Négy tény, amelyekre az oldal többi része épül:
• hullámforma = hangerő az idő függvényében; spektrum = a frekvenciatartalom egy pillanatban; spektrogram = a spektrum az idő függvényében (idő × frekvencia × intenzitás)
• a spektrum mögötti matematika az FFT, amelyet rövid mintaablakokra alkalmaznak
• egy 44 100 Hz-es fájl legfeljebb 22 050 Hz-es frekvenciákat tartalmazhat (a mintavételi frekvencia fele — a Nyquist-határ)
• a logaritmikus frekvenciatengely a hallás működéséhez igazodik: a 20–40 Hz-es oktáv ugyanakkora szélességet kap, mint a 10 000–20 000 Hz-es
A három nézet
A hullámforma a mintaamplitúdót ábrázolja az idő függvényében — kiválóan alkalmas a torzítás, a csendek és az általános dinamika felismerésére, de a hangmagasságra vak. A spektrum egyetlen rövid ablakot vesz (néhány ezer minta), és megmutatja, mennyi energia van az egyes frekvenciasávokban, a bal oldali legmélyebb basszustól a jobb oldali magas hangokig. A spektrogram ezekből a spektrumokból sokat egymás mellé rak, ahogy az idő telik, az intenzitást színként ábrázolva — egy zongora glissandója emelkedő csíkká válik, egy kitartott hegedűhang vízszintes vonallá, a beszéd pedig magánhangzó-formánsok láncolatává.
FFT és ablakok
A gyors Fourier-transzformáció az időtartománybeli minták blokkját frekvenciaamplitúdókká alakítja. Arra válaszol: „ha ez a blokk tiszta hangok összege lenne, mekkora részt venne belőle az egyes hangokból?” Az elemző a hangot néhány ezer mintás, átfedő ablakokra vágja, és mindegyikre FFT-t futtat — a kisebb ablakok jobban felbontják az időzítést, a nagyobbak a frekvenciát, ezért a rögzített ablakméret mindig kompromisszum. A fenti logaritmikus frekvencia-kapcsoló csak a megjelenítést érinti: kinyújtja a diagramot, így az alacsony oktávok (ahol a legtöbb zene van) látható szélességet kapnak, és nem nyomódnak a bal szélre.
Alapharmonikus és felharmonikusok
Egy A4-hangot bármely hangszeren lejátszva a spektrumon 440 Hz-nél csúcs látszik — az alapharmonikus — kisebb csúcsokkal 880, 1320, 1760 Hz-nél: a felharmonikusok, az alapharmonikus egész számú többszörösei. Ezeknek a felharmonikusoknak az egyensúlya teszi, hogy egy hegedű A4-e más, mint egy fuvoláé: ugyanaz az alapharmonikus, más recept fölötte. Ezért a spektrum a hangszer-azonosítás, a keverési döntések és a zajvadászat kedvelt nézete — a hálózati zümmögés makacs 50/60 Hz-es tüskeként látszik, az MP3-vágás pedig úgy, hogy az energia körülbelül 16 kHz alatt egyszerűen megszűnik.
Gyakori tévhitek
- A hullámforma mutatja a hangmagasságot. Nem. Két nagyon különböző akkord azonos hangerőn szinte azonos hullámformát ad. A hangmagasság-információ csak az FFT után jelenik meg — a spektrum vagy a spektrogram nézetben.
- A spektrum és a spektrogram ugyanaz a kép. Nem. A spektrum egyetlen pillanat frekvenciaszelete; a spektrogram ezekből a szeletekből sok ezer, időben sorba rendezve. A spektrummal arra kérdezhet rá, hogy „mi”, a spektrogrammal arra, hogy „mikor”.
- A 22 050 Hz feletti hang rejtve marad egy CD-fájlban. Nem. A 44 100 Hz-es mintavétel matematikailag 22 050 Hz-re korlátozza a tartalmat; a Nyquist-határ a minták tulajdonsága, nem a megjelenítésé.
Kapcsolódó eszközök: MIDI WAV-ra és Hang WAV / FLAC-ra az elemzésre érdemes fájlok előállításához, Zajcsökkentés, ha a spektrogram állandó sziszegést vagy zümmögést mutat, és Hang normalizálása, ha a hullámforma javítást igénylő szinteket mutat.
