Гайд по спектрограммам аудио: что показывает картинка спектра, а чего не видит

Спектрограмма превращает звук в картинку через оконное преобразование Фурье - разбор коротких участков аудио на частотные составляющие. По горизонтали идёт время, по вертикали частота, а цвет показывает уровень сигнала; так удобнее найти срез верха или подозрительный всплеск и прослушать нужный момент.

В бесплатном генераторе Sunofix шкала доходит до 24 кГц. Это предел отображения инструмента, а не обещание, что в каждом файле есть звук до этой частоты. Картинка помогает сузить поиск, но не ставит диагноз по цвету.

Если вокал стал стеклянным или тарелки песочат, отметьте конец конкретного слова либо удара. Затем вернитесь к этому месту в плеере. Когда слышимой проблемы нет, яркая область сама по себе не повод обрабатывать песню.

Что такое спектрограмма и почему она информативнее обычной волны

Обычная форма волны показывает, как меняется амплитуда звука. По ней удобно искать паузы, монтажные стыки и подозрительно срезанные пики. Но голос, бас и тарелка могут звучать одновременно, и в общей волне их трудно разделить глазами.

Спектрограмма раскладывает тот же момент по частотам. Низ бочки остаётся в нижней части изображения, а призвук над голосом можно искать выше. Полезный сигнал - нужные детали песни - виден рядом с шумом и искажениями. У них нет отдельных цветов, поэтому отличать одно от другого приходится на слух.

Для расчёта файл делят на короткие перекрывающиеся участки. Окно анализа смягчает края каждого участка, после чего преобразование Фурье оценивает его частотный состав. Последовательность таких срезов и образует изображение. Длинное окно точнее разделяет близкие частоты, короткое лучше показывает быстрые события во времени. В текущем генераторе настройки фиксированы.

Спектрограмма не измеряет весь динамический диапазон песни одной яркой полосой. Динамический диапазон связан с разницей уровней, а вид картинки зависит ещё и от шкалы. Плотный припев обычно выглядит иначе, чем тихий куплет. Для первого сравнения выберите одну фразу, а не две разные части песни.

Практическая проверка проста. Найдите заметную вертикальную полосу и прослушайте соответствующий удар. Если это обычная атака малого барабана, оставьте её. Цифровая грязь должна иметь слышимый симптом, например хруст или водянистый хвост, который мешает именно в этом месте.

Как перевести WAV или MP3 в спектрограмму онлайн

Возьмите исходный WAV, если он сохранился. MP3 тоже подходит для просмотра, но может содержать следы сжатия, которых не было в исходнике. Перевод MP3 в WAV не возвращает отброшенные детали.

1. Откройте бесплатный генератор спектрограмм Sunofix. Интерфейс инструмента на английском.
2. Подготовьте один WAV или MP3 не длиннее пяти минут и размером до 100 МБ. Для большой песни экспортируйте короткий участок и запишите время его начала.
3. Нажмите кнопку выбора MP3 или WAV либо перетащите файл в выделенную область. Анализ начнётся автоматически, отдельную команду запуска искать не нужно.
4. Дождитесь готовой спектрограммы и предпросмотра. Пока браузер читает и анализирует файл, держите вкладку открытой.
5. Скачайте PNG кнопкой под результатом. Размер изображения фиксирован - 1920 на 840 пикселей. Скриншот экрана не нужен.
6. Сохраните картинку рядом с исходником. Откройте аудио в плеере или редакторе и найдите на слух отмеченный участок.

Если браузер не смог прочитать файл, сделайте свежий экспорт WAV или MP3 в программе, где он открывается. Переименование расширения не меняет содержимое. Для очень короткого щелчка дополнительно увеличьте этот участок в аудиоредакторе - общий вид всей песни может скрыть мелкие детали.

Выбранный файл читается и анализируется в памяти текущей вкладки, без отправки аудио через API загрузки. Генератор создаёт изображение, а не очищает звук. Переход в отдельное приложение Sunofix не переносит туда выбранный файл. Перед закрытием вкладки скачайте результат.

Если вы смотрите фрагмент, учтите его начало. Например, отметка на десятой секунде отрывка, взятого с первой минуты песни, соответствует одной минуте десяти секундам полного трека. Иначе можно долго слушать соседнюю фразу и искать несуществующее совпадение.

Чтение осей: время, частота и градация цвета

Сначала найдите время по горизонтальной оси. Левый край соответствует началу выбранного файла, правый - концу. Для точной петли используйте счётчик плеера. Спектрограмма всей песни помогает выбрать область, но не заменяет точную привязку в редакторе.

По вертикали внизу расположены низкие частоты, выше - средние и высокие. Бочка и бас дают энергию внизу, голос занимает несколько областей, тарелки создают широкий след. Нельзя считать одну полосу исключительно вокалом, а другую исключительно шумом. У музыкального звука есть основной тон, обертоны и короткое начало удара.

Обработка в генераторе идёт при частоте дискретизации 48 кГц, поэтому верх шкалы составляет 24 кГц. Исходник с частотой дискретизации 44,1 кГц может содержать частоты лишь до 22,05 кГц. Пересчёт для анализа не создаёт утраченный верх. Тёмная зона над этой границей не требует усиления эквалайзером.

Цвет передаёт уровень частотной составляющей на шкале в децибелах. В изображении Sunofix тёмные области соответствуют меньшей энергии, светлые - большей. В других программах палитра и её границы могут отличаться. В руководстве Audacity отдельно описано, как усиление отображения и диапазон меняют яркость. Это настройки картинки, а не автоматическое улучшение аудио.

Для сравнения до и после возьмите один участок одинаковой длины и оставьте одинаковые настройки просмотра. Затем выровняйте воспринимаемую громкость при прослушивании. Если обработанная версия стала темнее, проверьте, сохранились ли естественный верх тарелок и разборчивость согласных. Более тёмная картинка не подтверждает, что цифровой грязи стало меньше.

Типичные следы артефактов на спектрограмме

Резкая граница высоких частот

Горизонтальный срез около 16 или 20 кГц может привлечь внимание в MP3. Но единой обязательной границы для всех MP3 нет. Похожий след оставляют фильтр, более ранний экспорт и исходник с ограниченной полосой. По картинке нельзя восстановить цепочку обработки или установить битрейт.

Прослушайте тарелку и её затухание на том же участке. Если есть исходный WAV, сравните его с MP3 при одинаковой громкости. Ищите слышимую разницу в хвосте и атаке. Усиливать пустую полосу бессмысленно - эквалайзер не вернёт информацию, которой в файле уже нет.

Вертикальные полосы и подозрение на клиппинг

Клиппинг возникает, когда пики сигнала срезаются при выходе за доступный диапазон. Он может звучать как хруст на бочке, треск или грубый край громкого слова. На спектрограмме искажение способно добавить высокочастотную энергию. Однако вертикальная полоса часто соответствует нормальному удару или согласной.

Откройте тот же момент в виде волны и увеличьте пики. Повторяющиеся плоские вершины дают более прямой повод проверить клиппинг, чем яркость спектра. Сравните с ранним экспортом. Если перегруз появился в вашей цепочке, уменьшите уровень перед перегруженным этапом и экспортируйте заново. Уменьшение громкости уже повреждённого файла не восстановит срезанные пики.

Когда ранней версии нет, пробуйте восстановление только на копии короткого участка. По документации Audacity, Clip Fix рассчитан прежде всего на лёгкий клиппинг и оценивает потерянную форму сигнала. Он не гарантирует исходные пики и не служит универсальным средством против артефактов генерации.

Горизонтальный звон и пятнистые хвосты

Устойчивая узкая линия может оказаться свистом, резонансом, синтезатором или частью инструмента. Полоса от 4 до 7 кГц бывает полезной областью поиска резкости, но не является подписью металлического звона. Не вырезайте её целиком только потому, что она яркая.

Пятна в верхних частотах и прерывистый хвост иногда совпадают с водянистым вокалом или рассыпающейся тарелкой. Похожие рисунки встречаются при обычном сжатии, обрезанной реверберации и намеренных эффектах. Универсального рисунка нейросетевого дефекта здесь нет.

Зациклите конец слова вместе с паузой после него. Если звон слышен только на хвосте, начните с небольшой локальной правки или динамического эквалайзера, который ослабляет полосу в нужные моменты. Сравните обработку с исходником и послушайте соседнюю чистую фразу. Согласные и ударные не должны терять ясность ради удаления одной линии.

Чего спектрограмма показать не может

Картинка не доказывает, что трек создан нейросетью, и не определяет модель генератора. Она не отличает художественное искажение от брака без музыкального контекста. По ней также нельзя узнать точную настройку лимитера или гарантировать, что песня готова к выпуску.

Я обычно начинаю с самого плотного припева. Там синтетический край проще услышать в контексте, а на спектрограмме можно отметить его время. После этого возвращаюсь к тихой фразе и проверяю, не затронула ли правка полезный сигнал. Изображение помогает вернуться к месту, но решение остаётся за прослушиванием.

Я основал Sunofix, поэтому объясню границу продукта. Бесплатный генератор показывает спектр. Отдельная обработка Sunofix предназначена для очистки аудио; её имеет смысл сравнивать с исходником, если ручная правка затрагивает слишком много нужных деталей. Начните с пошагового гайда по качеству звука Suno, затем при необходимости сравните очистку в Sunofix.

Оцените слова, начало бочки, тарелки и затухание пространства на одинаковой громкости. Если звон остался, а голос стал глуше, вернитесь к предыдущей версии. Очистка не переписывает мелодию, текст или аранжировку, не гарантирует возврат потерянных частот и не заменяет мастеринг. Сильно повреждённый фрагмент иногда полезнее пересоздать, чем продолжать обработку ради красивого спектра.