Генерировать аудио-спектрограммы и визуализации признаков с помощью songsee

Как применить

WAV и MP3 декодируются автоматически; для других форматов требуется ffmpeg.

Сгенерированные изображения можно просмотреть с помощью vision_analyze для автоматизированного анализа аудио.

Это полезно для сравнения аудиовыходов, отладки синтеза или документирования конвейеров обработки аудио.

Установите songsee:

go install github.com/steipete/songsee/cmd/songsee@latest

Начните с создания базовой спектрограммы, сохраните её в файл или создайте сетку многопанельной визуализации:

# Basic spectrogram
songsee track.mp3

# Save to specific file
songsee track.mp3 -o spectrogram.png

# Multi-panel visualization grid
songsee track.mp3 --viz spectrogram,mel,chroma,hpss,selfsim,loudness,tempogram,mfcc,flux

# Time slice (start at 12.5s, 8s duration)
songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg

# From stdin
cat track.mp3 | songsee - --format png -o out.png

Используйте --viz с значениями, разделёнными запятыми, чтобы выбрать типы визуализации: spectrogram — стандартная частотная спектрограмма, mel — спектрограмма в мел-шкале, chroma — распределение классов высоты тона, hpss — разделение гармонических и перкуссивных компонентов, selfsim — матрица самоподобия, loudness — уровень громкости во времени, tempogram — оценка темпа, mfcc — коэффициенты Мел-частотного спектрального анализа, flux — спектральный поток (детектирование начала звука). Несколько типов --viz отображаются в виде сетки на одном изображении.

Дополнительные параметры управляют выводом: --viz задаёт типы визуализации (через запятую), --style выбирает цветовую палитру из classic, magma, inferno, viridis или gray, --width/--height устанавливают размеры выходного изображения, --window/--hop задают окно FFT и шаг сдвига, --min-freq/--max-freq фильтруют частотный диапазон, --start/--duration выбирают временной сегмент аудио, --format определяет формат вывода (jpg или png), а -o указывает путь к выходному файлу.