播客片头定调
独立播客主录制完一期关于「深夜便利店」的对谈，想剪一个 15 秒的片头视频发在 B 站。用本工具将人声轨道转为波形动画，叠加便利店收银台的音效频谱，画面随「叮咚」门铃声出现波峰。相比套用模板，能精确卡住人声断句的节奏点，让片头视觉与音频的情绪起伏同步。
点击 / 拖拽音频文件到此
本地解析 · MP3 / WAV / OGG / FLAC / M4A / AAC
local only · nothing uploaded
实时预览analyser · live preview
可视化样式visualizer style
频谱柱状frequency bars
波形线oscilloscope
圆形频谱radial spectrum
粒子律动particles
画布设置canvas & theme
导出格式说明：浏览器 MediaRecorder 主流输出 WebM（VP8/VP9 + Opus）；
Safari 若支持会优先 MP4，否则为 WebM。多数平台（B 站 / 抖音网页端）可直接上传 WebM；
如需严格 MP4，下载后用本地 FFmpeg（ffmpeg -i in.webm out.mp4）或在线转换工具转码。
录制时长 = 音频时长，需保持本页面前台播放。
就绪 · 选择音频后实时预览律动
第一节
关于本工具
About剪辑一段播客切片准备发抖音，波形图却总跟人声错位。这个工具把音频文件拖进去，选波形或频谱样式，直接导出带画面的 MP4——声画同步由 FFmpeg 在服务端计算，不依赖浏览器性能。适合做口播字幕底版、音乐可视化预览，或给纯音频内容配一个能上传 B 站的封面帧。
使用场景
音乐人 demo 包装
独立音乐人做完一首 demo 小样，想发给厂牌 A&R 但只有纯音频文件。用本工具将主歌、副歌的频谱差异可视化，导出 30 秒的波形视频。A&R 在微信里点开就能看到副歌部分频谱饱满、能量集中，比单纯听音频多一层「视觉拐点」来判断歌曲结构是否完整。
有声书样章试听
有声书主播录完样章，甲方编辑要求提供「可直观对比情绪起伏」的试听素材。主播将同一段文本的 3 种演绎（平静叙述、戏剧化、轻声低语）分别生成波形视频。编辑通过波形疏密和振幅高低，快速判断哪种演绎在「紧张段落」声音爆发力更足，省去逐个听 3 遍的对比时间。
ASMR 频道封面
ASMR 创作者录制了一段 5 分钟的「翻书声 + 雨声」白噪音，想做一个动态封面放在 YouTube 频道首页。用本工具截取声音最密集的 3 秒片段导出频谱图，画面中高频雨声呈现连续雾状纹理、低频翻书声为实心波峰，两种视觉质感并存，比静态图片更能传达音频的「沉浸感」。
乐器维修前后对比
吉他维修师修好一把琴颈弯曲的老吉他，录下同一根弦在维修前/后的拨弦声。用本工具生成两段波形视频，维修前的波形振幅小且衰减快（琴弦打品），维修后振幅大且尾部平稳。发给客户时，客户能通过波形差异直接看到「打品」问题已解决，而非只听音频凭感觉判断。
第二节
使用指南
Getting Started使用步骤
- 1上传或粘贴音频文件（支持 MP3、WAV、FLAC），格式不符时输入框下方显示红色提示
- 2在「可视化类型」下拉框选择波形或频谱，右侧预览区同步显示对应动画效果
- 3拖动「分辨率」滑块（360p–1080p）和「帧率」滑块（15–60fps），画质参数即时更新到预览画面
- 4点击「导出 MP4」按钮，进度条从 0% 走到 100%，完成后按钮变为「下载文件」
输入输出示例
| 输入 | 输出 | 说明 |
|---|---|---|
| 上传一段 30 秒、44100Hz、16bit 单声道 WAV 语音文件，选择“波形”样式，画布 1920×1080，帧率 30fps | 输出一个 30 秒的 MP4 视频，画面为白色背景上蓝色波形曲线，波形高度随音频振幅实时变化，左上角无任何水印或文字叠加 | 常规：最典型的使用场景——单声道语音转波形视频，验证基本波形生成与画布尺寸、帧率的正确匹配 |
| 上传一段 3 分钟、48000Hz、24bit 立体声 FLAC 音乐文件，选择“频谱”样式，画布 1080×1920（竖屏），帧率 60fps | 输出一个 3 分钟的 MP4 视频，画面为黑色背景上彩色频谱柱状图，左右声道分别显示为对称的两组频谱柱，频率范围 20Hz-20kHz 清晰可见 | 常规：立体声高采样率音乐转频谱视频，验证立体声分离处理、竖屏适配及高帧率渲染 |
| 上传一段 0.5 秒、8000Hz、8bit 单声道 PCM 音频文件，选择“波形”样式，画布 640×480，帧率 10fps | 输出一个 0.5 秒的 MP4 视频，画面中波形仅显示约 5 个完整周期（因时长极短），波形曲线平滑无毛刺 | 边界：极短音频（<1秒）与极低采样率（8kHz）的组合，验证工具对短时音频的波形采样点是否足够、帧率过低时是否出现丢帧或画面空白 |
| 上传一段 60 分钟、192000Hz、32bit 浮点立体声 WAV 文件，选择“频谱”样式，画布 1920×1080，帧率 30fps | 输出一个 60 分钟的 MP4 视频，文件大小约 4.5GB（取决于码率设置），画面频谱随时间推进，无内存溢出或中途崩溃 | 边界：超长音频（1小时）与超高采样率（192kHz），验证工具对大文件的分段处理能力、内存管理及输出文件大小是否合理 |
| 上传一段 0 字节的空白 WAV 文件（或仅含 WAV 头部的空音频） | 工具提示“音频数据为空，请上传有效音频文件”，不生成任何视频文件 | 边界：空音频输入，验证工具对无效输入的容错处理——应明确报错而非生成空白视频或崩溃 |
| 上传一段 10 秒、44100Hz、16bit 单声道 MP3 文件（实际为 MP3 格式但文件扩展名改为 .wav） | 工具提示“文件格式不匹配：文件头标识为 MP3，但扩展名为 .wav”，拒绝处理 | 易错：用户常通过改扩展名伪装文件格式，工具应通过文件头（magic number）校验真实格式，而非仅依赖扩展名 |
| 上传一段 10 秒、44100Hz、16bit 单声道 WAV 文件，选择“频谱”样式，画布 1920×1080，帧率 30fps，但音频文件实际仅包含静音（所有采样值为 0） | 输出一个 10 秒的 MP4 视频，画面中频谱柱全部为最低高度（接近 0），无任何颜色变化 | 易错：静音音频输入，验证工具对全零采样值的处理——频谱不应出现随机噪声或异常峰值，应保持平坦 |
常见错误对照
1.音频时长超出免费处理限制，导出失败
✗ 错误
上传了一段 30 分钟的播客录音✓ 修复
先剪辑出 30 秒以内的片段再上传浏览器端 WASM 处理受内存限制，长音频会导致页面崩溃或导出空白视频。工具通常有明确时长上限（如 30 秒），超出后应分段处理。
2.频谱模式与音乐风格不匹配，视觉混乱
✗ 错误
给一首纯钢琴曲选择「频谱」模式✓ 修复
给纯钢琴曲选择「波形」或「条形频谱」频谱图展示全频段能量分布，适合电子乐、摇滚等宽频音乐。纯钢琴曲频段窄，频谱图会显得稀疏、动态不足，视觉上不如波形直观。
3.输出分辨率设置过高，导出速度极慢
✗ 错误
为抖音短视频设置 4K (3840×2160) 分辨率✓ 修复
选择 1080×1920（竖屏 9:16）FFmpeg 编码 4K 视频帧数多、计算量大，浏览器端 WASM 性能有限。抖音平台实际展示上限为 1080P，设置更高分辨率只会徒增处理时间。
4.背景色与波形颜色相近，波形不可见
✗ 错误
背景色设为白色 (#FFFFFF)，波形也设为白色✓ 修复
背景色 #1A1A2E，波形色 #E94560（高对比度配色）波形/频谱本质是像素颜色差异，背景与前景色对比度不足时，视觉上波形会「消失」。推荐深色背景 + 亮色波形，或使用工具预设的对比色方案。
5.音频采样率低于视频帧率，波形卡顿
✗ 错误
上传 8kHz 采样率的语音录音，帧率设为 30fps✓ 修复
上传 44.1kHz 或更高采样率的音频波形生成依赖音频采样点。8kHz 每秒仅 8000 个采样点，30fps 视频每帧只能分配到约 267 个采样点，导致波形细节不足、视觉上跳跃卡顿。
6.文件名含特殊字符导致 FFmpeg 解析失败
✗ 错误
上传文件名为「我的音乐 (2024).mp3」✓ 修复
重命名为「my_music_2024.mp3」FFmpeg 命令行解析时，括号、空格、中文等字符可能被 shell 或 WASM 沙箱错误转义。建议仅使用字母、数字、下划线、连字符。
7.导出视频时长远大于音频时长，尾部静音
✗ 错误
设置导出时长 60 秒，但音频只有 20 秒✓ 修复
导出时长设为「与音频相同」或手动设为 20 秒工具按设定时长生成视频帧，音频结束后 FFmpeg 会用静音填充剩余帧。结果视频后 40 秒只有静止波形图 + 无声，浪费存储且不符合发布预期。
第三节
工作原理
How It Works核心公式
Y(t) = A(t) × sin(2π × f(t) × t + φ(t))
变量说明
Y(t)t 时刻的音频采样振幅值A(t)t 时刻的瞬时振幅包络（音量）f(t)t 时刻的瞬时频率（Hz）φ(t)t 时刻的初始相位偏移（弧度）
示例
取 44100 Hz 采样率下第 1000 个采样点（t = 1000/44100 ≈ 0.02268 s），该点振幅包络 A=0.8，频率 f=440 Hz（A4 音），相位 φ=0：Y = 0.8 × sin(2π × 440 × 0.02268) = 0.8 × sin(62.83) ≈ 0.8 × 0.5878 ≈ 0.470。该值映射到视频帧对应像素的亮度或颜色通道，形成波形/频谱可视化图像。
用户输入
服务端处理
输出结果
第五节
常见问题
Q & A问上传的音频文件最大能多大？支持什么格式？＋
答
本工具基于 FFmpeg 在服务端处理，理论上支持 FFmpeg 能解码的所有常见音频格式，包括 mp3、wav、flac、aac、ogg、m4a 等。单文件大小上限取决于服务器配置和当前负载，通常 200MB 以内的文件可稳定处理。如果文件过大，建议先用其他工具截取片段再上传。输出固定为 MP4 视频，编码为 H.264 + AAC。
问波形和频谱两种模式有什么区别？我该选哪个？＋
答
波形（Waveform）显示声音的振幅随时间变化，适合突出节奏和音量起伏，比如人声独白、鼓点清晰的音乐。频谱（Spectrogram）展示频率分布，颜色深浅代表能量强弱，适合分析混音细节或电子乐。如果只是做抖音/B 站配图视频，波形更直观；如果是展示音频内容复杂程度，频谱更有信息量。
问为什么生成的视频里音频和画面不同步？＋
答
本工具使用 FFmpeg 的 `showwaves` 或 `showspectrum` 滤镜实时渲染，输出时音频流和视频流由同一输入源驱动，理论上不会出现不同步。如果发现不同步，常见原因是输入音频本身采样率不标准（如 8000Hz 极端低采样率），或浏览器播放器解码兼容性问题。建议下载后使用本地播放器（如 VLC）检查，排除浏览器缓存导致的错觉。
问能不能调整视频分辨率或背景颜色？＋
答
目前工具提供固定输出分辨率（如 1920x1080）和默认深色背景，暂不支持用户自定义分辨率或背景色。如果对尺寸或配色有特殊要求，可以下载生成的 MP4 后，用剪辑软件（如剪映、Premiere）二次调整。未来版本可能增加更多自定义选项。
问音频文件会保存在服务器上吗？隐私安全吗？＋
答
上传的音频文件仅在服务端暂存用于处理，生成视频后立即删除，不留存任何音频内容。处理过程由后端 Go 服务调用 FFmpeg 完成，不经过第三方 API。如果对隐私有极高要求，建议使用纯本地离线工具（如 Audacity 导出视频），但本工具不会长期保留用户数据。
问生成的视频能直接发抖音/B 站吗？有什么注意事项？＋
答
输出为 H.264 编码的 MP4，是目前主流平台兼容性最好的格式，可直接上传抖音、B 站、微信视频号。注意：如果音频时长较短（< 30 秒），抖音可能自动循环播放；B 站对竖屏视频有 9:16 比例推荐，本工具默认输出 16:9 横屏，上传前建议用剪辑软件裁剪比例。另外，背景音乐版权需自行确保。
问为什么生成的视频没有声音？＋
答
首先确认上传的音频文件本身有声音（可用播放器试听）。本工具默认将原音频流原样复制到输出视频中，不会静音。如果输出视频无声，可能是浏览器预览时未开启声音，或下载后播放器解码问题。建议下载到本地用 VLC 或系统自带播放器打开，检查音频轨道是否存在。若仍无声，可能是输入音频编码极特殊（如 AC3），可尝试转码为 WAV 再上传。
问能不能只截取音频中的某一段生成视频？＋
答
当前版本不支持在工具内裁剪音频片段。如果需要只处理音频的某一段，建议先用其他工具（如 Audacity、在线裁剪工具）截取所需片段，再上传到本工具生成视频。后续版本可能会加入起始时间和结束时间输入框。
问和手机 App 里的音频可视化比，这个工具有什么优势？＋
答
手机 App 通常输出固定模板（如圆形频谱、跳动音符），可定制性强但画质受限。本工具基于 FFmpeg 渲染，输出无损原始画质（1080p 甚至更高），适合需要高清素材的后期剪辑。另外，手机 App 往往有水印或内购去水印，本工具免费无广告无水印。缺点是没有实时预览和丰富特效，适合追求简洁、高质量输出的用户。
隐私保证所有计算与处理均在你的浏览器本地完成，输入数据不会上传服务器，也不会保存或共享。