Analizator spektrum audio czasu rzeczywistego o wysokiej rozdzielczości
VoceVista to oprogramowanie do analizy spektrum audio o wysokiej rozdzielczości w czasie rzeczywistym, dla systemów Windows i macOS. Przyjmuje sygnał na żywo z mikrofonu lub instrumentu albo nagrany plik i na bieżąco rysuje spektrogram, płynnie przewijany z pełną częstotliwością odświeżania ekranu (120 Hz na aktualnym MacBooku Pro, więcej na szybkich monitorach stacjonarnych). VoceVista Pro rozkłada sygnał na ponad milion binów FFT, co daje szczegółowość wystarczającą, by rozdzielić gęsto rozmieszczone tony częściowe w dźwiękach nieharmonicznych, takich jak misy dźwiękowe, gongi i dzwony, oraz by wykonywać precyzyjne pomiary w projektowaniu instrumentów i badaniach akustycznych.
Większość programów do analizy spektrum zatrzymuje się daleko poniżej tego poziomu. Lata optymalizacji poświęciliśmy na to, by połączenie dużej liczby binów, wysokiej częstotliwości odświeżania i płynnie przewijanego obrazu było praktyczne na zwykłym laptopie.
Specyfikacja analizatora spektrum audio
- Platforma
- Windows i macOS
- Liczba binów FFT
- od 256 do 1 048 576 (od 2⁸ do 2²⁰) (VoceVista Pro (VoceVista Basic i VoceVista Video są ograniczone do 8192 pkt = 8 k pkt = 2¹³))
- Rozdzielczość częstotliwościowa
- nawet ~0,046 Hz / bin (przy częstotliwości próbkowania 48 kHz, 2²⁰ binów)
- Zakres mierzalnych częstotliwości
- połowa częstotliwości próbkowania (Nyquist), w praktyce ograniczona przez mikrofon (wartości dla typowych częstotliwości próbkowania znajdziesz poniżej w części „Jak działają rozdzielczość i zakres”)
- Częstotliwość odświeżania spektrogramu
- ograniczona przez monitor, nie przez analizator (120 Hz na aktualnym MacBooku Pro, więcej na szybkich monitorach stacjonarnych)
- Przewijanie spektrogramu
- płynne, ciągłe
- Próbkowanie
- ograniczone przez sprzęt, nie przez oprogramowanie (do 192 kHz w typowych interfejsach audio, dowolne dla wczytanych plików)
- Funkcje okna
- 12 do wyboru (Prostokąt, Hamming, Hann, Blackman, Nuttall, Bartlett, Blackman-Nuttall (domyślna), Blackman-Harris, Dolph-Chebyshev, Flat-Top, Hann-Poisson, Gauss)
Jak działają rozdzielczość i zakres
Analizator spektrum FFT ma dwie niezależne osie częstotliwości oraz trzecią oś w czasie. Łatwo je pomylić, a każda z nich odpowiada za co innego.
Rozdzielczość częstotliwościowa (szerokość binu) określa, jak dokładnie analizator potrafi rozróżnić dwie bliskie częstotliwości. Jest równa częstotliwości próbkowania podzielonej przez rozmiar FFT. To na tej osi liczba binów naprawdę się opłaca: więcej binów przy tej samej częstotliwości próbkowania oznacza węższy bin, który rozdziela tony częściowe zlewające się inaczej w jeden szczyt. Sama liczba binów nie jest jeszcze rozdzielczością. Rozdzielczość zawsze zależy także od częstotliwości próbkowania.
Zakres częstotliwości (maksymalna mierzalna częstotliwość) to najwyższa częstotliwość, jaką analizator w ogóle może pokazać. Jest to granica Nyquista, czyli połowa częstotliwości próbkowania. Decyduje o niej wyłącznie częstotliwość próbkowania, a liczba binów nie ma tu nic do rzeczy. W praktyce zakres ten ogranicza dodatkowo mikrofon, który zwykle stanowi rzeczywistą granicę (patrz niżej).
Rozdzielczość czasowa to trzecia oś: jak często spektrum się aktualizuje i jak długie okno analizy obejmuje FFT. Między rozdzielczością częstotliwościową a czasową zachodzi kompromis (węższe biny wymagają dłuższego okna czasowego), dlatego VoceVista udostępnia obie jako niezależne ustawienia, dzięki czemu możesz dobrać równowagę odpowiednią do zadania.
Podsumowując: liczba binów wraz z częstotliwością próbkowania wyznacza rozdzielczość, sama częstotliwość próbkowania wyznacza zakres, a okno analizy określa kompromis między tą rozdzielczością a czasem. Przy maksimum edycji Pro, około miliona binów, rozdzielczość i zakres dla typowych częstotliwości próbkowania wyglądają następująco:
| Próbkowanie | Maks. mierzalna częstotliwość (Nyquist) | Szerokość binu przy 2²⁰ |
|---|---|---|
| 22 kHz | 11 kHz | 0,021 Hz |
| 44,1 kHz | 22,05 kHz | 0,042 Hz |
| 48 kHz | 24 kHz | 0,046 Hz |
| 96 kHz | 48 kHz | 0,092 Hz |
| 192 kHz | 96 kHz | 0,183 Hz |
Przy stałej częstotliwości próbkowania 44,1 kHz (typowej dla analizy głosu i dźwięku w jakości CD) oto szerokość binu dla każdego dostępnego rozmiaru FFT. Rozmiary do 8192 pkt (8 k pkt, 2¹³) są dostępne we wszystkich edycjach, a rozmiary od 16 384 pkt (16 k pkt, 2¹⁴) do 1 048 576 pkt (1 M pkt, 2²⁰) wymagają edycji Pro.
| Rozmiar FFT (punkty) | Szerokość binu przy 44,1 kHz |
|---|---|
| 256 pkt ( 2⁸) | 172 Hz |
| 512 pkt ( 2⁹) | 86,1 Hz |
| 1024 pkt (1 k pkt, 2¹⁰) | 43,1 Hz |
| 2048 pkt (2 k pkt, 2¹¹) | 21,5 Hz |
| 4096 pkt (4 k pkt, 2¹²) | 10,8 Hz |
| 8192 pkt (8 k pkt, 2¹³) | 5,38 Hz |
| 16 384 pkt (16 k pkt, 2¹⁴) | 2,69 Hz |
| 32 768 pkt (32 k pkt, 2¹⁵) | 1,35 Hz |
| 65 536 pkt (64 k pkt, 2¹⁶) | 0,673 Hz |
| 131 072 pkt (128 k pkt, 2¹⁷) | 0,336 Hz |
| 262 144 pkt (256 k pkt, 2¹⁸) | 0,168 Hz |
| 524 288 pkt (512 k pkt, 2¹⁹) | 0,084 Hz |
| 1 048 576 pkt (1 M pkt, 2²⁰) | 0,042 Hz |
Uwaga dotycząca zakresu. To mikrofon, a nie analizator, wyznacza rzeczywistą górną granicę. Zwykłe mikrofony tracą czułość w okolicach 20 kHz, co z zapasem obejmuje częstotliwość próbkowania 44,1 lub 48 kHz. Profesjonalne mikrofony pomiarowe sięgają do około 30 lub 50 kHz. Wszystko powyżej wymaga aparatury laboratoryjnej lub przetworników ultradźwiękowych. Choć więc oprogramowanie bez problemu działa przy 192 kHz z odpowiednim interfejsem audio, granicą, na którą zwykle trafiasz najpierw, jest mikrofon. Konkretne propozycje w różnych przedziałach cenowych znajdziesz wśród naszych polecanych mikrofonów.
Uwaga dotycząca rozdzielczości. Dla porównania: domyślne ustawienie do analizy śpiewu to 8192 pkt (8 k pkt, 2¹³) przy 44,1 kHz, co jest zarazem maksimum w VoceVista Basic i VoceVista Video. Daje to około 5,4 Hz na bin, w zupełności wystarczająco dla pedagogiki wokalnej, w której harmoniczne są oddalone od siebie o 100 Hz lub więcej, ale za mało, by rozdzielić gęsto rozmieszczone nieharmoniczne tony częściowe mis i gongów w ich niskim rejestrze. Przy tej samej częstotliwości próbkowania 1 048 576 pkt (1 M pkt, 2²⁰) edycji Pro daje około 0,042 Hz na bin, czyli rozdzielczość 128 razy większą.
Zakres dynamiczny i głębia bitowa
Zakres dynamiczny, czyli rozpiętość między najgłośniejszymi a najcichszymi sygnałami, jakie analizator potrafi rozróżnić, ma kilka aspektów, które nakładają się na siebie wzdłuż toru audio. VoceVista nagrywa wewnętrznie w formacie zmiennoprzecinkowym do 32 bitów, co wystarcza, by sam etap nagrywania nie stanowił praktycznego ograniczenia, a importowane pliki FLAC są obsługiwane w wersji 24- i 32-bitowej (nominalnie 144 dB i więcej). Po stronie analizy sama FFT ma w praktyce użyteczny zakres dynamiczny około 100 dB, wyznaczony przez tłumienie listków bocznych funkcji okna. 12 funkcji okna do wyboru, wymienionych w tabeli specyfikacji, to różne kompromisy między tym zakresem dynamicznym a szerokością listka głównego. Przy sygnałach na żywo granica zwykle zostaje osiągnięta dużo wcześniej: dobry interfejs audio daje od 100 do 120 dB zakresu dynamicznego, a mikrofon i szumy pomieszczenia zabierają zwykle kolejne 20 dB. Ogólny zakres dynamiczny, który widzisz, to więc minimum z tych etapów, a w praktyce pułap wyznacza sprzęt, nie analizator.
Zobacz to na prawdziwych sygnałach
Kilka przykładów sygnałów, przy których wysoka rozdzielczość naprawdę się opłaca. Kliknij dowolny obraz, aby go powiększyć.
Gdzie ta rozdzielczość naprawdę ma znaczenie
W większości zastosowań w pedagogice wokalnej i codziennej praktyce muzycznej nie potrzebujesz niczego zbliżonego do miliona binów. Oto przypadki, w których jest inaczej.
Misy dźwiękowe i misy tybetańskie
Misy wytwarzają gęsto rozmieszczone nieharmoniczne tony częściowe, w niskim rejestrze często oddalone od siebie zaledwie o kilka herców. Przy 23 Hz na bin (typowa FFT 2048-punktowa przy 48 kHz) kilka tonów częściowych zlewa się w jeden rozmyty szczyt. Szerokość binu poniżej jednego herca wyraźnie je rozdziela.
Gongi i dzwony
Bogate nieharmoniczne spektra z dziesiątkami modów drgań skupionych w wąskim paśmie częstotliwości. Rozróżnienie poszczególnych modów i śledzenie tempa ich wygasania wymaga jednocześnie małej szerokości binu i wysokiej częstotliwości odświeżania.
Nieharmoniczność fortepianu i strój rozciągnięty
Prawdziwe struny fortepianu wytwarzają tony częściowe, które są coraz wyższe od całkowitych wielokrotności podstawy tonalnej. Pomiar tej krzywej rozciągnięcia, na której opiera się strojenie fortepianu, wymaga dokładnego śledzenia częstotliwości tonów częściowych z precyzją do ułamka herca.
Projektowanie instrumentów i pomiary akustyczne
Charakteryzowanie modów drgań korpusów, płyt, strun i piszczałek wymaga takiej samej szczegółowości: gęsto rozmieszczonych rezonansów, które analizatory o niższej rozdzielczości zlewają w jedno wybrzuszenie.
Strojenie cytr, harf i instrumentów historycznych
Gdy przedmiotem badań jest sam system strojenia albo gdy jest on rozciągnięty lub temperowany w nieoczywisty sposób, musisz odczytać rzeczywiste częstotliwości strun, a nie te, które zakłada nakładka w stroju równomiernie temperowanym.
Edycje
Maksymalny rozmiar FFT, a co za tym idzie najwyższa dostępna rozdzielczość częstotliwościowa, zależy od edycji:
| Edycja | Maks. liczba binów FFT | Maks. rozdzielczość częstotliwościowa przy 44,1 kHz |
|---|---|---|
| VoceVista Basic | 8192 pkt (8 k pkt, 2¹³) | 5,38 Hz / bin |
| VoceVista Video | 8192 pkt (8 k pkt, 2¹³) | 5,38 Hz / bin |
| VoceVista Pro | 1 048 576 pkt (1 M pkt, 2²⁰) | 0,042 Hz / bin |
Pełne porównanie tego, co poza rozdzielczością FFT zawiera każda edycja, znajdziesz na stronie edycji.
Wypróbuj na własnym sygnale
Bezpłatna 30-dniowa wersja próbna zawiera pełen zestaw funkcji. Skieruj ją na misę, gong, instrument albo cokolwiek, czemu chcesz się dokładnie przyjrzeć.