Spectro Pro：从实时语谱图到 Web 实验语音分析工具的探索

一个面向实验语音学、声音分析与 Web 音频技术的个人开源项目。

GitHub - Jeoitim/spectro-pro: 🎶 一个现代、实时、易用的语音可视化工具

https://github.com/Jeoitim/spectro-pro

起点：一个实时语谱图工具的重新思考

最初的项目灵感来自开源项目 Spectro。原项目主要解决的是在浏览器中实时生成音频语谱图的问题：通过麦克风或本地音频输入，利用 Web Audio API、FFT 与 GPU 渲染实现低延迟可视化。

然而，对于实验语音学研究而言，仅仅显示一张动态语谱图仍然是不够的。

语音研究者真正关心的是：

基频（F0）如何变化？

共振峰（Formants）如何反映元音质量？

音强曲线如何描述发声强弱？

宽带语谱与窄带语谱分别能观察什么？

数字音频信号如何对应真实的发声过程？

因此，Spectro Pro 逐渐从一个“语谱图播放器”发展为一个面向语音分析的 Web 实验平台。

从 Spectro 到 Spectro Pro

原始 Spectro 项目专注于实时性能：

音频分帧

Window 函数处理

FFT 频谱计算

Web Worker 并行计算

WebGL 高性能渲染

参考项目： https://github.com/calebj0seph/spectro

Spectro Pro 保留了 Web 实时音频处理的核心，同时增加了实验语音学方向的功能设计。

核心功能

1. 宽带与窄带语谱切换

语谱图并不是只有一种观察方式。

宽带语谱（Broadband Spectrogram）

适合观察：

元音共振峰结构

辅音过渡

发音动作时间关系

较短窗口带来更好的时间分辨率。

窄带语谱（Narrowband Spectrogram）

适合观察：

基频周期

谐波结构

声带振动模式

较长窗口提供更好的频率分辨率。

这一设计参考了 Praat 等专业语音分析软件的工作流程。

2. F0、共振峰和音强可视化

未来版本将加入更多分析层：

F0 曲线

半音（Semitone）显示

Formant F1/F2/F3 轨迹

Intensity 曲线

目标不是替代专业工具，而是在浏览器环境中提供一个快速、直观的探索工具。

3. 数字音频与声学世界之间的桥梁

开发过程中最大的挑战并不是 FFT 或 Canvas，而是如何连接两个不同的世界：

数字信号处理中，声音是一组采样点；

实验语音学中，声音又代表：

声带振动

舌位变化

口腔共鸣空间

发音动作时间结构

例如，dBFS 是数字系统中的电平单位，而 SPL 是物理声压单位，两者并不能简单等同。一个好的可视化工具需要帮助使用者理解这种转换关系。

技术路线

目前项目主要基于 Web 技术：

TypeScript / JavaScript

Web Audio API

FFT 频谱分析

WebGL 可视化

浏览器端实时计算

未来可能探索：

WebAssembly 加速专业声学算法

浏览器端 Praat 类分析能力

云端项目管理与 AI 辅助分析

为什么选择 Web？

传统实验语音工具非常强大，例如 Praat 已经成为实验语音学领域的重要基础设施。

但桌面软件也存在一些限制：

安装成本

平台差异

数据共享困难

在线教学和展示不方便

Web 平台的优势在于：

打开浏览器，即可开始声音实验。

未来的目标是探索一种更开放的“Phonetics on Web”。

项目思考

Spectro Pro 并不是简单复制一个桌面语音分析软件，而是在探索：

实验语音学工具是否可以像现代 Web 应用一样，更开放、更实时、更易分享？

但我从一开始就没有打算用一个浏览器工具替代 Praat，也不推荐把 Spectro Pro 直接用于论文、临床或其他专业测量。专业工具之所以可靠，不只因为算法，还因为成熟的工作流、可复现设置、设备校准和长期验证。Spectro Pro 更适合做另一件事：让这些平时有些抽象的声学信息，随时可以被看见。

在课堂上演示宽带与窄带语谱的区别，打开麦克风观察自己说话时 F0 和共振峰的变化，或者临时检查一台录音设备有没有削波、底噪是否异常，这些场景不需要先搭建复杂环境。只要有现代浏览器，就能立即开始。我觉得这就是它的价值。