Web Audio在音頻可視化中的應用

本文有兩個關鍵詞：音頻可視化和Web Audio。前者是實踐，后者是其背后的技術支持。 Web Audio 是很大的知識點，本文會將重點放在如何獲取音頻數(shù)據(jù)這塊，對于其 API 的更多內容，可以查看 MDN。

另外，要將音頻數(shù)據(jù)轉換成可視化圖形，除了了解 Web Audio 之外，還需要對 Canvas (特指2D，下同)，甚至 WebGL (可選)有一定了解。如果讀者對它們沒有任何學習基礎，可以先從以下資源入手：

什么是音頻可視化通過獲取頻率、波形和其他來自聲源的數(shù)據(jù)，將其轉換成圖形或圖像在屏幕上顯示出來，再進行交互處理。

云音樂有不少跟音頻動效相關的案例，但其中有些過于復雜，又或者太偏業(yè)務。因此這里就現(xiàn)找了兩個相對簡單，但有代表性的例子。

第一個是用 Canvas 實現(xiàn)的音頻柱形圖。

第二個是用 WebGL 實現(xiàn)的粒子效果。

在具體實踐中，除了這些基本圖形(矩形、圓形等)的變換，還可以把音頻和自然運動、3D 圖形結合到一起。

什么是 Web AudioWeb Audio 是 Web 端處理和分析音頻的一套 API 。它可以設置不同的音頻來源(包括節(jié)點、 ArrayBuffer 、用戶設備等)，對音頻添加音效，生成可視化圖形等。

接下來重點介紹 Web Audio 在可視化中扮演的角色，見下圖。

簡單來說，就是取數(shù)據(jù) + 映射數(shù)據(jù)兩個過程。我們先把“取數(shù)據(jù)”這個問題解決，可以按以下5步操作。

1. 創(chuàng)建 AudioContext

在音頻的任何操作之前，都必須先創(chuàng)建 AudioContext 。它的作用是關聯(lián)音頻輸入，對音頻進行解碼、控制音頻的播放暫停等基礎操作。

創(chuàng)建方式如下：

const AudioContext = window.AudioContext || window.webkitAudioContext;

const ctx = new AudioContext();

2. 創(chuàng)建 AnalyserNode

AnalyserNode 用于獲取音頻的頻率數(shù)據(jù)( FrequencyData )和時域數(shù)據(jù)( TimeDomainData )。從而實現(xiàn)音頻的可視化。

它只會對音頻進行讀取，而不會對音頻進行任何改變。

const analyser = ctx.createAnalyser();

analyser.fftSize = 512;

關于 fftSize ，在 MDN 上的介紹可能很難理解，說是快速傅里葉變換的一個參數(shù)。

可以從以下角度理解：

1. 它的取值是什么？

fftSize 的要求是 2 的冪次方，比如 256 、 512 等。數(shù)字越大，得到的結果越精細。

對于移動端網(wǎng)頁來說，本身音頻的比特率大多是 128Kbps ，沒有必要用太大的頻率數(shù)組去存儲本身就不夠精細的源數(shù)據(jù)。另外，手機屏幕的尺寸比桌面端小，因此最終展示圖形也不需要每個頻率都采到。只需要體現(xiàn)節(jié)奏即可，因此 512 是較為合理的值。

2. 它的作用是什么？

fftSize 決定了 frequencyData 的長度，具體為 fftSize 的一半。

至于為什么是 1 / 2，感興趣的可以看下這篇文章：Why is the FFT “mirrored”?

3. 設置 SourceNode

現(xiàn)在，我們需要將音頻節(jié)點，關聯(lián)到 AudioContext 上，作為整個音頻分析過程的輸入。

在 Web Audio 中，有三種類型的音頻源：MediaElementAudioSourceNode 允許將節(jié)點直接作為輸入，可做到流式播放。

AudioBufferSourceNode 通過 xhr 預先將音頻文件加載下來，再用 AudioContext 進行解碼。

MediaStreamAudioSourceNode 可以將用戶的麥克風作為輸入。即通過navigator.getUserMedia獲取用戶的音頻或視頻流后，生成音頻源。

這 3 種音頻源中，除了 MediaStreamAudioSourceNode 有它不可替代的使用場景(比如語音或視頻直播)之外。 MediaElementAudioSourceNode 和 AudioBufferSourceNode 相對更容易混用，因此這里著重介紹一下。

MediaElementAudioSourceNode

MediaElementAudioSourceNode 將標簽作為音頻源。它的 API 調用非常簡單。

// 獲取節(jié)點const audio = document.getElementById('audio');

// 通過節(jié)點創(chuàng)建音頻源const source = ctx.createMediaElementSource(audio);

// 將音頻源關聯(lián)到分析器source.connect(analyser);

// 將分析器關聯(lián)到輸出設備(耳機、揚聲器)analyser.connect(ctx.destination);

AudioBufferSourceNode

有一種情況是，在安卓端，測試了在Chrome/69(不含)以下的版本，用 MediaElementAudioSourceNode 時，獲取到的 frequencyData 是全為 0 的數(shù)組。

因此，想要兼容這類機器，就需要換一種預加載的方式，即使用 AudioBufferSourceNode ，加載方式如下：

// 創(chuàng)建一個xhrvar xhr = new XMLHttpRequest();

xhr.open('GET', '/path/to/audio.mp3', true);

// 設置響應類型為 arraybufferxhr.responseType = 'arraybuffer';

xhr.onload = function() {

var source = ctx.createBufferSource();

// 對響應內容進行解碼 ctx.decodeAudioData(xhr.response, function(buffer) {

// 將解碼后得到的值賦給buffer source.buffer = buffer;

// 完成。將source綁定到ctx。也可以連接AnalyserNode source.connect(ctx.destination);

});

};

xhr.send();

如果將 AnalyserNode 類比中間件，會不會好理解一些？

可以對比一下常規(guī)的播放，和 Web Audio 中的播放流程：

4. 播放音頻

對于節(jié)點，即使用 MediaElementAudioSourceNode 的話，播放相對比較熟悉：

audio.play();

但如果是 AudioBufferSourceNode ，它不存在 play 方法，而是：

// 創(chuàng)建AudioBufferSourceNodeconst source = ctx.createBufferSource();

// buffer是通過xhr獲取的音頻文件source.buffer = buffer;

// 調用start方法進行播放source.start(0);

5. 獲取 frequencyData

到此，我們已經(jīng)將音頻輸入關聯(lián)到一個 AnalyserNode ，并且開始播放音頻。對于 Web Audio 這部分來說，它只剩最后一個任務：獲取頻率數(shù)據(jù)。

關于頻率， Web Audio 提供了兩個相關的 API，分別是：analyser.getByteFrequencyData

analyser.getFloatFrequencyData

兩者都是返回 TypedArray ，唯一的區(qū)別是精度不同。

getByteFrequencyData 返回的是 0 - 255 的 Uint8Array 。而 getFloatFrequencyData 返回的是 0 - 22050 的 Float32Array 。

相比較而言，如果項目中對性能的要求高于精度，那建議使用 getByteFrequencyData 。下圖展示了一個具體例子：

關于數(shù)組的長度( 256 )，在上文已經(jīng)解釋過，它是 fftSize 的一半。

現(xiàn)在，我們來看下如何獲取頻率數(shù)組：

const bufferLength = analyser.frequencyBinCount;

const dataArray = new Uint8Array(bufferLength);

analyser.getByteFrequencyData(dataArray);

需要注意的是， getByteFrequencyData 是對已有的數(shù)組元素進行賦值，而不是創(chuàng)建后返回新的數(shù)組。

它的好處是，在代碼中只會有一個 dataArray 的引用，不用通過函數(shù)調用和參數(shù)傳遞的方式來重新取值。

可視化的兩種實現(xiàn)方案

在了解 Web Audio 之后，已經(jīng)能用 getByteFrequencyData 取到一個 Uint8Array 的數(shù)組，暫時命名為 dataArray 。

從原理上講，可視化所依賴的數(shù)據(jù)可以是音頻，也可以是溫度變化，甚至可以是隨機數(shù)。所以，接下來的內容，我們只需要關心如何將 dataArray 映射為圖形數(shù)據(jù)，不用再考慮 Web Audio 的操作。

(為了簡化 Canvas 和 WebGL 的描述，下文提到 Canvas 特指 Canvas 2D。)

1. Canvas 方案

Canvas 本身是一個序列幀的播放。它在每一幀中，都要先清空 Canvas ，再重新繪制。

以下是從示例代碼中摘取的一段：

function renderFrame() {

requestAnimationFrame(renderFrame);

// 更新頻率數(shù)據(jù) analyser.getByteFrequencyData(dataArray);

// bufferLength表示柱形圖中矩形的個數(shù) for (var i = 0, x = 0; i < bufferLength; i++) {

// 根據(jù)頻率映射一個矩形高度 barHeight = dataArray[i];

// 根據(jù)每個矩形高度映射一個背景色 var r = barHeight + 25 * (i / bufferLength);

var g = 250 * (i / bufferLength);

var b = 50;

// 繪制一個矩形，并填充背景色 ctx.fillStyle = "rgb(" + r + "," + g + "," + b + ")";

ctx.fillRect(x, HEIGHT - barHeight, barWidth, barHeight);

x += barWidth + 1;

}

}

renderFrame();

對于可視化來說，核心邏輯在于：如何把頻率數(shù)據(jù)映射成圖形參數(shù)。在上例中，只是簡單地改變了柱形圖中每一個矩形的高度和顏色。

Canvas 提供了豐富的繪制API，僅從 2D 的角度考慮，它也能實現(xiàn)很多酷炫的效果。類比 DOM 來說，如果只是

的組合就能做出豐富多彩的頁面，那么 Canvas 一樣可以。

2. WebGL 方案

Canvas 是 CPU 計算，對于 for 循環(huán)計算 10000 次，而且每一幀都要重復計算， CPU 是負載不了的。所以我們很少看到用 Canvas 2D 去實現(xiàn)粒子效果。取而代之的，是使用 WebGL ，借助 GPU 的計算能力。

在 WebGL 中，有一個概念相對比較陌生——著色器。它是運行在 GPU 中負責渲染算法的一類總稱。它使用 GLSL( OpenGL Shading Language )編寫，簡單來說是一種類 C 風格的語言。以下是簡單的示例：

void main()

{

gl_Position = projectionMatrix * modelViewMatrix * vec4(position, 1.0);

}

關于著色器更詳細的介紹，可以查看這篇文章。

WebGL 的原生 API 是非常復雜的，因此我們使用Three.js作為基礎庫，它會讓業(yè)務邏輯的編寫變得簡單。

先來看下整個開發(fā)流程中做的事情，如下圖：

在這個過程中， uniforms 的類型是簡單 Object ，我們會將音頻數(shù)組作為 uniforms 的一個屬性，傳到著色器中。至于著色器做的事情，可以簡單理解為，它將 uniforms 中定義的一系列屬性，映射為屏幕上的頂點和顏色。

頂點著色器和片元著色器的編寫往往不需要前端開發(fā)參與，對于學過 Unity3D 等技術的游戲同學可能會熟悉一些。讀者可以到 ShaderToy 上尋找現(xiàn)成的著色器。

然后介紹以下3個 Three.js 中的類：

1. THREE.Geometry

可以理解為形狀。也就是說，最后展示的物體是球體、還是長方體、還是其他不規(guī)則的形狀，是由這個類決定的。

因此，你需要給它傳入一些頂點的坐標。比如三角形，有3個頂點，則傳入3個頂點坐標。

當然， Three.js 內置了很多常用的形狀，比如 BoxGeometry 、 CircleGeometry 等。

2. THREE.ShaderMaterial

可以理解為顏色。還是以三角形為例，一個三角形可以是黑色、白色、漸變色等，這些顏色是由 ShaderMaterial 決定的。

ShaderMaterial 是 Material 的一種，它由頂點著色器和片元著色器進行定義。

3. THREE.Mesh

定義好物體的形狀和顏色后，需要把它們組合在一起，稱作 Mesh (網(wǎng)格)。有了 Mesh 之后，便可以將它添加到畫布中。然后就是常規(guī)的 requestAnimationFrame 的流程。

同樣的，我們摘取了示例中比較關鍵的代碼，并做了標注。

i. 創(chuàng)建 Geometry (這是從 THREE.BufferGeometry 繼承的類)：

var geometry = ParticleBufferGeometry({

// TODO 一些參數(shù)});

ii. 定義 uniforms ：

var uniforms = {

dataArray: {

value: null,

type: 't' // 對應THREE.DataTexture },

// TODO 其他屬性};

iii. 創(chuàng)建 ShaderMaterial ：

var material = new THREE.ShaderMaterial({

uniforms: uniforms,

vertexShader: '', // TODO 傳入頂點著色器 fragmentShader: '', // TODO 傳入片元著色器 // TODO 其他參數(shù)});

iv. 創(chuàng)建 Mesh ：

var mesh = new THREE.Mesh(geometry, material);

v. 創(chuàng)建 Three.js 中一些必須的渲染對象，包括場景和攝像頭：

var scene, camera, renderer;

renderer = new THREE.WebGLRenderer({

antialias: true,

alpha: true

});

camera = new THREE.PerspectiveCamera(45, 1, .1, 1e3);

scene = new THREE.Scene();

vi. 常規(guī)的渲染邏輯：

function animate() {

requestAnimationFrame(animate);

// TODO 此處可以觸發(fā)事件，用于更新頻率數(shù)據(jù)

renderer.render(scene, camera);

}

小結

本文首先介紹了如何通過 Web Audio 的相關 API 獲取音頻的頻率數(shù)據(jù)。

然后介紹了 Canvas 和 WebGL 兩種可視化方案，將頻率數(shù)據(jù)映射為圖形數(shù)據(jù)的一些常用方式。

另外，云音樂客戶端上線鯨云動效已經(jīng)有一段時間，看過本文之后，有沒有同學想嘗試實現(xiàn)一個自己的音頻動效呢？

最后附上文中提到的兩段 codepen 示例：本文發(fā)布自 網(wǎng)易云音樂前端團隊，文章未經(jīng)授權禁止任何形式的轉載。我們一直在招人，如果你恰好準備換工作，又恰好喜歡云音樂，那就 加入我們！

總結

以上是生活随笔為你收集整理的傅里叶变换音频可视化_Web Audio在音频可视化中的应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。