UD5工具箱
Web Audio API
Web Audio API 是浏览器内置的音频处理接口标准，提供了一套完整的 JavaScript 接口用于创建、控制和分析音频信号。它允许开发者在网页中实现复杂的音频处理功能，包括音频播放、合成、混音和频谱分析等。在本工具中，Web Audio API 是整个分析流程的核心技术基础，负责从加载音频文件到提取频谱特征的全部操作。通过 AudioContext 上下文和各种音频节点（如 AnalyserNode、GainNode）的组合，工具能够在浏览器端完成以往需要专业音频软件才能实现的频谱分析工作。Web Audio API 的优势在于无需安装任何插件或扩展，所有主流现代浏览器都原生支持这一标准，使得音频处理功能可以轻松部署到任何网页应用中。
FFT 快速傅里叶变换
FFT（Fast Fourier Transform，快速傅里叶变换）是一种高效的算法，用于将信号从时域表示转换为频域表示。在音频处理领域，FFT 将连续的声波信号分解为不同频率的正弦波分量，使我们能够看到音频中包含哪些频率成分以及各成分的强度。本工具利用 FFT 将上传音频的时域波形数据转换为频域的频谱数据，从而可以分别计算低频、中频和高频各频段的能量占比。FFT 的计算结果是离散的频率采样点，每个采样点对应一个频率区间（称为频率仓或频率箱），采样点的数量由 AnalyserNode 的 fftSize 参数决定，较大的 fftSize 能提供更精细的频率分辨率。FFT 是数字信号处理中最基础且最重要的算法之一。
AnalyserNode 分析节点
AnalyserNode 是 Web Audio API 中专门用于音频分析的节点类型，它连接在音频处理图（Audio Graph）中，实时提取音频流的频域数据（频谱）和时域数据（波形）。本工具使用 AnalyserNode 的 getByteFrequencyData 方法获取频谱数据，使用 getByteTimeDomainData 方法获取波形数据。该节点不会改变音频信号本身，只是"旁路"监听通过的数据并生成分析结果。通过设置 fftSize 和 smoothingTimeConstant 等参数，可以控制分析的精度和平滑程度。AnalyserNode 是连接音频播放和频谱可视化之间的桥梁，使得工具能够在播放音频的同时获取实时的频谱信息。它的设计体现了 Web Audio API 的模块化理念——每个节点只负责一个特定的功能。
频谱分析与频谱图
频谱分析是将复杂的音频信号分解为不同频率成分的过程，类似于将白光通过棱镜分解为彩虹的各色光。频谱图（也称为声谱图或语谱图）是频谱分析结果的可视化呈现，通常以横轴表示时间、纵轴表示频率、颜色或亮度表示能量强度来绘制。在本工具中，频谱分析的结果以频谱柱状图的形式实时显示，每个柱状条代表一个频率区间的能量强度。通过观察频谱图，可以直观地看到音频在不同频率上的能量分布特征。例如，电子音乐通常在低频区域有明显的能量峰值，而古典音乐的频谱则分布更为均匀和宽广。频谱分析是音频处理和音乐信息检索（MIR）领域的基础技术，广泛应用于语音识别、音乐推荐和音频检索等场景。
BPM 每分钟节拍数
BPM（Beats Per Minute）是衡量音乐速度的标准单位，表示每分钟内包含多少个节拍。不同音乐流派通常具有特定的 BPM 范围：嘻哈音乐一般在 60 到 100 BPM，流行音乐在 100 到 130 BPM，电子舞曲在 120 到 140 BPM，而 Drum and Bass 则可达 160 到 180 BPM。古典音乐通常没有固定的 BPM，因为演奏中经常使用自由速度（Rubato）。本工具通过检测音频时域包络中的周期性峰值来估算 BPM，对于节奏规律且鼓点明确的音乐类型估算结果较为准确，对于节奏复杂或速度变化较大的音乐则可能存在偏差。BPM 信息在音乐制作、DJ 混音和舞蹈编排等场景中都是重要的参考指标，也是判断音乐风格的辅助维度之一。
低频能量（20-250Hz）
低频能量是指音频信号在 20Hz 到 250Hz 频率范围内的能量强度。这个频段主要包含贝斯乐器的基频和泛音、底鼓的冲击声、合成器的低音音色以及人声的低频共鸣等。在音乐流派识别中，低频能量是一个重要的区分特征：电子舞曲和嘻哈音乐通常具有非常高的低频能量占比（通常超过 35%），因为它们大量使用 808 鼓机和合成贝斯；摇滚乐的低频主要来自底鼓和电贝斯；而古典音乐和爵士乐的低频通常相对自然，不会刻意加强。本工具将低频能量计算为 20-250Hz 频段的平均能量占总能量的百分比，为流派判断提供关键依据。低频能量也是影响音乐"震撼感"和"律动感"的主要因素。
中频能量（250-2000Hz）
中频能量是指音频信号在 250Hz 到 2000Hz 频率范围内的能量强度。这个频段是人耳最敏感的区域，包含了大部分人声的基频和泛音、电吉他的中频音色、钢琴的中音区以及许多打击乐器的共鸣频率。在音乐流派分析中，中频能量的特征可以帮助区分不同风格：摇滚乐因为大量使用失真电吉他，其中频能量通常较为突出；流行音乐为了突出人声，中频也会有适度增强；爵士乐器（如萨克斯、小号）的中频特征也十分明显。中频区域也是大多数混音工作的重点频段，音频工程师通常会对这个频段进行精细的均衡处理，以确保各乐器之间的平衡。本工具通过计算 250-2000Hz 范围内的平均能量来量化中频特征。
高频能量（2kHz 以上）
高频能量是指音频信号在 2000Hz 以上频率范围内的能量强度。这个频段包含镲片的泛音、合成器的高次谐波、人声的齿音和呼吸声、弦乐的高频泛音以及各种数字音频的高频细节。高频能量在不同音乐流派中的表现差异较大：电子音乐通常具有丰富的高频合成器泛音，频谱在高频区域呈现规律性的峰值；流行音乐的高频相对平滑，主要来自混音中的高频修饰；古典音乐的高频泛音细腻且动态范围大。高频能量的分析还能反映音频的录制质量和格式特征，无损格式（如 FLAC、WAV）保留了完整的高频信息，而有损压缩格式（如 MP3）在高频部分通常会有一定程度的损失。本工具通过计算 2kHz 以上频段的能量占比来评估高频特征。
节奏强度
节奏强度是衡量音频中节拍规律性和明确程度的指标。它通过对音频时域包络进行分析，检测振幅变化中的周期性模式来计算。节奏强度高的音频通常有清晰的鼓点或节拍脉冲，如电子舞曲、嘻哈和摇滚等流派；节奏强度低的音频则可能节拍模糊或没有明显节拍，如环境音乐、部分古典乐章或自由爵士。在本工具中，节奏强度的计算基于相邻帧之间的能量变化率，当能量呈现规律性的周期波动时，节奏强度值会较高。节奏强度不仅用于流派判断的辅助特征，也是 BPM 估算的基础，只有在节奏强度足够高时，BPM 的估算结果才具有参考价值。对于节奏复杂的音乐作品，节奏强度可能会在不同段落之间有所变化。
频谱复杂度
频谱复杂度是描述音频频率成分丰富程度和分布均匀性的指标。它综合考虑了频谱中各频率仓的能量分布情况：如果能量均匀分布在宽广的频段内，频谱复杂度就较高；如果能量集中在少数几个频率区域，频谱复杂度就较低。古典音乐通常具有较高的频谱复杂度，因为它使用了种类繁多的乐器，从低音大提琴到短笛，覆盖了极宽的频率范围；电子音乐的频谱复杂度可能因风格而异，简约风格的电子乐频谱较为集中，而复杂的氛围电子则可能具有较高的频谱复杂度。本工具通过计算频谱熵或频率分布的方差来量化频谱复杂度，为流派匹配提供额外的维度信息。频谱复杂度也是区分融合风格音乐和单一风格音乐的有效指标。
GainNode 增益节点
GainNode 是 Web Audio API 中用于控制音频信号增益（音量）的节点。它接受一个音频输入，将其乘以指定的增益值后输出。当增益值为 1 时，输出与输入相同（单位增益）；当增益值为 0 时，输出为静音；当增益值大于 1 时，信号被放大；当增益值在 0 到 1 之间时，信号被衰减。在本工具中，GainNode 被设置为增益值 0，实现静默播放的效果。这样做的原因是 Web Audio API 的工作方式要求音频数据必须流经 AnalyserNode 才能被分析，而播放是触发数据流经 AnalyserNode 的标准方式。通过将增益设为 0，工具既满足了数据分析的需求，又避免了在分析过程中产生声音干扰。这是 Web Audio API 开发中一个常见的静默分析技巧。