Audio-Spektrogramm erstellen
Sieh die Frequenzen in jeder Aufnahme. Lege eine Audiodatei ab, um ein Spektrogramm in voller Länge zu erzeugen, ändere dann FFT-Größe, Fenster, Farbskala, Frequenzskala und dB-Bereich, zoome in jeden Moment, lies mit dem Cursor exakte Frequenzen ab und speichere das Bild als PNG.
Zuletzt aktualisiert:
Anleitung: Audio-Spektrogramm erstellen
- Füge eine Audiodatei hinzu, indem du sie auf das Feld legst oder auf Audio auswählen klickst. Bis dahin wird ein Demo-Klang mit Chirp, Noten und Rauschen angezeigt.
- Lies das Bild: Die Zeit läuft von links nach rechts, die Frequenz von unten nach oben, und die Farbe zeigt, wie laut jede Frequenz ist. Fahre mit der Maus darüber, um genaue Werte zu lesen.
- Passe die Analyse an: Eine größere FFT-Größe ergibt schärfere Frequenzen, eine kleinere ein schärferes Timing. Wähle Farbskala, Skala und dB-Bereich, die deinen Klang am besten zeigen.
- Zoome hinein mit der Schaltfläche + und ziehe das Bild zum Verschieben. Klicke irgendwo, um ab diesem Punkt zu hören.
- Lade ein PNG herunter: Lege die Größe fest, wähle, ob Achsen und die ganze Datei oder nur die aktuelle Ansicht enthalten sein sollen, und drücke auf PNG herunterladen.
So wird das Spektrogramm berechnet
Das Tool führt eine Kurzzeit-Fourier-Transformation durch. Für jede Pixelspalte nimmt es einen Block von N Samples (die FFT-Größe) um diesen Moment, multipliziert ihn mit einer Fensterfunktion, die die Ränder des Blocks auf null ausblendet, und berechnet eine schnelle Fourier-Transformation. Das Ergebnis ist die Stärke von N/2 Frequenz-Bins mit je Abtastrate ÷ N Hertz Breite. Deckt eine Pixelspalte mehr Audio ab als ein Block, werden mehrere Blöcke über die Spalte gemittelt, damit kurze Klänge nicht übersprungen werden.
Die Leistung jedes Bins wird in Dezibel relativ zu einer Sinuswelle mit Vollaussteuerung umgerechnet: dB = 10 × log10(|X|² × (2 ÷ Σw)²), wobei Σw die Summe der Fensterwerte ist. Ein Sinus mit 0 dBFS ergibt also etwa 0 dB, und jeder Schritt von 6 dB nach unten ist die halbe Amplitude. Verstärkung und Bereich bestimmen dann, welcher Teil dieser Skala auf die Farben abgebildet wird.
FFT-Größe: Zeit- gegen Frequenzauflösung
| FFT-Größe | Fensterlänge bei 44.1 kHz | Bin-Breite bei 44.1 kHz | Gut für |
|---|---|---|---|
| 256 | 5.8 ms | 172 Hz | Drum-Schläge, Klicks, sehr schnelle Ereignisse |
| 512 | 11.6 ms | 86 Hz | Konsonanten in Sprache, Perkussion |
| 1024 | 23.2 ms | 43 Hz | Sprache, Vogelgesang |
| 2048 | 46.4 ms | 21.5 Hz | Allgemein Musik und Stimme (Standard) |
| 4096 | 92.9 ms | 10.8 Hz | Melodien, Obertöne, Stimmung |
| 8192 | 186 ms | 5.4 Hz | Basstöne, Brummen und seine Obertöne |
| 16384 | 372 ms | 2.7 Hz | Sehr feine Tonhöhendetails bei langsamen, gleichmäßigen Klängen |
Das Fenster beeinflusst den Kompromiss zusätzlich. Hann ist ein ausgewogener Standard. Blackman-Harris unterdrückt schwache Klänge neben lauten Tönen viel besser (geringer Leckeffekt), auf Kosten etwas breiterer Linien. Hamming ergibt schmalere Spitzen mit mehr Leckeffekt, und Rechteck (kein Fenster) die schärfsten Spitzen, verschmiert aber Energie über das ganze Bild.
Häufige Muster lesen
- Horizontale Linien sind gleichmäßige Töne: Eine gesungene oder gespielte Note zeigt einen Stapel von Linien beim Grundton und seinen Obertönen (2×, 3×, 4× …). Eine Linie bei 50 oder 60 Hz und ihren Vielfachen ist Netzbrummen.
- Vertikale Linien sind kurze Breitbandklänge: Klicks, Klatschen, Konsonanten wie „t“ und „k“ und der Anschlag von Drums.
- Diagonale oder gebogene Linien sind sich ändernde Tonhöhen: Sirenen, Vogelgesang, eine Stimme, die am Ende einer Frage hochgeht, oder ein Sweep.
- Unscharfe Bereiche sind Rauschen: Wind, Atem, Zischen, Becken und der „s“-Laut.
- Eine scharfe flache Obergrenze bei 16 kHz oder 19–20 kHz auf der linearen Skala ist der typische Fingerabdruck von MP3- oder AAC-Kompression.
Häufige Fragen
Was ist ein Spektrogramm?
Ein Spektrogramm ist ein Bild von Klang über die Zeit. Die horizontale Achse ist die Zeit, die vertikale Achse die Frequenz (Tonhöhe), und Helligkeit oder Farbe jedes Punkts zeigen, wie viel Energie der Klang in diesem Moment bei dieser Frequenz hat. Sprache, Vogelgesang, Instrumente und Geräusche hinterlassen jeweils erkennbare Muster.
Welche FFT-Größe sollte ich verwenden?
Es ist ein Kompromiss. Eine große FFT (8192 oder 16384) trennt nahe Frequenzen, gut für Musiknoten und Brummen, verwischt aber schnelle Ereignisse. Eine kleine FFT (256 oder 512) zeigt Drum-Schläge und Klicks scharf, verschmiert aber Frequenzen. 2048 bei 44.1 kHz (46 ms, 21.5 Hz pro Bin) ist ein guter Standard für Musik und Sprache.
Wie erkenne ich, ob eine FLAC- oder WAV-Datei wirklich verlustfrei ist?
Sieh dir den oberen Teil des Spektrogramms mit linearer Skala und auf Nyquist gesetzter Höchstfrequenz an. Eine echte Datei in CD-Qualität hat meist Inhalte bis etwa 20–22 kHz. Eine aus einer MP3 mit niedriger Bitrate umgewandelte Datei zeigt eine scharfe horizontale Grenze, typischerweise bei 16 kHz für 128 kbps oder etwa 19–20 kHz für 192–320 kbps.
Welche Frequenzskala ist die beste?
Die logarithmische Skala gibt jeder Oktave die gleiche Höhe, so wie wir Tonhöhe hören, und passt daher zu Musik und Sprache. Die lineare Skala gibt jedem Hertz die gleiche Höhe, was für hochfrequente Details und Codec-Grenzen nützlich ist. Mel ist eine wahrnehmungsbasierte Skala, die in Spracherkennung und maschinellem Lernen verwendet wird.
Was bewirken dB-Bereich und Verstärkung?
Pegel werden in Dezibel relativ zu einer Sinuswelle mit Vollaussteuerung gemessen. Die Verstärkung verschiebt die hellste Farbe nach unten (bei Verstärkung 20 wird alles ab -20 dB in voller Helligkeit gezeigt), und der Bereich legt fest, wie viele Dezibel darunter noch sichtbar sind, bevor die Farbe den Hintergrund erreicht. Erhöhe den Bereich, um leises Rauschen zu sehen, senke ihn für ein saubereres Bild.
Wird meine Datei hochgeladen?
Nein. Das Audio wird von deinem Browser dekodiert, und das Spektrogramm wird mit einer in JavaScript geschriebenen schnellen Fourier-Transformation auf deinem eigenen Gerät berechnet.
Warum sehe ich oberhalb einer bestimmten Frequenz ein Spiegelbild oder seltsame Linien?
Oberhalb der halben Abtastrate (der Nyquist-Frequenz) kann in einer digitalen Datei nichts existieren, daher endet das Bild immer dort. Dünne horizontale Linien sind meist Brummen oder elektronische Störungen, vertikale Linien sind Klicks oder der Beginn von Drum-Schlägen.
Werden alle Tools auf FreeToolCabin auf Qualität und Genauigkeit getestet?
Ja. Jedes Tool auf der Website durchläuft automatische Tests in echten Browsern, die prüfen, ob das Ergebnis stimmt und keine Fehler auftreten. Wenn du einen Fehler findest oder einen Vorschlag hast, schreib uns an [email protected] – wir sehen es uns an.