audiowaveform による録音全体の波形画像の生成
幅 800 ピクセルの波形を毎秒 100 ピクセルで描くと、音声の最初の八秒間しか表示されません。全体を見渡すには、波形データを生成し、すべてのポイントを画像内に収めます。この手順では、ステレオのチャンネルを個別に表示する 800×200 の PNG を作成します。録音末尾の、データ区間に満たない部分の音も含めます。
検証済みツールのインストール
以下のコマンドは、Debian 13 の amd64 環境で Bash を使用し、audiowaveform 1.10.2 と
Debian の Python 3 パッケージを使います。cURL、CA 証明書、および
sudo でパッケージをインストールする権限が必要です。小さな Python レンダラーは標準ライブラリだけを使用します。
書き込み可能なディレクトリで、以下のインストール用ブロックを実行します。パッケージのダウンロード用に audiowaveform-install を作成しますが、実行後もシェルの作業ディレクトリは元のままです。そのフォルダーがすでに存在すると、インストールは停止します。再実行する場合は、新しいフォルダー名を指定してください。バージョンを固定したパッケージは、公式の 1.10.2 リリースから取得します。
(
mkdir audiowaveform-install &&
cd audiowaveform-install &&
curl -fsSLo audiowaveform.deb \
https://github.com/bbc/audiowaveform/releases/download/1.10.2/audiowaveform_1.10.2-1-13_amd64.deb &&
printf '%s\n' '4208706c6ae5ffb5761dddf8294eaf648c7ba9fb4d6fc6ec9f021d1bb109ea6e audiowaveform.deb' | sha256sum --check - &&
sudo apt-get update &&
sudo apt-get install -y ./audiowaveform.deb python3 &&
audiowaveform --version &&
python3 --version
)
AudioWaveform v1.10.2 と表示されることを確認します。このパッケージは Debian 13 の amd64 向けであり、Ubuntu PPA によるインストールではありません。ほかのシステムについては、プロジェクトのインストールガイドを参照してください。
再利用可能な波形データの生成
作業ディレクトリに input.wav という名前の WAV 録音を配置します。以降のファイルとコマンドにも、同じディレクトリを使用します。この例は、16 ビット PCM と浮動小数点の WAV 音声で検証しています。ツールのドキュメントには、MP3、FLAC、Ogg Vorbis、Opus 入力も記載されています。形式と依存関係の詳細は、入力形式のオプションを参照してください。
audiowaveform -i input.wav -o waveform.json --zoom 256 --bits 16 --split-channels
waveform.json の各ポイントには、チャンネルごとに
256 サンプルをまとめたグループの最小振幅と最大振幅が格納されます。最後のグループは、それより短い場合があります。--bits 16 は格納する振幅の精度を制御し、--split-channels はチャンネルを統合せず個別に保持します。モノラル録音の場合、チャンネルは一つだけです。
JSON 形式に格納するのは描画データであり、再生可能な音声ではありません。録音を再生したり、後でより詳細なデータを生成したりする場合は、input.wav を残してください。これらのコマンドは、同じ出力名の既存の JSON ファイルと PNG ファイルを確認なしで上書きします。残したい出力には別の名前を使い、コマンドは順番に実行してください。
すべてのデータポイントを PNG 内に収める方法
以下を render-waveform.py として、waveform.json と同じディレクトリに保存します。
import json
import subprocess
from pathlib import Path
waveform = json.loads(Path("waveform.json").read_text(encoding="utf-8"))
width = 800
height = 200
points_per_pixel = max(1, (waveform["length"] + width - 1) // width)
zoom = waveform["samples_per_pixel"] * points_per_pixel
subprocess.run(
[
"audiowaveform", "-i", "waveform.json", "-o", "waveform.png",
"--zoom", str(zoom), "--width", str(width), "--height", str(height),
"--no-axis-labels",
"--background-color", "ffffff",
"--waveform-color", "1a73e8,dc2626",
],
check=True,
)
続いて画像を描画します。
python3 render-waveform.py
waveform.png を開きます。ステレオ録音では、全体が 800×200 の画像内に、青と赤の二つの帯が上下に並びます。モノラル録音では、青い帯が一つ表示されます。--no-axis-labels はラベルと枠線を除去します。
この計算では、ピクセルあたりのキャッシュ済みデータポイント数を整数に切り上げます。たとえば、2,344 ポイントを 800 ピクセル以内に収めるには、ピクセルあたり三ポイントが必要です。これに、キャッシュのポイントあたりのサンプル数 256 を掛けると、--zoom 768 になります。最後の不完全な場合があるグループも含まれるため、横幅に余白が残ることがあります。キャッシュ済みポイント数が 800 未満の録音では、余白がさらに大きくなります。より細かく表示するには、--zoom を小さくして、ただし二以上に設定して JSON を生成してください。
なぜスケールを計算するのでしょうか。バージョン 1.10.2 では、キャッシュデータからの自動調整で長さが秒単位の整数に切り捨てられます。また、時間からスケールへの計算でも、ピクセルあたりのサンプル数が切り捨てられます。そのため、音声から直接描画する場合でも、--zoom auto では末尾が欠けることがあります。キャッシュ済みポイントを数えてグループ化すると、両方の丸めの問題を回避できます。
表示区間と外観の選択
特定の区間を拡大表示するには、固定の時間スケールを指定して元の音声から描画します。以下のコマンドは、44,100 Hz や 48,000 Hz などの一般的なサンプルレートで、input.wav の最初の八秒間を表示します。
audiowaveform -i input.wav -o waveform-first-8s.png \
--start 0 --pixels-per-second 100 --width 800 --height 200 \
--split-channels --no-axis-labels \
--background-color ffffff --waveform-color 1a73e8,dc2626
その区間より後の音声は画像に含まれません。ほかのサンプルレートでは、audiowaveform がピクセルあたりのサンプル数に整数を使うため、区間はおおよその長さになります。拡大表示が平坦でも、録音全体が無音だとは限りません。全体表示と比較してください。
Python レンダラーでは、アプリケーションの表示領域に合わせて
width と height を変更します。ズームの計算は幅に応じて行われます。色は # を付けない
16 進数の RGB 値で指定します。カンマ区切りの波形の色は各チャンネルに対応します。後の描画でもチャンネルを保持するには、JSON の生成時に
--split-channels を指定したままにする必要があります。色と振幅の制御については、画像オプションを参照してください。
予期しない結果の確認
- 入力が見つからない、または読み取れない場合: ファイル名と形式を確認し、入力を修正してから JSON を再生成してください。生成に失敗すると、古い JSON ファイルが残ることがあります。
- 実行に失敗した後も古い画像がある場合: コマンドの終了ステータスと診断メッセージを確認します。Python レンダラーは、audiowaveform の呼び出しの失敗を
check=Trueで報告します。既存の PNG があっても、最新の描画が成功した証拠にはなりません。 - 無効なズームのエラーが出る場合: キャッシュ済みの波形から、格納済みの情報より細かい情報は得られません。ポイントあたりのサンプル数を小さくして、音声から新しいデータを生成してください。上記の全体表示用の計算は、入力キャッシュより細かいスケールを要求しません。
- 末尾が欠ける場合: 計算した全体表示用のスケールを使用してください。画像の高さや振幅を増やしても、表示する時間区間は広がりません。
アプリケーションでの波形の利用
PNG を音声プレーヤーの横に静的なプレビューとして配置し、画像が伝える内容に合った代替テキストを付けます。音声を再度デコードせずに同じ録音を異なる色やサイズで描画し直す場合は、JSON を残してください。再生やシークの操作はアプリケーションの音声プレーヤーで行います。PNG 自体は静止画像です。
