Go による音声波形の生成と可視化
Go で長さ 2 秒、440 Hz の音を生成し、その WAV ファイルから 800 × 200 の SVG 波形を作成します。生成用と可視化用のプログラムを一つの Go モジュール内に別々のコマンドとして保存するため、それぞれを独立して実行し、矩形波、三角波、塗りつぶし波形を試せます。
波形可視化の概要と用途
波形は、時間に対するサンプルの振幅を描画したものです。録音内の無音区間を探したり、合成信号を比較したりするのに役立ちます。この例では、最初のチャンネルの静的な全体図を描画します。音声の再生、ステレオチャンネルの合成、リアルタイムのプレーヤー機能は提供しません。
音声処理用の Go 環境のセットアップ
依存関係
以下のコマンドは Linux 上の Bash を使用し、Go 1.26.8 でテストしています。公式の手順に従って Go をインストールし、PATH が通っていることを確認します。
go version
新しいディレクトリを作成し、以下のライブラリを指定どおりのバージョンで解決します。go-audio/wav リポジトリはアーカイブ済みです。この例では、ローカルでの小規模な演習用に、固定したリリースを使用します。セットアップ時には、モジュールのダウンロードにインターネット接続が必要です。サブシェルを使うため、元の作業ディレクトリは変わりません。また、GOWORK=off により、この例を上位の
Go ワークスペースから分離します。
(
mkdir waveform-generator &&
cd waveform-generator &&
export GOWORK=off &&
go mod init waveform-generator &&
go get github.com/go-audio/audio@v1.0.0 &&
go get github.com/go-audio/wav@v1.1.0 &&
go get github.com/ajstarks/svgo@v0.0.0-20211024235047-1546f124cd8b &&
mkdir -p cmd/generate cmd/visualize
)
セットアップに失敗した場合は、ここで中止してください。既存の waveform-generator ディレクトリは変更されません。既存のプロジェクトに以降の手順を貼り付けず、新しい親ディレクトリを選んでください。二つの完全な Go プログラムを waveform-generator/cmd/generate/main.go と
waveform-generator/cmd/visualize/main.go に保存します。各ディレクトリには、それぞれ独立した main 関数を配置します。
Go による基本波形(正弦波、矩形波、三角波)の生成
次のプログラムを waveform-generator/cmd/generate/main.go として保存します。
package main
import (
"fmt"
"log"
"math"
"os"
"github.com/go-audio/audio"
"github.com/go-audio/wav"
)
func generateWaveform() error {
const sampleRate = 44100
const frequency = 440.0 // A4 note
const duration = 2 // seconds
// Validate input parameters
if sampleRate <= 0 || duration <= 0 || frequency <= 0 {
return fmt.Errorf("sampleRate, duration, and frequency must be positive")
}
numSamples := sampleRate * duration
buf := &audio.IntBuffer{
Format: &audio.Format{NumChannels: 1, SampleRate: sampleRate},
Data: make([]int, numSamples),
}
// Generate sine wave
amplitude := 32767.0 // Max amplitude for 16-bit audio
for i := 0; i < numSamples; i++ {
time := float64(i) / float64(sampleRate)
buf.Data[i] = int(amplitude * math.Sin(2*math.Pi*frequency*time))
}
// Create output file with proper error handling
f, err := os.OpenFile("sine.wav", os.O_WRONLY|os.O_CREATE|os.O_EXCL, 0600)
if err != nil {
return fmt.Errorf("create sine.wav: %w", err)
}
completed := false
defer func() {
f.Close()
if !completed {
os.Remove(f.Name())
}
}()
// Encode audio data to WAV format
// Parameters: output io.WriteSeeker, sample rate, bit depth, num channels, audio format (1 = PCM)
encoder := wav.NewEncoder(f, sampleRate, 16, 1, 1)
if err := encoder.Write(buf); err != nil {
return fmt.Errorf("write WAV data: %w", err)
}
// Close the encoder to finalize the WAV file
if err := encoder.Close(); err != nil {
return fmt.Errorf("finalize WAV: %w", err)
}
if err := f.Close(); err != nil {
return err
}
completed = true
return nil
}
func main() {
if err := generateWaveform(); err != nil {
log.Fatal(err)
}
log.Println("Successfully generated sine.wav")
}
セットアップのコマンドを貼り付けた親ディレクトリから実行します。
(cd waveform-generator && GOWORK=off go run ./cmd/generate)
プログラムは waveform-generator/sine.wav を書き出します。形式はモノラル、16 ビット整数 PCM、毎秒 44,100 サンプルです。音声プレーヤーで開き、音を確認してください。どちらのプログラムも既存の出力を上書きしません。編集したプログラムを再実行する前に、古い出力を移動するか、意図的に削除してください。
矩形波を生成するには、amplitude 宣言と、cmd/generate/main.go 内の正弦波生成ループを、次のブロックに置き換えます。出力名は引き続き sine.wav です。前の WAV と SVG を別の場所に移動し、波形の種類ごとに生成と可視化のコマンドを再実行してください。
// Generate square wave
amplitude := 32767.0
for i := 0; i < numSamples; i++ {
time := float64(i) / float64(sampleRate)
if math.Sin(2*math.Pi*frequency*time) >= 0 {
buf.Data[i] = int(amplitude)
} else {
buf.Data[i] = int(-amplitude)
}
}
三角波の場合は、同じ宣言とループを次のコードに置き換えます。
// Generate triangle wave
amplitude := 32767.0
period := float64(sampleRate) / frequency
for i := 0; i < numSamples; i++ {
// Calculate phase within the period (0.0 to 1.0)
phase := math.Mod(float64(i), period) / period
if phase < 0.5 {
// Rising edge: scales from -1 to 1 over the first half
buf.Data[i] = int(amplitude * (phase*4.0 - 1.0))
} else {
// Falling edge: scales from 1 to -1 over the second half
buf.Data[i] = int(amplitude * (3.0 - phase*4.0))
}
}
SVG による波形の可視化
次のプログラムを waveform-generator/cmd/visualize/main.go として保存します。入力できるのは、フォーマットタグが 1 で、サンプルが 8、16、24、32 ビットのいずれかの、従来の RIFF/WAVE 整数 PCM ファイルです。浮動小数点と WAVE_FORMAT_EXTENSIBLE の入力は拒否します。サンプルは8 ビットでは符号なし、それ以外の対応ビット深度では符号付きです。ステレオ入力では、ミキシングせずに最初のチャンネルを選択します。
描画には、最初から最後まで等間隔に抽出した 800 フレームを使います。フレーム間のピークを見逃すことがあるため、振幅エンベロープが必要な場合は、ピクセルごとの最小値と最大値を集計してください。FullPCMBuffer() は録音全体をメモリに読み込むため、この演習ではローカルの短いファイルだけを使ってください。長さのチェックでは、宣言された PCM サイズより短いペイロードを検出しますが、録音やそのすべてのメタデータが完全であることまでは確認できません。バイト数を明示的に制限することで、固定バージョンのライブラリがデコードするサンプルから
RIFF パディングを除外しています。
package main
import (
"bufio"
"encoding/binary"
"fmt"
"io"
"log"
"math"
"os"
"github.com/ajstarks/svgo"
"github.com/go-audio/wav"
)
func visualizeWaveform() error {
// Open the WAV file
file, err := os.Open("sine.wav") // Or any other .wav file
if err != nil {
return fmt.Errorf("open audio file: %w", err)
}
defer func() {
if err := file.Close(); err != nil {
log.Printf("Warning: Failed to close audio file: %v", err)
}
}()
// Create a new decoder
decoder := wav.NewDecoder(file)
if !decoder.IsValidFile() {
return fmt.Errorf("invalid WAV file")
}
if decoder.WavAudioFormat != 1 {
return fmt.Errorf("only integer PCM WAV files are supported")
}
if decoder.BitDepth != 8 && decoder.BitDepth != 16 && decoder.BitDepth != 24 && decoder.BitDepth != 32 {
return fmt.Errorf("unsupported PCM bit depth: %d", decoder.BitDepth)
}
if err := decoder.FwdToPCM(); err != nil {
return fmt.Errorf("find PCM data: %w", err)
}
dataStart, err := file.Seek(0, io.SeekCurrent)
if err != nil {
return err
}
// v1.1.0 includes RIFF padding in PCMSize; read the unpadded data length.
var sizeBytes [4]byte
if _, err := file.ReadAt(sizeBytes[:], dataStart-4); err != nil {
return fmt.Errorf("read PCM length: %w", err)
}
pcmBytes := int64(binary.LittleEndian.Uint32(sizeBytes[:]))
bytesPerSample := int64(decoder.BitDepth / 8)
frameBytes := bytesPerSample * int64(decoder.NumChans)
if pcmBytes == 0 || pcmBytes%frameBytes != 0 {
return fmt.Errorf("empty or incomplete PCM frames")
}
info, err := file.Stat()
if err != nil {
return err
}
if dataStart+pcmBytes > info.Size() {
return fmt.Errorf("truncated PCM data")
}
// Decode samples only, excluding a possible RIFF padding byte.
decoder.PCMChunk.R = io.LimitReader(file, pcmBytes)
// Read the full PCM buffer
// Note: For large audio files, consider processing the audio in chunks
// rather than loading the entire file into memory with FullPCMBuffer().
buf, err := decoder.FullPCMBuffer()
if err != nil {
return fmt.Errorf("read PCM data: %w", err)
}
if int64(len(buf.Data))*bytesPerSample != pcmBytes {
return fmt.Errorf("truncated PCM data")
}
channels := buf.Format.NumChannels
if channels <= 0 || len(buf.Data) == 0 || len(buf.Data)%channels != 0 {
return fmt.Errorf("empty or incomplete PCM frames")
}
// Define SVG dimensions
width := 800
height := 200
centerY := height / 2
// Create SVG file
svgFile, err := os.OpenFile("waveform.svg", os.O_WRONLY|os.O_CREATE|os.O_EXCL, 0600)
if err != nil {
return fmt.Errorf("create waveform.svg: %w", err)
}
completed := false
defer func() {
svgFile.Close()
if !completed {
os.Remove(svgFile.Name())
}
}()
// Initialize SVG canvas
writer := bufio.NewWriter(svgFile)
canvas := svg.New(writer)
canvas.Start(width, height)
canvas.Rect(0, 0, width, height, "fill:white") // Background
// Draw center line
canvas.Line(0, centerY, width, centerY, "stroke:#cccccc;stroke-width:1")
// WAV samples are interleaved by channel; choose the first channel in each frame.
numFrames := len(buf.Data) / channels
sampleAt := func(x int) float64 {
frame := x * (numFrames - 1) / (width - 1)
sample := float64(buf.Data[frame*channels])
// 8-bit WAV PCM is unsigned.
if buf.SourceBitDepth == 8 {
sample -= 128
}
return sample
}
// Draw waveform lines from center to amplitude
maxAmplitude := math.Ldexp(1, buf.SourceBitDepth-1)
scale := float64(centerY) / maxAmplitude // Scale factor for amplitude to fit height
for x := 0; x < width; x++ {
sampleValue := sampleAt(x)
// Calculate y coordinate, inverting for SVG (0 is top)
y := centerY - int(sampleValue*scale)
canvas.Line(x, centerY, x, y, "stroke:#0066cc;stroke-width:1")
}
canvas.End()
if err := writer.Flush(); err != nil {
return err
}
if err := svgFile.Close(); err != nil {
return err
}
completed = true
return nil
}
func main() {
if err := visualizeWaveform(); err != nil {
log.Fatal(err)
}
log.Println("Successfully generated waveform.svg")
}
sine.wav を生成したら、同じ親ディレクトリから可視化プログラムを実行します。
(cd waveform-generator && GOWORK=off go run ./cmd/visualize)
waveform-generator/waveform.svg をブラウザーまたは画像ビューアーで開きます。白い背景、y = 100 の中心線、800 本の垂直な振幅線が描かれています。正のサンプルは上向き、負のサンプルは下向きに伸びます。長さ 2 秒の音には 880 周期が含まれるため、サンプリングした 800 列で描かれるのは、各周期を読み取れる波形ではなく、エイリアシングを含む全体図です。
波形の高度なカスタマイズ手法
次の手法で SVG による可視化を拡張できます。
色と線の太さの調整
cmd/visualize/main.go 内の三つのスタイル文字列を編集します。fill:white を fill:#f5f5f5 に、stroke:#cccccc;stroke-width:1 を stroke:#e76f51;stroke-width:1 に、stroke:#0066cc;stroke-width:1 を stroke:#2a9d8f;stroke-width:2 に変更します。これらは svgo に渡す SVG の CSS スタイルなので、サンプリング処理のコードを移動せずに描画を変更できます。前の waveform.svg を別の場所に移動し、可視化プログラムを再実行します。
塗りつぶし波形の作成
cmd/visualize/main.go 内の最後の for x := 0; x < width; x++ ループだけを、次のブロックに置き換えます。その前にある sampleAt、maxAmplitude、scale と、後にある canvas.End() は残してください。前の SVG を別の場所に移動し、同じ可視化コマンドを再実行します。
// Draw a filled waveform (area chart style)
fillColor := "#2a9d8f"
fillOpacity := 0.5
// Follow the sampled amplitudes, then close the polygon at the center line.
// Allocate slice capacity for efficiency
xs := make([]int, 0, width+2)
ys := make([]int, 0, width+2)
xs = append(xs, 0)
ys = append(ys, centerY)
lastX := 0
for x := 0; x < width; x++ {
sampleValue := sampleAt(x)
y := centerY - int(sampleValue*scale)
xs = append(xs, x)
ys = append(ys, y)
lastX = x
}
// Add the final point on the center line to close the shape
xs = append(xs, lastX)
ys = append(ys, centerY)
// Draw the polygon
style := fmt.Sprintf("fill:%s;fill-opacity:%.2f;stroke:none", fillColor, fillOpacity)
canvas.Polygon(xs, ys, style)
実用的な用途とプロジェクトのアイデア
os.Open("sine.wav") を手元のファイルのパスに変更し、短い音声録音で試してください。入力は waveform.svg とは別にし、再実行する前に既存の SVG を移動します。ポッドキャストのタイムラインや音声エディターに使うなら、次に役立つ改良はエンベロープです。各ピクセルが表す時間区間の振幅の最小値と最大値を計算します。これにより、この例の単一フレームのサンプリングでは見逃しうるピークを保持できます。
まとめと参考資料
実験中は WAV を SVG と一緒に保管し、音とサンプリングした図を比較できるようにしてください。ここで使用したライブラリの API については、次の資料を参照してください。
ホスト型のワークフローについては、Transloadit の 🤖 /audio/waveform Robot のドキュメントと音声エンコーディングサービスで、対応する入力と出力オプションを確認してください。
