更新于 2026-11-15约 6 分钟读完

如何看懂频谱图

如何看懂频谱图?其实五分钟就能入门:时间从左往右,音高从下往上,亮度代表响度。本文用人声、音乐和鸟鸣的真实例子带你读图,讲清最影响画面的那个设置,以及隐藏图像是怎么显出来的。
站在树枝上鸣唱的知更鸟,学会看频谱图后就能「看见」这样的鸟鸣

什么是频谱图?

频谱图就是声音的照片。先把音频切成很多段互相重叠的短切片,每一片用傅里叶变换(FFT)拆成各个频率,再把这些切片从左到右排起来。每一列是一个时刻,每一行是一个频率,每个像素的颜色就是这个频率在这个时刻有多响。

波形图只告诉你「什么时候响」,频谱图还告诉你「是什么在响」:一个贝斯音、一下踩镲、一段电流声,还是一个人声。

三步看懂频谱图

  1. 1

    横轴:时间

    时间从左往右走,和剪辑软件的时间线一样。突然出现的声音,会有一条清晰的左边缘。

  2. 2

    纵轴:频率

    低音在下面,高音在上面。注意刻度:线性坐标里每 1 kHz 一样高;对数坐标里每个八度一样高,更接近人耳的感受。

  3. 3

    颜色:响度

    越亮越响。色条把颜色对应到分贝,最暗的地方接近无声。

如何看懂频谱图:一段 6 秒歌曲的标注图,标出了响亮的低音、鼓点瞬态、人声泛音和 16 kHz 处的 MP3 截止
示例歌曲中的 6 秒,对数频率坐标。图上标出的每种形状,几乎在任何歌曲里都能找到。

频谱图常见图案怎么读

看懂坐标轴之后,读频谱图就是认形状。下面七种几乎覆盖了你会遇到的大部分情况:

看到什么代表什么常见来源
一条水平线稳定的纯音电源嗡声(50 或 60 Hz)、测试音、口哨
一叠等距的平行线一个有音高的声音:最下面一条是基频,上面是泛音唱出的元音、吉他、钢琴、小提琴
一条细竖线瞬态:一瞬间很多频率同时出现鼓点、咔哒声、语音里的 t、k
一团模糊的「云」分布在一段频率上的噪声嘶嘶声、雨声、镲片、s 和 sh 音
弯曲或抖动的线音高随时间变化颤音、滑音、鸟鸣、警笛
平直的「天花板」,上面全空频率被滤波器或编码器去掉了MP3、AAC 文件,老录音
贯穿上下的暗色空隙静音停顿、换气、音符结束

人声、音乐和鸟鸣对比

人声

一个拖长的唱音,是看泛音最清楚的例子。在线性坐标里,这些线等距排列,间隔正好是基频。元音是一叠叠明亮的平行线,辅音则是夹在中间的短促噪声。一叠线里特别亮的几段叫共振峰,来自口腔和喉咙的共鸣,正是它们让「啊」和「衣」听起来不一样。

清唱人声的频谱图,线性坐标到 5 kHz,等距的泛音线带着轻微颤音
清唱人声,线性坐标到 5 kHz,FFT 4096:泛音像尺子画出来的线。
抱着木吉他、对着话筒唱歌的歌手

音乐

完整编曲会把所有东西叠在一起。底鼓和贝斯在底部铺满明亮、宽厚的能量;每一下鼓点画一条竖线,用眼睛就能数拍子;和弦在上面叠出好几组泛音,镲片把顶部填满噪声。

流行伴奏的频谱图,对数坐标,底部低音明亮,鼓点竖线规律排列,和弦层层叠加
伴奏混音,对数坐标。规律的竖线就是鼓的节奏型;16 kHz 以上被截断,说明这是 MP3。

鸟鸣

鸟叫得又快又高,通常在 2 到 8 kHz 之间,一个音在几十毫秒内上下滑动。耳朵听来是一片模糊,频谱图上却是一个个清楚的形状,观鸟的人就靠这些形状分辨相似的鸟种。底部那层雾是风声和远处的车流。

乌鸫鸣唱的频谱图,线性坐标到 11 kHz,快速滑动的音符集中在 2 到 8 kHz
约两秒乌鸫鸣唱,FFT 1024:每一声都是一条曲线,而不是直线。录音:Marie-Lan Taÿ Pamart,Wikimedia Commons,CC BY-SA 4.0。
放在绿叶丛中、套着海绵防风罩的小话筒,用来录自然声音

FFT 大小:时间和频率不能兼得

FFT 大小就是每个切片用多少个采样点,它决定了你能看清什么。切片长,频率测得准,时间就糊;切片短,时间抓得准,频率就糊。一张图里两者没法同时做到最好。

FFT 大小44.1 kHz 下的窗口长度频率分辨率适合看
102423 毫秒43 Hz鼓点、辅音、快速鸟鸣
204846 毫秒21.5 Hz大多数音乐,默认就选它
409693 毫秒10.8 Hz泛音、贝斯音符、校音

拖动手柄,对比同一段三秒人声在两个极端设置下的样子:1024 时每个音的起点很利落,泛音却糊成粗带;4096 时每条泛音都细如发丝,音符的起点却变软了。

FFT 1024 的人声频谱图:时间清楚,泛音模糊
同一段人声 FFT 4096:泛音线很细,音符起点变软

同一段人声、同样的配色,只改了 FFT 大小。

重叠率用来补空隙

重叠率(50%、75%、87.5%)不会改变这个取舍,它只是在原有切片之间插入更多切片,让大 FFT 在时间方向上看起来更平滑。

在频谱图里找隐藏图像

既然频谱图是一张图,就可以反过来「画」一张。图片的每一行像素变成一个固定频率的正弦音,亮度决定音量,播放这段声音,就等于把图画了出来。音乐人用这种方法藏图已经有几十年了,最有名的是 Aphex Twin 1999 年的单曲《Windowlicker》,里面藏了一张人脸。

想找出来,用线性频率坐标、2048 或更大的 FFT,并把响度范围收窄,让微弱的音也显出来。重点看曲子的结尾和高频区域,那里的图像不会和音乐打架。下面是我们自己做的一段:听起来像一个嗡嗡作响、不断变化的和弦,看起来却是一句问候。

一段合成音频的频谱图,在 4 到 8 kHz 之间显出隐藏的文字 HI 和一个笑脸
用正弦音写出的信息,线性坐标加 FFT 2048 就能看见。
频谱图解码找出音频里藏的图解码

给自己的音频做一张频谱图

最好的学法是看你熟悉的声音。我们的在线频谱图生成器在浏览器里运行:选一个示例(完整混音、人声、伴奏、乌鸫、隐藏信息),或者拖入你自己的文件,鼠标停在任意位置就能读出准确的 Hz、音名和 dB。FFT 大小、频率刻度和配色一键切换,还能保存最高 4K 的 PNG。

在线频谱图生成器:完整混音、人声、伴奏、乌鸫、隐藏信息等示例音源,以及待分析的完整混音频谱图
我们的频谱图工具:选示例或上传文件,鼠标悬停即可读出 Hz、音名和 dB。
频谱图看清每一个频率打开

常见问题

常见问题解答

凡是需要「看见」声音的地方都用得上:检查混音里的浑浊和刺耳峰值,清理录音前找出电流声和底噪,研究语音,辨认鸟类和蝙蝠,判断一个「无损」文件是不是 MP3 转的,以及找出藏在音频里的图像。

颜色代表这个时刻、这个频率的响度,单位是分贝。大多数配色里,亮色(黄、白)表示响,暗色(黑、紫)表示安静。图旁边的色条标明了每种颜色对应多少 dB。

波形图只显示整体响度随时间的变化;频谱图把响度按频率拆开,能看出声音由哪些音符和噪声组成。两个波形轮廓一样的声音,在频谱图里可能完全不同。

大多数音乐用 2048。需要分辨很接近的音高(泛音、贝斯音符、校音)时选 4096;要看鼓点、语音辅音、快速鸟鸣这类快速细节时选 1024。

通常说明文件是有损的 MP3 或 AAC。编码器为了省空间会砍掉最高的频率,留下一道平直的「天花板」,位置在大约 16 到 20 kHz 之间,取决于码率。采样率较低的录音,最高只到采样率的一半。

用你自己的歌试一试

Audio Edit Lab 的每个工具都在浏览器里运行——无需注册、没有水印、文件不上传。