Что показывает спектрограмма

Это «карта» звука во времени:

• По горизонтали — время. Новые данные появляются справа, картинка прокручивается влево.
• По вертикали — частота: снизу низкие (≈50 Гц), сверху высокие (до 8 кГц — это весь диапазон записи 16 кГц).
• Цвет — громкость на этой частоте: тёмно-синий — тихо, голубой/зелёный — средне, жёлтый/красный — громко.

Речь видно как яркие горизонтальные полосы (форманты) в области ≈300 Гц – 3.5 кГц. Гул и шум — это энергия у самого низа; шипение — у самого верха.

Три режима отображения

• Спектрограмма — карта «частота × время» (см. выше).
• Частотный спектр — мгновенная огибающая амплитуды |X(f)| по частоте (как индикатор спектра анализатора).
• Энергетический спектр — то же, но мощность |X(f)|²: пики выражены резче, тихие детали подавлены.

Лог-мел-спектрограмма

В режиме «Спектрограмма» можно переключить шкалу на лог-мел — частоты раскладываются по мэл-шкале (близко к восприятию слуха), низы растянуты, верхи сжаты. Не все мэл-спектрограммы одинаковы, поэтому опции явные:

• HTK / Slaney — две разные мэл-шкалы. HTK: 2595·log10(1+f/700). Slaney: линейная до 1 кГц и логарифмическая выше, с нормировкой площади фильтров (как в librosa).
• Амплитуда / Мощность — что проецируется в мэл: |X| или |X|².
• дБ / log — лог-преобразование: истинные децибелы (10·log10 для мощности, 20·log10 для амплитуды) или просто log.

Голубая кривая — это эквалайзер

Поверх спектрограммы рисуется текущая АЧХ эквалайзера. Вертикальная линия по центру — 0 дБ. Где кривая уходит вправо — частоты усилены, влево — ослаблены. Кривая меняется мгновенно при движении ползунков или выборе пресета.

Как добиться разборчивости речи

• Начните с пресета «Речь» или «Чёткость».
• Гудит / бубнит → убавьте низкие 60–250 Гц или возьмите «Меньше шума».
• Глухо / неразборчиво → прибавьте 2.5–4 кГц (зона присутствия речи).
• Сильный шум вокруг голоса → «Телефон» оставляет только полосу ≈300–3400 Гц.
• Тонкая настройка — вертикальными ползунками по отдельным полосам.