ध्वनि स्पेक्ट्रम विश्लेषक (Sound Spectrum Analyzer)

एक साउंड लेवल मीटर एक प्रश्न का उत्तर देता है: आवाज़ कितनी तेज़ है। यह एक अच्छा प्रश्न है और यह हमेशा वह प्रश्न नहीं होता जो आपके पास है। एक फ्रिज कंप्रेसर, एक पड़ोसी का सबवूफर और एक लैपटॉप पंखा, ये सभी एक ही संख्या पर समान रीडिंग दे सकते हैं और इनमें से कोई भी नहीं है वही समस्या।

यह पृष्ठ दूसरे प्रश्न का उत्तर देता है। ध्वनि में वास्तव में क्या है, वह आवृत्ति सीमा (frequency range) में कहाँ स्थित है, और क्या वह स्थिर है, रुक-रुक कर है, या कोई ऐसी चीज़ है जो केवल एक बार हुई थी।

तीन दृष्टिकोण, तीन प्रश्न

स्पेक्ट्रम वही है जो अभी वहां मौजूद है — आवृत्ति के मुकाबले स्तर, उस पूरी रेंज में जिसे मानव श्रवण कवर करता है। यह वह दृश्य है जो एक टोन ढूंढता है: एक गुनगुनाहट, एक कराह, एक रिंग, निश्चित पिच वाली कोई भी चीज़ एक स्पाइक के रूप में दिखाई देती है जहाँ ब्रॉडबैंड शोर होता है एक पहाड़ी के रूप में दिखता है।

स्पेक्ट्रोग्राम (Spectrogram) समय के साथ वही जानकारी है, जिसमें फ्रीक्वेंसी (frequency) ऊपर की ओर होती है। और स्तर को चमक के रूप में। यह इन तीनों में से अकेला है जो एक स्थिर शोर और रुक-रुक कर होने वाले शोर के बीच अंतर बता सकता है, क्योंकि स्पेक्ट्रम पहले ही समय अक्ष (axis) को हटा चुका होता है। एक पंखा एक क्षैतिज पट्टी (horizontal stripe) है। दरवाजे का जोर से बंद होना एक ऊर्ध्वाधर (vertical) पट्टी है। एक पड़ोसी का संगीत एक क्षैतिज पट्टी है जो रुक जाती है।

ऑक्टेव रेंज को उन बैंड्स में विभाजित करता है जिनमें वास्तव में ध्वनिकी (acoustics) कार्य की रिपोर्ट की जाती है और यह वह दृश्य है जिसे तब अपनाया जाता है जब आप इसे देखने के बजाय कुछ लिखना चाहते हैं।

आवाज़ कहाँ से आती है

तीन इनपुट, और चुनाव यह बदल देता है कि संख्याएँ किस बारे में हैं।

माइक्रोफ़ोन वह कमरा है जिसमें आप खड़े हैं, जिसे एक डिवाइस के माध्यम से सुना जाता है जिसकी फ्रीक्वेंसी रिस्पॉन्स (frequency response) किसी ने प्रकाशित नहीं की है। इस साइट का बाकी हिस्सा अनिश्चितता के बारे में जो कुछ भी कहता है वह इस पर भी लागू होता है।

सिस्टम ऑडियो (System audio) ब्राउज़र टैब साझा करता है और जो चल रहा है उसे पढ़ता है। एक टैब चुनें और टिक करें टैब का ऑडियो साझा करें: उस बॉक्स के बिना आपको केवल चित्र मिलता है और सन्नाटा रहता है, और पूरी स्क्रीन साझा करने में आमतौर पर कोई ऑडियो ट्रैक नहीं होता है। चित्र है शेयर शुरू होते ही हटा दिया गया, क्योंकि इस पेज के लिए इसका कोई उपयोग नहीं है और कैप्चर इंडिकेटर को चालू रखने का कोई कारण नहीं है।

एक ऑडियो फ़ाइल आपके ब्राउज़र में डिकोड की जाती है और उसी के माध्यम से चलाई जाती है एनालाइज़र, जिसमें प्ले, पॉज़, स्टॉप और मॉनिटर के लिए म्यूट की सुविधा है। म्यूट करने से स्पीकर की आवाज़ बंद हो जाती है न कि विश्लेषण: प्लॉट और आंकड़े फ़ाइल को पढ़ना जारी रखते हैं। कुछ भी अपलोड नहीं किया जाता है। डिकोडिंग आपके अपने मशीन पर चलती है और फ़ाइल इसे कभी नहीं छोड़ती है।

अंतिम दो कमरे नहीं हैं, और यह बात छिपाने के बजाय जोर से कहना उचित है। एक फ़ाइल उस उपकरण द्वारा की गई रिकॉर्डिंग है जिसके बारे में शायद आप कुछ भी नहीं जानते हों। एक टैब वह है जिसे किसी वेबसाइट ने चलाने का निर्णय लिया, और उस गेन (gain) पर जिसे उसने चुना। दोनों में से किसी का भी ध्वनि स्तर उस अर्थ में नहीं है जैसा कि मीटर दर्शाता है। विश्लेषक (analyser) आपको जो बता सकता है वह यह है कि आकार के बारे में है, जो वैसे भी इसी के लिए था।

गूंज (hum) को खोजना

यह पेज जो सबसे उपयोगी काम करता है, वह है एक गूंज (hum) को नाम देना।

इलेक्ट्रिकल गूंज (hum) मेन्स फ्रीक्वेंसी पर स्थित होती है — दुनिया के अधिकांश हिस्सों में 50 Hz, और 60 Hz उत्तरी अमेरिका में — और इसके गुणकों पर। एनालाइज़र को किसी भिनभिनाते हुए ट्रांसफार्मर, डिमर, फ्रिज या एम्पलीफायर की ओर करें और आपको मेन्स फ्रीक्वेंसी पर एक स्पाइक दिखाई देगा, जिसके ऊपर इसके दो, तीन और चार गुना पर छोटे स्पाइक्स होंगे। प्रमुख फ्रीक्वेंसी रीडआउट सीधे इसका नाम बताता है, जिसमें निकटतम उसके बगल में एक संगीतमय स्वर (musical note)।

यह मायने रखता है क्योंकि आवृत्ति (frequency) आपको बताती है कि वह चीज़ क्या है एक तरह से वह स्तर कभी नहीं बदलता। हार्मोनिक्स के साथ 50 Hz का स्पाइक विद्युत (electrical) होता है। 100 और 300 Hz के बीच कहीं एक विस्तृत उभार (broad hill) आमतौर पर यांत्रिक होता है — एक मोटर, एक पंप, या एक कंप्रेसर। बिना किसी संरचना वाली फुसफुसाहट (hiss) हवा होती है, जो या तो किसी वेंट से गुजर रही होती है या स्वयं माइक्रोफ़ोन द्वारा उत्पन्न की जा रही होती है।

नोट रीडआउट एक ऐसा ट्यूनर है जो किसी स्ट्रिंग का नाम बताने या 50 Hz के हम् (hum) को 60 Hz वाले से अलग करने के लिए पर्याप्त है। यह कोई कैलिब्रेटेड फ्रीक्वेंसी काउंटर नहीं है, और जब रिपोर्ट करने के लिए कोई टोन मौजूद नहीं होती — जो कि अधिकांश कमरों में होता है — तो यह निरर्थक जानकारी देगा।

यहाँ स्तर (levels) सापेक्ष क्यों हैं

इस साइट पर मौजूद मीटर एक पूर्ण आंकड़ा प्रकाशित करता है जिसके चारों ओर एक बैंड होता है: एक असंशोधित (uncalibrated) अनुमान, जो आमतौर पर एक संदर्भ उपकरण के लगभग ±10 dB के भीतर होता है उपकरणKardous & Shaw. यह पृष्ठ आवृत्ति के अनुसार उस दावे को नहीं दोहराता है, और इसका अक्ष जानबूझकर पूर्ण शब्दों में लेबल नहीं किया गया है।

इसका कारण यह है कि डिवाइस माइक्रोफ़ोन की त्रुटि कोई एक संख्या नहीं है, बल्कि यह एक वक्र। इसकी प्रतिक्रिया पूरी रेंज में असमान है, और यह एक हैंडसेट से दूसरे हैंडसेट में असमान रूप से भिन्न है — जो कि ठीक वही चीज़ है जिसे एक स्पेक्ट्रम दर्शा रहा है। एक ब्रॉडबैंड स्तर को एक एकल ऑफसेट के साथ ठीक किया जा सकता है; एक स्पेक्ट्रम को नहीं।

तो इस प्लॉट को पढ़ें आकार, और ऑनलाइन डेसिबल मीटर को पढ़ें स्तर। ध्वनि कहाँ स्थित है, कौन सा पीक सबसे तेज़ है, क्या फ्रिज हटाने के बाद हमिंग (भिनभिनाहट) बेहतर हुई — यह सब एक अज्ञात माइक्रोफ़ोन रिस्पॉन्स के बावजूद सुरक्षित रहता है, क्योंकि कर्व के हर बिंदु के नीचे एक ही रिस्पॉन्स होता है।

इस पेज पर दो चीज़ें सापेक्ष (relative) नहीं हैं, और उनमें से कोई भी यह प्लॉट नहीं है। मापन सत्र के नीचे यह ब्रॉडबैंड स्तरों की रिपोर्ट करता है, जिसकी गणना उसी तरह की गई है मीटर अपनी संख्या की गणना करता है और उनके चारों ओर एक ही बैंड रखता है — वे यहाँ इसलिए हैं क्योंकि एक पाठक जो हम (hum) को देखने आया है, उसे ऐसे आंकड़ों के साथ जाना चाहिए जिन्हें वे उद्धृत कर सकें, न कि इसलिए कि किसी स्पेक्ट्रम ने एक पूर्ण अक्ष (absolute axis) अर्जित कर लिया है। सिग्नल पैनल पूरी तरह से किसी और चीज़ के बारे में है, और इसका अपना अगला भाग है।

सिग्नल के आंकड़े

प्लॉट के नीचे चार आंकड़े कमरे के बजाय सिग्नल का वर्णन करते हैं: peak, RMS, crest, और एक clip lamp।

पीक (Peak) पिछले एक चौथाई सेकंड में सबसे तेज़ सिंगल सैंपल है, और RMS उसी विंडो का औसत ऊर्जा स्तर (energy average) है। क्रेस्ट (Crest) उनके बीच का अंतर है, और यही वह चीज़ है जो बताती है कि यह किस तरह की ध्वनि है। एक स्थिर स्वर (steady tone) अपने स्वयं के औसत से लगभग तीन डेसिबल ऊपर होता है। भाषण और संगीत दस से बीस तक जाते हैं। एक वह सिग्नल जो लगभग शून्य पर शिखर (crest) बनाता है, या तो एक स्क्वायर वेव (square wave) है या कुछ ऐसा जो पहले से ही एक लिमिटर (limiter) द्वारा पूरी तरह से दबा (squash) दिया गया है। यदि विंडो में कोई भी सैंपल रेंज के शीर्ष तक पहुँच जाता है, तो लैंप जल उठता है, जो कि वह एकमात्र स्थिति है जो एक साथ पेज पर मौजूद बाकी सभी चीजों को अविश्वसनीय बना देती है।

Peak और RMS dBFS: पूर्ण पैमाने के सापेक्ष डेसीबल। पूर्ण पैमाना वह सबसे बड़ा मान है जिसे इनपुट दर्शा सकता है, इसलिए शून्य dBFS फ़ाइल या कन्वर्टर की ऊपरी सीमा है, और उससे नीचे का प्रत्येक स्तर उसी सीमा के सापेक्ष अनुपात है। यह एकमात्र पूर्ण मान है जिसे यह पृष्ठ ईमानदारी से दिखा सकता है, क्योंकि यह हवा के बारे में दावा नहीं बल्कि संख्याओं के बारे में तथ्य है। इसमें माइक्रोफ़ोन की संवेदनशीलता, दूरी या संदर्भ दाब शामिल नहीं होते।

यही कारण है कि dBFS, dB SPL के समान नहीं है। फुल स्केल से छह डेसिबल नीचे का सिग्नल इनपुट की आधी रेंज का उपयोग कर रहा होता है, और इससे आपको यह पता नहीं चलता कि कोई चीज़ कितनी तेज़ थी: गेन (gain) बदलकर एक ही कमरे को दो बार रिकॉर्ड करें और आपको दो अलग-अलग dBFS रीडिंग मिलेंगी जबकि ध्वनि का स्तर एक ही होगा। यह जानने के लिए dBFS पढ़ें कि क्या इनपुट समझदारी से सेट करें — शीर्ष के करीब यह क्लिप हो जाएगा, उससे बहुत नीचे आप नॉयस फ्लोर (noise floor) को देख रहे होंगे। कितना तेज़ है, इसके लिए ऑनलाइन डेसिबल मीटर पढ़ें।

दो चैनल, जब दो चैनल मौजूद हों

एक स्टीरियो फ़ाइल या साझा किए गए टैब में दो चैनल होते हैं, और एनालाइज़र दिखाएगा उनमें से कोई भी एक, दोनों का योग (sum), या उनके बीच का अंतर। लेफ्ट और राइट वे चैनल हैं जैसे वे प्राप्त हुए थे। मिड (Mid) दोनों का योग और उसका आधा है, जो कि है मोनो फोल्ड-डाउन और एक अकेला स्पीकर क्या बजाएगा। साइड (Side) अंतर है: वह सब कुछ जिस पर दोनों चैनल असहमत हैं, मोनो रिकॉर्डिंग पर शांत और चौड़ी (wide) रिकॉर्डिंग पर तेज़ सुनाई देता है।

उनके बगल में माइनस एक और प्लस एक के बीच एक सहसंबंध (correlation) आंकड़ा है। यह दर्शाता है जब चैनल सहमत होते हैं तो प्लस वन, जब वे असंबंधित सामग्री ले जाते हैं तो शून्य के करीब, और माइनस एक जब एक चैनल दूसरे का उल्टा (inverted) होता है। वह अंतिम मामला रद्द होकर शून्य हो जाता है उस क्षण को शांत कर दें जब कुछ भी उन्हें जोड़ता है, इसलिए माइनस वन के पास बैठी एक रिकॉर्डिंग है एक ऐसा जो फोन के स्पीकर पर गायब हो जाएगा। आप इसे होते हुए देख सकते हैं: Mid पर स्विच करें और प्लॉट खाली हो जाता है।

नियंत्रण केवल तभी दिखाई देते हैं जब स्रोत में वास्तव में दो चैनल हों, जो कि लगभग किसी भी डिवाइस पर माइक्रोफ़ोन में नहीं होते हैं। एक मोनो सिग्नल को दो समान हिस्सों में विभाजित करने पर हमेशा प्लस वन ही दिखाई देगा और यह वायरिंग के बारे में बताएगा न कि ध्वनि की तुलना में, इसलिए मोनो स्रोत पर पेज ऐसा कहता है और बटनों को बंद छोड़ देता है।

मिड और साइड सिग्नल का एक दृश्य हैं, न कि किसी कमरे का। एक मीटर की दूरी पर रखे दो माइक्रोफोन एक मिड/साइड जोड़ी देंगे जो किसी स्थान के बारे में कुछ बताएगी; एक फ़ाइल और एक ब्राउज़र टैब ऐसी जोड़ी देते हैं जो रिकॉर्डिंग के बारे में कुछ बताती है।

ऑक्टेव और थर्ड-ऑक्टेव बैंड

एक ऑक्टेव आवृत्ति (frequency) का दोगुना होना है। रेंज को ऑक्टेव में विभाजित करने पर दस बैंड मिलते हैं जो 31.5 Hz से 16 kHz तक होते हैं, जो इतने कम हैं कि इन्हें याद रखा जा सके और यही मीटर का अपना स्पेक्ट्रम दिखाता है।

थर्ड-ऑक्टेव्स इनमें से प्रत्येक को तीन भागों में विभाजित करते हैं, जिससे 20 Hz से 20 kHz तक इकतीस बैंड मिलते हैं। यह वही रेजोल्यूशन है जिसमें बिल्डिंग-नॉइज़ असेसमेंट, रूम एकॉस्टिक्स और उपकरणों के विनिर्देश (specifications) लिखे जाते हैं, और यह इतना सूक्ष्म है कि किसी हम (hum) को उसके दोनों ओर के शोर से अलग कर सके और फिर भी एक टेबल के रूप में बना रहे एक चित्र के बजाय।

खुद को उन्मुख करने के लिए सप्तक (octaves) का उपयोग करें और कुछ लिखने के लिए तिहाई (thirds) का। दोनों ही हैं CSV के रूप में निर्यात किया गया, जिसमें सैंपल रेट, विंडो और वेटिंग शामिल है हेडर, क्योंकि स्तरों का एक कॉलम उनके बिना छह महीने बाद पढ़ने योग्य नहीं रह जाता है।

मापन सत्र

स्क्रीन पर जो भी व्यू (view) हो, उसके नीचे एनालाइजर एक समयबद्ध सत्र (timed session) चला सकता है और छह आंकड़े रिपोर्ट कर सकता है।

Leq पूरे सत्र के दौरान ऊर्जा का औसत है — वह एकल संख्या जो पूरी अवधि का प्रतिनिधित्व करती है। Lmax और Lmin इसे सीमित करें। L10, L50 और L90 वे स्तर हैं जो समय के दसवें, आधे और नौवें दसवें हिस्से से अधिक हो गए हैं, और L10 और L90 के बीच का अंतर यह दर्शाता है कि शोर कितना परिवर्तनशील था: एक बड़े अंतर का अर्थ है घटनाएँ, एक संकीर्ण स्रोत का अर्थ है एक स्थिर स्रोत।

वे अंतिम तीन आंकड़े शोर मूल्यांकन के उद्धरण हैं, यही कारण है कि वे यहाँ और किसी पेड टियर (paid tier) के लिए रोक कर नहीं रखा गया है। तीस सेकंड एक के लिए पर्याप्त है स्थिर स्रोत; पांच मिनट एक कार्यालय या प्लांट रूम के लिए उपयुक्त है; पंद्रह है लंबाई वाले पर्यावरणीय सर्वेक्षण आमतौर पर निर्दिष्ट किए जाते हैं।

FFT आकार और स्मूथिंग (smoothing)

विंडो की लंबाई एक समझौता है और ऐसी कोई सेटिंग नहीं है जो दोनों पक्षों में जीत हासिल कर सके। एक लंबी विंडो फ्रीक्वेंसी को बारीकी से हल करती है और समय को धुंधला कर देती है, इसलिए 50 Hz की गूंज 60 Hz से स्पष्ट रूप से अलग हो जाती है लेकिन दरवाजे के बंद होने की आवाज धुंधली हो जाती है। एक छोटी विंडो उल्टा.

डिफ़ॉल्ट बीच में रहता है। जब आप किसी टोन (tone) का पीछा कर रहे हों तो इसे ऊपर ले जाएं और जब आप किसी चीज़ को बदलते हुए देख रहे हों तो इसे नीचे ले जाएं। स्मूथिंग (Smoothing) केवल एक डिस्प्ले कंट्रोल है — यह फ्रेम के बीच की तस्वीर को स्थिर करता है और माप को प्रभावित नहीं करता है सत्र के आंकड़े।

माइक्रोफोन को कमरे से अलग पहचानना

आप जो कुछ भी देखते हैं वह कमरे में नहीं होता है। एक डिवाइस माइक्रोफोन अपना स्वयं का शोर, और एक स्पेक्ट्रम पर इसका एक पहचानने योग्य आकार होता है: एक व्यापक फुसफुसाहट जो बढ़ती है रेंज के ऊपरी हिस्से की ओर जिसमें कोई संरचना नहीं है, जो भी हो उस पर स्थित है इनपुट का फ्लोर (floor) होता है।

दोनों को अलग करने का तरीका यह देखना है कि क्या बदलता है। माइक्रोफ़ोन को ढक दें हाथ से, या डिवाइस को किसी शांत जगह पर ले जाएं, और देखें कि वक्र (curve) के कौन से हिस्से हिलते हैं। जो कुछ भी नीचे गिरता है वह कमरा था। जो कुछ भी स्थिर रहता है वह डिवाइस है, और उसे कितनी भी देर तक घूरने से वह किसी भी चीज़ का माप नहीं बन जाएगा।

यही कारण है कि इस पेज पर एक बहुत ही शांत कमरे को पढ़ना सबसे कठिन काम है: इनपुट के अपने न्यूनतम स्तर (floor) के नीचे खींचने के लिए कुछ भी शेष नहीं रह जाता है, और वक्र शांति (silence) में विलीन होने के बजाय हार्डवेयर में ही समतल (flatten) हो जाता है।

किस वक्र (curve) का विश्लेषण करना है

A, C और Z बटन यहाँ वही कार्य करते हैं जो वे मीटर पर करते हैं, जो प्रत्येक पर लागू होते हैं आवृत्ति के बजाय एक संख्या में समाहित किया गया, जो कि सबसे स्पष्ट स्थान है यह देखने के लिए साइट कि वास्तव में वेटिंग कर्व (weighting curve) क्या है: A से C पर स्विच करें और बास की वापसी देखें।

जब आप सिग्नल को वैसा ही चाहते हैं जैसा वह आया था, तो Z का उपयोग करें, जो आमतौर पर सही विकल्प होता है हमिंंग (hum) को पकड़ने के लिए — A-weighting को विशेष रूप से उन कम फ्रीक्वेंसीज़ को कम करने के लिए डिज़ाइन किया गया है जिनमें हमिंंग होती है। A का उपयोग तब करें जब आप वह आकार चाहते हैं जो स्वास्थ्य एजेंसियों द्वारा प्रकाशित आंकड़ों के अनुरूप हो। उनके बीच का अंतर नीचे दिया गया है dBA बनाम dBC.

यह पृष्ठ जानबूझकर क्या नहीं करता है

यह अभी भी प्लॉट के स्तर अक्ष (level axis) पर कोई पूर्ण आंकड़ा नहीं रखता है, जिसका कारण ऊपर बताया गया है। आवृत्ति अक्ष (frequency axis) को लेबल किया गया है, क्योंकि आवृत्ति एक संख्या है FFT वास्तव में जानता है। सिग्नल पैनल का dBFS यहाँ एकमात्र सटीक रीडिंग है, और यह कमरे के बजाय इनपुट के बारे में सटीक जानकारी देता है।

यह mid और side को किसी कमरे की तस्वीर के रूप में नहीं देखता है, और यह किसी मोनो (mono) स्रोत का स्टीरियो व्यू नहीं बनाएगा। यह जो सुनता है उसे रिकॉर्ड नहीं करता है, न ही फ़ाइल अपलोड करता है जब आप टैब बंद करते हैं, तो आप कुछ भी खोलते हैं या रखते हैं।

और यह कुछ भी कैलिब्रेट नहीं करता है। एक फ़ाइल का स्तर पूर्ण पैमाने (full scale) के सापेक्ष होता है और इसमें ध्वनि का कोई डेसिबल स्तर नहीं होता; एक टैब का गेन (gain) वही होता है जो साइट ने चुना हो। डेसिबल चार्ट वह जगह है जहाँ प्रकाशित ध्वनि स्तर (sound levels) मौजूद होते हैं, और मीटर वह जगह है जहाँ से एक निश्चित बैंड (stated band) के साथ रीडिंग प्राप्त होती है।