Skip to content
プロジェクト

SimZhou/vscode-audiolens

GitHubで見る

SimZhou/vscode-audiolens has 77 GitHub stars and 13 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-16 20:28 UTC. Last push 2026-11-03.

この数値の測り方

できること

  • Playback - Keyboard-ready Space play/pause, seek, selection playback, playback gain, per-channel mute and solo.
  • Visualization - Waveform, spectrogram, combined view, shared timeline, draggable per-track height and waveform/spectrogram split, zoom, pan, and reset.
  • Spectrogram analysis - Frequency-domain STFT analysis; FFT sizes up to 32768; multiple window functions, frequency scales, palettes, fixed brightness, and optional auto brightness.
  • File inspection - Structured header inspector for WAV/RIFF, FLAC, Ogg, MP4/M4A, AAC/ADTS, and MP3/MPEG frames.

計測したスター増加

24時間
0
7日間
更新が遅れています
15日間
更新が遅れています
1か月
更新が遅れています

期間ごとの純増数です。期間は重複しており、日別の値ではありません。未計測の値は空欄です。スター数は注目度の指標であり、品質の保証ではありません。

概要

Audio inspection & analysis extension for Visual Studio Code

制作・メディア

README.ja.md

オリジナル

AudioLens

VS Code の中で、音声・ML・信号エンジニアリング向けに音声を確認・解析するためのツールです。

波形 · スペクトログラム · マルチチャンネル · 選択範囲解析 · Raw PCM · Kaldi WAV Ark · Remote SSH

VS Code Marketplace version VS Code Marketplace installs Open VSX version Open VSX downloads Apache 2.0 License

マルチチャンネル音声トラック スペクトログラム解析 Raw PCM 対応 Kaldi WAV Ark 対応 Remote SSH 対応

English | 简体中文 | 日本語

AudioLens は VS Code を実用的な音声ビューアに変えます。音声エンジニア、スピーチエンジニア、ML 実務者が、manifest、書き起こし、ログ、スクリプト、モデル出力の横で、一般的な音声ファイル、Raw PCM ダンプ、Kaldi WAV Ark エントリを直接開けます。

AudioLens は汎用プレイヤーでは足りない日常的なエンジニアリング作業に焦点を当てています。波形とスペクトログラムの確認、マルチチャンネル音声のレビュー、テキスト内の音声パスを開く操作、明示的なパラメータによる Raw PCM のデコード、ヘッダー確認、選択範囲の解析を、ワークスペースから離れずに行えます。

VS Code Marketplace からインストール · Open VSX からインストール · VSIX をダウンロード

他のプラットフォーム: PyCharm 版 AudioLens · @CinderellaQAQ がメンテナンス

プレビュー

AudioLens マルチチャンネルメイン画面

AudioLens を選ぶ理由

ワークフロー AudioLens が提供するもの
音声・ML データセット manifest、書き起こし、ログ、学習スクリプト、モデル出力の横で音声を確認できます。
マルチチャンネル音声 Audacity 風のチャンネルトラック、チャンネルごとの波形/スペクトログラム、ミュート、ソロ、チャンネルごとのゲイン/パン再生。ステレオ音声は既定でチャンネル 1 を左、チャンネル 2 を右いっぱいに振り、モノラルと 3 チャンネル以上は中央にダウンミックスします。チャンネルごとに周波数スケール/範囲と振幅を調整でき、縦軸の目盛りはトラック高さに追従します。
音声解析 範囲をドラッグし、その選択範囲だけを再生し、RMS、ピーク、クリッピング、支配周波数、スペクトル重心、ゼロ交差率、帯域別エネルギーを確認できます。
Raw データの調査 サンプルレート、チャンネル数、エンコード、バイト順、バイトオフセットを明示して .pcm / .raw を開けます。破損または非標準の WAV payload を PCM として読み直すこともできます。
Kaldi ワークフロー wav.ark:offset エントリを開くか、Ark ファイルを開いて offset を手動入力できます。archive 全体を読み込む必要はありません。
リモート開発 workspace extension として動作するため、Remote SSH ワークスペース上の音声を先にコピーせずにプレビュー・解析できます。

コア機能

領域 機能
再生 音声を開いた直後から Space で再生/一時停止、seek、選択範囲再生、再生ゲイン、チャンネルごとのミュートとソロ。
可視化 波形、スペクトログラム、複合表示、共有タイムライン、ドラッグ可能なトラック高さと波形/スペクトログラム比率、ズーム、パン、リセット。
スペクトログラム解析 周波数領域 STFT 解析、最大 32768 の FFT、多様な窓関数、周波数スケール、パレット、固定輝度、任意の自動輝度。
ファイル確認 WAV/RIFF、FLAC、Ogg、MP4/M4A、AAC/ADTS、MP3/MPEG フレームの構造化ヘッダー表示。
データセット移動 通常のテキストファイル内の音声パスを hover、ステータスバー、コマンドから開けます。大量の inline link は生成しません。
設定保存 デフォルトのトラック表示、スペクトログラム設定、PCM 既定値、表示言語を保存します。

インストール

推奨: Visual Studio Marketplace からインストール

https://marketplace.visualstudio.com/items?itemName=simzhou.audiolens

代替: Open VSX からインストール

https://open-vsx.org/extension/simzhou/audiolens

コマンドライン

code --install-extension simzhou.audiolens

オフライン VSIX

# https://github.com/SimZhou/vscode-audiolens/releases から audiolens-<version>.vsix をダウンロード
code --install-extension audiolens-<version>.vsix

デモ

1. マルチチャンネルトラックと複合表示

マルチチャンネルトラックと複合表示のデモ

2. 選択範囲の再生と解析

選択範囲の再生と解析のデモ

3. PCM / RAW ファイルを開く

PCM と RAW のパラメータ指定読み込みデモ

4. 音声ヘッダーをワンクリックで確認

音声ヘッダー確認のデモ

5. 任意のファイルから音声パスを開く

任意のファイルから音声パスを開くデモ

6. Kaldi WAV Ark を直接開く

  • 方法 1: wav.ark:offset を Ctrl + クリック。Kaldi Reader と併用します: GitHub、VS Code Marketplace、Open VSX。
  • 方法 2: .ark ファイルを開いて offset を手動入力。他の拡張機能は不要です。

Kaldi WAV Ark を直接開くデモ

対応ファイル

AudioLens は一般的なエンコード形式にはブラウザの音声スタックを使い、VS Code ワークスペース互換のために拡張ホスト側でファイルを読み取ります。

種類 拡張子 備考
WAV .wav マルチチャンネル WAV、3000 Hz 未満の PCM WAV のネイティブサンプルレート解析、RIFF chunk の順序表示、標準 44 バイト PCM ヘッダー確認、一時的な raw PCM 読み直しに対応します。
Kaldi wav ark wav.ark:23252 のような .ark エントリ AudioLens: Open Kaldi WAV Ark Entry コマンドを使うか、.ark ファイルを直接開いて offset を入力します。AudioLens は offset 位置が RIFF/WAVE であることを確認し、その WAV entry だけを読み込みます。
エンコード音声 .mp3、.flac、.ogg、.opus、.m4a、.aac 長い MP4/M4A/AAC は拡張ホスト側 FFmpeg のディスクキャッシュ、ピークピラミッド、有界 PCM 再生チャンク、オンデマンド解析窓を使い、デコード済み PCM 全体の転送と Electron の AAC デマルチプレクサ制約を回避します。その他の形式は Webview で先にデコードし、失敗時に同じキャッシュへ切り替えます。
Raw PCM .pcm、.raw 読み込み前に PCM パラメータを明示的に指定する必要があります。

マルチチャンネル音声を見る

マルチチャンネル音声は、実際の各チャンネルを個別のトラックとして表示します。各トラックには左側の小さな操作エリアと、右側の広い解析エリアがあります。

  • Mute はそのチャンネルを再生から外します。
  • Solo はそのチャンネルだけを再生し、他のチャンネルを無音にします。
  • 表示モードのセレクタで、チャンネルごとに波形、スペクトログラム、複合表示を切り替えられます。
  • トラック下端をドラッグするとトラック全体の高さを変更できます。複合表示では、波形とスペクトログラムの境界をドラッグして高さの比率を変更できます。
  • いずれかのドラッグ可能な境界をダブルクリックすると、保存済みの既定レイアウトに戻ります。最新のレイアウトは別の音声ファイルを開いたときにも引き継がれます。
  • トラックをクリックすると、そのチャンネルが選択範囲解析の対象になります。

波形色はチャンネル間で統一されているため、選択状態によって比較しにくくなることはありません。隣接トラックは境界線を共有したコンパクトな表示になり、選択中のトラックには丸みのあるフォーカス枠が表示されます。

PCM ファイルを開く

.pcm と .raw ファイルでは、読み込み前に PCM パラメータを指定します。

  • サンプルレート
  • チャンネル数
  • エンコード。例: Signed 16-bit PCM、Unsigned 8-bit PCM、32-bit float、64-bit float
  • バイト順。8-bit エンコードでは自動的にバイト順なしになります
  • 開始オフセットのバイト数

現在の PCM パラメータは既定値として保存でき、次回以降の PCM ファイルに再利用できます。Raw PCM には信頼できるメタデータが含まれないため、AudioLens はファイル名やディレクトリ名からパラメータを推定しません。

読み込み成功後または既定値の保存後、PCM ファイルパラメータパネルはコンパクトな概要へ折りたたまれ、パラメータを編集 操作から再編集できます。これにより波形とスペクトログラムの縦方向スペースを広く保てます。

WAV ファイルも上部バーから PCM として読み直せます。この操作は現在のファイルに対する一時的な処理で、raw payload、非標準ヘッダー、オフセットに敏感なテストファイルの確認に役立ちます。

Kaldi WAV Ark ファイルを開く

Command Palette から AudioLens: Open Kaldi WAV Ark Entry を実行し、wav.ark:offset の場所を入力します。.ark ファイルを直接開いた場合は、AudioLens が読み込む offset を求めます。

AudioLens が対応するのは、payload が WAV RIFF/WAVE ヘッダーから始まる ark エントリだけです。WAV ヘッダーのサイズを使って選択された entry だけを読み込み、ark ファイル全体をスキャンしたり読み込んだりしません。

任意のファイルから音声パスを開く

AudioLens は通常のテキストファイル内にある対応音声パスを検出し、AudioLens エディタで直接開けます。音声パスにホバーして AudioLens で開く をクリックするか、パス上にカーソルを置いてステータスバーの操作または AudioLens: カーソル位置の音声パスを開く を使います。絶対パスに加えて、現在のテキストファイルのディレクトリ、workspace フォルダー、任意設定の base directory から相対パスを解決します。

Command Palette から AudioLens: 「AudioLens で開く」をオン/オフ を実行すると、この機能をオン/オフできます。既定では有効で、ドキュメント全体に inline link を生成しないため、大きな JSON、ログ、データセットでもエディタの応答性を保ちます。

Kaldi の *.ark:offset リンクは意図的に Kaldi Reader に任せます。

ヘッダー情報

上部バーのドキュメントアイコンから、構造化されたヘッダー項目を VS Code 内で確認できます。AudioLens はファイル内の順序に沿って項目を表示し、chunk ベースの形式ではバイトオフセット、ADTS AAC や MPEG 音声フレームのような packed header では bit range を表示します。

WAV ファイルでは、標準 44 バイト PCM ヘッダーかどうか、または fmt 拡張や LIST メタデータなどの追加 chunk を含むかどうかを示します。音声 payload 行はデータ領域だけを示し、raw サンプルバイトは展開しません。

選択範囲解析

波形またはスペクトログラム上でドラッグすると、時間範囲を選択できます。AudioLens はその範囲だけを再生し、アクティブなチャンネルに対して解析指標を計算できます。

タイムラインの黄色いラベルには再生位置が小数点以下 3 桁で表示され、ドラッグして移動できます。選択範囲がある場合は、その範囲を保ったまま範囲内で移動します。再生中のドラッグでは一時停止し、離すと新しい位置から再開しますが、範囲の終端では停止したままになります。

現在の指標:

  • 開始時刻、終了時刻、長さ
  • RMS レベルとピークレベル
  • 支配的な周波数
  • クレストファクター
  • クリッピング比率
  • ノイズフロア推定
  • スペクトル重心
  • ゼロ交差率
  • 周波数帯域ごとのエネルギー分布

各指標の横にある Tooltip では、計算方法、用途、注意点を確認できます。

スペクトログラム設定

AudioLens は音声や信号確認に使いやすいスペクトログラム設定を備えています。

  • アルゴリズム: 周波数領域 STFT
  • FFT サイズ: 8 から 32768
  • 窓関数: Rectangular、Bartlett、Hamming、Hann、Blackman、Blackman-Harris、Welch、Gaussian 系
  • ゼロパディング倍率: 1 から 128(メモリ使用量を制限するため padded FFT は最大 131072)
  • 周波数スケール: Linear、Log、Mel、Bark、ERB
  • 表示のみに影響する周波数範囲を設定でき、最大値を Nyquist に追従させることもできます
  • パレット: Rose、Classic、Grayscale、Inverse Grayscale
  • Audacity 式の固定輝度:ゲイン 20 dB、範囲 80 dB(−100~−20 dB)、高域強調 0 が既定値で、音声間のレベル差を保ちます。自動輝度は既定でオフ、手動で有効にすると記憶されます。各値を調整するか「既定の明るさに戻す」で復元できます。

右上の設定メニューから、これらのスペクトログラム設定を現在の表示の近くで調整できます。表示専用の周波数範囲や、最大周波数を Nyquist に追従させる設定もここで扱えます。

AudioLens スペクトログラム設定メニュー

重いスペクトログラム解析は Worker の境界の向こうで実行され、マグニチュードキャッシュによりズーム・パンがリアルタイムに追従します。水平パンは計算済みの FFT 列を再利用し、周波数軸・パレット・dB の変更は FFT を再計算せずラスタライズのみで即座に反映されます。

長い録音も短い録音も、表示範囲を 1 ms まで拡大できます(低サンプリングレートでは 1 サンプルが下限)。スペクトログラムの実際の細部は FFT 窓に依存し、さらに拡大しても周波数分解能自体は増えません。

ショートカット

音声を開くと、アクティブなスペクトログラムまたは波形がすぐにキーボード操作可能になるため、Space で直ちに再生または一時停止できます。

操作 ショートカット
再生 / 一時停止 Space
選択範囲または再生カーソルをクリア Esc
時間ズームをリセット Ctrl / Command + F
macOS の時間ズーム Command + マウスホイール
Windows/Linux の時間ズーム Ctrl + マウスホイール
表示時間範囲のパン Shift + マウスホイール
macOS の振幅ズーム Option + マウスホイール
Windows/Linux の振幅ズーム Alt + マウスホイール
再生ゲインをリセット ゲインスライダーをダブルクリック

インターフェース言語

AudioLens は既定で VS Code の表示言語に従います。audiolens.language 設定、または Command Palette の AudioLens: Switch Language から Webview の言語を上書きできます。

対応言語:

簡体字中国語、繁体字中国語、英語、日本語、韓国語、フランス語、ドイツ語、ロシア語、スペイン語、イタリア語、ポルトガル語、インドネシア語、ノルウェー語、オランダ語、ポーランド語、トルコ語、ベトナム語。

新しい UI 文字列は、各ロケールの翻訳がそろうまで英語へフォールバックします。

Remote SSH で使う

AudioLens は workspace extension として動作します。Remote SSH ウィンドウでは、拡張ホストがリモートワークスペース側で動き、リモートの音声ファイルを読み取ってローカルの Webview に渡します。

現在のリモート音声を保存したい場合は、上部バーのダウンロードボタンを使えます。保存ダイアログは音声ファイルのあるフォルダーを初期表示し、リモートのルートには移動しません。ローカルに保存する場合は、ダイアログ内でローカルの保存先へ切り替えてください。

プライバシー

AudioLens は音声ファイルを第三者サービスへアップロードしません。音声データは VS Code 拡張ホストで読み取られ、VS Code Webview と Worker ランタイム内で解析されます。

開発

npm install
npm run build
npm run typecheck
npm run rust:test
npm run package

VS Code で F5 を押し、AudioLens の拡張デバッグ設定を選択します。その後、Extension Development Host で対応する音声ファイルを開きます。

作者

SimZhou: https://simzhou.com/ja/about/

AudioLens を支援する

AudioLens が音声、スピーチ、信号エンジニアリングの作業に役立つ場合は、継続的な開発を支援していただけます。

Ko-fi

Ko-fi で AudioLens を支援する: https://ko-fi.com/simzhou

WeChat

WeChat appreciation code

ライセンス

Copyright (c) 2026 SimZhou.

Licensed under the Apache License, Version 2.0.