Skip to content
项目

SimZhou/vscode-audiolens

在 GitHub 查看

SimZhou/vscode-audiolens has 77 GitHub stars and 13 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-15 16:47 UTC. Last push 2026-11-03.

这些数字如何统计

可以做什么

  • 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.

实测星标增长

24小时
0
7天
更新延迟
15天
更新延迟
1个月
更新延迟

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

Audio inspection & analysis extension for Visual Studio Code

创作与媒体

README.zh-CN.md

原文

AudioLens

在 VS Code 中面向语音、机器学习和信号工程工作流的音频查看与分析工具。

波形图 · 语谱图 · 多通道音轨 · 选区分析 · Raw PCM · Kaldi WAV Ark · Remote SSH

VS Code Marketplace 版本 VS Code Marketplace 安装量 Open VSX 版本 Open VSX 下载量 Apache 2.0 License

多通道音轨 语谱图分析 支持 Raw PCM 支持 Kaldi WAV Ark 支持 Remote SSH

English | 简体中文 | 日本語

AudioLens 可以把 VS Code 变成实用的音频查看器,适合音频工程师、语音算法工程师和机器学习从业者使用。你可以在 manifest、转写文本、日志、脚本和模型输出旁边,直接打开常见音频文件、Raw PCM 数据或 Kaldi WAV Ark 条目。

它关注通用音频播放器容易缺失的日常工程工作流:查看波形图和语谱图、检查多通道音频、从文本中打开音频路径、用明确参数解码 Raw PCM、查看文件头信息,以及在不离开工作区的情况下分析选中的音频片段。

从 VS Code Marketplace 安装 · 从 Open VSX 安装 · 下载 VSIX

其他平台: AudioLens 的 PyCharm 版本 · 由 @CinderellaQAQ 维护

预览

AudioLens 多通道主界面

为什么选择 AudioLens

工作流 AudioLens 能提供什么
语音和机器学习数据集 在 manifest、转写文本、日志、训练脚本和模型输出旁边直接查看音频。
多通道音频 Audacity 风格的多通道音轨、每通道波形图/语谱图视图、静音、独奏,以及每通道增益/声道平衡播放。双声道默认将声道 1 设为全左、声道 2 设为全右;单声道和三个及以上声道继续居中下混。每通道可独立调整频率刻度/范围与振幅,纵轴刻度随音轨高度自适应。
音频分析 拖拽选区后只播放选中片段,并查看 RMS、峰值、削波、主频、频谱质心、过零率和频段能量等指标。
Raw 数据调试 用明确的采样率、通道数、编码、字节序和字节偏移打开 .pcm / .raw。也可以把 WAV payload 按 PCM 重新读取,用于检查损坏或非标准文件。
Kaldi 工作流 打开 wav.ark:offset 条目,或打开 Ark 文件后手动输入偏移量,不需要加载整份 archive。
远程开发 作为 workspace extension 运行,因此 Remote SSH 工作区可以直接预览和分析远端音频,不必先复制数据集。

核心功能

方向 功能
播放 打开后即可用 Space 播放/暂停,支持 seek、选区播放、播放增益、每通道静音和独奏。
可视化 波形图、语谱图、组合视图、共享时间轴、可拖动的逐轨高度和波形图/语谱图比例、缩放、平移和重置。
语谱图分析 频域 STFT 分析;FFT 最大 32768;多种窗函数、频率刻度、配色、固定亮度和可选自动亮度。
文件检查 结构化查看 WAV/RIFF、FLAC、Ogg、MP4/M4A、AAC/ADTS 和 MP3/MPEG 帧头信息。
数据集导航 在普通文本文件里通过 hover、状态栏和命令打开音频路径,不为大文件生成成千上万个正文链接。
偏好保存 保存默认音轨视图、语谱图设置、PCM 默认参数和界面语言。

安装

推荐:从 Visual Studio Marketplace 安装

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

备选:从 Open VSX 安装

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

命令行

code --install-extension simzhou.audiolens

离线 VSIX

# 从 https://github.com/SimZhou/vscode-audiolens/releases 下载 audiolens-<version>.vsix
code --install-extension audiolens-<version>.vsix

功能演示

1. 多通道音轨与多视图

多通道音轨与多视图演示

2. 选区播放与分析

选区播放与分析演示

3. 打开 PCM / RAW 文件

PCM 和 RAW 参数化读取演示

4. 一键查看音频头信息

音频头信息查看演示

5. 从任意文件中打开音频路径

从任意文件中打开音频路径演示

6. 直接打开 Kaldi WAV Ark

  • 方法 1:Ctrl + 单击 wav.ark:offset 路径。需要配合 Kaldi Reader 使用:GitHub、VS Code Marketplace、Open VSX。
  • 方法 2:打开 .ark 文件后手动输入偏移量。无需安装其他插件。

直接打开 Kaldi WAV Ark 演示

支持的文件

AudioLens 会优先使用 Webview 的浏览器解码能力处理常见音频格式,同时通过扩展宿主读取 VS Code 工作区里的文件。

类型 扩展名 说明
WAV .wav 支持多通道 WAV、低于 3000 Hz 的 PCM WAV 原生采样率分析、RIFF chunk 顺序查看、标准 44 字节 PCM 头检查,也支持临时按原始 PCM 重新读取。
Kaldi wav ark 例如 wav.ark:23252 的 .ark 条目 使用 AudioLens: Open Kaldi WAV Ark Entry 命令,或直接打开 .ark 文件后输入 offset。AudioLens 会校验 offset 处是否为 RIFF/WAVE,并只读取对应的 WAV entry。
编码音频 .mp3、.flac、.ogg、.opus、.m4a、.aac 长 MP4/M4A/AAC 音频由扩展宿主 FFmpeg 建立磁盘缓存,波形使用峰值金字塔,播放和分析按需读取有界 PCM 小段,不再传输整段解码 PCM,也不依赖 Electron 的 AAC 解复用能力;其他格式先用 Webview 解码,失败后使用同一缓存。
原始 PCM .pcm、.raw 读取前需要用户显式填写 PCM 参数。

查看多通道音频

多通道音频会按真实通道显示为多条音轨。每条音轨左侧是紧凑的控制区,右侧是主要观察区域。

  • 静音 会让当前通道不参与播放。
  • 独奏 会只播放当前通道,并让其他通道静音。
  • 视图选择器可以把单个通道切换为波形图、语谱图或多视图。
  • 拖动音轨底部边界可以调整整条音轨的高度;多视图下拖动波形图与频谱图之间的边界,可以调整二者的高度比例。
  • 双击任一可拖动边界可以恢复已保存的默认布局;最新布局会在打开其他音频文件时继续使用。
  • 点击某条音轨会把它设为选区分析的激活通道。

所有通道使用统一的波形颜色,避免因为选中状态影响多通道对比。相邻音轨采用共享边框的紧凑布局,选中的音轨会保留圆角焦点框,方便定位。

打开 PCM 文件

对于 .pcm 和 .raw 文件,AudioLens 会先要求填写 PCM 参数:

  • 采样率
  • 通道数
  • 编码,例如 Signed 16-bit PCM、Unsigned 8-bit PCM、32-bit float 或 64-bit float
  • 字节序;8-bit 编码会自动使用无字节序设置
  • 起始偏移字节数

当前 PCM 参数可以保存为默认值,后续打开 PCM 文件时继续使用。AudioLens 不会从文件名或目录名猜测 PCM 参数,因为原始 PCM 本身不包含可靠元数据。

读取成功或保存默认参数后,PCM 文件参数面板会折叠为紧凑摘要,并保留“修改参数”入口,为波形图和频谱图释放更多纵向空间。

WAV 文件也可以从顶部菜单按 PCM 方式重新读取。这个操作只针对当前文件生效,适合检查原始音频数据、非标准 header 或对偏移敏感的测试文件。

打开 Kaldi WAV Ark 文件

从 Command Palette 运行 AudioLens: Open Kaldi WAV Ark Entry,输入 wav.ark:offset 位置即可打开。如果直接打开 .ark 文件,AudioLens 会先要求输入 offset。

AudioLens 只支持音频内容以 WAV RIFF/WAVE 头开始的 ark 条目。它会根据 WAV 头长度读取被选中的 entry,不会扫描或加载整份 ark 文件。

从任何文件中直接打开音频地址

AudioLens 可以识别普通文本文件中的音频地址,并直接用 AudioLens 编辑器打开。将鼠标悬停在音频路径上后点击 在 AudioLens 中打开,或把光标放到路径上使用状态栏入口 / AudioLens: 打开光标处音频路径。它支持绝对路径,也支持基于当前文本文件目录、workspace 目录和可选 base directory 解析的相对路径。

可以从 Command Palette 运行 AudioLens: 开启/关闭“在 AudioLens 中打开” 开启或关闭这个功能。该功能默认开启,不再为整份文档批量生成正文超链,因此大 JSON、日志和数据集文件也能保持流畅。

Kaldi *.ark:offset 链接会刻意留给 Kaldi Reader 处理。

查看文件头信息

点击顶部工具栏的文件图标,可以在 VS Code 内直接查看结构化的文件头字段。AudioLens 会按文件中的出现顺序列出字段;chunk 类格式使用字节偏移,ADTS AAC、MPEG 音频帧这类紧凑头则显示 bit range。

对于 WAV 文件,面板会标出它是否为标准 44 字节 PCM 头,或是否包含 fmt 扩展、LIST 元数据等额外 chunk。音频 payload 行只标识数据区域,不展开原始采样字节。

分析选中的片段

在任意波形图或语谱图上拖拽即可创建时间选区。AudioLens 可以只播放选区,并针对激活通道计算分析指标。

时间轴上的黄色标签显示保留三位小数的播放位置,可直接拖动定位。有选区时,拖动会保留选区并限制在选区内;播放中拖动会暂时暂停,松手后从新位置继续,拖到范围终点则保持暂停。

当前指标包括:

  • 起始时间、结束时间和选区时长
  • RMS 电平和峰值电平
  • 主频
  • 峰均比
  • 削波比例
  • 噪声底估计
  • 频谱质心
  • 过零率
  • 频段能量分布

每个指标旁边都有 Tooltip,说明计算方式、用途和局限。

调整语谱图

AudioLens 提供适合语音和信号检查的语谱图参数:

  • 算法:频域 STFT
  • FFT 大小:8 到 32768
  • 窗函数:Rectangular、Bartlett、Hamming、Hann、Blackman、Blackman-Harris、Welch 和 Gaussian 变体
  • 零填充倍数:1 到 128(padded FFT 最大为 131072,用于限制内存占用)
  • 频率刻度:Linear、Log、Mel、Bark、ERB
  • 可配置仅影响显示的频率范围,也可以让最大值跟随 Nyquist
  • 配色:Rose、Classic、Grayscale、Inverse Grayscale
  • 默认使用 Audacity 式固定亮度:增益 20 dB、范围 80 dB(−100~−20 dB)、高频提升 0,保留不同音频的能量差异;自动亮度默认关闭,手动开启后记忆。可调整这三个参数,或点击“恢复默认亮度”。

右上角设置菜单会把这些频谱图控制项集中在当前视图旁边,包括仅影响显示的频率范围,以及最大频率跟随 Nyquist 的模式。

AudioLens 频谱图设置菜单

耗时的语谱图分析在 Worker 后台执行,并带有幅值缓存——缩放和平移保持实时:横向平移复用已计算的 FFT 列,频率轴、调色板和 dB 变化只重新光栅化,不重算 FFT。

长短音频均支持放大到 1 ms 可见范围(低采样率时以一个采样点为下限)。频谱的真实细节仍取决于 FFT 窗口,继续放大不会增加原有的频率分辨率。

快捷键

打开音频后,当前激活的语谱图或波形图会直接进入键盘可用状态,因此按 Space 可以立即播放或暂停。

操作 快捷键
播放或暂停 Space
清除选区或播放游标 Esc
重置时间缩放 Ctrl / Command + F
macOS 时间缩放 Command + 鼠标滚轮
Windows/Linux 时间缩放 Ctrl + 鼠标滚轮
平移可见时间范围 Shift + 鼠标滚轮
macOS 幅值缩放 Option + 鼠标滚轮
Windows/Linux 幅值缩放 Alt + 鼠标滚轮
重置播放增益 双击增益滑块

界面语言

AudioLens 默认跟随 VS Code 显示语言。也可以通过 audiolens.language 设置或 Command Palette 中的 AudioLens: 切换语言 手动切换 Webview 语言。

支持语言:

简体中文、繁体中文、英语、日语、韩语、法语、德语、俄语、西班牙语、意大利语、葡萄牙语、印尼语、挪威语、荷兰语、波兰语、土耳其语和越南语。

新增界面文案会在对应语种未补齐前回退到英语。

在 Remote SSH 中使用

AudioLens 是 workspace extension。在 Remote SSH 窗口中,扩展宿主运行在远端工作区,直接读取远端音频文件,并把数据传给本地 Webview 播放和可视化。

如果需要保存当前远端音频,可以使用顶部工具栏的下载按钮。保存对话框默认打开音频文件所在目录,不再默认远端根目录;要保存到本机时,在对话框里切换到本地位置即可。

隐私

AudioLens 不会把音频上传到任何第三方服务。音频内容由 VS Code 扩展宿主读取,并在 VS Code Webview 和 Worker 运行时中完成分析。

开发

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

在 VS Code 中按 F5,选择 AudioLens 扩展调试配置,然后在 Extension Development Host 中打开支持的音频文件。

作者

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

支持 AudioLens

如果 AudioLens 对你的语音、音频或信号工程工作有帮助,欢迎支持这个项目的持续维护。

Ko-fi

在 Ko-fi 支持 AudioLens: https://ko-fi.com/simzhou

微信赞赏

微信赞赏码

许可证

Copyright (c) 2026 SimZhou.

Licensed under the Apache License, Version 2.0.