SimZhou/vscode-audiolens
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.
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
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
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
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
2. 选区播放与分析
3. 打开 PCM / RAW 文件
4. 一键查看音频头信息
5. 从任意文件中打开音频路径
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。
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。
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
许可证
Copyright (c) 2026 SimZhou.
Licensed under the Apache License, Version 2.0.