Phổ âm thanh là gì và cách đọc: hướng dẫn cho người mới

Phổ âm thanh là gì?

Phổ âm thanh (spectrogram) là một cách vẽ lại âm thanh theo ba lớp thông tin cùng lúc: thời gian, tần số và năng lượng. Trục ngang là thời gian, trục dọc là tần số tính bằng Hz, và màu sắc hoặc độ sáng tại mỗi điểm cho biết năng lượng ở đúng tần số đó vào đúng thời điểm đó.

Khác với dạng sóng (waveform), thứ chỉ vẽ biên độ (âm lượng) thay đổi theo thời gian mà không hề có thông tin tần số, phổ âm thanh cho thấy rõ cấu trúc tần số của âm thanh: đoạn nào có tiếng trầm, đoạn nào có tiếng cao, đoạn nào có tiếng rít hoặc nhiễu, và tần số nào hoàn toàn trống.

Phổ âm thanh khác gì dạng sóng?

Dạng sóng là thứ bạn thấy trong hầu hết trình phát nhạc và phần mềm chỉnh sửa: một đường lên xuống theo thời gian, cho biết đoạn nào to đoạn nào nhỏ. Nó hữu ích để cắt, ghép, canh thời điểm, nhưng không nói được gì về nội dung tần số của âm thanh.

Phổ âm thanh trả lời đúng câu hỏi mà dạng sóng không trả lời được: âm thanh này có những tần số nào, mạnh yếu ra sao, và tần số đó thay đổi thế nào theo thời gian. Hai file có dạng sóng gần như giống hệt nhau (cùng độ to nhỏ) vẫn có thể có phổ âm thanh hoàn toàn khác nhau, ví dụ một file sáng và đầy tần số cao, một file tối và bị cắt cụt ở dải cao.

Máy tính vẽ phổ âm thanh bằng cách nào?

Phổ âm thanh được tạo ra bằng một phép biến đổi gọi là FFT (Fast Fourier Transform). Không cần hiểu công thức, chỉ cần hiểu ý tưởng: FFT cắt file âm thanh thành hàng ngàn đoạn cực ngắn, gọi là cửa sổ FFT (FFT window), rồi với mỗi đoạn, nó tính xem đoạn đó chứa những tần số nào và mạnh yếu ra sao. Ghép hàng ngàn đoạn phân tích đó lại theo trục thời gian, ta có một phổ âm thanh hoàn chỉnh.

Cửa sổ càng ngắn, phổ âm thanh càng chính xác về mặt thời gian (biết chính xác khi nào một âm thanh xảy ra) nhưng càng kém chính xác về tần số (khó phân biệt hai tần số gần nhau). Cửa sổ càng dài thì ngược lại: chính xác về tần số hơn nhưng mờ về thời gian. Đây là một sự đánh đổi cố hữu của FFT, không phải lỗi của công cụ hiển thị, và là lý do các công cụ phổ âm thanh khác nhau đôi khi cho ra hình ảnh hơi khác nhau trên cùng một file.

Trục tần số liên quan gì đến tần số lấy mẫu và tần số Nyquist?

Một file nhạc số hoá âm thanh bằng cách lấy mẫu (sample) hàng chục ngàn lần mỗi giây. Tần số lấy mẫu (sample rate) phổ biến nhất là 44.1kHz (chuẩn CD) hoặc 48kHz. Theo định lý lấy mẫu, tần số cao nhất mà một file có thể ghi lại chính xác bằng một nửa tần số lấy mẫu, gọi là tần số Nyquist: file 44.1kHz có Nyquist ở 22.05kHz, file 48kHz có Nyquist ở 24kHz.

Điều này nghĩa là trục dọc của phổ âm thanh không thể vượt quá tần số Nyquist của file, dù tai người thường chỉ nghe được tới khoảng 20kHz (và giảm dần theo tuổi tác). Biết trần lý thuyết này giúp bạn đọc phổ âm thanh đúng hơn: nếu một file 44.1kHz có tín hiệu dừng ở 16kHz thay vì kéo dài gần tới 22.05kHz, đó không phải giới hạn kỹ thuật của định dạng, mà là dấu hiệu của một bước xử lý khác đã cắt bớt tần số.

Cách đọc màu sắc và các dấu hiệu phổ biến

• Vùng sáng, đậm màu: năng lượng lớn ở tần số và thời điểm đó.
• Vùng tối, gần trong suốt: gần như im lặng ở tần số đó.
• Vệt sáng nằm ngang, cố định một tần số: thường là tiếng ù, hum, hoặc nhiễu điện.
• Khối sáng lan rộng theo chiều dọc trong khoảnh khắc ngắn: thường là clipping hoặc một tiếng động mạnh, đột ngột.
• Đường biên phẳng lì ở rìa trên, tách hẳn phần có tín hiệu và phần trống phía trên: một ngưỡng cắt tần số cao, xem bài phát hiện nhạc lossless giả qua phổ âm thanh để đi sâu hơn.

Cách tốt nhất để hiểu phổ âm thanh là tự xem một file thật. Thử ngay với công cụ xem phổ âm thanh của Tách Nhạc: kéo thả một file nhạc bất kỳ, không cần tải lên máy chủ nào, xem trực tiếp trong trình duyệt.