Web Audio 概览

Web Audio提供了一个强大的音频处理系统，在我们现有的业务场景中，很少有使用到Web Audio，很多时候用到也仅限于播放一段音频。

除此之外，还能实现丰富的功能，比如：可视化、音色合成器、动态混音、声音特效、3D空间音频、均衡器、环境混响等，可以应用在音乐播放器、电子音乐软件、游戏音效、音乐游戏、直播互动等领域。

这篇文章是我在学习Web Audio的过程中写的一些总结和Demo，简单介绍一些API基础用法。

文章中所有示例：https://web-audio.johnsonlee.site/

AudioContext

AudioContext为音频处理提供一个上下文环境，相当于一个中央控制器，控制着音频路由图中的各个音频模块。

在开始音频处理之前，都需要创建一个AudioContext实例，并且可以全局共享同一个。所有（相关）的音频节点都需要包含在同一个AudioContext中，每个音频节点，只能关联一个AudioContext。

音频节点

音频节点即AudioNode，它是一个基类，作为一个音频路由图中的基本单位，它的工作依赖于AudioContext。

音频节点拥有自己的输入/输出，可以通过connect方法将一个节点的输出连接至另一个节点的输入。比如我们可以将一个音频节点连接至audioContext.destination节点来进行音频播放。

audioBufferSourceNode.connect(audioContext.destination)

上面的audioContext.destination是音频节点中的一种，音频节点可以分为三类：

Source Node：能产生音频的节点，只有输出，没有输入。
Process Node：对音频进行处理的节点，有输入（可能有多个）和输出。
Destination Node：通常为音频播放设备，如扬声器。

流程图.png

有的音频处理节点会有多个输出，比如ChannelSplitterNode，可以将音频拆分为多个声道，对应的，也有一个合并声道的节点ChannelMergerNode，有多个输入和一个输出。

路由图

Web Audio 提供的是模块化的API，在AudioContext中，各个音频节点的连接，构建了一个路由图，audioContext控制着整个路由图的运转。比如下面一个简单的音频播放示例

const ac = new AudioContext()

const $audio = document.querySelector('#audio');
const sourceNode = ac.createMediaElementSource($audio); // 从audio标签创建一个音频源节点

const gainNode = ac.createGain(); // 创建一个增益节点
gainNode.gain.value = 0; // 将增益设置为0（相当于音量设置为0）

$audio.addEventListener('play', () => {
  gainNode.gain.exponentialRampToValueAtTime(1, 1); // 在1秒的时间内指数增长到1，实现一个播放渐入效果
});

sourceNode.connect(gainNode); // 音频源节点连接到增益节点
gainNode.connect(ac.destination); // 增益节点连接到destination进行播放

音频源

web中音频源包括：

audio节点
网络加载的音频文件
实时音频流（webRTC、麦克风）
能产生音频信号的音频节点（如：OscillatorNode）

从标签加载音频源

网络加载的音频文件，需要将其转换成音频源节点，才能连接到路由图中，比如我们经常使用的<audio>标签，它是不能直接连接到其它音频节点的

const ac = new AudioContext();
const $audio = document.querySelector('#audio');
// create a source node from an audio 
const sourceNode = ac.createMediaElementSource($audio);
sourceNode.connect(/* other audio node */);

使用http请求加载音频数据

我们也可以使用http请求，将二进制的音频数据下载到本地后，再创建一个音频源节点

const ac = new AudioContext();
const source = ac.createBufferSource();
source.connect(ac.destination);
fetch('xxx.mp3').then(res => res.arrayBuffer()).then(
  async buffer => {
    source.buffer = await ac.decodeAudioData(buffer);
    source.start();
  }
);

上面代码中，我们将解码后的数据（AudioBuffer）加载到了source.buffer属性中，实际上，这里除了从网络/本地加载音频文件外，我们也可以自己创建一个buffer丢给source.buffer来制造一些声音，比如下面的这个示例，使用随机函数生成一个白噪声音频

Web Audio white noise

❗️ AudioBuffer的设计是为了存储短时间的音频片段，不建议将特别长的音频通过BufferSource方式进行播放，更推荐使用上一种方案。

使用内置振荡器产生声音

OscillatorNode是一个振荡器节点，它可以产生一个周期信号，可以指定type为square, sine, sawtooth, triangle, custom, 默认为sine。其次需要设置frequency属性来设定频率，它是[AudioParam](https://developer.mozilla.org/en-US/docs/Web/API/AudioParam)类型，不能直接赋值。

const ac = new AudioContext();
const oscillator = ac.createOscillator();
oscillator.type = 'square';
oscillator.frequency.value = 440; // 不能直接给frequency负值，可以设置其value
// oscillator.frequency.exponentialRampToValueAtTime(440, 1) // 也可以通过它提供的方法来设置
oscillator.connect(ac.destination);
oscillator.start();

web audio oscillator

注意到type还有一个值custom，我们可以自定义波形（决定声音的音色），Web Audio提供了一个接口PeriodicWave来创建一个周期波形。需要注意的是不能直接设置type为custom，而是要通过_setPeriodicWave_方法来设置自定义波形。

const real = [0, 0, 1, 0, 1]; // cosine terms
const imag = [0, 0, 0, 0, 0]; // sine terms
const periodicWave = ac.createPeriodicWave(real, imag);
oscillator.setPeriodicWave(periodicWave);

音频流

音频流也可以用来创建一个音频源节点，常见的音频流由麦克风、WebRTC产生，通过audioContext.createMediaStreamSource()方法从音频流创建一个音频源节点。

将将其连接到前面的示波器组件，便可以做一个简单的录音可视化效果，查看示例。

音频处理

音频分析处理相关的API，都可以归类音频处理节点，相关的API有很多，这里分别介绍几个常用API。

Analyse

AnalyserNode可以对音频信号进行实时的快速傅立叶变换（FFT）得到音频的时域/频域数据，拿到时域/频域的数据后，可以实现时域分析、频域分析、音频可视化动效等。

通过audioContext.createAnalyser()方法来创建一个AnalyserNode，创建之后可以设置一个fftSize属性，该属性指定要进行FFT的采样数据的窗口大小，它的值必须是2的非零整数倍，默认为2048。

const analyser = audioContext.createAnalyser();
analyser.fftSize = 2048;
const dataArray = new Uint8Array(analyser.frequencyBinCount);
analyser.getByteTimeDomainData(dataArray);
// analyser.getByteFrequencyData(dataArray);

analyser.frequencyBinCount是时域/频域数据的长度，它是fftSize的一半（因为实时音频信号的傅立叶变换具有对称性，只需要获取一半数据即可），通过analyser.getByteTimeDomainData(dataArray)方法将数据填充到8位无符号整型数组中。

之后，我们就可以使用dataArray进行对应的操作。可以使用上面的示波器组件来绘制一首音乐的波形：

Web Audio Music Wave

将上面的绘制频谱图代码稍作修改，就可以做一个简单的音乐播放动效。

Web Audio Visualization

BiquadFilter

BiquadFilterNode是个双二阶数字滤波器。滤波器的作用是对特定频率的输入信号进行增强/减弱，通常用来控制音调、做均衡器。可以通过audioContext.createBiquadFilter()方法创建一个双二阶滤波器，它有4个关键的参数：type, frequency, Q, gain。

const filter = ac.createBiquadFilter();
filter.type = 'peaking'; // 设置类型为峰值滤波器
filter.Q.value = 1; // 峰值滤波器的带宽
filter.frequency.value = 1000; // 中心频率
filter.gain.value = 5; // 增益，单位db
// ...
source.connect(filter);
filter.connect(ac);

不同类型的滤波器在用法和效果上都有一定的差异，这里以低架滤波器、峰值滤波器、高架滤波器为例写了一个均衡器Demo。

下表列出了所有的滤波器类型及对应的参数说明：

类型	描述	frequency	Q	gain
lowpass	低通滤波器，只允许低于设定的值的频率通过	截止频率	值越小减弱越强	没用
highpass	高通滤波器，只允许高于设定的值的频率通过	截止频率	值越小减弱越强	没用
bandpass	带通滤波器，允许指定范围内的频率通过	中心频率	控制带宽，值越小带宽越大	没用
lowshelf	低架滤波器，对低于设定值的频率进行增强/减弱，高于的部分不变	上限频率	没用	正值增强，负值减弱，单位db
highshelf	高架滤波器，对高于设定值的频率进行增强/减弱，低于的部分不变	下限频率	没用	正值增强，负值减弱，单位db
peaking	峰值滤波器，在设定范围内的频率会被增强/减弱，其它部分不变	中心频率	控制带宽，值越小带宽越大	正值增强，负值减弱，单位db
notch	陷波滤波器，也称作带阻滤波器，它的作用和带通滤波器相反	中心频率	控制带宽，值越小带宽越大	没用
allpass	全通滤波器，不会对输入信号进行增强/减弱，但是可以改变输入信号的相位，可以用来做延迟	群延迟最大频率，即发生相变的中心频率。	控制中频过渡的锐度，值越大过渡锐度越大	没用

Panner

PannerNode提供了3D空间音频能力（前提是播放设备必须拥有2个或以上的声道）。声音源在人的不同方向，听到的声音感受都是不一样的，甚至在声音源移动的时候由于多普勒效应会产生一种奇怪的声音。

而通常使用电子设备播放音乐的时候仅仅是简单的播放，PannerNode便为我们提供了模拟现实场景的能力，能够开发出具有真实听觉体验的VR、游戏等场景。

PannerNode工作在右手笛卡尔坐标系中，由位置坐标、朝向向量坐标确定其位置，声音呈锥形向空间扩散。可以通过设置coneInnerAngle属性控制声源扩散锥形的角度。

使用audioContext.createPanner()可以创建一个panner节点，它有几个关键的属性：

positionX/positionY/positionZ：声源位置坐标
orientationX/orientationY/orientationZ：声源朝向向量
coneInnerAngle：锥形角度
rolloffFactor：声音随距离的衰减速度
distanceModel：声音衰减算法模型

音频空间化还需要使用到一个AudioListener，它表示的是空间中收听音频的人。在一个音频上下文中，仅有一个AudioListener，并且它不是AudioNode的子类，通过audioContext.listener获取到。

AudioListener也拥有几个类似的属性：

forwardX/forwardY/forwardZ：收听者面部朝向向量
upX/upY/upZ：收听者头部向量
positionX/positionY/positionZ：收听者在空间中的坐标

了解了这些API，就可以开始写一个音频空间化效果了。

const panner = ac.createPanner();
panner.panningModel = 'HRTF'; // 音频空间化算法模型
panner.distanceModel = 'inverse'; // 远离时的音量衰减算法
panner.maxDistance = 500; // 最大距离
panner.refDistance = 50; // 开始衰减的参考距离
panner.rolloffFactor = 1; // 衰减速度
panner.coneInnerAngle = 360; // 声音360度扩散

panner.orientationX.value = 0; // 声源朝向x分量
panner.orientationY.value = 0;
panner.orientationZ.value = 1;

const listener = ac.listener;
listener.forwardX.value = 0; // 收听者面部朝向向量
listener.forwardY.value = 0;
listener.forwardZ.value = -1; // 设置与panner朝向相反，即与panner面对面
listener.upX.value = 0; // 收听着头部朝向向量
listener.upY.value = 1;
listener.upZ.value = 0;

source.connect(panner);
panner.connect(ac.destination);

播放过程中动态的设置panner和listener的position，即可实现空间化的效果，查看Demo。

Convolver

ConvolverNode可以对音频信号进行线性卷积运算，将特定的脉冲信号与音频进行卷积运算后，可以获得一些畸变效果，可以用来做一些环境混响效果。

ConvolverNode使用比较简单，通过audioContext.createConvolver()创建一个卷积器节点，它有两个属性：

buffer：AudioBuffer类型，一个冲激信号（必须是.wav格式的文件）
normalize：决定是否对buffer的冲激响应进行等功率的归一化缩放

normalize可能不是很好理解，有兴趣的同学可以深入学习，这里简单写个示例代码

const impulse = ac.decodeAudioData(arrayBuffer); // 解码加载好的冲激信号
const convolver = ac.createConvolver();
convolver.buffer = impulse;
source.connect(convolver);
convolver.connect(ac.destination);

这个API在使用上很简单，也不要求必须了解相关的理论基础，只需要找到对应的冲激信号文件。当然，在进行卷积运算后输出的音频功率会有所变化，一般情况需要配合GainNode来调节增益。

查看Demo。

兼容性

Web Audio目前兼容性还不够完善，可以查看MDN兼容性表格，在复杂的应用场景中可能会遇到一些难以解决的问题。

结束语

Web Audio覆盖的内容很多，本文简单介绍了一些特性。

因为还在学习中，本文会继续更新完善。有兴趣的同学可以一起交流。

参考资料

Web Audio API - Web APIs | MDN

The ‘Mixing Secrets’ Free Multitrack Download Library

GitHub - GoogleChromeLabs/web-audio-samples: Web Audio API samples by Chrome Web Audio Team

AudioContext#

音频节点#

路由图#

音频源#

从标签加载音频源#

使用http请求加载音频数据#

使用内置振荡器产生声音#

音频流#

音频处理#

Analyse#

BiquadFilter#

Panner#

Convolver#

兼容性#

结束语#

参考资料#