Gerar imagens de forma de onda a partir de áudio

🤖/audio/waveform gera imagens de forma de onda para seus arquivos de áudio e permite alterar suas cores e dimensões.

Recomendamos que você use um Step com 🤖/audio/encode antes do seu Step de forma de onda para converter arquivos de áudio em MP3. Assim, fica garantido que 🤖/audio/waveform aceite seu arquivo de áudio, e você também pode reduzir a taxa de amostragem de arquivos de áudio grandes e economizar um pouco.

Da mesma forma, se você precisar da imagem de saída em outro formato, encaminhe o resultado deste Robot para 🤖/image/resize.

Exemplo de uso

Gere uma forma de onda de 400×200 na cor #0099cc a partir de um arquivo de áudio carregado por upload:

{
  "steps": {
    "waveformed": {
      "center_color": "0099ccff",
      "height": 200,
      "outer_color": "0099ccff",
      "robot": "/audio/waveform",
      "use": ":original",
      "width": 400
    }
  }
}

Parâmetros

interpolate
boolean | Record<string, boolean>
Controla se as Assembly Variables são interpoladas em campos individuais de instruções.

Por padrão, a maioria dos campos de instruções dos Robots interpola Assembly Variables. Defina isso como false para tratar todos os campos de instruções como texto literal, ou defina o caminho de um campo individual como false para tratar apenas esse campo como texto literal. Para campos específicos de um Robot que são literais por padrão, defina isso como true ou defina o caminho desse campo como true para voltar a usar a interpolação.

Use nomes de campos como path ou caminhos com pontos como ffmpeg.vf para objetos aninhados.
output_meta
Record<string, boolean> | boolean | Array<string>
Permite especificar um conjunto de metadados cujo cálculo exige mais CPU e que, por isso, vem desativado por padrão para manter o processamento das suas Assemblies rápido.

Para imagens, você pode adicionar "has_transparency": true neste objeto para extrair se a imagem contém partes transparentes e "dominant_colors": true para extrair um array de códigos de cores hexadecimais da imagem.

Para imagens, você também pode adicionar "blurhash": true para extrair uma string BlurHash — uma representação compacta de um placeholder da imagem, útil para exibir uma prévia desfocada enquanto a imagem completa carrega.

Para vídeos, você pode adicionar o parâmetro "colorspace": true para extrair o espaço de cores do vídeo de saída.

Para vídeos, você também pode adicionar "interlaced": true para detectar se o vídeo é entrelaçado. Isso combina a flag computacionalmente barata field_order do ffprobe com uma passagem de amostragem idet limitada sobre os primeiros quadros da origem, expondo interlaced, field_order e um objeto de diagnóstico interlace_detection em file.meta. Isso é computacionalmente caro e cobrado de acordo.

Para áudio, você pode adicionar "mean_volume": true para obter um único valor que representa o volume médio do arquivo de áudio.

Você também pode definir isso como false para pular a extração de metadados e acelerar a transcodificação.
user_meta
Record<string, any>(padrão: {})
Adiciona metadados JSON personalizados a cada arquivo emitido sem modificar seu conteúdo. Objetos e arrays aninhados são suportados.

A herança depende do Robot. Os valores são mesclados com o user_meta existente no arquivo de saída; o Step atual substitui as chaves de nível superior com o mesmo nome. Atribua explicitamente as chaves necessárias quando um Robot criar novas saídas.

Nos Steps de processamento, ${file.*} se refere à primeira entrada e ${result.*} ao arquivo emitido. Os valores são avaliados para cada saída após a execução do Robot, antes da extração subsequente de metadados e do armazenamento temporário. Em :original, os valores são avaliados para cada upload antes da extração de metadados.

Os Steps subsequentes leem ${file.user_meta.key}. Consulte Metadados personalizados para ver um exemplo completo e as regras de herança.
result
boolean(padrão: false)
Se os resultados deste Step devem estar presentes no Assembly Status JSON
queue
batch
Definir a fila como “batch” rebaixa manualmente a prioridade dos Jobs deste Step, para evitar o consumo de vagas prioritárias de Jobs em Jobs que não precisam de tempo zero de espera na fila
force_accept
boolean(padrão: false)
Forçar um Robot a aceitar um tipo de arquivo que ele teria ignorado.

Por padrão, os Robots ignoram arquivos que não conhecem. O 🤖/video/encode, por exemplo, ignora tranquilamente imagens de entrada.

Com o parâmetro force_accept definido como true, você pode forçar os Robots a aceitar todos os arquivos enviados a eles. Isso normalmente leva a erros e só deve ser usado para depuração ou para lidar com casos extremos.
ignore_errors
boolean | Array<meta | execute>(padrão: [])
Ignorar erros durante fases específicas do processamento.

Definir isso como ["meta"] fará com que o Robot ignore erros durante a extração de metadados.

Definir isso como ["execute"] fará com que o Robot ignore erros durante a fase principal de execução.

Definir isso como true equivale a ["meta", "execute"] e fará com que erros sejam ignorados nas duas fases.
use
string | Array<string> | Array<object> | object
Especifica quais Steps usar como entrada.
- Você pode escolher qualquer nome para os Steps, exceto ":original" (reservado para uploads de usuários tratados pela Transloadit)
- Você pode fornecer vários Steps como entrada usando arrays:
```
{
  "use": [
    ":original",
    "encoded",
    "resized"
  ]
}
```
- Você também pode marcar os Steps de entrada com as para transmitir intenção semântica aos Robots:
```
{
  "use": [
    {
      "name": ":original",
      "as": "image"
    },
    {
      "name": ":original",
      "as": "mask"
    }
  ]
}
```
Dica

Provavelmente é tudo o que você precisa saber sobre use, mas você pode ver os casos de uso avançados.
ffmpeg
object
Um objeto de parâmetros a ser passado para o FFmpeg. Se uma predefinição for usada, as opções especificadas são mescladas sobre as da predefinição. Para ver as opções disponíveis, consulte a documentação do FFmpeg. As opções especificadas aqui têm precedência sobre as opções da predefinição.
ffmpeg_stack
v6 | v7 | v8 | string(padrão: "v6.0.0")
Seleciona a versão do stack do FFmpeg a ser usada na codificação. Atualmente, recomendamos usar “v7”. As versões exatas “v6.0.0”, “v7.0.0” e “v8.0.0” são valores legados que continuam sendo aceitos por compatibilidade retroativa. Valores “v5.x” descontinuados também são aceitos.
format
image | json(padrão: "image")
O formato do arquivo resultante. Pode ser "image" ou "json". Se "image" for fornecido, será criada uma imagem PNG; caso contrário, um arquivo JSON. Quando style é "spectrogram", apenas "image" é compatível.
width
string | number(padrão: 256)
A largura da imagem resultante se o formato "image" tiver sido selecionado.
height
string | number(padrão: 64)
A altura da imagem resultante se o formato "image" tiver sido selecionado.
antialiasing
0 | 1 | boolean(padrão: 0)
Um valor de 0 ou 1, ou true/false, conforme você queira ou não habilitar o antialiasing para obter bordas mais suaves no gráfico da forma de onda.
background_color
string(padrão: "#00000000")
A cor de fundo da imagem resultante no formato “rrggbbaa” (vermelho, verde, azul, alfa), se o formato "image" tiver sido selecionado.
center_color
string(padrão: "000000ff")
A cor usada no centro do gradiente. O formato é “rrggbbaa” (vermelho, verde, azul, alfa).
outer_color
string(padrão: "000000ff")
A cor usada nas partes externas do gradiente. O formato é “rrggbbaa” (vermelho, verde, azul, alfa).
style
v0 | v1 | spectrogram
Versão do estilo da forma de onda.
- "v0": Geração legada de formas de onda (padrão).
- "v1": Geração avançada de formas de onda com parâmetros adicionais.
- "spectrogram": Visualização de espectrograma que mostra o conteúdo de frequência ao longo do tempo.
Para manter a compatibilidade com versões anteriores, os valores numéricos 0 e 1 também são aceitos e mapeados para "v0" e "v1".
split_channels
boolean
Disponível quando o parâmetro style é "v1". Se definido como true, gera arquivos de dados ou de imagem de forma de onda multicanal, um por canal.
zoom
string | number
Disponível quando o parâmetro style é "v1". Nível de zoom em amostras por pixel. Este parâmetro não pode ser usado junto com pixels_per_second.
pixels_per_second
string | number
Disponível quando o parâmetro style é "v1". Nível de zoom em pixels por segundo. Este parâmetro não pode ser usado junto com zoom.
bits
8 | 16
Disponível quando style é "v1". Profundidade de bits dos dados da forma de onda. Pode ser 8 ou 16.
start
string | number
Disponível quando o parâmetro style é "v1". Tempo inicial em segundos.
end
string | number
Disponível quando style é "v1". Tempo de fim em segundos (0 significa o fim do áudio).
colors
audition | audacity
Disponível quando style é "v1". Esquema de cores a usar. Pode ser “audition” ou “audacity”.
border_color
string
Disponível quando style é "v1". Cor da borda no formato “rrggbbaa”.
waveform_style
normal | bars
Disponível quando o parâmetro style é "v1". Estilo da forma de onda. Pode ser “normal” ou “bars”.
bar_width
string | number
Disponível quando style é "v1". Largura das barras em pixels quando waveform_style é “bars”.
bar_gap
string | number
Disponível quando style é "v1". Espaçamento entre as barras em pixels quando waveform_style é “bars”.
bar_style
square | rounded
Disponível quando style é "v1". Estilo das barras quando waveform_style é “bars”.
axis_label_color
string
Disponível quando style é "v1". Cor dos rótulos dos eixos no formato “rrggbbaa”.
no_axis_labels
boolean
Disponível quando o parâmetro style é "v1". Se definido como true, renderiza a imagem da forma de onda sem rótulos nos eixos.
with_axis_labels
boolean
Disponível quando o parâmetro style é "v1". Se definido como true, renderiza a imagem da forma de onda com rótulos nos eixos.
amplitude_scale
string | number
Disponível quando style é "v1". Fator de escala da amplitude.
compression
string | number
Disponível quando style é "v1". Nível de compressão PNG: de 0 (nenhuma) a 9 (melhor), ou -1 (padrão). Aplicável apenas quando format é “image”.
color_map
viridis | plasma | magma | cividis | cool | rainbow | moreland |
Disponível quando style é "spectrogram". Esquema de cores para a visualização do espectrograma. O padrão é "viridis".
frequency_scale
linear | logarithmic
Disponível quando style é "spectrogram". Escala de frequência do espectrograma. "linear" mostra frequências espaçadas uniformemente, enquanto "logarithmic" enfatiza as frequências mais baixas. O padrão é "logarithmic".
frequency_min
string | number
Disponível quando style é "spectrogram". Frequência mínima em Hz a exibir. O padrão é 0.
frequency_max
string | number
Disponível quando style é "spectrogram". Frequência máxima em Hz a exibir. O padrão é metade da taxa de amostragem (frequência de Nyquist).
legend
boolean
Disponível quando o parâmetro style é "spectrogram". Define se uma legenda com as escalas de frequência e tempo será incluída. O padrão é false.
gain
string | number
Disponível quando style é "spectrogram". Fator de ganho linear para a intensidade do espectrograma. O padrão é 1.
orientation
vertical | horizontal
Disponível quando o parâmetro style é "spectrogram". Orientação do espectrograma. "horizontal" mostra o tempo no eixo x (padrão), "vertical" mostra o tempo no eixo y.

Demonstrações

Service to generate waveform images from audio files (English)

New Robot generates waveform images from audio (English) 22 de novembro de 2012
New pricing model for future Transloadit customers (English) 7 de fevereiro de 2018
Let's Build: music card generator with Transloadit (English) 5 de maio de 2022
Creating engaging audio visualizations with Transloadit (English) 2 de abril de 2023

Gerar imagens de forma de onda a partir de áudio

Exemplo de uso

Parâmetros

interpolate

output_meta

user_meta

result

queue

force_accept

ignore_errors

use

ffmpeg

ffmpeg_stack

format

width

height

antialiasing

background_color

center_color

outer_color

style

split_channels

zoom

pixels_per_second

bits

start

end

colors

border_color

waveform_style

bar_width

bar_gap

bar_style

axis_label_color

no_axis_labels

with_axis_labels

amplitude_scale

compression

color_map

frequency_scale

frequency_min

frequency_max

legend

gain

orientation

Demonstrações

Publicações relacionadas no blog

`interpolate`

`output_meta`

`user_meta`

`result`

`queue`

`force_accept`

`ignore_errors`

`use`

`ffmpeg`

`ffmpeg_stack`

`format`

`width`

`height`

`antialiasing`

`background_color`

`center_color`

`outer_color`

`style`

`split_channels`

`zoom`

`pixels_per_second`

`bits`

`start`

`end`

`colors`

`border_color`

`waveform_style`

`bar_width`

`bar_gap`

`bar_style`

`axis_label_color`

`no_axis_labels`

`with_axis_labels`

`amplitude_scale`

`compression`

`color_map`

`frequency_scale`

`frequency_min`

`frequency_max`

`legend`

`gain`

`orientation`