网页节拍器为什么不漂:WebAudio lookahead 调度与两座时钟的分工
一个看似能用的错误方案
「每 600 毫秒响一次」最直觉的实现是 setInterval(play, 600)——播出来确实像节拍器,但练琴的人半分钟后就开始皱眉:忽快忽慢。根源在于 JS 定时器的两个承诺缺一:浏览器只保证回调不早于指定时刻触发,不保证准时;主线程稍微一忙(GC、重排、别的脚本),回调就延后十几甚至上百毫秒。更糟的是误差会累积:每一拍的迟到都成为下一拍的基准,几分钟内漂移到人耳可闻。
为什么节拍器对精度的要求格外苛刻?人耳对节奏错位的敏感度在 10ms 量级,两位乐手合奏时几毫秒的抖动就能感知「抢拍」「拖拍」。浏览器的 UI 时钟天生达不到这个精度,必须换一座钟。
两座时钟:轮询泵与音频硬件钟
Chris Wilson 在《A Tale of Two Clocks》里给出的方案如今是 WebAudio 精确定时的标准姿势,全站 🔧 在线节拍器 采用的正是这套口径:
| |
关键在于 osc.start(when) 的语义:when 是 AudioContext 时间轴上的时刻,由音频硬件的采样时钟驱动——48kHz 采样率下精度是 1/48000 秒级。声音一旦排进队列,何时发声与 JS 主线程再无关系:页面再卡、GC 再重,拍点纹丝不动。
两座时钟各司其职:audioCtx.currentTime 是权威的「现在」,所有拍点都表达在它的时间轴上;setInterval 退化成一个 25ms 醒一次的「轮询泵」,唯一职责是在前瞻窗空了之前补货。它的精度要求被降到极低——25ms 的间隔误差完全被 120ms 的前瞻窗吸收,只要任何一次轮询的延迟不超过 120ms,队列就不断供。数值的取舍逻辑:轮询间隔取窗长的 1/4~1/5,既留足冗余又不空转。
「预排」还有个常被忽略的福利:可视化与声音天然对齐。摆锤动画同样由 audioCtx.currentTime 驱动(requestAnimationFrame 每帧读一次当前时间,算出离下一拍多远),而不是由 setTimeout 驱动——两座时钟不混用,动画和声音才不会各走各的。
拍长、重音与 Tap Tempo
拍长推导是纯算术:BPM(每分钟拍数)的倒数乘 60 即每拍秒数,120 BPM = 500ms,60 BPM = 1s。拍号决定重音周期:4/4 下每小节第一拍换重音音色(高频侧棒 vs 常规木鱼),强拍循环 = 拍号分子;6/8 的实际律动是两大拍各领三个小拍,重音周期与单纯按分子数又有讲究——工具里 2/4、3/4、4/4、6/8 各按乐理口径处理。
Tap Tempo(连点测速)是另一处「时钟题」:用户跟着心里的节奏连点按钮,工具取最近 8 次点击间隔的均值换算 BPM。两个细节决定手感:一是丢尾——用户停止点击后多久判定「这轮测速结束了」(太短误判、太长迟钝);二是防抖——两次点击间隔短于人类极限(约 150ms)或长得离谱(如超过 2 秒)的样本要剔除,否则一次误触就把均值拉飞。均值而非中位数也是选择:连点节奏稳时两者无差,故意渐快渐慢时均值更贴近「当前的」速度。
同一家族的其他时钟题
精确调度只是节拍器的一半,另一半是「拍点检测」——从已录音频里反推 BPM 走的是自相关路线,与正向调度互为镜像(BPM 检测的数学里拆过)。而练琴场景的另一端,🔧 在线调音器 用 NSDF 自相关找基频——同一族算法在「找周期」这件事上通吃节拍与音高。节拍器、调音器、和弦图、音程听辨这些练习工具,连同录音降噪(谱减法拆解)、混音导出,都收在音频创作工具箱专题里,全部本地运行,节拍精度由硬件时钟背书。