音频变速器

#音频变速器：把录音按倍速重生成一个文件

音频变速器用于把一整段音频（课程录音、播客、会议记录、外语听力）改写成更快或更慢的版本并保存成新文件。它与播放器的倍速键最大的不同是： 播放器的倍速只改变当下播放，关掉就没了，而且多数播放器的倍速会连带把音高一起升高；本页则把新的节奏写进采样、导出一个可以随处播放的 WAV 文件， 并且支持「变速不变调」——时长压缩了，说话人的音高却保持不变。整个流程都在浏览器内完成：WebAudio 的 decodeAudioData 本地解码为 PCM， 时间拉伸或重采样后由手写的 RIFF 编码器导出 WAV，不经过任何服务器。

变速不变调是什么？（时间拉伸原理）

一句话：变速不变调就是「改变采样在时间轴上的排布密度，而不改变它们的疏密比例」，所以时长变了、音高不变。 音高由相邻采样的间隔决定，直接把采样按 2 倍速读完（重采样）会让间隔减半、音高升一个八度；时间拉伸则反过来—— 把音频切成一小段一小段（本页 grain 取 2048 个采样，约 46 毫秒），每段加 Hann 窗后按更密的节奏重叠叠加到新的输出位置上， 段内采样的疏密完全不动，因此音高维持原样，只是段与段之间少读或多读一些内容，整体时长就压缩或拉长了。 本页实现的是朴素的窗口叠加法（固定切窗，不做相似度搜索），倍速越极端越容易在长音上听到轻微颤音，1.25–2 倍速通常听感自然。

语言学习适合几倍速？

常见的建议区间是 1.25–1.5 倍：这个区间既能明显压缩听课与精听时间，又基本保留连读、弱读和语调细节，不至于把音节糊成一团。 第一遍理解大意可以用 1.5–2 倍，第二遍逐句精听、跟读模仿时退回 0.75–1 倍把音听清，比一直 1 倍速效率更高。 记忆类复习（背单词例句、复听笔记）适合 1.25 倍；内容密度高或有专业术语的材料建议不超过 1.25 倍。 建议用「变速不变调」模式，音高不变才能保持对原始语调的感知；学习场景里若只是想快速筛内容，用倍速直变加实时试听即可，不必处理文件。

为什么处理后的文件变大？

两个原因叠加。第一，导出格式是无损 WAV（PCM16 未压缩）：44100Hz 立体声每秒固定占用约 176KB，10 分钟就是约 100MB， 而同样 10 分钟的 MP3 只要 10MB 左右——这不是本页引入的损失，而是把解码后的采样原样封装的必然结果，好处是零编码损失、全平台兼容。 第二，放慢会真的变长：0.5 倍速输出的时长与采样数是源文件的两倍，体积自然翻倍。反过来 2 倍速的文件会小一半。 页面右上会实时显示「预计 WAV 体积」，需要 MP3 的话可以先导出 WAV，再用站内音频格式互转工具二次压缩。

对音质有什么影响？

变速不变调的影响来自重叠相加：相邻窗口取自源文件的不同位置，叠加处相当于把几个不同时刻的读法做加权平均， 因此瞬态（爆破音、鼓点）会被轻微抹平；对持续不变的单频成分，这几个读法之间存在固定相位差，加权平均后会带来电平起伏与轻微「颤音」感—— 这是朴素重叠窗（不做波形相似度对齐）的固有特性，倍速越极端越明显。语音、课程、会议这类宽带且不断变化的内容受影响较小， 人耳主要听见的仍是「说得快了/慢了、音色没变」。本页在叠加时同时累计窗权和并做归一化，因此 1 倍速处理是逐点透明的（不增减任何电平）， 量化到 16bit 的动态范围约 96dB，听感上无差别。倍速直变的影响更「整齐」：线性插值相当于把波形在时间轴上重新取样， 音高与音色同步升降，没有任何叠加平滑，电平也完全不变，但完全听不出原始的人声音色。 若源文件本身是有损格式（MP3/M4A/OGG），其编码损失发生在解码之前，本页不会进一步放大。 追求最佳效果建议用原始录音（WAV 或高码率源）作为输入，尽量把倍速控制在 2 倍以内，并在正式导出前先试听确认。

和播放器倍速有什么区别？

播放器倍速是一次「实时读取加速」：同一份文件，播放时按 1.5 倍速度消费采样，音高通常会一起升高（部分播放器另带「保持音高」开关）， 关掉页面就恢复原样，也无法把 1.5 倍速的版本发给别人。本页做的是离线改写文件本身： 变速不变调把新的节奏固化进采样，导出的 WAV 在任何播放器、手机、录音笔上播放都是这个速度且音高不变，适合做批量素材预处理、 配合剪辑软件、或给不支持倍速的设备准备材料。而本页的「倍速直变」模式在算法上正等价于播放器的倍速键（都是重读采样）， 只是把结果保存了下来；「按倍速实时试听原音频」则直接用 AudioBufferSourceNode 的 playbackRate，与播放器实现同一件事。

#常见问题 (FAQ)