MP4 音频可视化视频制作
实时频谱舞台 快速导出 MP4 视频
这个工具可以把一首音乐做成视频:包含你的封面图、歌名和艺术家,以及随音乐跳动的频谱。频谱是逐帧根据音轨本身计算出来的,所以柱条跟随的是真实的低音、中音和高音,而不是随机动画。你可以选择画面比例(16:9、9:16 或 1:1)、样式和颜色,也可以截取片段,最后导出以这首歌作为配乐的 MP4,全程都在浏览器中完成。
如何制作音乐可视化视频
- 把 .mp3 或 .wav 音轨拖到工作区。可以同时拖入 .png 或 .jpg 封面图,也可以稍后通过「封面图…」添加。
- 选择视频比例:16:9、9:16 或 1:1。然后选择频谱样式「柱状」、「镜像」或「线条」,以及五种颜色之一。
- 如果柱条看起来太平或太杂乱,调整「灵敏度」;用「辉光」调整频谱背后随节奏跳动的彩色光。
- 检查「曲名」(默认是文件名),并填写「艺术家」。两者都是可选的,最多 80 个字符。
- 如果只想导出歌曲的一部分,拖动波形上的手柄。点击「预览」可以带声音观看,然后导出 MP4。
输出尺寸
所有比例都是 24 帧每秒的 H.264,音轨为 128 kbps 的 AAC 音频。浏览器必须支持通过 WebCodecs 进行 H.264 编码(当前的 Chrome、Edge 和 Safari 都支持)。如果浏览器无法编码 AAC,波形下方的提示会在导出前告诉你,此时视频没有声音。
| 比例 | 尺寸 | 视频码率 |
|---|---|---|
| 16:9 | 1280×720 | 约 3.5 Mbps |
| 9:16 | 720×1280 | 约 3.5 Mbps |
| 1:1 | 1080×1080 | 约 4.5 Mbps |
频谱是如何绘制的
对每一帧视频,工具会取该时刻前后的 4,096 个音频采样,把声道混合为单声道,并对其做傅里叶变换。结果被划分为从 40 Hz 到 16 kHz 的 48 个频段,间距像钢琴键盘一样排列,所以低音和高音获得同样的空间。每根柱条显示其所在频段中最响的电平。
「灵敏度」(10–100%,默认 60%)决定多轻的声音仍能让柱条升起。数值越高,越能显示更轻的细节;数值越低,只有响亮的部分才会让柱条动起来。「辉光」(0–100%,默认 50%)会随音乐的整体音量变亮。
封面会完整绘制,绝不拉伸或裁剪,并铺在它自己经过模糊和压暗的副本之上,作为填满画面的背景。没有封面时,背景是纯深色。
音频可视化视频:常见问题
- 一定要有封面图吗?
- 不需要。没有封面时,视频会在深色背景上显示歌名、艺术家和频谱,波形下方的提示会提醒你还没有添加封面。如果你先只添加了图片,工具会在导出前要求你提供音轨。
- 可以使用哪些文件?
- 音乐用 MP3 或 WAV,封面用 PNG 或 JPG。音轨会在浏览器中完整解码,所以最大 150 MB、最长 10 分钟;更大的音轨会被拒绝并给出提示,你可以先把它剪短。
- 我的音乐会被上传吗?
- 不会。音频在你的浏览器标签页内完成解码、分析并编码进视频,不会发送到任何服务器。
相关工具
横屏转 9:16 竖屏视频裁剪
为 TikTok、Reels 和 Shorts 重新构图宽屏 16:9 录像:可在视频上拖动 9:16 裁剪框,或将画面放在模糊背景或黑边中间,剪切后导出 720×1280 或 1080×1920 的 MP4。
自动字幕生成与音频转文字(SRT、VTT)
在浏览器中用 Whisper 语音模型,把视频或音频里的语音转成带时间戳的字幕。可自动检测语言或使用你指定的语言,也能翻译成英语;可以边播放视频边核对字幕,并保存为 .srt、.vtt 或纯文本。
人声消除(中置声道)与卡拉 OK .SRT 字幕
通过频域中置声道蒙版,减弱或分离立体声歌曲中居中的人声(分频点以下的低音会保留),然后导出伴奏,以及时间点可编辑的卡拉 OK .SRT 字幕。这不是 AI 分轨:居中的乐器会随人声一起减弱,带有宽立体声混响的人声只会被部分去除。