11、音频可视化（Visualizer）：FFT与波形数据获取、实时频谱绘制、采样率与刷新率平衡
音频可视化，说白了就是把声音「画」出来。你听歌时那些跳动的柱状图、流动的波形线，背后就是 Visualizer 在做功。我最早接触这块是在做一款车载音乐播放器时，客户要求中控屏上必须有实时频谱显示。当时觉得不就是画几条柱子嘛，真动手才发现坑不少。
这一章，咱们就把它彻底讲透。
11.1 Visualizer 是什么？
Visualizer 是 Android 官方提供的一个音频数据采集工具。它属于 android.media.audiofx 包，和 Equalizer、BassBoost 这些效果器是同一家族的兄弟。
它能干两件事：
- 获取波形数据（Waveform）：当前音频的时域采样值
- 获取 FFT 数据：频域信息，也就是频谱
你想想看，一个播放器如果没有可视化效果，用户怎么知道声音在「动」？尤其是低频节奏感强的音乐，频谱跳动带来的视觉反馈，能极大提升沉浸感。
核心要点：Visualizer 不修改音频数据，它只是「监听」音频输出流。你拿到的数据是只读的，不能反过来影响音质。
11.2 FFT 与波形数据获取
先说说波形数据。Visualizer 通过 getWaveForm(byte[] waveform) 方法，把 PCM 采样值塞进一个 byte 数组里。每个 byte 代表一个采样点的幅值，范围是 -128 到 127。
我在项目中遇到过一个问题：波形数据直接画出来，锯齿感特别强。后来发现是因为采样点太少，而且没有做平滑处理。解决办法是加一个简单的滑动平均滤波器。
FFT 数据就更有意思了。Visualizer 内部已经帮你做了快速傅里叶变换，你拿到的 getFft(byte[] fft) 返回的是频域复数结果。格式是这样的：
fft[0] = 直流分量（实部）
fft[1] = 第1个频点的实部
fft[2] = 第1个频点的虚部
fft[3] = 第2个频点的实部
fft[4] = 第2个频点的虚部
...
说白了，每两个 byte 组成一个复数。要算幅值，得用 sqrt(实部² + 虚部²)。嗯，这里要注意：直流分量（fft[0]）只有实部，没有虚部，别算错了。
我的习惯：拿到 FFT 数据后，先取对数再画图。人耳对声音的感知是对数级的，线性画出来低频挤成一团，高频几乎看不见。取 log 之后，视觉分布才符合听觉感受。
11.3 实时频谱绘制
画频谱图，我推荐用自定义 View。别用 Canvas 的 drawLine 硬画，性能扛不住。用 drawRect 配合 LinearGradient 着色器，效果会好很多。
基本流程是这样的：
- 在
onDraw()里根据 FFT 数据计算每个频段的幅值 - 把幅值映射到柱状图的高度
- 用
invalidate()触发重绘
我曾经踩过一个坑：柱状图顶部闪烁严重。原因是每次重绘时，柱子的高度变化太剧烈。后来加了一个「衰减因子」——柱子上升时快速响应，下降时缓慢回落。这个技巧在专业音频软件里叫「峰值保持 + 衰减」，用户体验会好很多。
// 伪代码：带衰减的频谱更新
float targetHeight = calculateHeight(fftData, bandIndex);
// 上升快，下降慢
if (targetHeight > currentHeight) {
currentHeight = targetHeight;
} else {
currentHeight -= (currentHeight - targetHeight) * 0.1f;
}
注意：不要在 onDraw 里做 FFT 计算！onDraw 是 UI 线程，FFT 计算会卡界面。把数据解析和幅值计算放到子线程，用 Handler 或 LiveData 把结果抛给 View。
11.4 采样率与刷新率平衡
这是整个可视化最核心的调优点。采样率决定了 FFT 的频率分辨率，刷新率决定了动画的流畅度。两者互相制约。
Visualizer 的采样率通过 setCaptureSize() 设置。常见值是 1024 或 2048。采样率越高，频率分辨率越细，但计算量也越大。
刷新率呢？一般屏幕是 60Hz，也就是 16ms 一帧。但 Visualizer 的数据回调频率可以设置，我习惯用 setDataCaptureListener() 的 rate 参数来控制。
| 采样率（CaptureSize） | 频率分辨率 | 适用场景 |
|---|---|---|
| 256 | 粗 | 低端设备、简单波形显示 |
| 1024 | 中等 | 大多数频谱可视化 |
| 2048 | 细 | 专业音频分析 |
| 4096 | 极细 | 不推荐，延迟太高 |
我个人的经验是：采样率 1024，刷新率 30fps。为什么是 30fps？因为人眼对 30fps 的柱状图跳动已经觉得很流畅了，再高反而增加 CPU 负担。而且 30fps 意味着每 33ms 更新一次，和 Visualizer 的回调频率能很好地匹配。
你想想看，如果采样率设到 4096，每次回调要处理 4096 个点的 FFT 数据，再加上 UI 绘制，中低端手机直接掉帧。用户看到的不是频谱，是幻灯片。
避坑指南：我曾经把刷新率设到 60fps，结果在某个低端平板上，频谱动画卡得不行。后来用 Systrace 一查，发现 Visualizer 回调占用了大量 CPU 时间。降到 30fps 后，CPU 占用从 25% 降到了 8%，动画反而更平滑了——因为不丢帧了。
11.5 知识体系总览
下面这张图，把本章的核心逻辑串起来了。从音频数据流到最终绘制，每一步都有讲究。
11.6 性能调优小结
最后，我把几个关键点再拎一下：
- 采样率别贪高：1024 是黄金平衡点。2048 只在专业场景用。
- 刷新率 30fps 足够：别被 60fps 忽悠了，人眼对柱状图的流畅度要求没那么高。
- 计算和绘制分离：FFT 解析放子线程，UI 只负责画。
- 加衰减因子：柱子上升快、下降慢，视觉上更专业。
- 别忘了取对数：线性频谱图在低频段会挤成一团，对数缩放后分布才合理。
嗯，这一章的内容就到这里。音频可视化看起来简单，但真正做好，需要你对数据流、渲染性能、人眼感知都有深入理解。下一章我们会聊更高级的话题，先把这些基础打牢。