如何快速實現REST API集成以優化業務流程
雖然?audio?標簽使用起來很簡單，但也存在一些局限。比如它只控制音頻的播放、暫停、音量等。如果我們想進一步控制音頻，比如通道合并和拆分、混響、音高和音頻幅度壓縮等。那么僅僅使用?audio?標簽是做不到的。為了解決這個問題，我們需要使用?Web Audio API。
Web Audio API 提供了一個非常高效和通用的系統來控制 Web 上的音頻，允許開發人員為音頻添加特殊效果、可視化音頻、添加空間效果等等。Web Audio API 讓用戶能夠在音頻上下文（AudioContext）中進行音頻操作，具有模塊化路由的特點。基本的音頻操作是在音頻節點上執行的，這些節點連接在一起形成一個音頻路由圖。
接下來，我將演示如何利用?AudioContext?對象來播放音頻：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Audio Context</title>
</head>
<body>
<input id="audioFile" type="file" accept="audio/*"/>
<script>
const inputFile = document.querySelector("#audioFile");
inputFile.onchange = function(event) {
const file = event.target.files[0];
const reader = new FileReader();
reader.readAsArrayBuffer(file);
reader.onload = evt => {
const encodedBuffer = evt.currentTarget.result;
const context = new AudioContext();
context.decodeAudioData(encodedBuffer, decodedBuffer => {
const dataSource = context.createBufferSource();
dataSource.buffer = decodedBuffer;
dataSource.connect(context.destination);
dataSource.start();
})
}
}
</script>
</body>
</html>在以上代碼中，我們使用 FileReader API 來讀取音頻文件的數據。然后創建一個 AudioContext 對象并使用該對象上的 decodeAudioData 方法解碼音頻。獲取到解碼后的數據后，我們會繼續創建一個 AudioBufferSourceNode 對象來存儲解碼后的音頻數據，然后將 AudioBufferSourceNode 對象與 context.destination 對象連接起來，最后調用 start 方法播放音頻。
看到這里，是不是覺得使用 AudioContext 播放音頻文件很麻煩？實際上它非常強大。下面我將介紹如何使用 AudioContext、AnalyserNode、Canvas 來實現音頻可視化的功能。
可視化音頻文件主要分為以下 3 個步驟：
在以下的代碼中，我們使用?FileReader?API 來讀取音頻文件的數據。然后創建一個?AudioContext?對象并使用該對象上的?decodeAudioData?方法解碼音頻。當然，你也可以從網絡上下載音頻文件。
inputFile.onchange = function(event) {
const file = event.target.files[0];
const reader = new FileReader();
reader.readAsArrayBuffer(file);
reader.onload = evt=>{
const encodedBuffer = evt.currentTarget.result;
const context = new AudioContext();
context.decodeAudioData(encodedBuffer, decodedBuffer=>{
const dataSource = context.createBufferSource();
dataSource.buffer = decodedBuffer;
analyser = createAnalyser(context, dataSource);
bufferLength = analyser.frequencyBinCount;
frequencyData = new Uint8Array(bufferLength);
dataSource.start();
drawBar();
}
)
}要獲取頻率數據，我們需要利用?AnalyserNode?接口，該接口提供實時頻率和時域分析信息。
const analyser = audioCtx.createAnalyser();
analyser.fftSize = 512;
const bufferLength = analyser.frequencyBinCount;
const dataArray = new Uint8Array(bufferLength);
analyser.getByteFrequencyData(dataArray);AnalyserNode 對象上的?getByteFrequencyData()?方法會將當前頻率數據復制到傳入的?Uint8Array?對象。
獲取頻率數據后，我們就可以使用 Canvas API 實現數據可視化，比如使用 CanvasRenderingContext2D 接口中的?fillRect?方法，對數據進行可視化。
function drawBar() {
requestAnimationFrame(drawBar);
analyser.getByteFrequencyData(frequencyData);
canvasContext.clearRect(0, 0, canvasWidth, canvasHeight);
let barHeight, barWidth, r, g, b;
for (let i = 0, x = 0; i < bufferLength; i++) {
barHeight = frequencyData[i];
barWidth = canvasWidth / bufferLength * 2;
r = barHeight + 25 * (i / bufferLength);
g = 250 * (i / bufferLength);
b = 50;
canvasContext.fillStyle = "rgb(" + r + "," + g + "," + b + ")";
canvasContext.fillRect(x, canvasHeight - barHeight, barWidth, barHeight);
x += barWidth + 2;
}
}分析完上面的處理流程，我們來看一下完整的代碼：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Visualizations with Web Audio API</title>
</head>
<body>
<input id="audioFile" type="file" accept="audio/*"/>
<canvas id="canvas"></canvas>
<script>
const canvas = document.querySelector("#canvas");
const inputFile = document.querySelector("#audioFile");
const canvasWidth = window.innerWidth;
const canvasHeight = window.innerHeight;
const canvasContext = canvas.getContext("2d");
canvas.width = canvasWidth;
canvas.height = canvasHeight;
let frequencyData = [], bufferLength = 0, analyser;
inputFile.onchange = function(event) {
const file = event.target.files[0];
const reader = new FileReader();
reader.readAsArrayBuffer(file);
reader.onload = evt=>{
const encodedBuffer = evt.currentTarget.result;
const context = new AudioContext();
context.decodeAudioData(encodedBuffer, decodedBuffer=>{
const dataSource = context.createBufferSource();
dataSource.buffer = decodedBuffer;
analyser = createAnalyser(context, dataSource);
bufferLength = analyser.frequencyBinCount;
frequencyData = new Uint8Array(bufferLength);
dataSource.start();
drawBar();
}
)
}
function createAnalyser(context, dataSource) {
const analyser = context.createAnalyser();
analyser.fftSize = 512;
dataSource.connect(analyser);
analyser.connect(context.destination);
return analyser;
}
function drawBar() {
requestAnimationFrame(drawBar);
analyser.getByteFrequencyData(frequencyData);
canvasContext.clearRect(0, 0, canvasWidth, canvasHeight);
let barHeight, barWidth, r, g, b;
for (let i = 0, x = 0; i < bufferLength; i++) {
barHeight = frequencyData[i];
barWidth = canvasWidth / bufferLength * 2;
r = barHeight + 25 * (i / bufferLength);
g = 250 * (i / bufferLength);
b = 50;
canvasContext.fillStyle = "rgb(" + r + "," + g + "," + b + ")";
canvasContext.fillRect(x, canvasHeight - barHeight, barWidth, barHeight);
x += barWidth + 2;
}
}
}
</script>
</body>
</html>瀏覽器打開包含上述代碼的網頁，然后選擇一個音頻文件后，你就可以看到類似的圖形。
事實上，我們有了頻率數據之后，我們還可以使用 Canvas API 繪制其他漂亮的圖形。
以上圖形是使用 Github 上的第三方庫?vudio.js?生成的。如果你有其它很酷的音頻可視化效果，歡迎給我留言哈。
文章轉自微信公眾號@全棧修仙之路
