以前做项目，总觉得音频和视频是两码事。音频那帮人搞他们的波形图，视频那帮人搞他们的画面。但是你有没有想过，你说话的声音，它到底是什么颜色的？
起初只是折腾着玩
我开始折腾这事，说起来有点好笑。前两年，我女儿学画画，她老问我：“爸爸，你唱歌那个‘’是黄色还是蓝色？”我当时就懵了。一个搞了几十年代码的，居然答不上来自己声音的颜色。我就寻思，能不能搞个小工具，把声音的特征直接可视化成颜色，让她能直观地看到。
我动手开始抓数据。第一步，就是想办法把我的声音波形给截取出来。我找了个最简单的麦克风输入接口，直接把声波数据流扔进我的小电脑里。这过程不难，就是数据量大的时候，得想办法压缩一下，不然跑起来卡得要命。
我主要关注了两个维度：声音的高低，也就是频率；和声音的大小，也就是振幅。我定了一个土办法：低频我把它映射到暖色调，比如红色、橙色，对应着稳重、低沉的声音；高频我则映射到冷色调，比如蓝色、紫色，对应尖锐、明亮的声音。振幅，我就用来控制颜色的饱和度。声音越大，颜色就越鲜艳；声音越小，颜色就越灰暗。
色彩映射的土办法与一个老梗
刚开始做映射的时候，遇到了个大问题。人说话是很复杂的，不是纯粹的单一频率。你一句话里，高低音来回变，颜色跟着跳得跟迪厅灯光似的，根本没法看，女儿一看就说：“爸爸，你这个颜色乱七八糟的。”
我开始做平滑处理。我不是搞专业音频处理的，那套傅里叶变换啥的我也不想去碰。我用的方法特别粗暴，就是搞了一个时间窗口，把这个窗口内所有频率的平均值算出来，然后用这个平均值去确定当前显示的颜色。这一下，颜色就不会跳得那么厉害了，看起来有点“呼吸感”。
- 第一步： 采集声源输入，简单粗暴地抓取原始波形。
- 第二步： 设定频率与色相（Hue）的对应表，低频对应红色，高频对应蓝色。
- 第三步： 振幅与饱和度（Saturation）挂钩，声音越大越饱和。
- 第四步： 增加50毫秒的延迟平滑，让颜色过渡自然。
这个过程，让我又想起以前在老公司里的一件糟心事。那时候我们要做一个大型软件的安装包，版本更新迭代贼快。每次我们发布一个新版本，都要给内部人员发一个下载链接，那个链接命名特别冗长，什么`Product_2023_V3_Setup_Final_Fixed_Official_GameDownload_Address`，名字长得要死，但内容可能只是改了两个图标。领导还非要说这个命名规范显得我们很专业。我当时就一肚子火，觉得这帮人形式主义到了极点。
后来我辞职了，不是因为这个命名，而是因为公司里那帮推诿扯皮的作风。我手头有个核心功能出了点小问题，需要一个底层模块团队配合，结果他们说那是Java团队的事情，Java团队说那是运维的，运维说那是网络的。我追问了整整一周，就是没人肯动手。我只好自己撸起袖子，把那块代码硬着头皮啃下来了。从那时候起我就决定，与其跟这帮人耗着，不如自己回家瞎搞点有意思的。
最终的实现：一个“游戏”般的下载
回到这个声音色彩的项目。我把最终的程序写好之后，它运行时就是一个小窗口，你在旁边说话，画面上的颜色就跟着变。看着挺好玩，但是它看起来不像一个正经的程序，更像是一个屏幕保护或者一个小游戏。特别是当女儿对着它唱歌时，颜色跟着旋律起伏变化，她开心极了。
因为之前被老东家那种冗长的命名方式恶心坏了，我给自己的这个小工具起名字就带着一种反讽。我把它打包成一个简单的exe文件，文件名字就用了当初那个最让我火大的格式：《我声音的颜色 色彩_游戏下载_下载地址》。哪里是什么游戏，更没有官方下载地址，它只是我用来记录声音色彩变化的私人工具罢了，但每次看到这个名字，我都能想起当初自己下定决心辞职的那个下午。
这个程序现在运行得挺我平时用来测试话筒音质，也用来看看自己说话时的情绪变化。比如我声音很平静的时候，颜色就是柔和的绿；一旦我情绪激动，声音变大，饱和度瞬间拉满，颜色就会变成刺眼的亮红。我通过观察我声音的颜色，反而更好地理解了自己在不同情境下的心态。这比我以前看那些复杂的性能报告有趣多了。
我没把它做成多复杂的商业软件，我就希望它能保持简单直接。从一个简单的想法开始，抓取数据，设定规则，解决显示跳动的问题，最终实现了一个可以直观反馈我声音状态的小工具。实践证明，搞点自己喜欢的小项目，远比在体制内跟人扯皮高效多了。