用途:分析 WAV 音频文件,用于调试音频生成(如 TTS)流水线,诊断生成语音的质量问题。触发词包括 wav、audio、waveform、samples、amplitude、audio analysis、sound quality、audio debug。
主要能力:基础统计包括样本数与时长、最小/最大幅值、标准差(语音预期约 3000-8000)、接近静音样本百分比;质量指标包括过零率(语音通常每 1000 样本 50-200)、削波检测(样本达 ±32767)、NaN/Inf 检测(处理原始 float 时)、DC 偏移分析;格式验证包括采样率核对(Qwen3-Omni TTS 为 24kHz)、位深、声道数与 RIFF 头校验。
使用方式:提供 WAV 文件路径即可运行综合诊断。典型度量参考值:标准差 3000-8000 表示音频能量正常;接近静音比例低于 5%;过零率每 1000 样本 50-200 表示有语音活动;最小/最大幅值在 ±20000-32000 属健康范围。
常见问题与排查方向:接近静音比例达 99% 多因 NaN 被转为零,需检查流水线数值溢出;标准差过低(<1000)说明输出归一化前音量过小,需检查增益级与缩放;出现恒定值连续段多因分块处理的上下文重叠问题,需核对分块拼接逻辑;出现 ±32767 削波则可能是溢出或缺少 tanh/clamp,应在转 int16 前加输出钳制。
限制:资料未提供安装方式、依赖环境、支持的其它格式或平台信息;示例代码依赖 numpy 与 int16 原始数据读取,其它位深或编码需自行调整。