play stat -freq 输出是什么意思？

Question

play $file stat -freq 的输出是什么意思？

我最近运行了这个命令，下面是输出示例：

$ play 44100Hz/3660/6517/3660-6517-0024.flac stat -freq

44100Hz/3660/6517/3660-6517-0024.flac:

 File Size: 214k      Bit Rate: 325k
  Encoding: FLAC          Info: Processed by SoX
  Channels: 1 @ 16-bit
Samplerate: 44100Hz
Replaygain: off
  Duration: 00:00:05.28

In:0.00% 00:00:00.00 [00:00:05.28] Out:0     [      |      ]        Clip:0    0.000000  0.412632
10.766602  0.430416
21.533203  0.750785
32.299805  0.839694
43.066406  0.989763
53.833008  0.435572
64.599609  0.404773
75.366211  0.048392
86.132812  0.025195
96.899414  0.011314
...
In:3.52% 00:00:00.19 [00:00:05.09] Out:4.10k [      |      ]        Clip:0    0.000000  0.889006
10.766602  0.092675
21.533203  0.785106
32.299805  1.693663
43.066406  0.990839
53.833008  0.044969
64.599609  0.096066
75.366211  0.121797
86.132812  0.256809
96.899414  0.122486
107.666016  0.019195
...

我该如何理解？

我希望这是一些傅立叶变换，上面的输出代表一个类似的表格

Frequency | Level

但我不知道这是否真的是这样，或者如果是这样的话，会以什么水平来衡量。

以In:% 开头的行是什么意思？以Clip:0 ...结尾。

请有人向我解释一下这个命令的输出。

Answer 1

来自手册页here：

stat [-s scale] [-rms] [-freq] [-v] [-d] 显示有关音频的时域和频域统计信息。音频未经修改地通过 SoX 处理链传递。 信息输出到“标准错误”（stderr）流并进行计算，其中 n 是样本中音频的持续时间，c 是音频通道数，r 是音频采样率，xk 表示 PCM 值（默认在-1到+1的范围内）音频中的每个连续样本，如下：

...

-freq 选项计算输入的功率谱（4096 点 DFT），而不是上面列出的统计数据。

...

Answer 2

来自手册页here：

-freq 选项计算输入的功率谱（4096 点 DFT），而不是上面列出的统计数据。这只应该被使用 使用单声道音频文件。

正如你所说，它是一个频率/级别表。 所以最后一个频率或多或少是采样率的一半。 我用纯音（大胆生成）尝试了它，效果很好。

请注意，如果每个通道的文件长度超过 4096 字节，那么您将看到多组 DFT，因为每个 DFT 窗口的长度为 4096。如果是这样，那么您将看到多个表连接在一起。

我没有任何“%”。您是否按照文档中的说明将音频文件转换为单声道？