Générer Graphiques Forme d'Onde Sonore avec Python : Code & Visualisation

Créer un graphique forme d'onde nécessite deux étapes : générer ou charger données audio → tracer amplitude vs temps. La stack scientifique Python rend cela scriptable et batchable.

Script Complet Reproductible

import numpy as np import matplotlib.pyplot as plt from scipy.io import wavfile from scipy.signal import sawtooth, square # 1. GÉNÉRER OU CHARGER AUDIO # Option A: Synthétiser (sinus, carré, dent de scie, bruit) sr = 44100 # Taux échantillonnage duration = 2.0 # Secondes freq = 440.0 # Hz (La4) t = np.linspace(0, duration, int(sr * duration), endpoint=False) # Choisissez forme d'onde waveform = np.sin(2 * np.pi * freq * t) * 0.8 # Sinus # waveform = square(2 * np.pi * freq * t) * 0.8 # Carré # waveform = sawtooth(2 * np.pi * freq * t) * 0.8 # Dent de scie # Ajoutez réalisme: bruit + normalisation waveform += np.random.normal(0, 0.05, len(waveform)) waveform = waveform / np.max(np.abs(waveform)) # Option B: Charger fichier réel (décommentez) # sr, waveform = wavfile.read("input.wav") # if waveform.dtype != np.float32: # waveform = waveform.astype(np.float32) / np.iinfo(waveform.dtype).max # 2. TRACER FORME D'ONDE plt.figure(figsize=(12, 3), dpi=150) plt.plot(t, waveform, linewidth=0.5, color='#0066cc') plt.axis('off') # Propre: pas axes, labels, marges plt.subplots_adjust(left=0, right=1, top=1, bottom=0) plt.savefig("waveform.png", transparent=True, bbox_inches='tight', pad_inches=0) plt.close() # 3. OPTIONNEL: SAUVEGARDER AUDIO # wavfile.write("output.wav", sr, (waveform * 32767).astype(np.int16)) 

Boutons de Personnalisation

Paramètre	Effet
figsize=(W, H)	Ratio aspect. Large/court = forme d'onde traditionnelle
linewidth	Épaisseur. 0,3–1,0 typique
color	Hex/RGB. Utilisez alpha pour couches chevauchantes
transparent=True	Fond alpha pour compositing
plt.axis('off')	Supprime tout chrome

Avancé : Multi-Canal / Spectrogramme / Enveloppe RMS

 # Stéréo: tracer L/R séparément ou combiné plt.plot(t, waveform[:,0], label='L', alpha=0.7) plt.plot(t, waveform[:,1], label='R', alpha=0.7) # Spectrogramme (fréquence vs temps) plt.specgram(waveform, Fs=sr, NFFT=1024, noverlap=512, cmap='inferno') # Enveloppe RMS (contour sonorité) frame_len = int(0.01 * sr) # frames 10ms rms = np.sqrt(np.mean(waveform.reshape(-1, frame_len)**2, axis=1)) t_rms = np.linspace(0, duration, len(rms)) plt.plot(t_rms, rms, color='orange') 

Automatisation par Lots

 import glob for wav_file in glob.glob("*.wav"): sr, wav = wavfile.read(wav_file) # ... code tracé ... plt.savefig(f"{wav_file[:-4]}_waveform.png") plt.close() 

Installer Dépendances

pip install numpy matplotlib scipy # Pour I/O audio: pip install soundfile (remplace scipy.io.wavfile pour plus formats) 

Alternatives Non-Python

• FFmpeg + FFprobe : ffmpeg -i in.wav -filter_complex "showwavespic=s=1920x1080:colors=0x0066CC" out.png (commande unique, pas Python)
• Node.js : wavesurfer.js + puppeteer (rendu Chrome headless)
• Shader/GPU : Shadertoy / TouchDesigner / Resolume pour temps-réel

L'approche Python donne contrôle programmatique total — intégrez dans pipelines, paramétrez par caractéristiques audio, générez des milliers d'assets cohérents.