您需要巧妙地使用WASD和Qerf键来移动和缩放/缩小。
当我正在寻找有趣的音频变换时，我遇到了Wigner分发功能（或只是WDF）。维基百科的示例看起来确实有趣，它是“出售”作为一个“提供了最高可能的时间VS频率分辨率，该函数在数学上是在不确定原理的限制内”，因此“当信号不是时，其WDF很难实施。“结果，WDF比普通FFT更难实现。
它做了一个有趣的技巧：在各个时间点，它反转了音频信号并将其乘以正常的前进版本。这是有道理的，因为时刻t的周期性信号与本身的时间倒置版本局部相关，但是在WDF中，这种相关性不是时界时，因此如果信号是1小时，则WDF将乘以两个1小时的信号计算只有一个价值在T.乍一看毫无意义，因为随机捐款远离当前的时刻将使WDF随机作出WDF，但仔细看来，如果那些远离捐款确实是随机的，他们将取消每个人其他，他们（在某种程度上）。右侧的复杂指数有效地是正向倒置相关性的通常的FFT。
所以它并没有在常规FFT之上添加任何复杂性。然而，在实践中，WDF是一个极度嘈杂的功能，比普通FFT更富有洞察力。下面是用不同方法可视化的鸟录制（Xeno-canto.org/33539）。
FFT与HANN窗口功能。这实际上等同于CWT，因为后者与带有略微不同的高斯窗口的FFT或多或少相同。与CWT不同，计算FFT不涉及任何心理体操。
普通FFT频谱图，1024箱为48 kHz。像素化因为只有300左右的箱子捕获有用的0..8 kHz范围。
“连续FFT”光谱图，使用DFT移位定理和通常的矩形窗口功能，从而产生这些真矩形衍射图案。
WDF有时能够产生有趣的谱图，但在大多数情况下，它是不可用的嘈杂。与FFT频谱图不同，WDF在较大的窗口上获得更多精确：频线变得更薄，以牺牲它们周围添加更多噪音。下面是不同的小提琴样本：每帧为FFT谱图，以及两个WDF谱图，每帧为2048和4096个样本。
出于某种原因，WDF在简单的西藏碗声音上是前方的数英里（结果不是那么简单）。这是相同的500毫米的声音，0..3 kHz范围（使用？wdf = 1＆amp; alog = 3＆amp;箱= 4096 args）：
我不小心发现了一个懒惰的ffmpeg -i bird.mp3 bird.ogg产生音频伪影。即使他们在不见声中，它们也可以在谱图上很容易地看到。
有趣的结论是指定正确的比特率（48K）实现了最高质量和最小的文件大小作为奖励。即使是额外的“最佳压缩”选项也没有明显的效果。刚刚-compression_Level 10产生工件，因为FFMPEG为某种原因将BitRate设置为64K。我无法得到-codec：libvorbis产生良好的结果。它必须以某种方式工作，因为libvorbis用于mp3文件，但我无法覆盖正确的ffmpeg选项集。这是获胜者命令行：