Skip to content
  1. Blog
  2. Maker & Vision

Maker & Vision#Python#音声処理#自作ツール

Pythonで音程と音量に連動する音声ビジュアライザを組むときのWindows環境整理

PyAudio・NumPy・PygameでPCの再生音に反応して色や帯を動かすビジュアライザを自作するときに詰まりやすい「ステレオミキサー設定」「他PCでの依存エラー」「しきい値設計」をまとめた。

Written by the site’s operator1 min read
Python公式ロゴ画像
Pygame・NumPy・PyAudioの組み合わせは手軽だが、Windows側の録音デバイス認識でつまずきやすい。

PCで鳴っている音楽の音量や音程(周波数)に合わせて、画面上の色や帯がリアルタイムに動くオーディオビジュアライザをPythonで自作すると、手元の環境で動いた直後に「別PCへ移したら動かない」「無音なのに光りっぱなしになる」といった特有の壁にぶつかる。特にWindows 11環境で pygame・numpy・pyaudio(または sounddevice)を組み合わせて動かすときに起きやすい落とし穴と、実用レベルまで安定させる設計を整理した。

1. 「別PCで動かない」の大半はステレオミキサーとデバイス番号

自分の環境で動いていたスクリプトを別のWindowsマシンへ移した瞬間にエラーで止まったり、反応がゼロになったりする場合、コードのロジックよりも環境依存の2点が原因であることが多い。

  1. 必要なライブラリの未導入:pygame・numpy・pyaudio が入っていない、またはPythonのビット数とホイールが合っていない。
  2. Windows側の入力デバイス番号のズレ:PC内部の再生音を拾うには、Windowsのサウンド設定で「ステレオ ミキサー(Realtek Audio等)」を有効化し、プログラム側で正しいデバイスインデックスを指定する必要がある。この番号はPCの構成によって 1 番だったり 11 番・26 番・32 番だったりと毎回変わるため、起動時にデバイス一覧を列挙して確認する仕組みにしておくと詰まらない。
Python音声ビジュアライザのWindows 11動作チェック手順図解
コードのバグに見えても、原因の大半はWindowsの入力デバイス番号と無音時ノイズしきい値にある。

2. 無音時に光りっぱなしになるのを「NOISE_THRESHOLD」で防ぐ

次に直面するのが、「音楽を止めている完全な無音状態のはずなのに、画面のバーや色がずっとチカチカ反応し続ける」現象だ。

プログラム側で「変化量が 0 なら無音」と判定していると、実際のサウンドデバイスにはわずかな電気ノイズが常に乗り続けているため、値が厳密な 0 になる瞬間がほとんど訪れない。そこで必ず**無音とみなすノイズしきい値(NOISE_THRESHOLD)**を設け、しきい値以下の微小な変動は無視してゼロ扱いに切り捨てる設計が必要になる。

パラメータ・工夫設定しない場合の症状入れたあとの挙動
デバイス番号自動列挙別PCへ移すとマイクを拾ったりエラー落ちする実行前に有効な入力番号をすぐ選べる
NOISE_THRESHOLD 設定曲を止めても電気ノイズで光りっぱなし無音時はきっちり消灯・静止する
比率ベースの座標計算フルスクリーン化すると描画が左上に寄るウィンドウサイズを変えても画面全体に追従
Codepython
import pyaudio
import numpy as np

CHUNK = 512
RATE = 44100
NOISE_THRESHOLD = 30  # これ以下の微小変化は無音扱い

p = pyaudio.PyAudio()
for i in range(p.get_device_count()):
    info = p.get_device_info_by_index(i)
    if info["maxInputChannels"] > 0:
        print(f"[{i}] {info['name']}")

INPUT_DEVICE_INDEX = int(input("入力デバイス番号を選択: "))
stream = p.open(
    format=pyaudio.paInt16, channels=1, rate=RATE,
    input=True, input_device_index=INPUT_DEVICE_INDEX, frames_per_buffer=CHUNK
)

while True:
    data = np.frombuffer(stream.read(CHUNK, exception_on_overflow=False), dtype=np.int16)
    level = int(np.abs(data).mean())
    active_level = 0 if level <= NOISE_THRESHOLD else level
    # active_level が 0 のときは画面やLEDを消灯する

3. 周波数帯域の分け方と見た目の滑らかさ

FFT(高速フーリエ変換)で取得した周波数データをそのまま画面の棒グラフに直結させると、高域側がスカスカになったり動きが忙しすぎたりしやすい。低域(キック・ベース)・中域(ボーカル・ギター)・高域(ハイハット・シンバル)の3〜数バンドに対数寄りの幅でまとめ、前フレームの値と少し混ぜる(スムージングする)と、音楽のノリに合った自然な動きになる。

4. どの環境でも破綻しない最小チェックリスト

自作ビジュアライザを他の人へ渡したり別PCで動かしたりする前に、「①ステレオミキサー有効化の手順」「②デバイス一覧表示モード」「③ノイズしきい値定数の切り出し」の3つをスクリプトに組み込んでおけば、環境移行のたびにコードを書き直す手間がなくなる。

手元の楽曲自体のテンポや帯域の傾向を先に確かめたい場合は、オーディオ解析ツールでピークやバランスを見ておくとしきい値設定の目安になる。

Tools for this article

Share this article
Share on X

Read next

Files

C言語のコンソールアプリで「画面全体が激しくチラつく」原因と、clsを使わない軽量な直し方

C言語で簡単なゲームやアニメーションをターミナル上で動かそうとして、ループごとに system("cls") と printf を呼ぶと画面が激しく点滅します。 チラつきが発生する構造と、カーソル移動・1フレームまとめ出し(バックバッファ)でピタッと止める方法をまとめました。

#プログラミング#C言語
Files

RTX 3060(VRAM 12GB)の手元PCで「ローカルLLMの自律コーディング」はどこまで使えるか

回数制限やコストを気にせず、手元のゲーミングPC(RTX 3060 12GB / RAM 32GB)でローカルLLMを使った自律開発はできるのか。 モデルサイズごとの動作速度と精度、現実的な使い分けのラインをまとめました。

#AI#ローカルLLM
Network

VPNはどこまで通せて、なぜ全部は抜けないのか。TrueNAS上のTailscaleが学校フィルタリングで止まる仕組み

「VPNを繋げばどんな制限も回避できる」わけではない理由を、Tailscale(WireGuard)の通信構造・Exit Node・UDP遮断・DPI(ディープパケットインスペクション)・VPNプロトコルごとの違いから整理した。

#VPN#Tailscale
Essays & Notes

AI文章っぽい定型句を避けて、ChatGPT過去ログの「実測と失敗」を一次記事にする

AI生成文章に出やすい導入定型句の傾向を確認しつつ、一般論の焼き直しではなく自分のChatGPTエクスポートに眠る実機検証や失敗談をブログ記事へ起こす編集方針をまとめた。

#ライティング#ブログ運営
Essays & Notes

なぜ減価償却で「100万円使って赤字」ではなく1円(備忘価額)を残すのか

設備投資した年の現金支出(キャッシュフロー)と本業の稼ぐ力(損益計算)を切り分ける減価償却の意味と、償却完了後に帳簿へ1円(備忘価額)を残す理由、建物の定額法統一を整理した。

#会計#減価償却
Essays & Notes

「6時半」に違和感がないのにデンマーク語の20進数を奇妙に感じるのはなぜか

時(24進)+分(60進)+半(2進)の雑種である「6時半」は自然なのに、デンマーク語の50・70・90の20進数表現を難しく感じる理由を「パターン認識と文化バイアス」から考察した。

#数学#認知科学

All articles