A Self-Hosted Spectrogram Analyzer for Music Lovers: Introducing AudioDeck

A Personal Story of Filling a Gap in My Music Workflow

I’ve always been passionate about music and curating my personal library. As a music enthusiast, I’ve spent countless hours collecting files from various sources and ensuring they meet my quality standards. For years, I relied on Spek, a simple yet effective tool for checking audio quality. It showed me a spectrogram, which helped me spot fake FLAC files from a mile away.

However, when I moved my music workflow to my home server, I faced a challenge. I couldn’t use Spek anymore, and I started searching for a self-hosted, web-based alternative. To my surprise, I found nothing. This experience led me to create AudioDeck, a modern, lightweight, self-hostable spectrogram analyzer that can be accessed from any browser.

What is a Spectrogram, and Why is it Important?

A spectrogram is a visual representation of an audio file’s frequency content over time. It’s essential for identifying fake lossless files, which are often transcoded from low-quality MP3s. A spectrogram makes it instantly obvious when frequencies disappear, usually around 16 kHz, indicating a low-quality file. This information is crucial for music enthusiasts who want to ensure their library consists of high-quality files.

How AudioDeck Works

AudioDeck is designed to be easy to use and lightweight. You simply point it to your music folder, and you can instantly analyze any file. The spectrogram generation happens 100% in your browser, using the Web Audio API, which means there’s zero server load for analysis. The backend, written in Go, idles at about 15MB of RAM, making it suitable for devices like Raspberry Pi.

Deploying AudioDeck is straightforward, and you can find the instructions on the GitHub repository. The process involves creating a container and mounting your music folder, and you’re ready to go.

Features and Benefits

AudioDeck offers several benefits, including:

• Self-hosted and web-based, allowing you to access it from any browser
• Lightweight, with zero server load for analysis
• Easy to deploy and use
• Open-source, with a community-driven development process

I’ve been using AudioDeck for a few months now, and it’s been a valuable addition to my music workflow. I hope you find it useful as well. If you have any feedback, feature ideas, or bug reports, please don’t hesitate to share them.

You can find AudioDeck on GitHub and Docker Hub.

Analizator Widmowy Dla Miłośników Muzyki: Przedstawiamy AudioDeck

Osobista Historia Wypełniania Luki w Moim Przepływie Pracy z Muzyką

Zawsze byłem pasjonatem muzyki i tworzeniem swojej własnej biblioteki. Jako miłośnik muzyki, spędziłem niezliczoną ilość godzin zbierając pliki z różnych źródeł i zapewniając, że spełniają one moje standardy jakości. Przez lata, polegałem na Spek, prostej, ale skutecznej narzędziu do sprawdzania jakości audio. Pokazywało mi widmo, które pomagało mi wykryć fałszywe pliki FLAC z daleka.

Jednak, gdy przeniosłem swój przepływ pracy z muzyką na mój serwer domowy, stanąłem przed wyzwaniem. Nie mógłem już używać Spek, i zacząłem szukać samodzielnie hostowanego, opartego na sieci alternatywnego rozwiązania. Do mojego zaskoczenia, nie znaleziono niczego. To doświadczenie doprowadziło mnie do stworzenia AudioDeck, nowoczesnego, lekkiego, samodzielnie hostowanego analizatora widmowego, który można uzyskać z dowolnej przeglądarki.

Czym jest Widmo, i Dlaczego jest Ważne?

Widmo jest wizualną reprezentacją zawartości częstotliwości pliku audio w czasie. Jest to niezbędne do identyfikacji fałszywych plików bezstratnych, które są często transkodowane z niskiej jakości MP3. Widmo sprawia, że jest to natychmiastowo oczywiste, kiedy częstotliwości znikają, zwykle wokół 16 kHz, wskazując na niską jakość pliku. Informacja ta jest kluczowa dla miłośników muzyki, którzy chcą zapewnić, że ich biblioteka składa się z wysokiej jakości plików.

Jak Działają AudioDeck

AudioDeck został zaprojektowany, aby być łatwym w użyciu i lekkim. Wystarczy wskazać go do swojej folderu z muzyką, i można natychmiast przeanalizować dowolny plik. Generowanie widma odbywa się 100% w przeglądarce, z użyciem Web Audio API, co oznacza, że nie ma żadnego obciążenia serwera do analizy. Backend, napisany w języku Go, jest w stanie uśpienia przy około 15MB RAM, co czyni go odpowiednim dla urządzeń takich jak Raspberry Pi.

Wdrożenie AudioDeck jest proste, i można znaleźć instrukcje na repozytorium GitHub. Proces składa się z tworzenia kontenera i montowania folderu z muzyką, i jesteś gotowy do pracy.

Funcje i Korzyści

AudioDeck oferuje kilka korzyści, w tym:

• Samodzielnie hostowany i oparty na sieci, umożliwiający dostęp z dowolnej przeglądarki
• Lekki, z zerowym obciążeniem serwera do analizy
• Łatwy do wdrożenia i użycia
• Otwarty kod, z procesem rozwoju prowadzonym przez społeczność

Używałem AudioDeck przez kilka miesięcy teraz, i okazało się to być cennym dodatkiem do mojego przepływu pracy z muzyką. Mam nadzieję, że znajdziesz to również przydatne. Jeśli masz jakiekolwiek uwagi, pomysły na funkcje lub raporty o błędach, proszę nie wahaj się ich udostępnić.

Możesz znaleźć AudioDeck na GitHub i Docker Hub.