音声から波形画像・波形動画を作る — showwavespic / showwaves / showspectrum

Q: 出力が真っ黒 / 波形が見えない

showwaves と showwavespic の出力は透明背景（RGBA）です。透明を扱えないプレイヤーやビューアでは黒く見えます。本文の color + overlay で背景を敷いてください。また、声の小さい録音は scale=sqrt か scale=log にすると振幅が見えるようになります。

Q: ステレオを 1 本の波形にしたい

showwavespic は既定でチャンネルを重ねて描きます（split_channels=0）。完全に 1 本にしたいなら前段で aformat=channel_layouts=mono を挟んで先にモノラル化してください。

Q: 波形だけの動画に音が入っていない

-map 0:a を忘れると映像だけになります。-map を 1 つでも書くと FFmpeg のストリーム自動選択は無効になるので、-map "[v]" で映像を指定した時点で音声側も明示的に -map する必要があります。

ポッドキャストの 1 話を YouTube に上げる、楽曲のサンプルを SNS に貼る、記事に波形のサムネイルを載せる——「音声だけ」の素材に映像を付けたい場面で、FFmpeg は外部ツールなしに波形やスペクトログラムを描けます。使うフィルタは目的別に 3 系統あります。

欲しいもの	フィルタ	出力
波形の静止画（全体像）	`showwavespic`	PNG 1 枚
再生に合わせて動く波形	`showwaves`	動画
周波数の静止画 / 動画	`showspectrumpic` / `showspectrum`	PNG / 動画
周波数バー（イコライザー風）	`showfreqs`	動画

動作確認: FFmpeg 8.1 / Windows — 本記事のコマンド 12 件を検証スクリプトで実行し、全て成功しました（2026-09-06）

波形の静止画（showwavespic）

ffmpeg -i input.mp3 -filter_complex "showwavespic=s=1920x480" -frames:v 1 waveform.png

音声全体を 1 枚の画像に圧縮して描きます。-frames:v 1 は「1 フレームだけ出力」で、これがないと同じ画像を延々と書こうとします。背景は透明（アルファ付き RGBA）です。

色とサイズ

ffmpeg -i input.mp3 -filter_complex "showwavespic=s=1920x480:colors=#00d4aa" -frames:v 1 waveform.png

colors は 16 進または色名（white、red など）。ステレオ音源でチャンネルを上下に分けて別色にするなら split_channels=1 と | 区切りの色指定です。

ffmpeg -i input.mp3 -filter_complex "showwavespic=s=1920x480:split_channels=1:colors=#00d4aa|#ff6b6b" -frames:v 1 waveform.png

背景色を付ける

透明背景が困る場合（SNS の投稿画像など）は、color ソースで塗った背景に overlay で重ねます。

ffmpeg -i input.mp3 -filter_complex "color=c=#0f1117:s=1920x480[bg];[0:a]showwavespic=s=1920x480:colors=#00d4aa[fg];[bg][fg]overlay=format=auto" -frames:v 1 waveform.png

見た目のオプション

オプション	値	効果
`scale`	`lin`（既定）/ `log` / `sqrt` / `cbrt`	振幅の縮尺。話し声のような小さい音は `sqrt` や `log` にすると見えやすい
`draw`	`scale`（既定）/ `full`	`full` は各サンプルを線で描くので密度が上がり、塗りつぶしに近い見た目になる
`filter`	`average`（既定）/ `peak`	1 ピクセルに複数サンプルが入るときに平均をとるかピークをとるか

ffmpeg -i input.mp3 -filter_complex "showwavespic=s=1920x480:draw=full" -frames:v 1 waveform.png

動く波形の動画（showwaves）

ffmpeg -i input.mp3 -filter_complex "[0:a]showwaves=s=1280x720:mode=cline:rate=30:colors=#00d4aa,format=yuv420p[v]" -map "[v]" -map 0:a -c:v libx264 -c:a aac -shortest output.mp4

s=1280x720 — 出力解像度
mode=cline — 中央線から上下対称に塗る。他に point（点）、line（線）、p2p（点を線で結ぶ）
rate=30 — 映像のフレームレート（既定は 25）
format=yuv420p — showwaves の出力は RGBA なので、H.264 で広く再生できる yuv420p に変換する
-shortest — 音声の終わりで動画も終わらせる

-vf ではなく -filter_complex を使うのは、音声ストリームを入力にして映像ストリームを出力する「種類をまたぐ」フィルタだからです。

背景色付き

showwaves も背景は透明なので、静止画と同じ手順で背景を敷きます。背景側にも r=30 でフレームレートを合わせてください。

ffmpeg -i input.mp3 -filter_complex "color=c=#0f1117:s=1280x720:r=30[bg];[0:a]showwaves=s=1280x720:mode=cline:rate=30:colors=#00d4aa[w];[bg][w]overlay=format=auto[v]" -map "[v]" -map 0:a -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest output.mp4

ジャケット画像の上に波形を置く（ポッドキャスト用）

静止画を -loop 1 で動画化し、その下部に細長い波形を重ねる構成です。ポッドキャストや楽曲の公開用として最もよく使われる形です。

ffmpeg -loop 1 -i cover.png -i input.mp3 -filter_complex "[0:v]scale=1280:720:force_original_aspect_ratio=decrease,pad=1280:720:(ow-iw)/2:(oh-ih)/2[bg];[1:a]showwaves=s=1280x200:mode=cline:rate=30:colors=#00d4aa[w];[bg][w]overlay=0:520:format=auto[v]" -map "[v]" -map 1:a -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest output.mp4

scale=...:force_original_aspect_ratio=decrease,pad=... は、画像を 1280×720 に収めて余白を黒で埋める定型です。overlay=0:520 で高さ 200 の波形を画面下部（y=520〜720）に置いています。

スペクトログラム（showspectrumpic / showspectrum）

横軸が時間、縦軸が周波数、色が強さです。ノイズの帯や高域の有無（MP3 の 16 kHz カットなど）が一目で分かるので、音質チェックにも使えます。

ffmpeg -i input.mp3 -filter_complex "showspectrumpic=s=1920x480" -frames:v 1 spectrum.png

既定では軸と目盛りの凡例が描かれます。デザイン用途で不要なら legend=0。色は color=intensity（既定は channel）など。

ffmpeg -i input.mp3 -filter_complex "showspectrumpic=s=1920x480:legend=0:color=intensity" -frames:v 1 spectrum.png

動画版は showspectrum で、slide=scroll にすると右から左へ流れる表示になります。

ffmpeg -i input.mp3 -filter_complex "[0:a]showspectrum=s=1280x720:mode=combined:color=intensity:slide=scroll[v]" -map "[v]" -map 0:a -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest output.mp4

周波数バー（showfreqs）

イコライザー風に周波数帯ごとのバーが動くビジュアライザーです。

ffmpeg -i input.mp3 -filter_complex "[0:a]showfreqs=s=1280x720:mode=bar:colors=#00d4aa[v]" -map "[v]" -map 0:a -c:v libx264 -pix_fmt yuv420p -c:a aac -shortest output.mp4

showfreqs にも rate オプションがあり、既定は 25fps です（実測で出力が 25/1 になることを確認）。30fps にしたい場合は rate=30 を足してください。

実測: 描画時間とファイルサイズ

3 分（180 秒）のステレオ MP3 を素材に、各フィルタの処理時間と出力サイズを測りました。素材は anoisesrc で生成したピンクノイズで、波形の情報量としては最悪ケースです（実際の音楽や会話はこれより小さくなります）。エンコードは libx264 -preset veryfast -crf 23、i9-14900KF、FFmpeg 8.1、2026-09-02 計測。

出力	処理時間	サイズ
`showwavespic` 1920×480 PNG	0.24 s	8 KB
`showspectrumpic` 1920×480 PNG	0.46 s	1.2 MB
`showwaves` cline 1280×720 / 30fps / 3 分	15.5 s	82 MB
`showwaves` cline 1920×1080 / 30fps / 3 分	27.4 s	86 MB
`showspectrum` 1280×720 / 3 分	6.5 s	9.5 MB
`showfreqs` bar 1280×720 / 3 分	13.2 s	32 MB

ここから分かることが 2 つあります。

showwaves は H.264 と相性が悪い。 毎フレーム細い線が全画面で激しく動くため、動き予測がほとんど効かず、3 分で 82 MB（約 3.6 Mbps）になりました。同じ音源のスペクトログラム動画は 9.5 MB です。波形動画のサイズを抑えたいなら、mode=cline で塗り面を作る、波形を画面の一部（高さ 200px など）に限定する、-crf を上げる、の順に効きます。
720p と 1080p でサイズはほぼ同じ（82 MB vs 86 MB）。線の本数が変わらないので、解像度を上げても増えるのは処理時間だけです。

ピンクノイズという極端な素材なので、会話のポッドキャストならこの数分の一に収まります。ただし傾向は同じです。

よくある質問

出力が真っ黒 / 波形が見えない

showwaves と showwavespic の出力は透明背景（RGBA）です。透明を扱えないプレイヤーやビューアでは黒く見えます。本文の color + overlay で背景を敷いてください。また、声の小さい録音は scale=sqrt か scale=log にすると振幅が見えるようになります。

ステレオを 1 本の波形にしたい

showwavespic は既定でチャンネルを重ねて描きます（split_channels=0）。完全に 1 本にしたいなら前段で aformat=channel_layouts=mono を挟んで先にモノラル化してください。

波形だけの動画に音が入っていない

-map 0:a を忘れると映像だけになります。-map を 1 つでも書くと FFmpeg のストリーム自動選択は無効になるので、-map "[v]" で映像を指定した時点で音声側も明示的に -map する必要があります。