# Kuvasta ääneksi > Miten kuva piilotetaan ääneen? Muuta kuva ääneksi tai sijoita se omaan äänitykseesi ja katso, miten se ilmestyy spektrogrammiin. Muuta kuva ääneksi tai piilota se äänitykseen: sijoita ja skaalaa se lineaariselle, log- tai mel-spektrogrammille ja tallenna WAV. Toimii selaimessa. A preset of [Spektrogrammi ja äänianalysaattori](https://how.box/fi/spectrogram/). - Page: https://how.box/fi/image-to-sound/ - Runs entirely in the browser. - License: HowToolbox's own text and data (titles, explanations, FAQs, tool descriptions and schemas, this file) are CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/); AI training and answers are welcome. Attribute "HowToolbox (how.box)" with a link to the page used. Third-party data keeps its own terms; the name and logo are not licensed. Publisher: HowToolbox, contact@how.box. Terms: https://how.box/fi/about/terms/ ## Inputs Answer link: https://how.box/fi/image-to-sound/?c={c}&inv={inv}&lo={lo}&hi={hi}&b={b}&k={k}&g={g}&auto={auto}&dn={dn}&tl={tl}&s={s}&fl={fl}&fh={fh}&n={n}&w={w}&o={o}&md={md}&temp={temp}&tu={tu}&su={su}&hr={hr}&hf={hf}&hs={hs}&st={st}&pi={pi}&pr={pr}&pl={pl}&pd={pd}&ts={ts}&tr={tr} - `c` (magma, inferno, viridis, grey or hot): Colour map. Example: `viridis`. - `inv` (boolean): Reversed colour map. Example: `true`. - `lo` (number -160 to 60): Darkest level, dB. Example: `-90`. - `hi` (number -100 to 100): Brightest level, dB. Example: `-30`. - `b` (number -50 to 50): Brightness shift, percent. Example: `10`. - `k` (number 25 to 400): Contrast, percent. Example: `150`. - `g` (number 0.3 to 3): Gamma of the colour scale. Example: `0.7`. - `auto` (boolean): Auto levels for the view. Example: `false`. - `dn` (boolean): Noise-floor removal. Example: `true`. - `tl` (number 0 to 12): Treble lift, dB per octave. Example: `3`. - `s` (linear, log or mel): Frequency axis. Example: `linear`. - `fl` (number 0 to 190000): Lowest frequency shown, Hz. Example: `100`. - `fh` (number 100 to 192000): Highest frequency shown, Hz. Example: `8000`. - `n` (256, 512, 1024, 2048, 4096, 8192 or 16384): FFT size, samples. Example: `8192`. - `w` (hann, hamming, blackman-harris or rectangular): Window function. Example: `blackman-harris`. - `o` (50, 75 or 87.5): Window overlap, percent. Example: `87.5`. - `md` (air, fresh-water or seawater): Medium of a traced moving source. Example: `seawater`. - `temp` (number -60 to 140): Air temperature in tu. Example: `5`. - `tu` (c or f): c or f. Example: `f`. - `su` (kmh, mph or ms): Unit of a traced source speed: kmh, mph or ms. Example: `ms`. - `hr` (auto, off, slower, faster or shift): Playback of sound outside hearing: auto, off, slower, faster or shift. Example: `slower`. - `hf` (auto, 2, 4, 8, 10, 16, 20, 32 or 64): Slower or faster factor. Example: `10`. - `hs` (number -190000 to 190000): Frequency shift, Hz (negative: down). Example: `-36000`. - `st` (sound or picture): What the empty page offers first: sound or picture. Example: `picture`. - `pi` (boolean): A placed picture: dark parts loud. Example: `true`. - `pr` (number 20 to 90): A placed picture: dB from white to black. Example: `60`. - `pl` (number -40 to 20): A mixed picture: level against the sound under it, dB. Example: `-12`. - `pd` (number -40 to 0): A mixed picture: the sound in its box lowered by dB. Example: `-20`. - `ts` (number 1 to 60): Empty track for a picture alone, seconds. Example: `10`. - `tr` (22050, 44100, 48000 or 96000): Sample rate of that empty track, Hz. Example: `48000`. Example answer: https://how.box/fi/image-to-sound/?c=viridis&inv=1&lo=-90&hi=-30&b=10&k=150&g=0.7&auto=0&dn=1&tl=3&s=linear&fl=100&fh=8000&n=8192&w=blackman-harris&o=87.5&md=seawater&temp=5&tu=f&su=ms&hr=slower&hf=10&hs=-36000&st=picture&pi=1&pr=60&pl=-12&pd=-20&ts=10&tr=48000 The page computes the answer in the browser: read results from the agent tools below, not from the page HTML. ## Agent tools - `spectrogram_summary`: Summarises the sound the visitor opened (an audio or video file) or recorded on this page: duration_s, sample_rate_hz (the analysis rate: the file's own for WAV and FLAC, up to 384 kHz), nyquist_hz (the highest frequency it holds), peak_dbfs (largest sample, dB below full scale), rms_dbfs (RMS loudness, AES17 dBFS: a full-scale sine is 0), clipped_percent, and strongest (the strongest frequencies of the average spectrum: frequency_hz, level_db, loudest first, at least a sixth of an octave apart, from 10 Hz), ultrasonic_percent and infrasonic_percent (share of power above 18 kHz and below 40 Hz), energy_range_hz ([low, high]: the 1st and 99th percentile of power over frequency, works for ultrasonic files). - MCP, one POST to https://how.box/mcp: `{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"spectrogram_summary","arguments":{}}}` - GET: https://how.box/mcp/run/spectrogram_summary ## How it works Spektrogrammi piirtää äänen kuvaksi: aika vaakasuunnassa, korkeus ylöspäin, kovempi kirkkaampana. Tämä sivu tekee saman toisin päin. Kuvan jokaisesta rivistä tulee tasainen sävel omalla korkeudellaan ja jokaisesta sarakkeesta hetki, niin kovaa kuin pikseli on kirkas; yhteen laskettuina sävelet muodostavat äänen, jonka spektrogrammi on kuvasi. Kirkkaudesta tulee taso desibeleinä: valkoinen on kovin ja musta valitun desibelimäärän hiljaisempi (Valkoisesta mustaan), ja läpinäkyvät kohdat ovat hiljaa, joten logon ääriviiva säilyy. Rivit jakautuvat taajuusalueelle tasaisesti sillä taajuusasteikolla, jolle kuva sijoitetaan – lineaarisella hertseinä, logaritmisella oktaaveina tai mel-asteikolla korvan mukaan – joten kuva näyttää oikealta sillä asteikolla ja vääristyy toisella. Mikään ei mene yli puolen näytteenottotaajuuden: 44,1 kHz:n raidalla 22 kHz. Kun kuva miksataan äänitykseen, sen voimakkuus asetetaan sen alla olevan äänen mukaan, ja kuvan alueen ääntä voi hiljentää, jotta kuva erottuu selvästi. Häviölliset muodot kuten MP3, AAC tai videon lataus palveluun hävittävät ne heikot osat, joista kuva koostuu; WAV säilyttää sen. Ohuet viivat sumenevat hieman, koska spektrogrammi vaihtaa ajan tarkkuutta korkeuden tarkkuuteen. Lähde: J. O. Smith, Spectral Audio Signal Processing (CCRMA, Stanford), additiivinen synteesi. ## FAQ **Miten ääni voi sisältää kuvan?** Ääni on sävelten sekoitus, joiden voimakkuus muuttuu ajan myötä, ja spektrogrammi piirtää juuri sen. Jos kunkin sävelen voimakkuus seuraa kuvan yhden rivin kirkkautta, spektrogrammi näyttää kuvan. **Miksi kuva näyttää vääristyneeltä toisessa sovelluksessa?** Rivit sijoitetaan tässä valitsemallesi taajuusasteikolle. Toisella asteikolla toimiva katseluohjelma (monessa oletuksena lineaarinen) venyttää matalaa tai korkeaa osaa. Sijoita kuva sille asteikolle, jota katseluohjelma käyttää. **Säilyykö kuva MP3-muodossa tai videona ladattuna?** Yleensä huonosti. Häviölliset muodot poistavat hiljaisia ja hyvin korkeita ääniä, joita korva tuskin huomaa, ja juuri niistä piilotettu kuva koostuu. Tallenna ja jaa WAV-tiedosto. **Miksi se kuulostaa kohinalta?** Kuva tuottaa monta säveltä yhtä aikaa, kuin satojen nuottien soinnun. Piirrokset ja teksti, joissa on muutama kirkas viiva, kuulostavat sirkutukselta ja vihellykseltä; valokuvat kuulostavat suhinalta. Pidä äänenvoimakkuus pienenä. **Lähetetäänkö kuvani jonnekin?** Ei. Kuva luetaan, muutetaan ääneksi ja miksataan laitteellasi; mitään ei lähetetä eikä tallenneta, ja kopioitu linkki sisältää vain asetukset. More: [HowToolbox index](https://how.box/llms.txt) · [Agent Skill](https://how.box/skill.md) · [agent terms](https://how.box/fi/about/agents/)