麦克风到曲线之间发生了什么：实时音高检测的工作方式
整条链路只有四步
从你开口到屏幕出现曲线，中间发生了四件事，每一步都决定了最后那条线的样子：
- 拾音——手机麦克风持续采集环境声音，按固定频率切成一帧帧的音频片段；
- 找基频——应用在每一帧里分析声波的周期，找出决定「音高」的那个基础频率（单位 Hz）。人声的基频通常在 80Hz 到 1000Hz 之间，女声偏高、男声偏低；
- 换算音名——把基频换算成十二平均律里最接近的音名和八度，比如 261.6Hz 对应 C4、440Hz 对应 A4；
- 落笔画线——把这一帧的音高作为纵坐标追加到图上，整条曲线随时间向左滚动，新数据从右侧进入。
因为每一帧都独立检测、实时追加，你看到的不是事后的统计图，而是正在发生的音高——延迟通常低到跟随口型变化。
纵轴为什么是对数的音阶
声学上人耳对音高的感知是对数关系：频率翻一倍，听感只高一个八度。所以纵轴不按 Hz 均匀划分，而是按音名划分——相邻两条横线差一个半音，隔一个八度频率正好翻倍。C4（约 261.6Hz）到 C5（约 523.3Hz）在图上的距离，和 C5 到 C6 一样高。
这也是为什么图的纵轴标注的是 C3、C4、A4 这样的音名而不是赫兹数——除非你开半音线或看调音器模式，日常读图只需要认音名。官方介绍称显示范围覆盖 C1 到 B7 七个八度，远超人声与常见乐器的音域。
哪些声音能被正确检测
官方商店页明确了一条硬边界：分析对象是单音（monophonic）。当声音里同时出现两个以上乐器或和弦时，算法无法判断该跟哪一个基频，曲线会跳变或画出错误的线。具体来说：
- 能画准：一个人唱歌、哼鸣、吹口哨、单件乐器的单音旋律；
- 画不准：吉他和弦、乐队合奏、多人同时说话的嘈杂环境；
- 偶尔画错：气声很重的假声、极低频的男低音，基频能量弱时线会断续或缺帧。
低频检测的难点与应对见低音区局限，和弦场景的边界详见单音检测边界。
为什么画面会跟着音高上下移动
默认开启的「自动滚动」（Auto scroll）让纵轴显示范围跟随当前音高移动：你唱低音时视野自动下移，唱高音时视野上移，保证曲线始终在屏幕中间附近。关掉它，纵轴就固定不动，适合音域跨度不大的练习——两种模式各适合什么，见自动滚动。