本文介绍在 linux 环境下，如何利用 go 语言实时获取系统音频输出流（而非本地文件），并结合 fft 进行音频可视化开发，重点推荐 portaudio 和 pulseaudio 的 go 绑定库。
要在 Linux 上对系统音频输出流（即正在播放的所有声音，如浏览器音乐、视频音轨、游戏音效等）进行实时采集并做 FFT 分析，关键在于绕过应用层文件读取，直接对接底层音频服务。Go 原生标准库不支持系统级音频捕获，因此需借助成熟的 C 音频框架及其 Go 绑定。
✅ 推荐方案：PulseAudio + pulsego（首选）
PulseAudio 是大多数现代 Linux 发行版（如 Ubuntu、Fedora）默认的音频服务，支持“监控源”（monitor source）——即虚拟输入设备，可镜像任意输出流（如 alsa_output.pci-0000_00_1f.3.analog-stereo.monitor）。pulsego 是一个轻量、维护活跃的 Go 封装库，提供完整 PulseAudio API 访问能力。
安装与基础捕获示例：
# 确保 PulseAudio 开发头文件已安装 sudo apt install libpulse-dev # Ubuntu/Debian # 或 sudo dnf install pulseaudio-libs-devel # Fedora
package main
import (
"log"
"github.com/moriyoshi/pulsego"
)
func main() {
ctx, err := pulsego.NewContext("audio-visualizer")
if err != nil {
log.Fatal(err)
}
defer ctx.Free()
// 连接上下文（阻塞直到就绪）
if err := ctx.Connect(nil, 0); err != nil {
log.Fatal(err)
}
// 列出所有 monitor 源（通常以 ".monitor" 结尾）
sources, err := ctx.GetSourceInfoList()
if err != nil {
log.Fatal(err)
}
for _, s := range sources {
if len(s.Name) > 8 && s.Name[len(s.Name)-8:] == ".monitor" {
log.Printf("Monitor source: %s (%s)", s.Name, s.Description)
}
}
// 实际采集需创建 RecordStream 并设置回调（此处略去完整实现）
// 关键点：指定 monitor 源名 + 流格式（如 44.1kHz, 16-bit, stereo）
}⚠️ 注意：需确保用户属于 pulse-access 或 audio 用户组，且 PulseAudio 未以 --system 模式运行（默认为用户会话模式）。
✅ 备选方案：PortAudio + portaudio-go
portaudio-go 提供跨平台音频 I/O，但在 Linux 下默认仅暴露硬件设备（如 hw:0,0），不直接暴露 monitor 源。若需使用，必须先通过 PulseAudio 模块加载虚拟环回设备：
librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。
# 创建 monitor loopback（临时） pactl load-module module-null-sink sink_name=visualizer_sink sink_properties=device.description="Visualizer_Sink" pactl load-module module-loopback source=visualizer_sink.monitor sink=your_actual_output
然后在 Go 中打开 visualizer_sink.monitor 作为输入设备（需确认 PortAudio 后端启用 PulseAudio 支持）。
? 后续处理：FFT 与可视化
捕获到 []int16 音频样本后，可使用 gonum.org/v1/gonum/fourier 进行快速傅里叶变换：
import "gonum.org/v1/gonum/fourier"
fft := fourier.NewFFT(len(samples))
complexBuf := make([]complex128, len(samples))
// 转换 int16 → complex128（实部为采样值，虚部为 0）
for i, s := range samples {
complexBuf[i] = complex(float64(s), 0)
}
fft.Coefficients(complexBuf, complexBuf) // 原地计算频谱幅值再将 |complexBuf[i]| 映射为柱状图高度或频谱图颜色，结合 ebitengine、gioui 或 WebAssembly+Canvas 实现实时渲染。
✅ 总结
- 核心路径：Linux 系统音频捕获 → PulseAudio monitor source → pulsego 获取原始 PCM 流 → FFT 分析 → 可视化。
- 避免踩坑：勿尝试直接读取 /dev/snd/ 设备（权限/独占性问题）；不依赖 ALSA raw PCM（无法捕获混音后输出）；确认 PulseAudio 配置未禁用模块加载。
- 进阶建议：对低延迟敏感场景，可结合 libasound 的 snd_pcm_t 直接访问 PulseAudio 插件（需 CGO 深度定制），但 pulsego 已覆盖绝大多数可视化需求。
