音频频谱与DTMF

枫桥2025/11/30大约 5 分钟

音频频谱与DTMF

本文适合

拿到 WAV/MP3/FLAC/视频音轨后，需要判断频谱、DTMF、摩斯、声道差异或音频隐写的 Misc 学习者。学完你能：用波形、声谱图、频率峰值和声道对照验证隐藏方式，并把解出的数字/文本继续转换成 flag

音频题不只靠听。很多信息藏在频域、声谱图、双音多频按键、左右声道差异或采样数据中。

一句话判断

音频题先不要只靠耳朵听；如果波形、频谱、声道、节奏、倒放或元数据异常，就把声音转成可观察的图、频率表和样本数据来验证。

题目中常见信号

声谱图像文字/二维码

说明：信息藏在频域图案

第一动作：生成 spectrogram 并调整频率范围

规律短音

说明：可能是 DTMF、摩斯或频率编码

第一动作：分段并测频率/时长

左右声道听起来相似

说明：可能差分藏信息

第一动作：拆声道或相减

倒放后更自然

说明：音频被反转

第一动作：ffmpeg -af areverse

播放速度异常

说明：变速/变调隐藏

第一动作：尝试 0.5x/2x 或重采样

文件尾、元数据异常

说明：音频只是容器

第一动作：exiftool、binwalk、strings

核心概念

音频可以同时从三个层面分析：

时域：波形、静音间隔、摩斯长短音、节奏编码。
频域：FFT、声谱图、DTMF 双频、固定频率映射。
文件层：元数据、封面图、尾部附加、嵌入压缩包。

DTMF 的证据不是“听起来像按键”，而是每个片段同时出现一个低频和一个高频；摩斯的证据不是“有哔声”，而是点划时长和间隔符合规则。

最小分析流程

用 file / ffprobe / soxi 确认格式、采样率、声道数、时长。
用 exiftool、strings、binwalk 排除元数据和尾部附加。
生成声谱图，看是否有文字、二维码、频率轨迹或异常高频。
拆分左右声道，分别试听、看频谱、做差分。
对规律短音测频率和时长，判断 DTMF、摩斯或自定义频率表。
尝试倒放、变速、重采样、滤波后再观察。
解出的数字/字母继续按编码、坐标、电话键盘或压缩包密码解释。

最小验证示例

file sound.wav
ffprobe -hide_banner sound.wav
exiftool sound.wav
binwalk sound.wav

# 生成声谱图
ffmpeg -i sound.wav -lavfi showspectrumpic=s=1600x900:legend=1 spectrogram.png

# 倒放
ffmpeg -i sound.wav -af areverse reversed.wav

# 拆分左右声道
ffmpeg -i sound.wav -map_channel 0.0.0 left.wav -map_channel 0.0.1 right.wav

DTMF 最小验证：

multimon-ng -a DTMF sound.wav

判断依据：

声谱图出现可读图案 -> 频域隐藏成立
DTMF 解码输出稳定数字 -> 再按电话键盘/ASCII/题目提示转换
左右声道相减后出现图案或语音 -> 声道差分成立

常见利用 / 解题路线

路线总览：

声谱图藏字

关键证据：频谱图中有文字/二维码

常用动作：生成高清 spectrogram，必要时调色/裁剪

DTMF 路线

关键证据：每段两个固定频率

常用动作：multimon-ng 或 FFT 分段测频

摩斯路线

关键证据：点划时长和静音间隔规律

常用动作：二值化波形，按时长映射

声道差分路线

关键证据：左右声道相似但不完全一致

常用动作：拆声道、相减、反相抵消

倒放/变速路线

关键证据：正放难读或频率异常

常用动作：reverse、tempo、rate 变换

音频 LSB/文件层路线

关键证据：样本低位或尾部异常

常用动作：提取样本 bit，binwalk 后转文件分析

常见失败原因

听不出东西

常见原因：信息在频谱或文件层

排查动作：生成声谱图并查元数据/尾部

DTMF 识别错

常见原因：噪声、片段太短或非标准频率

排查动作：分段 FFT，允许自定义频率表

摩斯点划混乱

常见原因：阈值或速度估计错

排查动作：用持续时间聚类，不手动凭感觉

声谱图太糊

常见原因：FFT 窗口或频率范围不合适

排查动作：调整窗口、分辨率和显示范围

拆声道无结果

常见原因：需要相减或反相，不只是分离

排查动作：用 sox -m 或音频编辑器做差分

解出数字仍不对

常见原因：结果是中间编码

排查动作：尝试 ASCII、电话键盘、坐标、密码

迷你案例

题目给 beep.wav，听起来是规律按键音。验证：

ffmpeg -i beep.wav -lavfi showspectrumpic=s=1200x700 spectrogram.png
multimon-ng -a DTMF beep.wav

输出：

DTMF: 102108097103

按三位 ASCII 分组：

s = "102108097103"
print("".join(chr(int(s[i:i+3])) for i in range(0, len(s), 3)))

得到 flag。WP 要说明：声谱图中每段都有双频峰值，multimon-ng 只是验证工具，不是猜出来的。