PianoNic/SpotifyEqExport

#

SpotifyEqExport

Export the Spotify desktop equalizer to Wavelet, EqualizerAPO or any GraphicEQ target.
Reads the six band gains straight out of Spotify's prefs file and rebuilds the actual filter curve.

## 关于本项目 Spotify 的桌面均衡器没有导出功能，并且它的设置 UI 有时会停止渲染，而此时滤波器仍在工作，因此你能听到你的配置声音却看不到它。这些值仍然保存在磁盘上，以定点整数的形式存储在未公开的键下。 本项目读取这些键，以与 Spotify 相同的方式重建滤波器链，并生成可供 [Wavelet](https://pittvandewitt.github.io/Wavelet/) 导入的 127 点 `GraphicEQ` 曲线。它还内置了全部 21 个 Spotify 预设，因此你无需安装 Spotify 即可导出它们。 这里的所有内容都仅使用标准库。不需要 pip install，也不需要 numpy。 ## 滤波器参数 Spotify 使用了一条由六组 [RBJ Audio EQ Cookbook](https://webaudio.github.io/Audio-EQ-Cookbook/audio-eq-cookbook.html) biquad 组成的链： | 频段 | 类型 | Q / S | prefs 键 | |---|---|---|---| | 60 Hz | low shelf | S = 1.0 | `audio.equalizer.low_shelf_gain_v2` | | 150 Hz | peaking | Q = 1.0 | `audio.equalizer.low_peak_gain_v2` | | 400 Hz | peaking | Q = 1.0 | `audio.equalizer.low_mid_peak_gain_v2` | | 1 kHz | peaking | Q = 1.0 | `audio.equalizer.high_mid_peak_gain_v2` | | 2.4 kHz | peaking | Q = 1.0 | `audio.equalizer.high_peak_gain_v2` | | 15 kHz | high shelf | S = 1.0 | `audio.equalizer.high_shelf_gain_v2` | 增益以 `int32` 格式存储，缩放比例为 `12 / INT32_MAX`，因此 `2147483647` 代表 `+12 dB`。 类型、频率和 ±12 dB 的范围来自 `Apps/xpui/xpui-modules.js`（模块 `51332`）。缩放常量位于 `Spotify.dll` 中 RVA `0x1a28048` 处的 double 类型，由位于 `.text` RVA `0x1085340` 的 prefs 读取器加载。Q 和 S 是从实时滤波器系数中还原出来的，请参阅 [验证参数](#verifying-the-parameters)。 ## 功能特性 - **读取你的实际设置**：自动查找 `prefs` 文件，无需手动复制滑块值。 - **真正的 biquad**：计算 RBJ 传递函数，而不是像 Spotify 自身的 UI 那样仅仅在六个点之间进行插值。 - **内置所有 21 个预设**：`--preset rock`、`--preset rnb` 等，直接从客户端包中提取。 - **削波控制**：使用 `--scale` 来平缓曲线，使用 `--rolloff` 让 low shelf 在 60 Hz 以下逐渐衰减。 - **验证工具**：`verify_eq.py` 会读取 Spotify 当前正在使用的系数，并报告增益、Q 和 S 值。 - **零依赖**：仅需 Python 3.8+，不需要其他任何东西。 ## 安装 ``` git clone https://github.com/PianoNic/SpotifyEqExport cd SpotifyEqExport ``` ## 用法 导出当前在 Spotify 中配置的任何内容： ``` python spotify_eq_export.py ``` ``` 60 Hz lowshelf +12.00 dB 150 Hz peaking +0.30 dB 400 Hz peaking -6.70 dB 1000 Hz peaking -6.70 dB 2400 Hz peaking +0.70 dB 15000 Hz highshelf +12.00 dB -> Spotify EQ.txt ``` 在 Wavelet 的 **AutoEq > Import** 下导入生成的文件。文件名将成为配置文件的名称。 其他选项： ``` python spotify_eq_export.py --preset rock -o Rock.txt # a built-in preset python spotify_eq_export.py --scale 0.5 # halve the curve python spotify_eq_export.py --rolloff # fade sub-bass out python spotify_eq_export.py --prefs /path/to/prefs # explicit prefs file python spotify_eq_export.py --selftest ``` ### 关于削波的说明 Wavelet 在导入时会进行标准化，以保持感知响度不变。它不会将峰值拉低到 0 dB。如果系统全局应用于已经过限幅处理的素材，大幅度的 low shelf 提升会导致削波（clipping）。此外，shelf 滤波器在其转折频率以下也是平坦的，因此 60 Hz 处的 `+12 dB` shelf 意味着在 20 Hz 处同样是 `+12 dB`，而在那里你什么也听不到，却会损失大量的扬声器冲程。这就是 `--scale 0.5` 和 `--rolloff` 的用途。 ## 验证参数 在播放音频时，Spotify 会将这六个 biquad 作为连续的 48 字节块数组保存在内存中：类型为 doubles，未归一化，排列格式为 `[a0,a1,a2,b0,b1,b2]`。由于 `a1 = -2*cos(w0)` 仅取决于频率和采样率，因此该值足以用来定位数组，而增益、Q 和 S 的值则可以通过其余数据解析得出。 ``` python verify_eq.py -v ``` ``` PID 13876 block @ 0x1f551879610 fs=44100 lowshelf 60 Hz gain=+12.0000 dB S=1.000000 peaking 150 Hz gain= +0.3000 dB Q=1.000000 peaking 400 Hz gain= -6.7000 dB Q=1.000000 peaking 1000 Hz gain= -6.7000 dB Q=1.000000 peaking 2400 Hz gain= +0.7000 dB Q=1.000000 highshelf 15000 Hz gain=+12.0000 dB S=1.000000 ``` 还原出的增益与 `prefs` 中的值相匹配，这证实了我们找到的是正确的内存块。此功能仅限 Windows 使用，并且必须正在播放音频，因为当 pipeline 停止时，滤波器对象会被释放。 ## 输出格式 Wavelet 接受从 20 Hz 到 19871 Hz 的固定 127 点曲线。增加、删除或更改频率会使文件失效： ``` GraphicEQ: 20 5.9; 21 5.9; 22 5.9; ... ; 19871 6.0 ``` 相同的格式也可以被 EqualizerAPO 的 `GraphicEQ` 滤波器以及 [AutoEq](https://github.com/jaakkopasanen/AutoEq) 工具读取。 ## 许可证 基于 MIT 许可证发布。详情请参阅 `LICENSE`。 本项目与 Spotify AB 无关联，也未获得其认可或赞助。

标签：Python, Spotify, 均衡器, 数字信号处理, 无后门, 逆向工具, 配置导出, 音频处理