如果通常用 fft 的平方幅度定义频谱图。然而，在许多实现中，似乎人们只使用没有平方的幅度。

此外，按照惯例，音频信号的缩放比例在 -1 和 1 之间。这种缩放通常需要在实现中进行补充步骤，例如在 python 语言中，这并不总是如此。

最后，计算音频频谱图的最佳实践是什么？- fft 的平方幅度/fft 的幅度？- 整数音频值/缩放（-1 到 1）音频值

编辑

正如评论所说，如果目的是绘制频谱图的图像，这些问题没有任何后果。

但是，我想使用频谱图的矩阵作为声音分析和识别的入口点。在这种情况下，计算过程很重要，我对实现如此频繁地不同感到好奇。