在音頻開發(fā)過程中，總會面對很多音頻領(lǐng)域的一些專業(yè)名詞，如果不能理解這些名詞，可能會對開發(fā)領(lǐng)過程造成極大的困擾，在進(jìn)入一些新領(lǐng)域時，熟悉這個領(lǐng)域常用的概念是很有必要的，可以極大減少了溝通和理解的成本。

模擬音頻

聲音是物體的震動產(chǎn)生的波，聲波一般不是正弦波，比如這種

image.png

我們常說聲音的三要素：音調(diào)，音色，響度。

音調(diào)：主要指的是聲音的頻率，頻率越高，音調(diào)越高。
音色：主要指的是波形不同（諧波）
響度：主要指的是聲音的音量，在聲波中的體現(xiàn)就是振幅，振幅越大，響度越大

看到這里可能有疑惑，既然聲音是不規(guī)則的波形，為什么聲音三要素的定義似乎都參照正弦波這種規(guī)則波形定義呢？

因為傅里葉變換告訴我們，任何波形都可以轉(zhuǎn)換為N個正弦波來表示，其中頻率最小，振幅最大的正弦波為基波，其余的為諧波，音調(diào)和響度基本依照基波來定，而音色則是諧波來決定的。

image.png

音調(diào)和響度決定了發(fā)音方式，比如每個人都可以對某個字發(fā)音，但是不同的人音色不同，也就是其聲音的諧波不同，所以聽起來是不一樣的。

數(shù)字音頻

在現(xiàn)實(shí)世界中，聲音是連續(xù)的，但是在網(wǎng)絡(luò)世界，數(shù)據(jù)則是離散的，現(xiàn)實(shí)世界的聲音錄入計算機(jī)往往需要經(jīng)歷一次采樣，就是在連續(xù)的聲音波形中定期打點(diǎn)取樣，只要每秒打點(diǎn)次數(shù)足夠多，那么就可以近似認(rèn)為這些點(diǎn)組成了連續(xù)的波形。

image.png

PCM

PCM 是指脈沖編碼調(diào)制（Pulse Code Modulation）

把聲音從模擬信號轉(zhuǎn)化為數(shù)字信號的技術(shù)，即對聲音進(jìn)行采樣、量化的過程，經(jīng)過PCM處理后的數(shù)據(jù)，是最原始的音頻數(shù)據(jù)，即未對音頻數(shù)據(jù)進(jìn)行任何的編碼和壓縮處理。

而且在數(shù)字世界，聲音不再用音調(diào)，響度，音色來定義，而是需要關(guān)注采樣率，采樣精度（位深度），聲道數(shù)。

采樣率(sample rate)

采樣率就是我們說的一定周期內(nèi)對現(xiàn)實(shí)聲波采樣的次數(shù)，比如我們常見的44100hz,就是每秒鐘對聲音采樣44100次，相當(dāng)于每秒鐘記錄了44100個聲音的數(shù)據(jù)。

聲音的采樣頻率一般共分為22.05KHz、44.1KHz、48KHz三個等級：

• 22.05kHz 采樣率的聲音可以達(dá)到CD音質(zhì)的一半
• 44.1kHz采樣率是標(biāo)準(zhǔn)的CD音質(zhì)，可以達(dá)到很好的聽覺效果(一般最常使用)
• 48KHz：miniDV、數(shù)字電視、DVD、電影和專業(yè)音頻

采樣精度（位深度/bit depth）

每個采樣點(diǎn)所能表示的數(shù)據(jù)范圍，范圍越大表明聲音越豐富，越細(xì)膩。波形的縱軸就表示采樣點(diǎn)的大小。

image.png

通常有8bit和16bit兩種，也有更高的，比如20bit,24bit,32bit.

8bit為低品質(zhì)

16bit為高品質(zhì)（最為常見）

假如聲音的采樣精度為16bits，則每個采樣點(diǎn)能表示得范圍是2^{16，如果是8bits，則每個采樣點(diǎn)能表達(dá)的范圍是2}8，顯然，前者比后者更加精確，在數(shù)字音頻領(lǐng)域，就表現(xiàn)為聲音的還原度更高，聲音更細(xì)膩。

聲道數(shù)（channel/通道）

聲道是存儲音頻的軌道，用來給發(fā)聲設(shè)備發(fā)聲，一般音頻文件中可能不止一個聲道，多個聲道保存了多份音頻數(shù)據(jù)，用來給不同的設(shè)備發(fā)聲。

常見聲道有單聲道(mono)、雙聲道(stereo)、2.1聲道、4聲道、5.1聲道、7.1聲道。

其中單聲道是一個聲道，雙聲道是兩個聲道，后面數(shù)字表示的聲道，聲道數(shù)就是是小數(shù)點(diǎn)前后數(shù)字相加，比如2.1是三個聲道，5.1是6個聲道，7.1是8個聲道。

• 雙聲道： 左聲道+右聲道 也稱作立體聲
• 多聲道： 超過2個聲道即可
• 2.1聲道： 兩個中高音單元+1個低音單元
• 4聲道： 前左、前右，后左、后右四個發(fā)聲單元

image.png

• 5.1聲道：兩前置單元，兩后置單元，一個中央單元，一個低音單元，最早應(yīng)用于早期的電影院
• 7.1聲道：在5.1的基礎(chǔ)上增加了左后和右后兩個發(fā)聲單元，主要應(yīng)用于BD以及現(xiàn)代的電影院

比特率(碼率/bit rate)

表示一秒鐘音頻的信息量。

因此它是一個可以計算的數(shù)據(jù)：

bit_rate = channel_count * sample_rate * bit_depth / 8

我們可以利用音頻的比特率來計算當(dāng)前音頻幀的顯示時間戳（PTS）

數(shù)字音頻壓縮

我們提到采樣到數(shù)字領(lǐng)域的音頻數(shù)據(jù)是無壓縮的原始數(shù)據(jù)，因此后續(xù)會經(jīng)過一些編碼算法處理來進(jìn)行壓縮。

壓縮算法主要可以分為無損壓縮和有損壓縮

無損壓縮

無損壓縮指的是在無損格式之間的壓縮，無論壓縮成什么格式，音質(zhì)都是不變的，并且都能被還原成最初同樣的文件格式。

FLAC(Free Lossless Audio Codec)

壓縮比高，編碼算法也相當(dāng)成熟，當(dāng)flac文件受損時依然能正常播放。

參數(shù)

• 采樣率 1–655350 Hz （逐1hz微調(diào)）
• 比特率 靈活
• 位深度 8, 16, 20, 24, 32
• 多通道 1-8

ALAC

無損壓縮，采樣率靈活，采樣深度范圍較大

參數(shù)

• 壓縮率
• 采樣率 1–384000 Hz
• 比特率 靈活
• 位深度 16, 20, 24, 32
• 多通道 1-8

APE（Monkey's Audio）

無損壓縮，采樣率靈活。

不支持多通道，采樣深度不夠

參數(shù)

• 采樣率 1–655350 Hz
• 比特率 靈活
• 位深度 8, 16, 24
• 多通道 否

有損壓縮

MP3 (MPEG Audio Layer III)

比特率的限制320kbit/s

采樣頻率最高為48kHz，對于超過48kHz采樣頻率的音頻無法編碼在MP3內(nèi)

參數(shù)

• 采樣率 32khz 44.1 khz 48 kHz (僅允許三種)
• 比特率 6、12、24...96, 112, 128, 144, 160, 192, 224, 256, 288, 320 kbit/s等 （128以上音質(zhì)不錯，CD上未經(jīng)壓縮的音頻比特率為1411.2 kbps）
• 采樣精度 8, 16,
• 聲道數(shù)

AAC (Advanced Audio Coding)

mp3的升級版，有更好的采樣率，采樣深度，更多聲道數(shù)，更好的壓縮算法。

參數(shù)

• 采樣率 8–192 kHz
• 比特率 8–529 kbit/s
• 采樣精度 8, 16, 24, 32 bit
• 多通道 1-48

資料

https://blog.csdn.net/hello_1995/article/details/109862663

https://zh.wikipedia.org/zh-cn/%E6%95%B8%E4%BD%8D%E9%9F%B3%E8%A8%8A

https://zh.wikipedia.org/zh-cn/%E9%9F%B3%E9%A2%91%E7%BC%96%E7%A0%81%E6%A0%BC%E5%BC%8F%E7%9A%84%E6%AF%94%E8%BE%83