音頻開發基礎

人類可以聽到的全部聲音都稱之爲音頻，不管是說話聲、歌聲、樂器，它可能包括噪音等。在生活中又兩大場景：語音（Voice）和音樂（Music），近幾年各大廠都推出了智能音響，包括筆者本身家裏使用的天貓精靈。以及在各類短視頻、遊戲等，也都涉及大量的音頻技術。

音頻的基礎主要包括以下：

採樣/採樣頻率

採樣頻率就是採用一段音頻，作爲樣本，由於wav使用的是數碼信號，它是用一堆數字來描述原來的模擬信號，因此它要對原來的模擬信號進行分析，咱們知道全部的聲音都有其波形，數碼信號就是在原有的模擬信號波形上每隔一段時間進行一次「取點」，賦予每個點以一個數值，這就是「採樣」，而後把全部的「點」連起來就能夠描述模擬信號了，很明顯，在必定時間內取的點越多，描述出來的波形就越精確，這個尺度咱們就稱爲「採樣頻率」。咱們最經常使用的採樣頻率是44.1kHz，它的意思是每秒取樣44100次。之因此使用這個數值是由於通過了反覆實驗（其實是那個時代纔是視頻27/1.0001時鐘作CD刻錄遺留問題），人們發現這個採樣頻率最合適，低於這個值就會有較明顯的損失，而高於這個值人的耳朵已經很難分辨，並且增大了數字音頻所佔用的空間。通常爲了達到「萬分精確」，咱們還會使用48kHz甚至96kHz的採樣頻率，實際上，96kHz採樣頻率和44.1kHz採樣頻率的區別絕對不會象44.1kHz和22kHz那樣區別如此之大。

比特率（採樣位數）

數碼錄音通常使用16比特、20比特或24比特製做音樂。什麼是「比特」？咱們知道聲音有輕有響，影響聲音響度的物理要素是振幅，做爲數碼錄音，必須也要能精確表示樂曲的輕響，因此必定要對波形的振幅有一個精確的描述。「比特(bit)」就是這樣一個單位，16比特就是指把波形的振幅劃爲2^16即65536個等級，根據模擬信號的輕響把它劃分到某個等級中去，就能夠用數字來表示了。和採樣頻率同樣，比特率越高，越能細緻地反映樂曲的輕響變化。20比特就能夠產生1048576個等級，表現交響樂這類動態十分大的音樂已經沒有什麼問題了。剛纔提到了一個名詞「動態」，它其實指的是一首樂曲最響和最輕的對比能達到多少，咱們也常說「動態範圍」，單位是dB，而動態範圍和咱們錄音時採用的比特率是緊密結合在一塊兒的，若是咱們使用了一個很低的比特率，那麼就只有不多的等級能夠用來描述音響的強弱，固然就不能聽到大幅度的強弱對比了。動態範圍和比特率的關係是；比特率每增長1比特，動態範圍就增長6dB。因此假如咱們使用1比特錄音，那麼咱們的動態範圍就只有6dB，這樣的音樂是不可能聽的。16比特時，動態範圍是96dB。這能夠知足通常的需求了。20比特時，動態範圍是120dB，對比再強烈的交響樂均可以應付自如了，表現音樂的強弱是綽綽有餘了。發燒級的錄音師還使用24比特，可是和採樣精度同樣，它不會比20比特有很明顯的變化，理論上24比特能夠作到144 dB的動態範圍，但其實是很難達到的，由於任何設備都不可避免會產生噪音，至少在現階段24比特很難達到其預期效果。

聲道

聲卡所支持的聲道數是衡量聲卡檔次的重要指標之一，從單聲道到最新的環繞立體聲。環繞立體聲能夠得到身臨各類不一樣環境的聽覺感覺，給用戶以全新的體驗。

編解碼

天然界中的聲音很是複雜，波形極其複雜，一般咱們採用的是脈衝代碼調製編碼，即PCM編碼。PCM經過抽樣、量化、編碼三個步驟將連續變化的模擬信號轉換爲數字編碼。把採樣值壓縮叫編碼（encode），造成比特流（bitstream）. 把比特流還原出採樣值叫解碼（decode），統稱編解碼（codec）。

1. 無損壓縮和有損壓縮

根據採樣率和採樣大小能夠得知，相對天然界的信號，音頻編碼最多隻能作到無限接近，至少目前的技術只能這樣了，相對天然界的信號，任何數字音頻編碼方案都是有損的，由於沒法徹底還原。在計算機應用中，可以達到最高保真水平的就是PCM編碼，被普遍用於素材保存及音樂欣賞，CD、DVD以及咱們常見的WAV文件中均有應用。所以，PCM約定俗成了無損編碼，由於PCM表明了數字音頻中最佳的保真水準，並不意味着PCM就可以確保信號絕對保真，PCM也只能作到最大程度的無限接近。咱們而習慣性的把MP3列入有損音頻編碼範疇，是相對PCM編碼的。強調編碼的相對性的有損和無損，是爲了告訴你們，要作到真正的無損是困難的，就像用數字去表達圓周率，無論精度多高，也只是無限接近，而不是真正等於圓周率的值。

2. 爲何要使用音頻壓縮技術

要算一個PCM音頻流的碼率是一件很輕鬆的事情，採樣率值×採樣大小值×聲道數 bps。以一個採樣率爲44.1KHz，採樣大小爲16bit，雙聲道的PCM編碼的WAV文件，它的數據存儲空間須要176.4KB(44100 * 16 * 2 / 8 / 1024)，那麼1分鐘則約爲10.34M，這是沒法接受的。所以要下降存儲空間，也要有品質追求，那麼就有了不少的音頻壓縮技術。

音頻壓縮技術

前面說過，在音頻壓縮領域，有兩種壓縮方式，分別是有損壓縮和無損壓縮，有損壓縮顧名思義就是下降音頻採樣頻率與比特率，輸出的音頻文件會比原文件小。另外一種音頻壓縮被稱爲無損壓縮，無損壓縮可以在100%保存原文件的全部數據的前提下，將音頻文件的體積壓縮的更小，而將壓縮後的音頻文件還原後，可以實現與源文件相同的大小、相同的碼率。無損壓縮格式有APE、FLAC、WavPack、LPAC、WMALossless、AppleLossless、La、OptimFROG、Shorten，而常見的、主流的無損壓縮格式只有APE、FLAC。

常見編碼格式

1. WAV 編碼

PCM編碼的WAV文件是音質最好的格式, 就是在 PCM 文件前面加上 44 字節，分別描述採樣率、聲道數、數據格式等信息。

特色：音質很是好，被大量軟件所支持。

適用於：多媒體開發、保存音樂和音效素材。

2. Mp3

特色：音質好，壓縮比比較高，被大量軟件和硬件支持，應用普遍。

適用於：適合用於比較高要求的音樂欣賞。

3. OGG

特色：能夠用比mp3更小的碼率實現比mp3更好的音質，高中低碼率下均具備良好的表現。

適用於：用更小的存儲空間得到更好的音質（相對MP3）。

4. MPC

特色：中高碼率下，具備有損編碼中最佳的音質表現，高碼率下，高頻表現極佳。

適用於：在節省大量空間的前提下得到最佳音質的音樂欣賞。

5. mp3PRO

特色：低碼率下的音質之王。

適用於：低要求下的音樂欣賞。

6. WMA

特色：低碼率下的音質表現難有對手。

適用於：數字電臺架設、在線試聽、低要求下的音樂欣賞。

7. APE

一種新興的無損音頻編碼，能夠提供50-70%的壓縮比，雖然比起有損編碼來太不值得一提了，但對於追求完美音質的朋友簡直是天大的福音。APE能夠作到真正的無損，而不只是聽起來無損，壓縮比也要比相似的無損格式要好。

特色：音質很是好。

適用於：最高品質的音樂欣賞及收藏。

資料參考：

音頻編碼