音频开发基础

人类可以听到的全部声音都称之为音频，不管是说话声、歌声、乐器，它可能包括噪音等。在生活中又两大场景：语音（Voice）和音乐（Music），近几年各大厂都推出了智能音响，包括笔者本身家里使用的天猫精灵。以及在各类短视频、游戏等，也都涉及大量的音频技术。

音频的基础主要包括以下：

采样/采样频率

采样频率就是采用一段音频，作为样本，由于wav使用的是数码信号，它是用一堆数字来描述原来的模拟信号，因此它要对原来的模拟信号进行分析，咱们知道全部的声音都有其波形，数码信号就是在原有的模拟信号波形上每隔一段时间进行一次“取点”，赋予每个点以一个数值，这就是“采样”，而后把全部的“点”连起来就能够描述模拟信号了，很明显，在必定时间内取的点越多，描述出来的波形就越精确，这个尺度咱们就称为“采样频率”。咱们最经常使用的采样频率是44.1kHz，它的意思是每秒取样44100次。之因此使用这个数值是由于通过了反复实验（其实是那个时代才是视频27/1.0001时钟作CD刻录遗留问题），人们发现这个采样频率最合适，低于这个值就会有较明显的损失，而高于这个值人的耳朵已经很难分辨，并且增大了数字音频所占用的空间。通常为了达到“万分精确”，咱们还会使用48kHz甚至96kHz的采样频率，实际上，96kHz采样频率和44.1kHz采样频率的区别绝对不会象44.1kHz和22kHz那样区别如此之大。

比特率（采样位数）

数码录音通常使用16比特、20比特或24比特制做音乐。什么是“比特”？咱们知道声音有轻有响，影响声音响度的物理要素是振幅，做为数码录音，必须也要能精确表示乐曲的轻响，因此必定要对波形的振幅有一个精确的描述。“比特(bit)”就是这样一个单位，16比特就是指把波形的振幅划为2^16即65536个等级，根据模拟信号的轻响把它划分到某个等级中去，就能够用数字来表示了。和采样频率同样，比特率越高，越能细致地反映乐曲的轻响变化。20比特就能够产生1048576个等级，表现交响乐这类动态十分大的音乐已经没有什么问题了。刚才提到了一个名词“动态”，它其实指的是一首乐曲最响和最轻的对比能达到多少，咱们也常说“动态范围”，单位是dB，而动态范围和咱们录音时采用的比特率是紧密结合在一块儿的，若是咱们使用了一个很低的比特率，那么就只有不多的等级能够用来描述音响的强弱，固然就不能听到大幅度的强弱对比了。动态范围和比特率的关系是；比特率每增长1比特，动态范围就增长6dB。因此假如咱们使用1比特录音，那么咱们的动态范围就只有6dB，这样的音乐是不可能听的。16比特时，动态范围是96dB。这能够知足通常的需求了。20比特时，动态范围是120dB，对比再强烈的交响乐均可以应付自如了，表现音乐的强弱是绰绰有余了。发烧级的录音师还使用24比特，可是和采样精度同样，它不会比20比特有很明显的变化，理论上24比特能够作到144 dB的动态范围，但其实是很难达到的，由于任何设备都不可避免会产生噪音，至少在现阶段24比特很难达到其预期效果。

声道

声卡所支持的声道数是衡量声卡档次的重要指标之一，从单声道到最新的环绕立体声。环绕立体声能够得到身临各类不一样环境的听觉感觉，给用户以全新的体验。

编解码

天然界中的声音很是复杂，波形极其复杂，一般咱们采用的是脉冲代码调制编码，即PCM编码。PCM经过抽样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码。把采样值压缩叫编码（encode），造成比特流（bitstream）. 把比特流还原出采样值叫解码（decode），统称编解码（codec）。

1. 无损压缩和有损压缩

根据采样率和采样大小能够得知，相对天然界的信号，音频编码最多只能作到无限接近，至少目前的技术只能这样了，相对天然界的信号，任何数字音频编码方案都是有损的，由于没法彻底还原。在计算机应用中，可以达到最高保真水平的就是PCM编码，被普遍用于素材保存及音乐欣赏，CD、DVD以及咱们常见的WAV文件中均有应用。所以，PCM约定俗成了无损编码，由于PCM表明了数字音频中最佳的保真水准，并不意味着PCM就可以确保信号绝对保真，PCM也只能作到最大程度的无限接近。咱们而习惯性的把MP3列入有损音频编码范畴，是相对PCM编码的。强调编码的相对性的有损和无损，是为了告诉你们，要作到真正的无损是困难的，就像用数字去表达圆周率，无论精度多高，也只是无限接近，而不是真正等于圆周率的值。

2. 为何要使用音频压缩技术

要算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数 bps。以一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据存储空间须要176.4KB(44100 * 16 * 2 / 8 / 1024)，那么1分钟则约为10.34M，这是没法接受的。所以要下降存储空间，也要有品质追求，那么就有了不少的音频压缩技术。

音频压缩技术

前面说过，在音频压缩领域，有两种压缩方式，分别是有损压缩和无损压缩，有损压缩顾名思义就是下降音频采样频率与比特率，输出的音频文件会比原文件小。另外一种音频压缩被称为无损压缩，无损压缩可以在100%保存原文件的全部数据的前提下，将音频文件的体积压缩的更小，而将压缩后的音频文件还原后，可以实现与源文件相同的大小、相同的码率。无损压缩格式有APE、FLAC、WavPack、LPAC、WMALossless、AppleLossless、La、OptimFROG、Shorten，而常见的、主流的无损压缩格式只有APE、FLAC。

常见编码格式

1. WAV 编码

PCM编码的WAV文件是音质最好的格式, 就是在 PCM 文件前面加上 44 字节，分别描述采样率、声道数、数据格式等信息。

特色：音质很是好，被大量软件所支持。

适用于：多媒体开发、保存音乐和音效素材。

2. Mp3

特色：音质好，压缩比比较高，被大量软件和硬件支持，应用普遍。

适用于：适合用于比较高要求的音乐欣赏。

3. OGG

特色：能够用比mp3更小的码率实现比mp3更好的音质，高中低码率下均具备良好的表现。

适用于：用更小的存储空间得到更好的音质（相对MP3）。

4. MPC

特色：中高码率下，具备有损编码中最佳的音质表现，高码率下，高频表现极佳。

适用于：在节省大量空间的前提下得到最佳音质的音乐欣赏。

5. mp3PRO

特色：低码率下的音质之王。

适用于：低要求下的音乐欣赏。

6. WMA

特色：低码率下的音质表现难有对手。

适用于：数字电台架设、在线试听、低要求下的音乐欣赏。

7. APE

一种新兴的无损音频编码，能够提供50-70%的压缩比，虽然比起有损编码来太不值得一提了，但对于追求完美音质的朋友简直是天大的福音。APE能够作到真正的无损，而不只是听起来无损，压缩比也要比相似的无损格式要好。

特色：音质很是好。

适用于：最高品质的音乐欣赏及收藏。

资料参考：

音频编码