声音数字化的过程（详解音频编解码的原理）

在音视频领域，人们始终追求无限还原现场效果，因此音频越逼真越好，视频越清晰越好。之所以我们需要将音视频信号由模拟转为数字，目的是在录制、存储、编辑、复制、回放等环节的不失真，尽量保持原有细节，不因以上操作，导致音画的质量下降。

为此，视频系统分辨率越来越高，高清1080P不过瘾，出现了4K、6K、8K……，帧速率也有30帧/每秒到60、120……；音频也越来越追求多声道（单声道、双声道、2.1、5.1、7.1……）、无损压缩等等。

音频信号由模拟转为数字，涉及到如下几个概念：

采样：在一定的时间间隔下，对模拟信号变化进行测量。

量化：采样获得的测量结果，按照一定的标准用数值描述出来。

采样率：每秒钟采样多少次，单位是千赫兹（kHz）。值越高，越接近原模拟信号，细节越丰富，数据量越大，文件体积越大。

量化深度：描述信号变化所用的2进制数的位数，单位是bit（位）。值越高，细节越丰富……（同采样率）

编码：所得到的数据，安装何种格式存储。

CD 随身听

以普通CD音质（双声道、44.1KHz、16bit）MP3压缩为例，简述一下音频模数转化基本过程：接到持续变化的模拟信号后，对每个声道每秒进行44.1千次的采样，采样的结果用16位二进制数量化表示，最后按照MP3的编码格式存储到磁盘上。

CD 转码

除了用采样率、量化位来描述音频质量外，还可以用“码率”来表示，单位是bps，就是每秒（ps）传输多少二进制数的位（b）。计算公式如下：

“码率”=采样率×量化深度×通道数

如：CD音质的码率=采样率（44.1kHz）×量化深度（16bit）×通道数（2）=1411.2kbps

因此，“码率”越大，音质越高。

说到编码，我们简单说一下常见格式：

• WAVE：微软公司开发的一种“无损”音频格式，文件扩展名是“WAV”。
• CD：无损格式，与WAVE类似，只是标准确定为：双声道、44.1KHz、16bit，按照音轨的形式烧录在光盘上。
• MP3：MPEG标准的音频“有损”压缩编码，非常常见。在采样率、量化深度、声道数一致情况下，生产的文件可以是WAV的1/10大小。音质稍低于无损格式，扩展名是“MP3”。
• APE：“无损”压缩编码，扩展名是“APE”。压缩率约为55%，音质与对应WAV或CD一样，是目前常见的无损音频格式。
• 其它：wma、mp2、fla、rma等等，不再一一列举。

这里需要解释一下“有损”和“无损”压缩。“无损”不压缩，模数转换后的数据直接保存；“有损”是按照一定的算法，将一些数据（超出人耳朵听力范围、非常微小的变化细节、单双声道一致只保留单声道……）删除，进而完成的编码。因此，最接近原始信号的是“无损”格式，为了减少保存、传输等环节的数据量，多使用音质与文件提交相对平衡的“有损”格式。