关于音频的基本概念

daxiong

模拟音频
声音是物体的震动产生的波，声波一般不是正弦波

我们常说声音的三要素：音调，音色，响度。
音调：主要指的是声音的频率，频率越高，音调越高。
音色：主要指的是波形不同（谐波）
响度：主要指的是声音的音量，在声波中的体现就是振幅，振幅越大，响度越大
看到这里可能有疑惑，既然声音是不规则的波形，为什么声音三要素的定义似乎都参照正弦波这种规则波形定义呢？
因为傅里叶变换告诉我们，任何波形都可以转换为N个正弦波来表示，其中频率最小，振幅最大的正弦波为基波，其余的为谐波，音调和响度基本依照基波来定，而音色则是谐波来决定的。

音调和响度决定了发音方式，比如每个人都可以对某个字发音，但是不同的人音色不同，也就是其声音的谐波不同，所以听起来是不一样的。
数字音频
在现实世界中，声音是连续的，但是在网络世界，数据则是离散的，现实世界的声音录入计算机往往需要经历一次采样，就是在连续的声音波形中定期打点取样，只要每秒打点次数足够多，那么就可以近似认为这些点组成了连续的波形。

PCM

PCM 是指脉冲编码调制（Pulse Code Modulation）

把声音从模拟信号转化为数字信号的技术，即对声音进行采样、量化的过程，经过PCM处理后的数据，是最原始的音频数据，即未对音频数据进行任何的编码和压缩处理。
而且在数字世界，声音不再用音调，响度，音色来定义，而是需要关注采样率，采样精度（位深度），声道数。
采样率(sample rate)
采样率就是我们说的一定周期内对现实声波采样的次数，比如我们常见的44100hz,就是每秒钟对声音采样44100次，相当于每秒钟记录了44100个声音的数据。
声音的采样频率一般共分为22.05KHz、44.1KHz、48KHz三个等级：

22.05kHz 采样率的声音可以达到CD音质的一半
44.1kHz采样率是标准的CD音质，可以达到很好的听觉效果(一般最常使用)
48KHz：miniDV、数字电视、DVD、电影和专业音频

采样精度（位深度/bit depth）
每个采样点所能表示的数据范围，范围越大表明声音越丰富，越细腻。波形的纵轴就表示采样点的大小。

通常有8bit和16bit两种，也有更高的，比如20bit,24bit,32bit.
8bit为低品质
16bit为高品质（最为常见）
假如声音的采样精度为16bits，则每个采样点能表示得范围是2^16，如果是8bits，则每个采样点能表达的范围是2^8，显然，前者比后者更加精确，在数字音频领域，就表现为声音的还原度更高，声音更细腻。
声道数（channel/通道）
声道是存储音频的轨道，用来给发声设备发声，一般音频文件中可能不止一个声道，多个声道保存了多份音频数据，用来给不同的设备发声。
常见声道有单声道(mono)、双声道(stereo)、2.1声道、4声道、5.1声道、7.1声道。
其中单声道是一个声道，双声道是两个声道，后面数字表示的声道，声道数就是是小数点前后数字相加，比如2.1是三个声道，5.1是6个声道，7.1是8个声道。

双声道： 左声道+右声道 也称作立体声
多声道： 超过2个声道即可
2.1声道： 两个中高音单元+1个低音单元
4声道： 前左、前右，后左、后右四个发声单元



5.1声道：两前置单元，两后置单元，一个中央单元，一个低音单元，最早应用于早期的电影院
7.1声道：在5.1的基础上增加了左后和右后两个发声单元，主要应用于BD以及现代的电影院

比特率(码率/bit rate)
表示一秒钟音频的信息量。
因此它是一个可以计算的数据：
bit_rate = channel_count * sample_rate * bit_depth / 8

我们可以利用音频的比特率来计算当前音频帧的显示时间戳（PTS）

数字音频压缩
我们提到采样到数字领域的音频数据是无压缩的原始数据，因此后续会经过一些编码算法处理来进行压缩。
压缩算法主要可以分为无损压缩和有损压缩
无损压缩
无损压缩指的是在无损格式之间的压缩，无论压缩成什么格式，音质都是不变的，并且都能被还原成最初同样的文件格式。
FLAC(Free Lossless Audio Codec)
压缩比高，编码算法也相当成熟，当flac文件受损时依然能正常播放。
参数

采样率  1–655350 Hz （逐1hz微调）
比特率  灵活
位深度   8, 16, 20, 24, 32
多通道   1-8

ALAC
无损压缩，采样率灵活，采样深度范围较大
参数

压缩率
采样率  1–384000 Hz
比特率   灵活
位深度  16, 20, 24, 32
多通道  1-8

APE（Monkey's Audio）
无损压缩，采样率灵活。
不支持多通道，采样深度不够
参数

采样率  1–655350 Hz
比特率    灵活
位深度  8, 16, 24
多通道   否

有损压缩
MP3 (MPEG Audio Layer III)
比特率的限制320kbit/s
采样频率最高为48kHz，对于超过48kHz采样频率的音频无法编码在MP3内
参数

采样率  32khz 44.1 khz 48 kHz (仅允许三种)
比特率  6、12、24...96, 112, 128, 144, 160, 192, 224, 256, 288, 320 kbit/s等 （128以上音质不错，CD上未经压缩的音频比特率为1411.2 kbps）
采样精度  8, 16,
声道数

AAC (Advanced Audio Coding)
mp3的升级版，有更好的采样率，采样深度，更多声道数，更好的压缩算法。
参数

采样率  8–192 kHz
比特率  8–529 kbit/s
采样精度  8, 16, 24, 32 bit
多通道  1-48

boteas

在音频开发过程中，总会面对很多音频领域的一些专业名词