专业音频的基本概念|数字音频是如何工作的？

要点：

数字音频是用电脑和数字设备等表现模拟信号，并对其进行录音、播放的方法。

与视频帧相似，数字音频也包括一系列样本，语音播放实际上是这些样本序列的重构。

数字音频有许多不同的格式，不同格式的数字音频有不同的保真度和动态范围。

理论

数字音频本质上是有限的。

音响信号和模拟信号都由实际存在的流动波形构成，但数字信号是实际存在物体的近似值。

就像由无数帧组成的视频一样，数字音频也由一系列样本组成。

本文重点介绍最常用的数字音频编码系统——脉冲编码调制( PCM )。

其他系统，如DTS和杜比数字，经常用于电影和技术行业。

在PCM音频系统中，对信号每秒进行多次采样，每个采样记录着某个特定时刻的波形的振幅。

由于模拟波形不能完全重建，每个样本取近似值。

按顺序播放这些样本，可以准确地再现声音。

Avid Pro Tools

正如模拟音频使用频率和振幅两个元素定义声音一样，数字音频也有两个主要参数：采样率和位深度。

采样率是指每秒对声音进行采样的次数，位深度是指每个采样可以捕获的动态范围的量。

采样率

CD的标准采样率为44.1kHz，这个数字看起来是一个很随机的选择，其实根据奎斯特香农采样定理，采样率应该是捕获最高频率的两倍以上。

人耳听觉上限为20kHz，因此需要40kHz以上的采样率才能捕获整个范围。 另外，额外的4.1kHz是为了避免被称为“锯齿”的失真现象。

理论上，44.1kHz的采样率使我们能够准确地再现任何声音，但还存在更高的采样率。

另一个最常见的采样率是48kHz，这是电影和视频音频的主要标准。

这是因为它与现有的24帧/秒电影帧速率标准集成。

和奈奎斯特频率一样，24帧正好是可以让一系列图像看起来像平滑视频的不可思议的数字。

另外一方面，48kHz采样率是最佳的，因为如果音频采样率不是帧率的倍数，则不能保持同步，44.1kHz随着时间的经过将导致明显的声音不同步现象。

更高的采样率也被广泛使用，但这些采样率的必要性仍在讨论中。

支持者表示，超高频采样率巧妙地提高了保真度，为信号增添了“味道”。 反对者认为，44.1足够，采样率越高，文件大小也越大，如果低采样率出现抖动，就不可避免地出现“伪影”。

这些更高的采样率通常是44.1或48的倍数，例如88.2、96和192kHz，是现代设备和软件中常用的采样率选项。

位深度

位深决定了文件的动态分辨率，就像数码照片一样。

每个“位”可以发送四个幅度值，这意味着每个样本中包含的位数越多，动态范围就越大。

这并不意味着位深度越高，音量就越大；但是，位深度越高，可以更准确地再现声音，因此听起来更真实。 这就像一张高分辨率的照片。

一般采样率及其统计数据概述如下。

4位： 16个数字，24dB的动态范围。

有时也被用于极最低生活保障的真正的“bitcrushed”效应器。

8位： 256的数字，48dB的动态范围。

它常用于早期的经典视频游戏系统。

16位： 65536个数字，96dB动态范围，CD音频标准位深度。

24位： 16777216个数字，145dB的动态范围，最常用的位深度。

32或64位：“浮点”目前可以提供最佳信噪比数值，但尚未被广泛采用。

格式

PCM音频可以为用户提供各种形式的编码。 这些形式大致分为损失和损失两种。

无损格式完全保留记录时捕获的信息，但会增加硬盘的容量。

请注意，有损格式会创建压缩文件，数据压缩和音频“压缩”是不同的。 不可逆格式的文件占用的硬盘空间大幅减少，但也可能会牺牲部分音质，产生“模拟阴影”。

常见的文件格式概述如下。

无损形式

. WAV (波形音频文件格式) :录音设备录制原始未压缩音频文件时常用的格式。

通过广播WAV文件. BWF可以存储大量元数据。

. AIFF (音频交换文件格式) :与WAV类似，是苹果设备专用的格式。

. FLAC (免费无损语音编解码器) :一种开源格式，可以在不牺牲音质的情况下压缩文件，但并非所有播放器都支持。

.与alac(Apple无损音频编解码器) ) FLAC相比效率稍差，为apple设备专用。

有损格式

. MP3(mpeg音频层III )迄今为止最流行的压缩文件格式在便携式音乐播放器出现时很流行。

. AAC )高级音频编码(以提高mp3质量为目标的替代方案。

. ogg(oggvorbis )维基百科、Spotify和某些视频游戏的开源替代品，但对个人用户来说很难使用。

有趣的是，Vorbis其实是Terry Pratchett写的Discworldbook系列的登场人物。

）