音频的基本概念

1. 声音的三要素:频率、振幅、波形

1.1 频率

声波的频率，即声音的音调，一般女生发出声音的音调高于男生，人类听觉的频率（音调）范围为20Hz--20000Hz，人类发声的频率范围为：85Hz--1100Hz。

1.2. 振幅

即声波的响度，通俗的讲就是声音的高低，一般男生的声音振幅（响度）大于女生。

1.3 波形

即声音的音色，同样的频率和振幅下，钢琴和小提琴的声音听起来完全不同的，因为他们的音色不同。波形决定了其所代表声音的音色。音色不同是因为它们的介质所产生的波形不同。

2. 数字音频

2.1 采样

所谓的采样就是只在时间轴上对信号进行数字化。根据奈奎斯特定律（也称作采样定律），按照比声音最高频率的2倍以上进行采样。采样频率一般为44.1kHz，这样可保证声音达到20kHz也能被数字化。44.1kHz就是代表1秒会采样44100次。

image.png

2.2 量化

具体每个采样又该如何表示呢？这就涉及到量化。量化是指再幅度轴上对信号进行数字化。如果用16比特位的二进制信号来表示一个采样，那么一个采样所表示的范围即为【-32768，32767】。

2.3 编码

1. 每一个量化都是一个采样，将这么多采样进行存储就叫做编码。所谓编码，就是按照一定的格式记录采样和量化后的数字数据，比如顺序存储或者压缩存储，等等。

2. 通常所说的音频裸数据格式就是脉冲编码调制（PCM）数据。描述一段PCM数据通常需要以下几个概念：量化格式（位深，通常16bit）、采样率、声道数。

3. 对于声音格式，还有一个概念用来描述它的大小，即比特率，即1秒内的比特数目，用来衡量音频数据单位时间内的容量大小。

3. 音频编码

3.1 编码

即压缩编码，其原理是压缩掉冗余的信号，冗余信号是指不能被人耳感知到的信号，包括人耳听觉范围之外的音频信号以及被掩蔽掉的音频信号。

3.2 常见的音频压缩格式

1.WAV编码：WAV编码是在PCM数据格式的前面加上44字节，分别用来描述PCM的采样率、声道数、数据格式等信息。特点：音质非常好、大量软件都支持。使用场景：多媒体开发的中间文件、保存音乐和音效素材等。

image.png

2.MP3编码：MP3具有不错的压缩比，使用LAME编码的中高码率的MP3文件，听感上非常接近源WAV文件。特点：音质在128Kbps以上表现还不错，压缩比比较高，兼容性好。使用场景：高比特率下对兼容性有要求的音乐欣赏。

3.AAC编码：AAC是新一代的音频有损压缩技术，它通过一些附加编码技术（如PS、SBR等），衍生出LC-AAC、HE-AAC、HE-AAC V2三中主要编码格式。特点：在小于128kbps码率下表现优异，且多用于视频中的音频编码。适用场景：128Kbps 码率下的音频编码，多用于视频中的音频轨的编码。

4.Ogg编码：Ogg编码音质好、完全免费。可以用更小的码率达到更好的音质，128Kbps的Ogg比192Kbps甚至更高的MP3还要出色。但是目前媒体软件支持上还是不够友好。特点：高中低码率下都有良好的表现，兼容性不够好，流媒体特性不支持。使用场景：语音聊天的音频消息场景。

5.FLAC编码： FLAC中文可解释为无损音频压缩编码。FLAC是一套著名的自由音频压缩编码，其特点是无损压缩。不同于其他有损压缩编码如MP3及AAC，它不会破坏任何原有的音频信息，所以可以还原音乐光盘音质 。2012年以来它已被很多软件及硬件音频产品（如CD等）所支持。特点：无损压缩、压缩率高于普通文件夹压缩格式（ZIP、rar等）。使用场景：高品质音乐等。