音频从采集到输出涉及的关键参数详解
音频从采集到输出涉及的关键参数详解
音频技术是现代多媒体应用的重要组成部分，从我们日常使用的音乐播放器到专业级的录音棚设备，都离不开对音频信号的处理。本文将详细介绍音频从采集到输出过程中涉及的关键参数，包括采样数据格式、采样频率、声道布局、采样位深度、码率以及编解码方式等，帮助读者建立对音频技术的全面理解。
音频采样数据格式
在介绍音频采样数据格式之前，我们需要先了解音频从采集一直到我们耳朵听到声音这个过程中都发生了什么。下图展示了音频信号的完整处理流程：
首先，自然界中的声音（如鸟鸣、水流）是通过空气振动传输的模拟信号。这些模拟信号可以通过麦克风或拾音器采集，然后通过模数转换（ADC）将模拟信号转换成数字信号。转换成数字信号后，可以将其存储起来，或者通过扬声器输出。扬声器会根据数字信号产生一定频率的振动，然后通过空气传播模拟信号到我们的耳朵，我们就听到了对应的声音。
在这个过程中，PCM（脉冲编码调制）技术起到了关键作用。PCM通过对连续变化的模拟信号进行采样、量化和编码，将其转换成离散的数字信号。这些未经封装的音频原始文件，也被称为音频"裸数据"。由于不同的输出设备（如扬声器、耳机、声卡）对音频数据的支持情况不同，PCM采样数据在输出前需要进行格式转换，这些数据格式被称为采样数据格式。
音频采样频率
音频PCM数据的输入和输出需要一个合适的频率范围。人耳能够听到的频率范围大约在20Hz～20kHz之间。为了保证音频不失真，采样频率通常需要在40kHz以上。理论上，采样率大于40kHz的音频格式都可以称之为无损格式。目前，专业设备常用的采样频率为44100Hz（44.1kHz），这是专业音频中的最低采样率。更高采样率（如96kHz、192kHz）的音频细节取决于听者的耳朵和设备。
下面是数字音频领域常用的采样率及其应用场景：
- 8000 Hz：主要用于电话通信
- 11025 Hz、22050 Hz：主要用于无线电广播
- 44100 Hz：常用于音频CD、MP3音乐播放等场景
- 48000 Hz：常用于miniDV、数字电视、DVD、电影和专业音频等设备中
音频声道及其布局
当我们使用耳机观看电视剧、电影或听音乐时，可能会发现左右耳朵听到的声音有所不同。这是因为音频支持左声道和右声道的独立内容。采集不同方位的声源并通过不同方位的扬声器播放，就产生了不同的声道。常见的声道包括左声道、右声道和立体声等。在欣赏交响乐时，多个声道的布局可以带来更强的立体感。
实际上，音频的声道布局远比示意图复杂得多。在后续的学习中，我们将接触到更多、更复杂的声道布局。
音频采样位深度
采样的位深度决定了声音的动态范围。常见的16位（16bit）可以记录大约96分贝（96dB）的动态范围。位深度与动态范围的关系可以通过以下公式计算：
$$20 \times \log_{10}(65535)$$
例如，24bit的高清音频可以记录大约144dB的动态范围。位深度的选择需要根据应用场景来定：
- 32bit或64bit：用于高保真音频
- 16bit：适用于常规音频通话
- 8bit：最低要求，但音质可能不够清晰
音频的码率
音频的码率表示每秒钟存储或传输的编码压缩后的数据量，单位是bps（bits per second）。例如，一个双声道立体声、采样率为48000、采样位深为16位、时长为1分钟的音频，其存储空间占用计算如下：
$$声道数 \times 采样率 \times 采样位深 \times 时长 = 2 \times 48000 \times 16 \times 60 = 92160000 b = 11520000 B = 11.52 MB$$
码率计算如下：
$$92160000b \div 60s = 1536000bps = 1536kbps = 1.536Mbps$$
音频的编解码
为了节省传输带宽或存储空间，通常会对音频数据进行编码压缩处理。常见的音频编码格式包括AAC、MP3、AC-3、OPUS等。AAC和OPUS在兼容性方面表现更优，其中AAC广泛应用于音乐播放器和音乐格式封装，而OPUS则常见于语音通信场景。
总结
通过本文的学习，我们了解了音频从采集到输出涉及的关键参数，包括采样格式、采样率、声道布局、采样位深度以及码率等。这些知识在音频编码与解码的实际操作中非常重要。在选择音频压缩格式时，需要根据具体应用场景来决定，例如语音通话可以选择OPUS，音乐压缩可以选择AAC，而对效果要求极高但不考虑兼容性时，可以选择AC-3。
