「音乐」小白不踩坑，一文看懂数字音频的这些术语！

钛师父真实性核验

认证：数码产品优质原创作者

发布时间：2022-03-24 22:13 来源：什么值得买

浏览量：2147 937次收藏

分类：数码产品本地热点直播普通人

本文有2950个文字，大小约为13KB，预计阅读时间8分钟

[导读]：原文标题：小白不踩坑，一文看懂数字音频的这些术语！ Hi-Res、采样率、比特率、比特深度（位深度）大家在选购耳机、音箱时，总能看到类似的术语，也往往被其中的商家话术所迷...

精选评测好文

原文标题：小白不踩坑，一文看懂数字音频的这些术语！

Hi-Res、采样率、比特率、比特深度（位深度）…… 大家在选购耳机、音箱时，总能看到类似的术语，也往往被其中的商家话术所迷惑踩坑。今天，小狮子就让大家看懂数字音频术语，避免无谓忽悠！

小狮子省流量提示：

采样率是指每单位时间内记录的音频样本数量，比特深度衡量样本的精确编码程度。最后，比特率是每单位时间内记录的比特数量。

什么是 Hi-Res？

在数字音频行业，引发争论的话题层出不穷。像各种玄学的线材，高保真和高解析度（Hi-Resolution）音频这样有争议的话题，是一些特别能激起论战话题。高解析度音频（Hi-Res Audio）的定义是，任何以高于 44.1kHz/16bit 的采样率和比特深度录制的音乐文件都被视为高解析度（HD）音频。

Hi-Res Audio 发起者 SONY 对 Hi-Res 和 CD 音质的对比

Hi-Res 目前已经取代了传统的 HiFi（高保真）概念，成为数字音频质量的衡量标准，原因有两个，第一是它是量化的标准，不像 HiFi，HiFi 虽然为发烧友熟知，但实际上一直没有一个量化的标准，大家比较多是对标 CD 音质，但同时涉及到一些玄学设备，比如胆机和黑胶唱机，又说它们也算 HiFi，就失去了科学性而只强调声音的特质了；第二是它的采样率和比特深度等标准，确实已经超过了数字 CD 音频，给了更多耳机音箱功放以发挥空间。

那么，这就涉及到几个新概念：比特率、采样率、比特深度。而要了解这几个概念，就需要——

声音是如何以数字方式记录的？

声音其实是一种振动波。当声音产生时，它会产生一个压力波，在空气中传播。如果录音设备的膜片，比如麦克风，就在附近，空气中的压力波就会在膜片上产生振动，振动通过神奇的转换器，反过来又产生了一个电信号。这信号随着空气中的振动波浪不断变化。

这种连续和成比例的变化形式，就是传统音频记录 " 模拟 " 一词的来源。

由振膜产生的信号本身往往不够强。通常情况下，一个前置放大器首先会提升信号，使其能够以多种方式被记录，在模拟时代，它可以是晶体管、电子管（胆机的 " 胆 "）等元件。由于元件对信号的放大有误差，就产生了各种独特的 " 音色 "，但并不算 " 逼真 "。

真正的原始音频声波频谱图

纵观历史，各种介质都被用来记录和存储模拟信号。这包括蜡、黑胶盘和磁带。最终，数字记录被引入并变得普遍。

数字音频通过 1 和 0 来记录采样的模拟信号（连续可变的值）。

通过抓取足够多的传入模拟信号的样本（采样），并将其保存到存储介质中，数字音频文件能够捕获并在以后重现上述信号。

一个典型的数字音频记录每秒有多达 44100 个振动信号样本（44.1KHz，一次振动称为 1Hz）。然而，在一些数字音频格式中，每秒 96000 个样本（96KHz）是很正常的。

数字音频采样方法也很多，但脉冲编码调制（PCM）是事实上的标准。

在一些播放器中大家常见的 PCM 说的就是脉冲编码调制

什么是 PCM？

脉冲编码调制 PCM 是以数字格式存储模拟波的工业标准。在 PCM 流中，音频的振幅以统一的时间间隔进行采样。PCM 是非公开标准，任何人都可以免费使用它来进行数字音频的采样和回放。而专利音频格式大家熟悉的则有 DTS、Atmos、杜比数字等。

然而，由于两个原因，导致 PCM 格式的音频文件资源很难找到：一是文件大小，二是播放兼容性。

文件大小

由于 PCM 是未压缩的，所以录制的音频文件是巨大的。一般人们使用有损甚至无损的压缩算法来压缩音频文件，以尽量保留音频的保真度同时减少文件大小。

杜比 ( Dolby ) 和 DTS、MP3（实际上是借鉴自视频的 MPEG 压缩算法）是有损的音频压缩算法，经常被用于这一目的，因为它们能够将 PCM 音频文件的大小减少 90% 以上。

不过，这些数字音频压缩格式，将 PCM 通道编码成数字流进行存储，然后再解码回放的方式并不完美。由此产生的音频，虽然文件大小较小，但准确性和质量是有所下降的。

这就是杜比数字 TrueHD 和 DTS-HD Master Audio、FLAC 等无损格式的用处。它们能够完全按照最初捕获的 PCM 音频信号进行解码。

播放兼容性

大部分操作系统，无论是 PC 还是手机，并不支持 PCM 文件的原生播放。IBM 和微软为 Windows 操作系统定义了波形音频格式（WAV），而苹果为 MAC OS 使用了音频交换文件格式（AIFF）。这两种格式都只是对 PCM 音频格式的一种封装，带有额外的音频信息，如作者简介和曲目的标题等。

保真度的表示

数字音频 PCM 流的保真度 / 质量由两个属性表示。一个是采样率，一个是比特深度，这两个属性表示数字录音对原始模拟信号的精确采集和还原程度。

什么是采样率？

我们可以用大家更熟悉的视频的帧率的道理来给大家解释下采样率：视频只是静止图像的幻灯片，一个接一个地播放，以创造运动的幻觉（视觉暂停原理）。画面变换的速度（帧率，FPS）决定了所产生的动画的流畅程度。过渡速度越快，动画的错觉，也就是视觉效果就越好，这也是为什么帧率高的视频为何看起来比较舒服和清晰的原因。

在数字音频记录中，采样率类似于视频中的帧率。每段时间收集的声音数据（样本）越多，捕获的数据就越接近于原始模拟信号表达的声音。

低采样率（左）和高采样率（右）形成的信号频谱和原始声波信号比较，高采样率的每个采集点连接起来，就更趋近于真实声波信号波形线

在一个典型的数字音频 CD 录音中，采样率是 44.1kHz。为什么采样频率这么高？人耳最多只能听到 20kHz 的频率呀（而且 Christopher D'Ambrose 认为正常中年人的听觉能力为 12-14kHz）！这是因为奈奎斯特 - 香农采样定理。

简单来说，就是这个定理发现：在对信号进行数字采样时，为了防止任何信息的损失，你必须以至少两倍于最高预期信号频率的速率进行采样。

所以使用 44.1kHz 的采样率可以准确再现 22kHz 左右的频率，接近并略超过人的听觉极限。目前最高的采样率有 384KHz，主要用于录制产生超声波的动物比如蝙蝠的叫声时。

什么是比特深度（位深度）？

电脑以 1 和 0 存储信息。这些二进制值被称为比特（位）。比特的数量越多，表明信息存储的空间越大。

当一个信号被采样时，它需要用比特形式来存储采样的音频信息。这就是比特深度的作用。比特深度决定了可以存储多少信息。24 位深度的采样可以存储更多的细微差别，因此，比 16 位深度的采样更精确。

如上图，"9" 的二进制比特表示是 1001，占用 4 个格子（bit 深度）；而 5 呢？是 101，只占用 3 个格子（存储空间），假定它们代表的是音频信号值，那么显然 1001 比 101 表示的音频信号精度和信息量更大。

让我们看看数字音频里典型的比特深度可以存储的最大数值是多少：

16 位。能够存储多达 65536 级的信息

24 位。能够存储多达 16,777,216 级的信息

你可以看到这两个比特深度之间可能的数值数量的巨大差异。这也到导致了同样的采样率，比特深度（位深度）更高的数字音频文件，能够存储更丰富的音频信号点，从而达到更好音质。

动态范围

另一个影响比特深度的重要因素是信号的动态范围。16 位数字音频的最大动态范围是 96dB，而 24 位的比特深度（位深度）是 144dB。分贝实际上是衡量信号能量（功率）的单位。

CD 质量的音频是以 16 位深度记录的，因为一般来说，我们只想处理足够大的声音，让我们能够听到，但同时又不会大到损坏设备或耳膜。

采样率为 44.1kHz 的 16 比特深度足以再现普通人的可听频率和动态范围，这就是为什么它成为标准的 CD 格式。

为啥还有更高采样率和比特深度的数字音频？

既然 44.1KHz/16bit 的采样率 / 比特深度音频普通人已经够了，为啥在发烧和专业录音领域，黄金标准是 192kHz/24bit 呢？

原因很简单，给后期人员留足可以不影响采集音效本身的后期效果操作空间。

数字音频采样波形里，可以理解横轴点是采样率每次采样值，而纵轴则表示位深度，显然更大的纵轴空间（位深度）留下更多可以进行特效和修音操作的空白 " 空间 "

由于专业音频设备可能的信号范围比普通人能听到的要大得多，使用 24 位比特深度，可以留出更多 " 空白 " 音频流空间，用前面的图的原理，就是有很多 " 空白格 "，让音频专业人员干净地应用成千上万的后期效果操作进行修饰，参与音频的混音和母带处理。

什么是比特率？

比特率指的是每秒钟或每分钟或任何时间单位所传达或处理的比特数计量单位。

它有点像采样率，但相反，所计量的是比特数而不是采样数。

从本质上讲，在一个时间单位里，你能容纳的比特数越多，就越接近于再现原始的连续变化的声波，声音表现就越准确。

不幸的是，更高的比特率也意味着更大的文件尺寸，当存储空间和带宽是一个问题时，这是一个大忌，比如在线音乐流媒体服务。

无损音频文件大小的计算

为了让你了解比特率和音频文件大小的差异，用一首 5 分钟的未压缩歌曲来计算比特率和文件大小。

1 ) 首先，用 " 采样频率 × 比特深度 × 声音通道数 " 的公式来计算比特率。

假设：2 声道立体声音数字频

44.1kHz/16bit：44100 × 16 × 2 = 1411200 比特 / 秒 ( 1.4Mbps )

192kHz/24bit：192000 × 24 × 2 = 9216000 比特 / 秒 ( 9.2Mbps )

2 ) 使用计算出的比特率，我们将其乘以歌曲的长度（秒），再用兆比特 ( Mb，Megabits ) 除以 8，得到兆字节 ( MB，Mega Bytes ) 。

44.1kHz/16 位：1.4Mbps × 300s÷8 = 420Mb ( 52.5MB )

192kHz/24bi：9.2MBps×300s÷8 = 2760Mb ( 345MB )

以 192kHz/24bit 录制的音频将比以 44.1kHz/16bit 采样的音频多占用 6.5 倍的文件空间。

XX 音乐们的音质

我们可以看到，要传一首以 44.1kHz/16bit 录制的未压缩的 5 分钟歌曲，需要 1.4Mbps 的比特率，这是一个很大的带宽。

在线音乐服务商通过压缩音频来规避这一带宽问题。当然，文件压缩并不是没有后果的。例如，某鹅音乐标准音质是 128kbps，流畅音质是低于标准音质 128kbps，如 96/64kbps，HQ 是 320kbps，无损高于 320kbps。苹果音乐的用户被 " 限制 " 在 256kbps 的比特率上（尽管它的 AAC 格式实际支持 320Kbps 传输）。

蓝牙耳机为何现在无法真 · 无损？

所以，这也解释了，为什么 TWS 蓝牙耳机无法做到真正的 Hi-Res：蓝牙 4.2 传输速率为 1Mbps，蓝牙 5.0 为 2Mbps。对蓝牙 4.2 设备来说，用上所有带宽能力也无法实现 44.1KHz/16bit 双声道立体声的 1.4Mbps（1411Kbps）传输；对于蓝牙 5.0 来说，虽然具有理论带宽能力，但无法将所有带宽都给音频传输，毕竟还有设备控制等信号传输带宽。所以蓝牙耳机只能通过各种有损的压缩传输协议，尽量实现接近 CD 音质的音频传送。

如上图，最新的蓝牙 5.3 白皮书显示，在 LE 2M 模式下，最大带宽能力 2Mbps，最大应用程序数据传输率 1400kbps，和 1411kbs 的 44.1KHz/16bit 双声道立体声比特率相比仍有差距。