[转帖]音频初步

sylion

《音频初步(一)》

  音频，英文是AUDIO，也许你会在录像机或VCD的背板上看到过AUDIO输出或输入口。这样我们可以很通俗地解释音频，只要是我们听得见的声音，就可以作为音频信号进行传输。有关音频的物理属性由于过于专业，请大家参考其他资料。

  现在我们知道，电脑也可以处理音频，与录像机或VCD不同，由于它们没有大容量存储设备，所以只能传输音频信号，但不能保存处理它们。而电脑拥有硬盘，可以存储大容量信息，我们可以把任何外部的声音录到电脑里，以WAV格式保存，然后通过各种音频处理软件对它们进行加工，最后再录制出来，这时大家听到的效果就与原来不同了。象SOUND FORGE，COOL EDIT，ACID等软件是这方面的强大工具。

  事实上，用电脑处理音频是与电脑硬件高速发展分不开的。几年以前用电脑处理音频真可谓是天方夜谭，一分钟的WAVE文件需4-5兆的硬盘空间，凭着当年的80386和几百兆的硬盘，不可能处理音频。但是电脑硬件的飞速发展，大容量硬盘的出现，使得一切都改变了。一些专业的音频软件相继推出，过去不可能在家里完成的工作，现在你就可以趴在家里完成。

  举例说明，你有一首很喜欢的歌曲的伴奏（不是卡拉OK，大家也知道卡拉OK的音质），磁带或CD。你很想演唱它，不过调太高唱不上去，想降个调吧？（呀呀！不是卡拉OK！）没关系，你只要把它录到电脑里（比如用SOUND FORGE录，具体方法以后再讲），通过软件给你降个调，就可以了。如果是几年前，你能在家里做到这点吗？你知道用其他机器要花多少银子吗？调降下来了，想给自己录个音，以前有没有试过用录音机给自己录？效果不堪忍受吧！？现在你可以直接把自己的声音录到电脑里，加上效果，再输出。有点噪音？没事，通过降噪软件将它去除，你的家简直变成了一个小型STUDIO！事实就是如此。

下面我们来了解音频的基本属性。

  大家都承认现在是一个数码时代，为了追求优良的音质很多人不懈地努力。随着数码时代的来临，谁都承认数码音频比模拟信号优越。什么是模拟信号？其实任何我们可以听见的声音经过音频线或话筒的传输都是一系列的模拟信号。模拟信号是我们可以听见的。而数字信号就是用一堆数字记号来记录声音，而不是用物理手段来保存信号。（用普通磁带录音就是一种物理方式）数字信号我们实际上是听不到的。

  这样我们可以简略地比较一下模拟时代的录音制作与数码时代的区别：模拟时代是把原始信号以物理方式录制到磁带上（当然在录音棚里完成了），然后加工，剪接，修改，最后录制到磁带，LP等广大听众可以欣赏的载体上。这一系列过程全是模拟的，每一步都要损失一些信号，到了听众手里自然是差了好远，更不用说什么HI-FI了。数码时代是第一步就把原始信号录成数码音频资料，然后用硬件或软件进行加工处理，这个过程相比模拟方法有无比的优越性，因为它几乎不会有任何损耗。对于机器来说只是处理一下数字而已，当然丢码的可能性也有，但只要操作合理就不会发生。最后把这堆数字信号传输给数字记录设备如CD等，损耗自然小很多了！

  如果我们注意一下身边的CD片就会看到很多CD都有如：ADD，AAD，DDD等标记。三个字母各代表该片在录音，编辑，成品三个过程中所使用的方法是模拟(Analog)的还是数字(Digital)的。当然A代表模拟，D代表数字。AAD就说明其录音和编辑是用模拟方式的，而最后灌片是用数字方式的，这类唱片多是将过去录制的音乐转成CD片而不做任何修改。ADD则是有一个修改过程，许多古典音乐大师的演奏或指挥多录制于模拟时代，我们现在听到的CD是经过修改后罐录的，很多这类唱片都有标记ADD。而DDD的唱片必然是较现代的录音品。自然，CD片必然以D结尾，而磁带可以姑且认为是AAA，虽然好象并没有这种说法。

  所以说，数码音频是我们保存声音信号，传输声音信号的一种方式，它的特点是信号不容易损失。而模拟信号是我们最后可以听到的东西。不过模拟信号的修改简直是一场灾难，损失太大了。有此僻好的格伦·古尔德若活到现在也会瞠目结舌的。而数码音频复制100遍也不会有损耗，不信大家COPY一个WAVE文件试试？

sylion

音频初步(二)

    数码录音最关键一步就是要把模拟信号转换为数码信号。就电脑而言是把模拟声音信号录制成为Wave文件，这个工作Windows自带的录音机也可以做到，但是它的功能十分有限，不能满足我们的需求，所以我们用其他专业音频软件代替，如Sound Forge等。录制出来的文件就是Wave文件，描述Wave文件主要有两个指标，一个是采样精度，另一个是比特率。这是数字音频制作中十分重要的两个概念，下面就来看一下吧。

    什么是采样精度？因为Wave是数码信号，它是用一堆数字来描述原来的模拟信号，所以它要对原来的模拟信号进行分析，我们知道所有的声音都有其波形，数码信号就是在原有的模拟信号波形上每隔一段时间进行一次“取点”，赋予每一个点以一个数值，这就是“采样”，然后把所有的“点”连起来就可以描述模拟信号了，很明显，在一定时间内取的点越多，描述出来的波形就越精确，这个尺度我们就称为“采样精度”。我们最常用的采样精度是44.1kHz/s。它的意思是每秒取样44100次，之所以使用这个数值是因为经过了反复实验，人们发现这个采样精度最合适，低于这个值就会有较明显的损失，而高于这个值人的耳朵已经很难分辨，而且增大了数字音频所占用的空间。一般为了达到“万分精确”，我们还会使用48k甚至96k的采样精度，实际上，96k采样精度和44.1k采样精度的区别绝对不会象44.1k和22k那样区别如此之大，我们所使用的CD的采样标准就是44.1k，目前44.1k还是一个最通行的标准，有些人认为96k将是未来录音界的趋势。采样精度提高应该是一件好事，可有时我也想，我们真的能听出96k采样精度制作的音乐与44.1k采样精度制作的音乐的区别吗？普通老百姓家里的音响能放出他们的区别吗？

    比特率是大家常听说的一个名词，数码录音一般使用16比特，20比特，24比特制作音乐，什么是“比特”？我们知道声音有轻有响，影响轻响的物理要素是振幅，作为数码录音，必须也要能精确表示乐曲的轻响，所以一定要对波形的振幅有一个精确的描述，“比特”就是这样一个单位，16比特就是指把波形的振幅划为216即65536个等级，根据模拟信号的轻响把它划分到某个等级中去，就可以用数字来表示了。和采样精度一样，比特率越高，越能细致地反映乐曲的轻响变化。20比特就可以产生1048576个等级，表现交响乐这类动态十分大的音乐已经没有什么问题了。刚才提到了一个名词“动态”，它其实指的是一首乐曲最响和最轻的对比能达到多少，我们也常说“动态范围”，单位是dB，而动态范围和我们录音时采用的比特率是紧密结合在一起的，如果我们使用了一个很低的比特率，那么我们就只有很少的等级可以用来描述音响的强弱，我们当然就不能听到大幅度的强弱对比了。动态范围和比特率的关系是；比特率每增加1比特，动态范围就增加6dB。所以假如我们使用1比特录音，那么我们的动态范围就只有6dB，这样的音乐是不可能听的。16比特时，动态范围是96dB。这可以满足一般的需求了。20比特时，动态范围是120dB，对比再强烈的交响乐都可以应付自如了，表现音乐的强弱是绰绰有余了。发烧级的录音师还使用24比特，但是和采样精度一样，它不会比20比特有很明显的变化，理论上24比特可以做到144 dB的动态范围，但实际上是很难达到的，因为任何设备都不可避免会产生噪音，至少在现阶段24比特很难达到其预期效果。

laypeople

　　　Wave文件使用三个参数来表示声音 ，它们是:采样位数、采样频率和声道数。
　　声道数很好理解，有单声道和立体声之分，单声道的声音只能使一个喇叭发声，立体声的WAV可以使两个喇叭都发声 ，更能感受到空间效果。
　　下面来看看采样位数和采样频率的概念。让我们来看看这幅图。


图中的蓝色曲线表示的是wave文件录制的自然界的声波，红色曲线表示的是wave文件输出的声波，横坐标便是采样频率；纵坐标便是采样位数。显然，当横坐标的单位越小即两个采样时刻的间隔越小，则越有利于保持原始声音的真实情况；同理，当纵坐标的单位越小则越有利于音质的提高。
　　在计算机中采样位数一般有8位、16位和24位（Bit）之分，但有一点注意，8位不是说把纵坐标分成8份，而是分成2的8次方即256份； 同理16位是把纵坐标分成2的16次方65536份； 而采样频率一般有11025HZ（11KHz），22050HZ（22KHz）、44100Hz（44KHz）等多种。
　　那么，可以得到wave文件所占容量的公式：存储量=(采样频率*采样位数*声道)*时间/8(单位：字节数)
　　通常，我们把44KHz，16BIT的声音称作：CD音质； 22KHz、16Bit的声音效果近似于立体声（FM Stereo）广播，称作：广播音质；11kHz、8Bit的声音，称作：电话音质。