声音数字化.doc_咨信网zixin.com.cn

资源描述

第一章：数字音频基础 1.1. 了解声音 1.1.1. 声音基础，什么是声音？声音源自空气的震动，例如由吉他的琴弦、由声带或者扬声器的振膜所生产的震动。这些振动压缩附近的空气分子，造成空气压力略有增加。受压的空气分子继而推动压缩它们周围的空气分子，被压缩的空气分子再继续推动下一组，如此往复。高压区在空气中向前移动，留下身后的低压区。当这些有高低压变化的波浪抵达我们时，转换为人耳朵里受体的震动，作为声音被我们接受。在我们生活的世界里充满着各式各样的声音，如闪电的雷鸣声、山溪潺潺的流水声、海水的波涛声、火车轮船的汽笛声、节日喜庆的锣鼓声、商场闹市的嘈杂声、人们相互之间的交谈声。。。。这些声音虽然发声的形式各不相同，但它们有一共同特点，即所有的声音都是物体的振动产生的。因此，有时就把产生声音的振动物体称为声源。声源可是以固体，也可以是液体。声音来自于振动，但振动并不一定能产生声音。振动必须通过弹性媒质才能把声音传播出去，正如电厂的发电机发出的电能要能过导线才能输送到千家万户一样。例如扬声器的发声，当外加激发的音频信号使扬声器纸盆前后振动时，邻近纸盆前面的空气层被带动一起振动，该空气层振动后又带动其前面相邻的空气层一起振动。这样一层层空气就由近及远地依次振动，从而使物体的振动以一定的速度传播出去。值得指出，当声音在媒质中向四面八方传播时，媒质本身并不随声音一起传播出去，它只是在一圈圈向外扩散的圆形水波。如果水面上有一片树叶，则可以看到树叶在原来位置上下振动，它不会随水波扩散而向外漂去。这种运动形式就叫波动。振动和波动是互相密切联系的，振动是波动的产生振源，而波支是振动的传播过程。声音在本质上是机械振动的传播过程。因此，声音也叫做声波。声波传播的媒质同样可以是固体、气体、或液体。声波在气体和液体中只能产生纵波，所谓纵波就是媒质质点振动方向和声波传播方向相同的波。声波在固体中不仅能产生纵波，而且还能产生横波，所谓横波就是媒质质点振动方向和声波方向相垂直的波。声波一般是通过空气媒质，经外耳道使鼓膜产生振动，并经中耳放大，传到内耳转换成神经脉冲，刺激听觉神经产生声音的感觉。声在每秒内传播的距离叫做音速。在15℃时空气中的这个值是340米/秒。一个视觉上表示声音的波形，描述的就是这些空气压力的波浪。波形里的0线表示的是静止时的空气压力。当波形到达波峰时，表示高压；当滑至波谷，就表示低压。图：一个表示为视觉波形的声波 A. 0线 B. 低压区 C. 高压区 1.1.2. 声波的量化一些描述波形的量：振幅：反映波形中从波峰到波谷的压力变化幅度。大振幅的波形声音大，小振幅的波形声音小。周期：描述了周期性的压力变化中的一个基本单位，从0开始经过波峰到达波谷再返回0。频率：以赫茨（Hz）为单位，描述一秒钟内震动的次数。频率越高，音调越高。相位：以360度来表示来表示一个周期中波形所处的位置。0度表示起点，90度表示高压点，180度表示中间，270度表示低压点，360回到终点。波长：用长度单位来计量，例如厘米（cm）。表示了度数相同的两个相位之间的距离。当频率增加时，波长变短。图：左侧为一个周期；右侧为一个完整的20赫兹波形 A. 波长 B. 相位度数 C. 振幅 D. 一秒钟 1.1.3. 声波的相互作用当两个以上的声波相遇时，他们相互增减。当他们波峰波谷相位都完全一致时，他们会相互增强，结果形成的波的形振幅比每个波都大。图：相位相同的波互相增强如果两个波的波峰波谷相位完全相反，他们就互相抵消，结果形成一个0波形。图：相位相反的波相互抵消然而在大多数情况下，波的相位不尽相同，结果形成比单个波要复杂得多的波形。例如，一个代表音乐、人声、噪音和其他声音的复杂波形，把各个波形组合在了一起。基于独特的物理结构，一件乐器可以产生极度复杂的波形。这就是为什么小提琴和小号即使演奏相同的音符听起来也大不相同。图：两个简单波形组合成一个复杂的波形。声音的种类纯音：轻敲音叉所发出的一种单一频率的正弦波声音复合音：包含两个以上纯音的声音基本音：周期性的复合音与周期相同的声音或非周期性的复合音中最低频率的声音谐波：又称倍音，在具有周期性的复合音中，除基本音以外，与基本音成整数倍的声音单音：一个基本音与其整数倍的谐波组成的声音谐和音：在单音的混合声中，其倍频相等的声音噪音：无规律（非周期性）的声音声音的三要素 ①声调：声调的高低主要是由频率的高低决定的，人的耳朵所能感知的范围一般为20Hz～20kHz 频率高的声音被称为高音频率低的声音被称为低音 ②响度：声音的大小,衡量声音强弱有一个标准尺度，就是表示声音强弱的单位，通常使用dB单位来表示声压：由声波使空气的大气压发生变化的幅度，单位是Pa。声压变动的幅度越大声音就越大声强：用dB数来表示声音强弱的量 ③ 音色：是指在两个声音的大小和音调相等的情况下，其声音有不同的感觉音色是由声音中所包含的谐波成分所决定的，与声音的频谱、波形、声压等参数有关。声音按频率分类：次声波可听声波超声波 20Hz 20kHz f(Hz) 人类说话声音频率范围：300Hz—3kHz 声音质量的频率范围： 1.2. 声音的数字化 1.2.1. 模拟音频和数字音频的比较在模拟和数字音频中，声音的保存和传递方式大不相同模拟音频：正负电压值麦克方将声压的波动转换成线路中电压的变化：声音的高压转换成正电压，声音的低压转换成负电压。当这些电压变化经由麦克风线路传递后，可以以磁性的强弱变化记录于磁带或者以刻沟的深浅记录于胶片。扬声器与麦克风相反，它经由电压变化得到所记录声音的信息并通过震动来重现声压。数字音频：0和1 跟磁带或胶片这类模拟声音记录载体不同，计算机将声音信息记录为0和1的序列。在数字储存中，原始的波形被分散成一个个独立的快照，或称为样本。这个过程一般叫做声音的数字化或采样，有时也叫模拟—数字转换。比如当你通过麦克风用电脑来录音，模拟—数字转换器将模拟信号转换成数字样本以方便储存和处理。声音数字化过程：采样量化编码模拟信号数字信号模拟信号数字信号 A/D ADC D/A DAC 声音数字化过程图示连续的模拟声音信号声音信号的采样离散的音频信号顺序在某些特定的时刻对模拟信号进行测量叫做采样，由这些特定时刻采样得到的信号称为离散时间信号。图2-2中的一系列带黑点的竖线表示的是采样的时间，竖线端点的值表示这个时刻波形的值。只有采样得到的值会被记录下来，其他值在采样后被舍弃。图2-2中的一系列带黑点的竖线表示的是采样的时间，竖线端点的值表示这个时刻波形的值。只有采样得到的值会被记录下来，其他值在采样后被舍弃。 1.2.2. 采样率采样率表示每秒钟对音频信号进行数字采样的次数。采样率决定了一个音频文件的频率范围。采样率越高，所得的数字波形就越接近于原始的模拟波形。低采样率限制了所能记录的声音频率范围，导致记录的声音失真严重。图：两个不同的采样率 A. 低采样率使得原始声波失真 B.高采样率完美的体现了原始声波采样定理表明采样频率必须大于被采样信号带宽的两倍，另外一种等同的说法是奈奎斯特频率必须大于被采样信号的带宽。为了重现一个给定的频率，采样率必须至少达到该频率的两倍。例如，CD的采样率为44,100Hz，所以CD能重现最高22,050Hz的声音，该频率已经超过人耳所能听到声音的上限200,00Hz。如果信号的带宽是 100Hz，那么为了避免混叠现象采样频率必须大于 200Hz。换句话说就是采样频率必须至少是信号中最大频率分量频率的两倍，否则就不能从信号采样中恢复原始信号。根据奈魁斯特（NYQUIST）采样定理，用两倍于一个正弦波的频繁率进行采样就能完全真实地还原该波形，因此一个数码录音波的休样频率直接关系到它的最高还原频率指标例如，用44.1KHZ的采样频率进行采样，则可还原最高为22.05KHZ的频率-----这个值略高于人耳的听觉极限，(注：可录MD，例R900的取样频率为44.1KHZ并且有取样频率转换器，可将输入的32KHz/44.1KHZ/48KHZ转换为该机的标准取样频率44.1KHZ的还原频率足已记示和真实再现世界上所有人再能辩的声音了,所以CD音频的采样规格定义为16bit。44KHZ，即使在最理想的环境下用现实生活中几乎不可能制造的高精密电子元器件真实地实现了16bit的录音,仍然会受到滤波和声特定位等问题的困扰，人们还是能察觉出一些微小的失真所以很多专业数码音频系统已经使用18bit甚至24bit 进行录音和回放了。）下面列出了最常见的数字音频采样率：采样率质量水平参考频率范围 11,025 Hz AM电台（低级多媒体） 0 – 5,512 Hz 22,050 Hz FM电台（高级多媒体） 0 – 11,025 Hz 32,000 Hz 好于FM电台（广播标准） 0 – 16,000 Hz 44,100 Hz CD 0 – 22,050 Hz 48,000 Hz 标准DVD 0 – 24,000 Hz 96,000 Hz 高级DVD 0 – 48,000 Hz 量化：采样得到的值其幅度可以是无穷多个实数值中的一个，这些值要用二进制数字来表示，必须对每个值分配一个编码。显然对无穷多个值分配编码是不可能的。如果把信号幅度取值的数目加以限定，量化后得到的值只能取有限个参考值，若实际值不在这些有限个值之内，则使用四舍五入或者其他规则把它近似到某个取值上去。 2) 采样精度（位深度）Bit depth 采样精度也称为量化位数，表示了量化时分配参考值的个数，用编码位数来表示，它反映度量声音波形幅度的精度。采样率决定了频率范围，位深度决定了动态范围。当一个声波被采样时，每个样本被赋予一个与原始振幅最接近的振幅值。更高的位深度提供了更多可能的幅度值，产生更大的动态范围，更低的背景噪声和更高的保真度。 p 例如，每个声音样本用16位(2字节)表示，测得的声音样本值在0～65 536的范围内，它的精度就是最大输入信号的1/65 536。 p 样本位数的大小影响到声音的质量，位数越多，量化产生的误差越小，声音越接近原来的波形。 p 采样精度（量化位数）高时，需要的存储空间也越多，如8位的量化时，每个声音样本只需要1个字节表示，而16位量化时，每个声音样本需要2个字节表示。位深质量参考幅度值数量动态范围 8-bit 电话 256 48 dB 16-bit CD 65,536 96 dB 24-bit DVD 16,777,216 144 dB 32-bit 最佳 4,294,967,296 192 dB 图：更高的位深保证更高的动态范围声音数字化三要素采样频率量化位数声道数每秒钟抽取声波幅度样本的次数每个采样点用多少二进制位表示数据范围使用声音通道的个数采样频率越高声音质量越好数据量也越大量化位数越多音质越好数据量也越大立体声比单声道的表现力丰富，但数据量翻倍 11.025kHz 22.05 kHz 44.1 kHz 8位＝256 个值 16位＝65536个值单声道立体声声音数字化计算公式：数据量＝采样频率×量化位数×声道数/8(字节/秒) 采样频率 (kHz) 量化位数 (bit) 数据量(KB/s) 单声道立体声 11.025 8 10.77 21.53 16 21.53 43.07 22.05 8 21.53 43.07 16 43.07 86.13 44.1 8 43.07 86.13 16 86.13 172.27 储存在你硬盘上的一个音频文件，例如WAV文件，包含一个指示采样率和位深的头文件，和一长串的数字序列，每个数字代表一个样本。这些文件可以很大。例如，对于每秒44,100个样本，每个样本16比特位深来说，一个文件需要86KB每秒，大约5MB每分钟。对于一个双声道的CD来说，这个数字变为10MB。与数字音频文件相反，MIDI非常小，可能只有10KB每分钟，每个MB可以储存高达100分钟的MIDI。 1.2.3音频编码：根据采样率和采样大小可以得知，相对自然界的信号，音频编码最多只能做到无限接近，至少目前的技术只能这样了，相对自然界的信号，任何数字音频编码方案都是有损的，因为无法完全还原。在计算机应用中，能够达到最高保真水平的就是PCM编码，被广泛用于素材保存及音乐欣赏，CD、DVD以及我们常见的WAV文件中均有应用。因此，PCM约定俗成了无损编码，因为PCM代表了数字音频中最佳的保真水准，并不意味着PCM就能够确保信号绝对保真，PCM也只能做到最大程度的无限接近。我们而习惯性的把MP3列入有损音频编码范畴，是相对PCM编码的。强调编码的相对性的有损和无损，是为了告诉大家，要做到真正的无损是困难的，就像用数字去表达圆周率，不管精度多高，也只是无限接近，而不是真正等于圆周率的值为什么要使用音频压缩技术要算一个PCM音频流的码率是一件很轻松的事情，采样率值×采样大小值×声道数bps。一个采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的WAV文件，它的数据速率则为 44.1K×16×2 =1411.2 Kbps。我们常说128K的MP3，对应的WAV的参数，就是这个1411.2 Kbps，这个参数也被称为数据带宽，它和ADSL中的带宽是一个概念。将码率除以8,就可以得到这个WAV的数据速率，即176.4KB/s。这表示存储一秒钟采样率为44.1KHz，采样大小为16bit，双声道的PCM编码的音频信号，需要176.4KB的空间，1分钟则约为10.34M，这对大部分用户是不可接受的，尤其是喜欢在电脑上听音乐的朋友，要降低磁盘占用，只有2种方法，降低采样指标或者压缩。降低指标是不可取的，因此专家们研发了各种压缩方案。由于用途和针对的目标市场不一样，各种音频压缩编码所达到的音质和压缩比都不一样，在后面的文章中我们都会一一提到。有一点是可以肯定的，他们都压缩过。常见编码： PCM编码 PCM 脉冲编码调制是Pulse Code Modulation的缩写。前面的文字我们提到了PCM大致的工作流程，我们不需要关心PCM最终编码采用的是什么计算方式，我们只需要知道PCM编码的音频流的优点和缺点就可以了。PCM编码的最大的优点就是音质好，最大的缺点就是体积大。我们常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息。 WAV 这是一种古老的音频文件格式，由微软开发。WAV是一种文件格式，符合RIFF (Resource Interchange File Format) 规范。所有的WAV都有一个文件头，这个文件头包含了音频流的编码参数。WAV对音频流的编码没有硬性规定，除了PCM之外，还有几乎所有支持ACM规范的编码都可以为WAV的音频流进行编码。很多朋友没有这个概念，我们拿AVI做个示范，因为AVI和WAV在文件结构上是非常相似的，不过AVI多了一个视频流而已。我们接触到的AVI有很多种，因此我们经常需要安装一些Decode才能观看一些AVI，我们接触到比较多的DivX就是一种视频编码，AVI可以采用DivX编码来压缩视频流，当然也可以使用其他的编码压缩。同样，WAV也可以使用多种音频编码来压缩其音频流，不过我们常见的都是音频流被PCM编码处理的WAV，但这不表示WAV只能使用PCM编码，MP3编码同样也可以运用在WAV中，和AVI一样，只要安装好了相应的Decode，就可以欣赏这些WAV了。在Windows平台下，基于PCM编码的WAV是被支持得最好的音频格式，所有音频软件都能完美支持，由于本身可以达到较高的音质的要求，因此，WAV也是音乐编辑创作的首选格式，适合保存音乐素材。因此，基于PCM编码的WAV被作为了一种中介的格式，常常使用在其他编码的相互转换之中，例如MP3转换成WMA。 MP3编码 MP3简介 MP3作为目前最为普及的音频压缩格式，为大家所大量接受，各种与MP3相关的软件产品层出不穷，而且更多的硬件产品也开始支持MP3，我们能够买到的VCD/DVD播放机都很多都能够支持MP3，还有更多的便携的MP3播放器等等，虽然几大音乐商极其反感这种开放的格式，但也无法阻止这种音频压缩的格式的生存与流传。MP3发展已经有10个年头了，他是MPEG(MPEG：Moving Picture Experts Group) Audio Layer-3的简称，是MPEG1的衍生编码方案，1993年由德国Fraunhofer IIS研究院和汤姆生公司合作发展成功。MP3可以做到12:1的惊人压缩比并保持基本可听的音质，在当年硬盘天价的日子里，MP3迅速被用户接受，随着网络的普及，MP3被数以亿计的用户接受。MP3编码技术的发布之初其实是非常不完善的，由于缺乏对声音和人耳听觉的研究，早期的mp3编码器几乎全是以粗暴方式来编码，音质破坏严重。随着新技术的不断导入，mp3编码技术一次一次的被改良，其中有2次重大技术上的改进。关于VBR VBR：MP3格式的文件有一个有意思的特征，就是可以边读边放，这也符合流媒体的最基本特征。也就是说播放器可以不用预读文件的全部内容就可以播放，读到哪里播放到哪里，即使是文件有部分损坏。虽然mp3可以有文件头，但对于mp3格式的文件却不是很重要，正因为这种特性，决定了MP3文件的每一段每一帧都可以单独的平均数据速率，而无需特别的解码方案。于是出现了一种叫VBR（Variable bitrate，动态数据速率）的技术，可以让MP3文件的每一段甚至每一帧都可以有单独的bitrate，这样做的好处就是在保证音质的前提下最大程度的限制了文件的大小。这种技术的优越性是显而易见的，但要运用确实是一件难事，因为这要求编码器知道如何为每一段分配bitrate，这对没有波形分析的编码器而言，这种技术如同虚设。正是如此，VBR技术并没有一出现就显得光彩夺目。专家们通过长期的声学研究，发现人耳存在遮蔽效应。声音信号实际是一种能量波，在空气或其他媒介中传播，人耳对声音能量的多少即响度或声压最直接的反应就是听到这个声音的大小，我们称它为响度，表示响度这种能量的单位为分贝（dB）。即使是同样响度的声音，人们也会因为它们频率不同而感觉到声音大小不同。人耳最容易听到的就是4000Hz的频率，不管频率是否增高或降低，即使是响度在相同的情况下，大家都会觉得声音在变小。但响度降到一定程度时，人耳就听不到了，每一个频率都有着不同的值。可以看到这条曲线基本成一个V字型，当频率超过15000Hz时，人耳的会感觉到声音很小，很多听觉不是很好的人，根本就听不到20000Hz的频率，不管响度有多大。当人耳同时听到两个不同频率、不同响度的声音时，响度较小的那个也会被忽略，例如：在白天我们很难听到电脑中散热风扇的声音，晚上却成了噪声源，根据这种原理，编码器可以过滤掉很多听不到的声音，以简化信息复杂度，增加压缩比，而不明显的降低音质。这种遮蔽被称为同时遮蔽效应。但声音A被声音B遮蔽，如果A处于B为中心的遮蔽范围内，遮蔽会更明显,这个范围叫临界带宽。每一种频率的临界带宽都不一样，频率越高的临界带宽越宽。频率(Hz) 临界带宽(Hz) 频率(Hz) 临界带宽(Hz) 50 80 1850 280 150 100 2150 320 350 100 2500 380 450 110 3400 550 570 120 4000 700 700 140 4800 900 840 150 5800 1100 1000 160 7000 1300 1170 190 8500 1800 1370 210 10500 2500 1600 240 13500 3500 根据这种效应，专家们设计出人耳听觉心理模型，这个模型被导入到mp3编码中后，导致了一场翻天覆地的音质革命，mp3编码技术一直背负着音质差的恶名，但这个恶名现在已经逐渐被洗脱。到了此时，一直被埋没的VBR技术光彩四射，配合心理模型的运用便现实出强大的诱惑力与杀伤力。长期来，很多人对MP3印象不好，更多人认为WMA的最佳音质要好过MP3，这种说法是不正确的，在中高码率下，编码得当的MP3要比WMA优秀很多，可以非常接近CD音质，在不太好的硬件设备支持下，没有多少人可以区分两者的差异，这不是神话故事，尽管你以前盲听就可以很轻松区分MP3和CD，但现在你难保证你可以分辨正确。因为MP3是优秀的编码，以前被埋没了。 OGG编码网络上出现了一种叫Ogg Vorbis的音频编码，号称MP3杀手！Ogg Vorbis究竟什么来头呢？OGG是一个庞大的多媒体开发计划的项目名称，将涉及视频音频等方面的编码开发。整个OGG项目计划的目的就是向任何人提供完全免费多媒体编码方案！OGG的信念就是：OPEN！FREE！Vorbis这个词汇是特里·普拉特柴特的幻想小说《Small Gods》中的一个"花花公子"人物名。这个词汇成为了OGG项目中音频编码的正式命名。目前Vorbis已经开发成功，并且开发出了编码器。 Ogg Vorbis是高质量的音频编码方案，官方数据显示：Ogg Vorbis可以在相对较低的数据速率下实现比MP3更好的音质！Ogg Vorbis这种编码也远比90年代开发成功的MP3先进，它可以支持多声道，这意味着什么？这意味着Ogg Vorbis在SACD、DTSCD、DVD AUDIO抓轨软件（目前这种软件还没有）的支持下，可以对所有的声道进行编码，而不是MP3只能编码2个声道。多声道音乐的兴起，给音乐欣赏带来了革命性的变化，尤其在欣赏交响时，会带来更多临场感。这场革命性的变化是MP3无法适应的。和MP3一样，Ogg Vorbis是一种灵活开放的音频编码，能够在编码方案已经固定下来后还能对音质进行明显的调节和新算法的改良。因此，它的声音质量将会越来越好，和MP3相似，Ogg Vorbis更像一个音频编码框架，可以不断导入新技术逐步完善。和MP3一样，OGG也支持VBR。 MPC 编码 MPC是又是另外一个令人刮目相看的实力派选手，它的普及过程非常低调，也没有什么复杂的背景故事，她的出现目的就只有一个，更小的体积更好的音质！MPC以前被称作MP+，很显然，可以看出她针对的竞争对手是谁。但是，只要用过这种编码的人都会有个深刻的印象，就是她出众的音质。 mp3PRO 编码 2001年6月14日，美国汤姆森多媒体公司(Thomson Multimedia SA)与佛朗赫弗协会(Fraunhofer Institute)于6月14日发布了一种新的音乐格式版本，名称为mp3PRO，这是一种基于mp3编码技术的改良方案，从官方公布的特征看来确实相当吸引人。从各方面的资料显示，mp3PRO并不是一种全新的格式，完全是基于传统mp3编码技术的一种改良，本身最大的技术亮点就在于SBR（Spectral Band Replication 频段复制），这是一种新的音频编码增强算法。它提供了改善低位率情况下音频和语音编码的性能的可能。这种方法可在指定的位率下增加音频的带宽或改善编码效率。SBR最大的优势就是在低数据速率下实现非常高效的编码，与传统的编码技术不同的是，SBR更像是一种后处理技术，因此解码器的算法的优劣直接影响到音质的好坏。高频实际上是由解码器（播放器）产生的，SBR编码的数据更像是一种产生高频的命令集，或者称为指导性的信号源，这有点駇idi的工作方式。我们可以看到，mp3PRO其实是一种mp3信号流和SBR信号流的混合数据流编码。有关资料显示，SBR技术可以改善低数据流量下的高频音质，改善程度约为30%，我们不管这个30%是如何得来的，但可以事先预知这种改善可以让64kbps的mp3达到128kbps的mp3的音质水平（注：在相同的编码条件下，数据速率的提升和音质的提升不是成正比的，至少人耳听觉上是这样的），这和官方声称的64kbps的mp3PRO可以媲美128kbps的mp3的宣传基本是吻合的。 WMA WMA就是Windows Media Audio编码后的文件格式，由微软开发，WMA针对的不是单机市场，是网络！竞争对手就是网络媒体市场中著名的Real Networks。微软声称，在只有64kbps的码率情况下，WMA可以达到接近CD的音质。和以往的编码不同，WMA支持防复制功能，她支持通过Windows Media Rights Manager 加入保护，可以限制播放时间和播放次数甚至于播放的机器等等。WMA支持流技术，即一边读一边播放，因此WMA可以很轻松的实现在线广播，由于是微软的杰作，因此，微软在Windows中加入了对WMA的支持，WMA有着优秀的技术特征，在微软的大力推广下，这种格式被越来越多的人所接受。 RA RA就是RealAudio格式，这是各位网虫接触得非常多的一种格式，大部分音乐网站的在线试听都是采用了RealAudio，这种格式完全针对的就是网络上的媒体市场，支持非常丰富的功能。最大的闪烁点就是这种格式可以根据听众的带宽来控制自己的码率，在保证流畅的前提下尽可能提高音质。RA可以支持多种音频编码，包括ATRAC3。和WMA一样，RA不但都支持边读边放，也同样支持使用特殊协议来隐匿文件的真实网络地址，从而实现只在线播放而不提供下载的欣赏方式。这对唱片公司和唱片销售公司很重要，在各方的大力推广下，RA和WMA是目前互联网上，用于在线试听最多的音频媒体格式。 APE APE是Monkey's Audio提供的一种无损压缩格式。Monkey's Audio提供了Winamp的插件支持，因此这就意味着压缩后的文件不再是单纯的压缩格式，而是和MP3一样可以播放的音频文件格式。这种格式的压缩比远低于其他格式，但能够做到真正无损，因此获得了不少发烧用户的青睐。在现有不少无损压缩方案种，APE是一种有着突出性能的格式，令人满意的压缩比以及飞快的压缩速度，成为了不少朋友私下交流发烧音乐的唯一选择。主流音频格式的特点及其适应性各种各样的音频编码都有其技术特征及不同场合的适用性，我们大致讲解一下如何去灵活应用这些音频编码。 PCM编码的WAV 前面就提到过，PCM编码的WAV文件是音质最好的格式，Windows平台下，所有音频软件都能够提供对她的支持。Windows提供的WinAPI中有不少函数可以直接播放wav，因此，在开发多媒体软件时，往往大量采用wav，用作事件声效和背景音乐。PCM编码的wav可以达到相同采样率和采样大小条件下的最好音质，因此，也被大量用于音频编辑、非线性编辑等领域。特点：音质非常好，被大量软件所支持。适用于：多媒体开发、保存音乐和音效素材。 MP3 MP3具有不错的压缩比，使用LAME编码的中高码率的mp3，听感上已经非常接近源WAV文件。使用合适的参数，LAME编码的MP3很适合于音乐欣赏。由于MP3推出年代已久，加之还算不错的音质及压缩比，不少游戏也使用mp3做事件音效和背景音乐。几乎所有著名的音频编辑软件也提供了对MP3的支持，可以将mp3象wav一样使用，但由于mp3编码是有损的，因此多次编辑后，音质会急剧下降，mp3并不适合保存素材，但作为作品的demo确实相当优秀的。mp3长远的历史和不错的音质，使之成为应用最广的有损编码之一，网络上可以找到大量的mp3资源，mp3player日渐成为一种时尚。不少VCDPlayer、DVDPlayer甚至手机都可以播放mp3，mp3是被支持的最好的编码之一。MP3也并非完美，在较低码率下表现不好。MP3也具有流媒体的基本特征，可以做到在线播放。特点：音质好，压缩比比较高，被大量软件和硬件支持，应用广泛。适用于：适合用于比较高要求的音乐欣赏。 OGG Ogg是一种非常有潜力的编码，在各种码率下都有比较惊人的表现，尤其中低码率下。Ogg除了音质好之外，她还是一个完全免费的编码，这对ogg被更多支持打好了基础。Ogg有着非常出色的算法，可以用更小的码率达到更好的音质，128kbps的Ogg比192kbps甚至更高码率的mp3还要出色。Ogg的高音具有一定的金属味道，因此在编码一些高频要求很高的乐器独奏时，Ogg的这个缺陷会暴露出来。OGG具有流媒体的基本特征，但现在还没有媒体服务软件支持，因此基于ogg的数字广播还无法实现。Ogg目前的被支持的情况还不够好，无论是软件的还是硬件的，都无法和mp3相提并论。特点：可以用比mp3更小的码率实现比mp3更好的音质，高中低码率下均具有良好的表现。适用于：用更小的存储空间获得更好的音质（相对MP3） MPC 和OGG一样，MPC的竞争对手也是mp3，在中高码率下，MPC可以做到比竞争对手更好音质，在中等码率下，MPC的表现不逊色于Ogg，在高码率下，MPC的表现更是独孤求败，MPC的音质优势主要表现在高频部分，MPC的高频要比MP3细腻不少，也没有Ogg那种金属味道，是目前最适合用于音乐欣赏的有损编码。由于都是新生的编码，和Ogg际遇相似，也缺乏广泛的软件和硬件支持。MPC有不错的编码效率，编码时间要比OGG和LAME短不少。特点：中高码率下，具有有损编码中最佳的音质表现，高码率下，高频表现极佳适用于：在节省大量空间的前提下获得最佳音质的音乐欣赏。 WMA 微软开发的WMA同样也是不少朋友所喜爱的，在低码率下，有着好过mp3很多的音质表现，WMA的出现，立刻淘汰了曾经风靡一时的VQF编码。有微软背景的WMA获得了很好的软件及硬件支持，Windows Media Player就能够播放WMA，也能够收听基于WMA编码技术的数字电台。因为播放器几乎存在于每一台PC上，越来越多的音乐网站都乐意使用WMA作为在线试听的首选了。除了支持环境好之外，WMA在64-128kbps码率下也具有相当出色的表现，虽然不少要求较高的朋友并不够满意，但更多要求不高的朋友接受了这种编码，WMA很快的普及开了。特点：低码率下的音质表现难有对手适用于：数字电台架设、在线试听、低要求下的音乐欣赏 mp3PRO 作为mp3的改良版本的mp3PRO表现出了相当不错的素质，高音丰满，虽然mp3PRO是通过SBR技术在播放过程中插入的，但实际听感相当不错，虽然显得有点单薄，但在64kbps的世界里已经没有对手了，甚至超过了128kbps的mp3，但很遗憾的是，mp3PRO的低频表现也象mp3一样的破，所幸的是，SBR的高频插值可以或多或少的掩盖掉这个缺陷，因此mp3PRO的低频弱势反而不如WMA那么明显。大家可以在使用RCA mp3PRO Audio Player的PRO开关来切换PRO模式和普通模式时深深的感觉到。整体而言，64kbps的mp3PRO达到了128kbps的mp3的音质水平，在高频部分还略有胜出。特点：低码率下的音质之王适用于：低要求下的音乐欣赏 APE 一种新兴的无损音频编码，可以提供50-70%的压缩比，虽然比起有损编码来太不值得一提了，但对于追求完美音质的朋友简直是天大的福音。APE可以做到真正的无损，而不是听起来无损，压缩比也要比类似的无损格式要好。特点：音质非常好。适用于：最高品质的音乐欣赏及收藏一、音频压缩方法概述编码器传输/存储解码器输入音频信号输出音频信号压缩编码是用某种方法使数字化信息的编码率减低 ①声音信号中存在大量的冗余度 ②听觉具有强音能抑制弱音现象音频压缩依据无损压缩：霍夫曼编码、算术编码、行程编码有损压缩：波形编码、参数编码、混合编码 2.2.5. Adobe Audition如何数字化音频当你用Adobe Audition录制音频的时候，声卡开始录制过程，并指定所用的采样率和位深。通过Line In或者Mic In接口，声卡接受模拟的音频信号并以指定的频率对其进行数字采样。Adobe Audition按顺序记录每个采样点直至录音结束。当你用Adobe Audition播放一个音频文件的时候，这个过程就倒过来。Adobe Audition按顺序发送数字采样点到声卡，声卡重建原始波形并经由Line Out接口发送模拟信号到扬声器。总的来说，音频数字化的过程由空气中的压力波开始，麦克风将压力波转换成电压变化，声卡将电压变化转换成数字采样。当模拟声音变成数字音频之后，Adobe Audition可以录制、编辑、处理和混音——只有想不到，没有做不到！专业音乐软件音乐编曲软件 (音序器) 合成器软件 Cakewalk 1.0-9.0→Sonar 1.0-3.0 Cubase VSI 5.x→Cubase SX 2.1 (MIDI/音频/合成器一体化) Logic Audio、Vegas Audio/Video等 FL studio 水果、nuendo 等录音、混音、音频编辑软件 Sound Forge(Sonic Foundry) Wavelab (德国Steinberg) Cool Edit (Syntrillium)/Audition 效果器软件效果器插件 Waves Native Gold Bundle(20以上) TC Native Bundle(4) Ultrafunk Sonltus fx(7)

展开阅读全文