一、前言

1. 关于动静的浪漫传说

历史众多如烟海,人类文明走了几千年来到了今天。在这几千年里,有各式各样美丽的传说,在那些悠远的传说里,其间就不乏与动静有关的传说:

  • 《梁山伯与祝英台》
    • 这是我国另一个闻名的爱情传说,也被称为《梁祝》。故事中,梁山伯是一个赤贫的墨客,而祝英台是赋有的商人之女。
    • 他们相爱,但因为家庭阻止无法在一同。毕竟,祝英台被逼与他人结婚,梁山伯因思念之情而过世。据说,哀痛的祝英台站在梁山伯的坟前唱起了动人的《临行秋思》歌,整个山沟都因此回荡着她的动静。
  • 《白蛇传》
    • 这是我国闻名的爱情传说之一,叙述了一对相爱的蛇精白蛇和许仙的故事。
    • 在故事中,白蛇因为爱上了人类许仙,经过修炼成人形与他相遇。
    • 其间一个浪漫的情节是,白蛇在一个雨天用歌声驱散了滔滔大雨,保护了许仙和村民们。
  • 千里眼和顺风耳

从远古时期,人类就愿望着有一天能够听到、看到千里之外的动静和景象,当时的人们认为只需神仙才华做到。 这些浪漫的故事,无一不暗指人们对大自然巧夺天工的惊叹,对夸姣方便日子的向往和向往。

2. 关于动静的科技开展

其实在这绵长的时间里,实在推进人类大跨度行进的时期只是最近几百年。
到了第2次工业革命期间的 1876 年,贝尔电话的创造,使人类能够听到千里之外动静的愿望终于成真。此后,音视频技能不断开展。

  • 一方面
    • 视频紧缩技能从 H261 到 H264,再到现在的 H265 及未来不久将呈现的 AV1,视频紧缩率越来越高;
    • 音频紧缩技能也从电话运用的 G.711、G.722 等窄带音频紧缩技能,开展到现代的 AAC、OPUS 等宽带音频紧缩技能
  • 另一方面
    • 从我国 3G 网络正式商用初步,移动网络也产生了天翻地覆的变化
    • 从 3G 到 4G ,再到马上要落地的 5G,移动网络的带宽和质量越来越高,为音视频数据传输打下了坚实的基础。

3. 移动音视频技能开展

近几年,随着移动互联网的逐步老到,移动音视频技能也得到了迅猛开展,不断老到。现在的音视频技能现已能够用于多种场景,如音视频会议、在线教育(大班课、小班课、1 对 1)、即时通讯等

  • 两个要害性问题
    • 音频技能的现在与未来音频技能开展到今天,能够说现已非常老到了,如我们上面所讲的,H264/H265、VP8/VP9 以及后面的 AV1 编解码器,处理了视频紧缩率的问题;
    • 5G 的商用,处理了带宽的问题
    • 这两个问题处理后,使得各行各业都初步运用音视频技能以完结更佳的用户领会,如
      • 音视频会议、在线教育、远程医疗、文娱游戏等
      • 尤其是 2011 年 Google 推出 WebRTC 技能后,大大下降了音视频技能的门槛。
        • 有了 WebRTC,你就不必自己去完结回音消除算法了;
        • 有了 WebRTC ,你也不必自己去完结各种音视频的编解码器了;
        • 有了 WebRTC,你更不必去考虑跨渠道的问题了。
        • 因此,能够说 WebRTC 的呈现大大加快了音视频技能的运用与推行。
      • WebRTC 有个特别有诱惑力的愿景:能够在浏览器上快速开宣告各种音视频运用
  • 音视频技能前景
    • 能够预见,未来音视频技能将会作为一种基础技能运用到更广泛的场景中。
    • 它能够与 AR/VR 结合,让我们在远端领会虚拟与实际,如虚拟服装领会;
    • 也能够与人工智能结合用于前进服务质量,如用于教学上协助教师前进教学质量;
    • 它还能够与物联网结合,用在自动驾驶、家庭作业等领域。

4. 学习音视频技能需求厚实功底

可是,音视频技能本身纷乱、凌乱,需求很深的专业及技能布景。

  • 举个简略的比如,当进行音视频互动时,常常会听到自己的回音,这是什么原因引起的呢?
  • 再比如说,用户进入教室后常常看到教师的视频卡顿、花屏,这是什么原因形成的?又该怎么处理呢?

假设没有很深的布景常识,对音视频编解码原理不清楚,对音视频处理流程不了解的话,我们是底子无法处理上述问题的。
别的,假设想开发一款音视频产品,不只需求有最基础的音视频常识(如音视频的编码、解码),往往还需求多层级的技能栈,触及:

  • 移动端开发、PC 端开发
  • 各种协议规范、网络协议、socket 开发等。
  • 所以,要想成为一员合格的音视频开发工程师,我们需求对各领域的常识都有一些把握才行

二、移动通讯技能的开展

众所周知,随着移动通讯技能的开展,移动设备的网速是越来越快了,网民的日子也是越来越五颜六色。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

1. 1G:语音时代

1G即第1代移动通讯技能,仅支撑语音通话。那是一个归于大哥大的时代,一般人可用不起。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

2. 2G:文字时代

2G时代,支撑了短信和彩信技能,那时根本上是诺基亚的全国。手机的下半部分是硬键盘,上半部分是屏幕。比照现在的智能手机,这屏幕真是小得不幸。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

从2G初步,手机就能够上网了,不过网速、流量都非常有限,那时的移动运用都是以文字为主,不会有太多的图片,更加不会有视频。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

甚至有些游戏都做成了纯文字版的,比如QQ农场(俗称:偷菜)。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

只需在电脑上才华玩完整版的QQ农场。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

3. 3G:图片时代

3G时代,初步盛行全触摸屏的手机(Android手机、iPhone),硬键盘被软键盘代替,极大地增加了手机的屏幕面积。风趣的是,当初苹果公司发布第1代iPhone时,有不少诺基亚高层揭露嘲笑iPhone:一款没有键盘的手机能有怎么样?后来,诺基亚的手机事务一落千丈,毕竟被微软收买。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

比照2G,3G的网速进一步提高、流量进一步增多。手机现已能快速处理图片、音频、视频等多媒体,移动运用中初步呈现许多五颜六色的图片,极大地增强了用户领会,微博等外交运用初步盛行。3G时代算是当今移动互联网的雏形。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

4. 4G:视频时代

4G时代,网速进一步提高,流量初步多到用不完,WIFI的覆盖率也非常广,极大地改变了人们的日子方式,移动付出、O2O、同享经济等应运而生。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

在线教育、短视频、直播、VLog等日益火爆。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

每个人都能够随时随地经过视频记载自己的日子。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

每个人都能够随时随地进行直播。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

5. 5G:新的时代

5G时代,可能是实在完结万物互联的时代,音视频技能的运用规模必然也会越来越广,音视频开发人才将会是绝大部分互联网公司的刚需。可是,音视频开发触及到的技能细节实在是太多了,随意一个技能分支的体系都是非常巨大的,比如OpenGL、FFmpeg、WebRTC等。因此,要想学好音视频开发,那就千万不要浮躁,一点一点去把它攻克。

三、动静的实质

关于动静的常识,记住没错的话,是归于初中物理的内容。为了学好音视频,我们有必要从头温习一下动静的相关常识。需求提示的是:本文的GIF动态图比较多,主张选择在网络较好的环境中阅读

1. 产生

动静(Sound),是由物体的振动产生的。全部正在发声的物体都在振动。

  • 我们说话的时分,是声带在振动。一边说话一边用手捂住嗓子,就能感受到声带的振动

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

  • 蜜蜂飞过时宣告嗡嗡嗡的动静,是翅膀在快速振动

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

2. 声波

2.1 实质

关于动静的实质,引荐一份不错的参考资料:可汗学院的《Introduction to sound》。

以扬声器为比如,扬声器发声时是振膜在振动。下图是放了块小纸片到振膜上,振膜的振动导致小纸片“跳起了街舞”。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

振膜的振动会导致振膜周围的空气振动,然后导致更大规模的空气跟着一同振动,最终耳朵周围的空气也初步振动。

空气的振动带来了动能(Kinetic Energy),能量传入了耳朵中,最终就听到了动静。

所以,扬声器能够经过空气来传达能量,而不是传达空气本身。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

假设传达的是空气,那么表现出来的方式就不是动静,而是风(Wind)。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

动静与有着相同的要害特征:能够经过介质传达能量,而不是传达介质本身。

  • 因此,我们也把动静称为声波

  • 动静的传达介质能够是气体、液体、固体,比如:2个人面对面交流时,动静是经过空气传到达对方耳中

2.2 疑问

学到这儿,就能够解开一个许多人长时间以来的疑问了:为什么自己录下来的动静平和常说话的动静,听起来会不太相同?

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

  • 当自己说话的时分,实际上自己听到了2个动静,别离来自2种不同的传达介质
    • 图①:声波 → 空气 → 耳朵
    • 图②:声波 → 血肉、骨骼等介质 → 耳朵
  • 录制动静时
    • 图③:声波 → 空气 → 录音设备
  • 当听自己录下来的动静时,自己只听到了1个动静
    • 图④:声波 → 空气 → 耳朵
  • 所以,平常他人耳中听到的你说话的动静,就是你录音中的动静

2.3 人耳

别的,人耳又是怎么听到动静的呢?大约进程是:声源 → 耳廓(搜集声波) → 外耳道(传递声波) → 鼓膜(将声波转换成振动) → 听小骨(扩展振动) → 耳蜗(将振动转换成电信号) → 听觉神经(传递电信号) → 大脑(构成听觉)

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

2.4 振幅

假设只重视单个空气分子,能够发现:它来回振动的轨道,就是一个正弦或余弦函数的曲线图。

横轴:代表时间。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

纵轴:代表空气分子来回振动时产生的位移。

蓝色的中心线:代表该空气分子的未受振动搅扰时的方位(平衡方位,Equilibrium Position)。

从平衡方位到最大位移方位之间的距离,叫做振幅(Amplitude)。

2.5 周期

空气分子完全来回振动一次所花费的时间,叫做周期(Period),单位是秒(s)。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

2.6 频率

物体每秒来回振动的次数,叫做频率(Frequency),也就是周期分之一。

  • 单位是秒分之一(1/s),也称为赫兹(Hz)
  • 比如440Hz代表物体每秒来回振动440次
  • 因此,频率用来标明物体振动的快慢

理论上,人类的发声频率是85Hz ~ 1100Hz,人类只能听见20Hz ~ 20000Hz之间的动静。

  • 低于20Hz的称为:次声波(Infrasound)
  • 高于20000Hz的称为:超声波(Ultrasound)

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

3. 声调

频率越高,声调就越高。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

频率越低,声调就越低。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

一般女生说话时,声带振动的频率就比较高,因此我们听到的声调就高,有时会有点刺耳,而男生说话时,声带振动的频率就比较低,因此我们听到的声调就低,显得比较低沉。

4. 响度

当前进动静的响度(音量,大小)时,振动的幅度会变大。

我们常用dB(分贝)来描述动静的响度。

分贝 情形
0 刚能听到的动静
15以下 感觉安静
30 耳语的音量大小
40 冰箱的嗡嗡声
60 正常攀谈的动静
70 相当于走在闹市区
85 汽车络绎的马路上
95 摩托车启动动静
100 装饰电钻的动静
110 卡拉OK、大声播放MP3的动静
120 飞机起飞时的动静
150 点燃烟花爆竹的动静

5. 音色

5.1 概念

音色(Timbre)是指动静的特色。

  • 不同的声源因为其材料、结构不同,则宣告动静的音色也不同
  • 我们之所以能够根据动静区分出不同的乐器、不同的人,都是因为它们的音色不同
  • 不同音色的动静,即便在同一响度和同一声调的情况下,也能让人区分开来

微信的动静登录功用,就是根据不同人不同音色的原理,为每一个人私家定制一把动静锁。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

5.2 原理

一般声源的振动产生的并不是单一频率的声波,而是由基音和不同频率的泛音组成的复合动静。

  • 当声源的主体振动时会宣告一个基音(根本频率,基频,Fundamental Frequency)
  • 一起其他各部分也有复合的声源,这些声源组合产生泛音
  • 泛音(Overtone)其实就是物理学上的谐波(Harmonic)

声调是由基音决议的,而音色首要取决于泛音

从下图能够看得出来,音色不同,波形也就不同。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

下图形象生动地展现了:动静的毕竟波形是由多个不同的波形组合而成的。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

6. 噪音

6.1 物理学角度

从物理学角度上讲,噪音(噪声,Noise),是指声源作无规则振动时宣告的动静(频率、强弱变化无规则)。

6。2 环境保护角度

从环境保护角度上讲,但凡妨碍人们正常休憩、学习、作业的动静,以及对人们要听的动静产生搅扰的动静,都能够称之为噪音。

6.3 影响

长时间的噪音能够影响人的身心健康。

  • 噪音可能导致各种不同程度的听力损失

    • 长时间处于85分贝以上的噪音能够影响人的听力
    • 响于120分贝的噪音能够使人耳聋
  • 噪音还会前进人体内皮质醇的分泌,然后导致高血压、心脏病和胃溃疡

  • 噪音影响心血管的健康、睡觉的质量、甚至胎儿的发育

  • 噪音所引起的听力危害、心血管损伤,也会形成生殖能力、睡觉、心理的影响

7. 厌烦的动静

大多数人都无法忍受指甲划过黑板的动静,甚至一想到都会觉得烦躁。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

7.1 研讨

研讨标明:

  • 这种让人厌烦的噪音和婴儿啼哭及人类尖叫的动静有着相同的频率
  • 人耳对2000Hz ~ 4000Hz规模内的动静是难以承受的
  • 而指甲刮黑板动静的特别之处,就在于它的频率,正好处于2000Hz ~ 4000Hz频段内

大脑中的杏仁核(Amygdala)在听到指甲刮黑板的动静时,会失常振奋,于是霸道地接管了大脑听觉的使命,向听觉皮层(Auditory Cortex)宣告痛苦的信息。听觉皮层是归于大脑皮层(大脑皮质,Cerebral Cortex)的一部分。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

7.2 五大人类厌烦的动静

  • 第一:刀子刮玻璃瓶声。
  • 第二:叉子刮玻璃声。
  • 第三:粉笔刮黑板声。
  • 第四:尺子刮玻璃瓶声。
  • 第五:指甲刮黑板声。

四、深化了解音频

我们平常在互联网上听到的动静,都是先经过录制后,再传输到互联网上的。比如歌曲、电影、主播等的动静。

1. PCM

录音的原理能够简略理解为:把声源的振动记载下来,需求时再让某个物体依照记载下来的振动规则去振动,就会产生与原本相同的动静。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

怎么把动静(声源的振动)记载下来呢?动静归于模拟信号,但更便于计算机处理和存储的是数字信号(二进制编码),所以需求将模拟信号(Analog Signal)转成数字信号(Digital Signal)后进行存储。这一进程,我们能够称之为:音频数字化。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

将音频数字化的常见技能计划是脉冲编码调制PCM,Pulse Code Modulation),首要进程是:采样 → 量化 → 编码。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

1.1 采样

模拟信号的波形是无限润滑的,能够看成由无数个点组成,因为存储空间是相对有限的,数字编码进程中,有必要要对波形的点进行采样。采样(Sampling):每隔一段时间搜集一次模拟信号的样本,是一个在时间大将模拟信号离散化(把接连信号转换成离散信号)的进程。

1.1.1 采样率

每秒搜集的样本数量,称为采样率(采样频率,采样速率,Sampling Rate)。比如,采样率44.1kHz标明1秒钟搜集44100个样本。

1.1.2 采样定理

根据采样定理(奈奎斯特–香农采样定理,Nyquist-Shannon sampling theorem)得知:只需当采样率高于动静信号最高频率的2倍时,才华把搜集的动静信号仅有地恢复成原本的动静。人耳能够感觉到的最高动静频率为20000Hz,因此为了满意人耳的听觉要求,需求至少每秒进行40000次采样(40kHz采样率)。这就是为什么常见的CD的采样率为44.1kHz。电话、无线对讲机、无线麦克风等的采样率是8kHZ。

1.2 量化

量化(Quantization):将每一个采样点的样本值数字化。

1.2.1 位深度

位深度(采样精度,采样大小,Bit Depth):运用多少个二进制位来存储一个采样点的样本值。位深度越高,标明的振幅越精确。常见的CD选用16bit的位深度,能标明65536(216)个不同的值。DVD运用24bit的位深度,大多数电话设备运用8bit的位深度。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

1.3 编码

编码:将采样和量化后的数字数据转成二进制码流。

1.4 其他概念

1.4.1 声道(Channel)

单声道产生一组声波数据,双声道(立体声)产生两组声波数据。

采样率44.1kHZ、位深度16bit的1分钟立体声PCM数据有多大?

  • 采样率 * 位深度 * 声道数 * 时间
  • 44100 * 16 * 2 * 60 / 8 ≈ 10.34MB

1分钟10.34MB,这关于大部分用户来说是不能承受的。要想在不改变音频时长的前提下,下降音频数据的大小,只需2种方法:下降采样方针、紧缩。下降采样方针是不可取的,会导致音频质量下降,用户领会变差,因此专家们研发了各种紧缩计划。

1.4.2 比特率

比特率(Bit Rate),指单位时间内传输或处理的比特数量,单位是:比特每秒(bit/s或bps),还有:千比特每秒(Kbit/s或Kbps)、兆比特每秒(Mbit/s或Mbps)、吉比特每秒(Gbit/s或Gbps)、太比特每秒(Tbit/s或Tbps)。

采样率44.1kHZ、位深度16bit的立体声PCM数据的比特率是多少?

  • 采样率 * 位深度 * 声道数
  • 44100 * 16 * 2 = 1411.2Kbps

一般,采样率、位深度越高,数字化音频的质量就越好。从比特率的计算公式能够看得出来:比特率越高,数字化音频的质量就越好。

1.4.3 信噪比

信噪比(Signal-to-noise ratio,SNR,S/N,讯噪比),指信号与噪声的比例,用于比较所需信号的强度与布景噪声的强度,以分贝(dB)为单位。

位深度约束了信噪比的最大值,它们的联络如下表所示。

位深度 信噪比
4 24.08
8 48.16
11 66.22
12 72.24
16 96.33
18 108.37
20 120.41
24 144.49
32 192.66
48 288.99
64 385.32

2. 音频的编码与解码

2.1 编码(Encode)

PCM数据能够理解为是:未经紧缩的原始音频数据,体积比较大,为了更便于存储和传输,一般都会运用某种音频编码对它进行编码紧缩,然后再存成某种音频文件格式

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

紧缩分为无损紧缩和有损紧缩。

  • 无损紧缩
    • 解压后能够完全恢复出原始数据
    • 紧缩比,体积
  • 有损紧缩
    • 解压后不能完全恢复出原始数据,会丢掉一部分信息
    • 紧缩比,体积
    • 紧缩比越大,丢掉的信息就越多,恢复后的信号失真就会越大
    • 一般是经过抛弃原始数据中对人类听觉不重要的部分,到达紧缩成较小文件的目的
  • 紧缩比 = 未紧缩大小 / 紧缩后大小

2.2 解码(Decode)

当需求播放音频时,得先解码(解紧缩)出PCM数据,然后再进行播放。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

3. 常见的音频编码和文件格式

需求留意的是:音频文件格式并不等于音频编码。比如:

  • WAV只是一种文件格式,并不是一种编码

  • FLAC既是一种文件格式,又是一种编码

下面对常见的音频编码和文件格式做一个简介,今后有需求时再进行具体介绍。

称谓 无损紧缩 文件扩展名
Monkey’s Audio ✔️ .ape
FLAC(Free Lossless Audio Codec) ✔️ .flac
ALAC(Apple Lossless Audio Codec) ✔️ .m4a/.caf
MP3(MPEG Audio Layer III) .mp3
WMA(Windows Media Audio) .wma
AAC(Advanced Audio Coding) .acc/.mp4/.m4a
Vorbis .ogg
Speex .spx
Opus .opus
Ogg .ogg
WAV(Waveform Audio File Format) .wav
AIFF(Audio Interchange File Format) .aiff、.aif

3.1 无损

3.1.1 Monkey’s Audio

Monkey’s Audio,是一种无损的音频编码和文件格式,文件扩展名为**.ape**,紧缩率一般在55%左右。

3.1.2 FLAC

FLAC(Free Lossless Audio Codec),是一种无损的音频编码和文件格式,文件扩展名为**.flac**。尽管紧缩率稍有不及Monkey’s Audio,但FLAC技能更先进,占用资源更低,有更多的渠道及硬件产品支撑FLAC。

3.1.3 ALAC

ALAC(Apple Lossless Audio Codec),是由Apple开发的一种无损的音频编码,文件扩展名为**.m4a**、.caf

3.2 有损

3.2.1 MP3

MP3(MPEG Audio Layer III),是非常盛行的一种有损音频编码和文件格式,文件扩展名为**.mp3**。

  • 第1版是:MPEG-1 Audio Layer III,归于国际规范ISO/IEC 11172-3
  • 第2版是:MPEG-2 Audio Layer III,归于国际规范ISO/IEC 13818-3
  • 第3版是:MPEG-2.5 Audio Layer III,并不是由MPEG官方开发的,不是公认的规范

3.2.2 WMA

WMA(Windows Media Audio),是由Microsoft开发的音频编码和文件格式,文件扩展名为**.wma**。包括4种类型:

  • WMA:原始的WMA编解码器,作为MP3的竞争者,归于有损音频编码
  • WMA Pro:支撑更多声道和更高质量的音频,归于有损音频编码
  • WMA Lossless:归于无损音频编码
  • WMA Voice:归于有损音频编码

3.2.3 AAC

AAC(Advanced Audio Coding),是由Fraunhofer IIS、杜比实验室、AT&T、Sony、Nokia等公司共同开发的有损音频编码和文件格式,紧缩比一般为18:1。

AAC被规划为MP3格式的后继产品,一般在相同的比特率下能够获得比MP3更高的动静质量,是iPhone、iPod、iPad、iTunes的规范音频格式。

AAC编码的文件扩展名首要有3种:

  • .acc:传统的AAC编码,运用MPEG-2 Audio Transport Stream(ADTS)容器
  • .mp4:运用了MPEG-4 Part 14的简化版即3GPP Media Release 6 Basic(3gp6)进行封装的AAC编码
  • .m4a:为了差异纯音频MP4文件和包括视频的MP4文件而由Apple公司运用的扩展名
    • Apple iTunes对纯音频MP4文件选用了**.m4a**文件扩展名
    • M4A的实质和音频MP4相同,故音频MP4文件能够直接更改文件扩展名为**.m4a**

3.2.4 Vorbis

Vorbis,是由Xiph.Org基金会开发的一种有损音频编码。一般以Ogg作为容器格式,所以常合称为Ogg Vorbis,文件扩展名为**.ogg**。

3.2.5 Speex

Speex,是由Xiph.Org基金会开发的一种有损音频编码和文件格式,文件扩展名为**.spx**。

3.2.6 Opus

Opus,是由Xiph.Org基金会开发的一种有损音频编码和文件格式,文件扩展名为**.opus**。用以代替Vorbis和Speedx。经过屡次盲听测试,在任何给定的比特率下都比其他规范音频格式具有更高的质量,包括MP3、AAC。

3.3 文件格式

3.3.1 Ogg

Ogg是一种多媒体文件格式,由Xiph.Org基金会所保护,能够归入各式各样的音视频编码(音频、视频都能够),文件扩展名常为**.ogg**。

Ogg常用的音频编码有:

  • 有损紧缩:Speex、Vorbis、Opus
  • 无损紧缩:FLAC
  • 未紧缩:PCM

3.3.2 WAV

WAV(Waveform Audio File Format),是由IBM和Microsoft开发的音频文件格式,扩展名是**.wav**,一般选用PCM编码,常用于Windows体系中。

WAV的文件格式如下图所示,前面有44个字节的文件头,紧跟在后面的就是音频数据(比如PCM数据)。

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

01-音视频技能中心常识|了解音频技能【移动通讯技能的开展、动静的实质、深化了解音频】

  • NumChannels:声道数
  • SampleRate:采样率(Hz)
  • ByteRate:每秒多少个字节(Byte/s)
  • BitsPerSample:位深度

3.3.3 AIFF

AIFF(Audio Interchange File Format),由Apple开发的音频文件格式,扩展名是**.aiff**、.aif。跟WAV相同,一般选用PCM编码,常用于Mac体系中。

3.4 有损和无损

根据采样率和位深度能够得知:相关于自然界的信号,音频编码最多只能做到无限靠近,任何数字音频编码计划都是有损的,因为无法完全恢复。目前能够到达最高保真水平的就是PCM编码,因此,PCM约定俗成叫做无损音频编码,被广泛用于资料保存及音乐欣赏,CD、DVD以及常见的WAV文件中均有运用。

但并不意味着PCM就能够确保信号必定保真,PCM也只能做到最大程度的无限靠近。我们习惯性的把MP3列入有损音频编码领域,是相关于PCM编码的。要做到实在的无损是困难的,就像用数字去表达圆周率,不管精度多高,也只是无限靠近,而不是实在等于圆周率的值。