多媒体技术及其应用 (2/121)

1、数字音频：（1）、波形音频：我们知道了音波的性质后，剩下的问题就是怎样把模拟的声音（音频数据）变成数字音频了。这里还得知道：人的听觉范围是有限的，一般来说，人只能听到20Hz~20KHz的声音，低于20Hz的声音称次声波，高于20KHz的声音称超声波，通常6岁左右的小孩的听力是最好的，成年人对高频声音已不敏感，大约只能听到16KHz以下的声音了。对声波来说，我们可以近视把它看成正弦波。在座标系中，纵座标是波幅，通常用电压值的高低可以描述（在功放中的前级放大—电压放大就是放大波幅），横座标是时间，我们取一个周期的声波进行分析。要把这个周期的正弦波变成二进制数据，首先就要把瞬间的声音（曲线上的一个点）所对应的电压值用一组二进制数据来进行编码，考虑到现在的计算机处理速度很快，一般都是用16bit或32bit数据来编码（纵座标方向编码）。就算是用16位编码，也能表示65536种不同的电压值——这已经够精确了，如果是32位的话，足有4294967296种不同的编码了！这不仅大大超越了人耳的听觉极限，怕一般的工业仪器都测不出来了，呵呵。所以我们用来编码的位数还是很有讲究的：位数太少，失真明显，但数据量少，占据磁盘空间少；位数太多，几乎不失真（从数学角度来说，量化后失真是绝对的，不失真是相对的），但数据量很大，占据的磁盘空间大，后期处理及网络传输都比较困难。这就如我们取人名：取三个字的名吧，重名的多，为便于计算机管理，最好是没有重名的——那可能就要取很多汉字的名字才能实现，比方说一个人取20个字的名字可能不会出现重名了，但这人名记、写、叫、输入等就太困难了！所以只能折中处理。曲线上的任一点的电压值表示完后，还剩下横座标方向的编码。也就是单位时间内的声波曲线进行取样。取样密度应该多少合适？这又是个难题。理论上取样点越多（取样频率越高），丢失的细节越少，声音的保真度越高，但占据的磁盘空间就越大。因为人耳的听觉范围有限，一般我们按人耳能听到的高频端的最高值的两倍左右进行取样，已能保证声音的还原质量了（当然，可能会丢失很多高频的声音——但这些声音人耳是听不到的了）。所以一般的取样频率是44.1KHz（也就是每秒取样44100次）。按上述方式用二进制数值量化声波后，就把线性的模拟声音变成非线性的数字声音了（也就是变成了一串二进制数值串了），这种原始的数字化声音数据我们通常叫波形音频数据，保存在磁盘上的文件扩展名通常用WAV。我们想想看：数字声音数据按每秒种声音取44100个点，每个点用32位二进制数据来记录，比方说记录一首常见的歌曲，长度算5分钟吧，也就是300秒的数据——这可是非常巨大的数据量啊！因此，这种原始的音频数据只用在保真度比较高的场合：比方说音乐CD。而一般的场合因对声音的保真度要求不会特别高，通常都会把波形音频数据进行压缩。因此，如果你是一位音乐爱好者的话，要听音乐，音质最好的就是CD，至于DVD、VCD、MP3等都是压缩过了的，音质与CD是没法比的哟！所以一张CD光盘就算只记录单纯的声音数据，也只能存放10多首歌曲，要知道：一张CD光盘足有700多MB呢！ 
2、MIDI（MusicalInstrumentDigitalInterface）音频。随着计算机技术的发展，人们又在思考另一个问题：现场录制声音再进行模/数（A/D）转换实在太麻烦，它要求要有较好的录音设备及模数转换卡，特别是对音乐爱好者来说，光“听”已不能解决问题，自己演奏才能过瘾，问题是每个人能掌握的乐器演奏技能有限，音乐的后期制作就更困难。能否通过计算机合成音乐？MIDI音频就给我们提供了这种条件。通俗地说，MIDI音频是一种在计算机磁盘上只记录音乐的基本特性（诸如频率、音高、速度等等），而不记录声音的具体波形的一种音频格式。或者说它不记录声音本身，而只记录构成声音的基本函数！你要听声音时，计算机就根据这些函数进行计算，算出基本的波形，再通过调制（一般是FM调制）“合成”声音来给你听！因为它只记录构成声音的“函数”，不记录声音本身，故占据的磁盘空间会很少，也因为要计算通过运算合成声音，所以要消耗一定的计算机资源（当然，现在的计算机处理声音那是小菜一碟了，呵呵），而且“合成”的声音肯定要比真实的声音要假噢！另外，因为人的声音合成比较难（每个人都有自己特定的音色呢），况且人的感情色彩特别浓厚，很难用计算机“合成”出来，所以MIDI音频一般用在合成纯乐器演奏的场合，特别是西洋乐器的演奏（民族乐器的音色库到如今都很少有，唉！）。为了解决“合成”的声音不真实的问题，人们还想出了把真的乐器演奏的音色做成音色库（这就是我们常见的“波表”），计算机通过函数调用现成的音色库的办法来合成声音，克服了MIDI音乐的固有缺憾。综上所述：波形音频失真小，但占据的磁盘空间大，因计算机磁盘保存波形音频时，就是保存声波本身，重放时把它简单地“读”出来就行，故占用计算机资源少。MIDI音频在计算机磁盘上只保存构成声音的“函数”，故占用的磁盘空间小，而且合成的声音终究没办法跟原汁原味的声音比，音质要差些；人声的合成比较困难（起码到目前为止还很难达到要求）。重放时要计算机“实时”地“运算”出声音，占用的计算机资源相对多些。

4、  音频压缩：波形音频因占据磁盘空间太大，特别是网络时代，数据量太大造成传输困难。因此人们通常采取压缩的办法，实际上是进行二次编码。现在兼容性比较好的编码都遵循PCM编码方式，其它的压缩编码也基本上以此为基础而进一步优化，就象容错码从曼彻斯特编码到差分曼彻斯特编码等一样，如MP3、WMA、OGG等。到网络时代来临以后，为了适应流媒体方式，编码格式就更多了，象Real、苹果的QUICKTime、微软的Media格式等等。这些压缩都是有损压缩（包括MP3格式也是有损压缩），后来又出现了APE、FLAC、LPAC、WavPack等无损压缩格式，只是压缩比不高。目前比较流行的是MP3压缩格式及WMA压缩格式，这两者都支持流媒体传输（边传送数据边播放，不象以前要听网络歌曲得先把这首歌全部下载才能放），只是不同速率的压缩其音质变化较大。目前网络上较多的是128KBPS的，音质比较差，要保证音质应该首选320KBPS的下载。要听高保真的，就只能选APE等无损压缩格式的歌曲（或音乐）了，它就是还原成CD音质也是很好的。

        这里要指出的是CD音乐光碟是以音轨的方式存储在光盘上的，它是未经编码的“处女”波形数据，CD碟上的文件只是一个索引，告诉计算机每一首歌在光盘上保存的起始及结束的位置，所以你把CD光盘上的“音乐文件”拷贝出来也仅仅是拷贝了一个索引文件而已，是放不出来的，必须要用抓轨软件把音轨“抓”出来保存为文件才可以放出来。另外，这种“处女”波形数据最怕破坏，一旦有一个数据读不出来，在重放时就会产生很明显的噪音，不象VCD或DVD等经过编码的音、视频数据，即便丢失了部分数据，因为有容错码的存在还能自动“找”回来，不怕干扰和破坏。你看卖VCD机子的地方，老板经常把碟子故意划烂（当然是纵向划，破坏的数据太多也是“找”不回来的），机子照样能读出来，以显示他的机子容错性好。而CD是绝对不行的！你不信你把CD碟划几刀，请卖机的老板放，无论他什么高级机子也照样放不出来完整的音乐。所以CD碟比较难做，一旦有“硬伤”肯定就报费了，因此通常CD碟比DVD、VCD都要贵（即便是盗版碟也贵啊）。