什么是數(shù)碼壓縮音頻格式

什么是數(shù)碼壓縮音頻格式

　日常生活中我們能接觸到很多聲音信息。而記錄這些信息的方法也是多種多樣。最常見的就是磁帶、CD、MD、MP3。當(dāng)然，還有其他比如LP、DVD-A等。這里主要介紹最為常見的MP3、MD和比較有對比性的APE格式。這三種格式都是數(shù)碼音頻格式，且都是壓縮格式。要了解這些數(shù)碼格式之前，我們還要了解什么是數(shù)碼信號。

　　“數(shù)碼/數(shù)字”這兩個詞如今使用是越來越普遍了。感覺只要什么東西和這兩個詞粘上關(guān)系就屬于“高科技”了。其實(shí)，所謂數(shù)碼最終形式只不過是“開關(guān)”而已。當(dāng)然，和家里電源的開關(guān)不是很一樣。數(shù)碼是一種“電子開關(guān)”。它最終只會包含兩種信息，一個是“0”一個是“1”。之所以能表現(xiàn)出復(fù)雜的各種形式，是因?yàn)椤半娮娱_關(guān)”的速度相當(dāng)驚人，每秒的“開關(guān)”（運(yùn)算）速度是極快的，這種速度遠(yuǎn)遠(yuǎn)高于人能夠分辨的程度。

　　理解了數(shù)碼信號接下來理解一下“音頻數(shù)碼信號”。同樣的道理，數(shù)碼音頻信號的最終形式仍然是“0/1”構(gòu)成的。它們可能是任何排列和組合，比如“0001110101”或者“11100001010”。當(dāng)然，組合不同，其效果當(dāng)然就不一樣?？吹竭@里，應(yīng)該有朋友注意到了。如果聲音是用“00101010”這樣的形式來記錄，那最終形態(tài)豈不就是一個“點(diǎn)”，也就是一個簡單的“開關(guān)”過程而已。聲音是連續(xù)不斷的，怎么能用“點(diǎn)”來記錄呢？這樣我們聽到的聲音不就應(yīng)該是一段一段的嗎？道理不難理解?；丶掖蜷_日光燈，你能發(fā)現(xiàn)日光燈在閃嗎？不能？其實(shí)日光燈的確是在不停閃爍的?？催^動畫片吧，那些都是用一格一格的靜止的圖畫連接成的。一格一格的圖畫我們也可以簡單的理解為一個一個的“點(diǎn)”。人對自然界的感覺是有極限的，視覺和聽覺都是如此。動畫片能產(chǎn)生連貫的動作是因?yàn)檫@些“點(diǎn)”在人的視覺未能及時做出反映的情況下讓人產(chǎn)生的一種錯覺，除了機(jī)器，人是無法把這些“點(diǎn)”區(qū)分開的。聲音也是如此。如果聲音閃動的頻率很快，人也是無法分辨的。另外，由于聲音在進(jìn)行“數(shù)字轉(zhuǎn)換模擬信號”（D/A轉(zhuǎn)換）的時候，解碼芯片已經(jīng)將這些“點(diǎn)”用連貫的串在一起了，所以我們聽到的是非常連貫的聲音了。

　　要理解“數(shù)碼音頻”當(dāng)然必不可少還要理解兩個東西！

　　1.速率。

　　什么是速率？當(dāng)然我不能直接給你解釋說“速率就是比特率”。呵呵，對于這樣的解釋還不如不說的好。大家在用一些軟件播放聲音文件的時候應(yīng)該注意到了一個小小的信息。比如“128Kbps”、“1411Kbps”...也有朋友知道了，通常情況下，”Kbps”前面的數(shù)字越大，聲音效果越好。比如CD就是“1411Kbps"。那么，到底這些數(shù)字代表什么呢？簡單的說來就是在每秒鐘時間內(nèi)，有多少數(shù)據(jù)被轉(zhuǎn)換成聲音。之所以CD的音質(zhì)比MP3好（別拿D版的CD來說哦），是因?yàn)镃D在每一秒內(nèi)的信息比MP3多。比如，128Kbps的MP3文件相比1411Kbps的CD文件，其每秒被轉(zhuǎn)換的數(shù)據(jù)量，MP3比CD少了近12倍。同樣的一首歌曲，CD聽來就要細(xì)膩得多（當(dāng)然人群中有這么一群號稱“木耳”的人可能覺得效果是一樣的）MP3用較少的數(shù)據(jù)表達(dá)相同的內(nèi)容，其詳細(xì)程度當(dāng)然就不如CD了。這里可以把CD理解為一篇美文，而MP3就相當(dāng)于段落總結(jié)。兩者都能讓人理解其主要內(nèi)容，不過要想了解文章的美妙只看段落總結(jié)是不行的。至于MP3的原理后面會說到。

　　2.采樣率。

　　采樣率也是很常見的一個詞語。具體表現(xiàn)形式為“XXHZ”，其中“XX”是一個具體數(shù)字。比如“44100HZ”，“32000HZ”等。采樣率這個詞從字面意思來理解應(yīng)該不難。之前已經(jīng)說過了，數(shù)碼音頻文件是由很多個“點(diǎn)”來組成的，那么采樣率其實(shí)就是采集這些“點(diǎn)”的一個“數(shù)量”標(biāo)準(zhǔn)。很顯然“44100HZ”比“32000HZ”的采樣率要高，所以單位時間內(nèi)（1秒）搜集到的點(diǎn)就更多。單位時間的點(diǎn)越多聲音的信息也就越完善，當(dāng)然也就更接近于真實(shí)。所以，如果在保證速率相同的條件下，“44100HZ”的文件要好于“32000HZ”。（不是絕對的，原因后面會說到）

　　了解到以上“知識”之后，我們就可以進(jìn)一步來了解各種音頻格式了。這里，我不能把每一種格式都一一介紹。只取了幾個比較有代表性的格式來說明一下。其中CD只是作為對比格式粗略說明。

　　CDDA（Compact Disc Digital Audio)：

　　不要變了一個稱呼就不知道這是什么格式了，這就是大家最熟悉的“CD”格式的全稱。說到CD，種類有不少。最為常見的有“HDCD”（微軟）“SACD”（索尼）“XRCD”（JVC），不要被這些字母搞暈了?？偟恼f來就是“CD”，只是運(yùn)用的技術(shù)不同。有些需要專用的解碼器才能達(dá)到最優(yōu)質(zhì)的效果，這里就不多說到底這些格式之間有哪些差異了。

　　CD是大家最容易獲取到的音質(zhì)最好的音頻文件之一。通常CD采樣都是“44100HZ”而速率是“1411Kbps”。由于CD的精度已經(jīng)非常高，所以，我們稱這種格式為“無損音頻格式”。CD是由荷蘭“飛利普”和日本“索尼”共同制定的格式。

　　MP3（MPEG Audio Layer-3):

　　沒想到MP3的名字有這么長吧~~

　　1987年德國Fraunhofer研究院研制成功了一種有損壓縮音頻格式，1989年取得了專利。MP3剛出來并沒有引起人們的注意，在當(dāng)初年代，MP3可以說是毫無競爭力。因?yàn)樗旧頃σ纛l文件造成過多的損壞，所以，當(dāng)時是不能被人們所接受的。那個時候的MP3技術(shù)也不成熟，聽MP3還不如買盤磁帶聽著舒服。直到后來網(wǎng)絡(luò)的發(fā)展，讓人們意識到MP3這種格式的方便性。于是MP3由于互聯(lián)網(wǎng)的關(guān)系迅速在全世界蔓延開了。如今已經(jīng)是家喻戶曉的東西了。

　　早期的MP3都是固定速率編碼。后來格式進(jìn)一步改善，之后出現(xiàn)可變比特率。這種方式相比單純的固碼率要先進(jìn)得多。它能對聲音進(jìn)行進(jìn)一步的分析。能將聲音中某些需要加強(qiáng)的地方采用高速率編碼，而某些聲音簡單一些的地方使用低速率編碼。這樣一來，MP3文件在播放的時候速率就不固定了。這種做法既能節(jié)約有效空間又能達(dá)到更優(yōu)秀的音質(zhì)。

　　MP3壓縮原理運(yùn)用到了“心理聲學(xué)數(shù)據(jù)儲存”。簡單的說，就是丟棄一些人耳不易或者不能察覺到的信號。比如刪除超高頻和超低頻的聲音，保留主要的一些部分。也利用到了人耳的“屏蔽效應(yīng)”（簡單的說就是當(dāng)兩個聲音同時響起的時候，如果其中一個聲音音量大過另外一個聲音很多，那么另外一個聲音就會完全被第一個聲音所掩蓋，人就聽不到另外一個聲音了。比如在極其吵鬧的“的吧”，由于音響聲音非常大，所以用平時的聲音說話根本就聽不見。另外，低頻的聲音比較容易屏蔽高頻聲音，而高頻聲音卻難屏蔽低頻），所以，MP3文件能在比CD小很多的情況下仍然有不錯的音質(zhì)。

ATRAC：

　　MD大家應(yīng)該多少都有一些了解，MD所用格式就是ATRAC。1991年，索尼開發(fā)出了ATRAC技術(shù)。同時采用了MD碟來儲存這種格式。從時間上來看，MP3的發(fā)展時間要比ATRAC要早，不過早期MP3并沒有得到人們的重視，所以發(fā)展較晚。

　　MD被索尼定義為“隨時隨地享受音樂”。最初，索尼大勢宣傳ATRAC屬于“無損壓縮”。不過，索尼的這一種做法遭到了無數(shù)“金耳朵”的指責(zé)。有相當(dāng)一部分人能夠聽出ATRAC與CD之間的差異。如今，索尼意識到群眾的耳朵是“金子”做的，于是，取消掉了這種說法。

　　ATRAC格式演變到現(xiàn)在已經(jīng)進(jìn)化了N次了。如今這種格式可以說已經(jīng)比較成熟了。它的目的是在壓縮聲音文件的同時盡量取得更優(yōu)質(zhì)的音質(zhì)效果。其原理和MP3類似，不過算法比MP3更先進(jìn)。所以ATRAC在相同速率的情況下（默認(rèn)44100HZ采樣率）音質(zhì)優(yōu)于MP3。ATRAC格式屬于固定速率編碼。

APE：

　　APE是Monkey's Audio提供的一種無損壓縮格式。這個才是真正意義上的無損格式。

　　APE文件需要專用的播放軟件或者安裝有APE格式插件的播放器才能播放。對于APE的歷史我了解的不多。不過相信在之后的時間里，這種格式能被更多人所使用，其相關(guān)數(shù)據(jù)也會被更多人所了解。

　　APE格式不同于MP3和ATRAC。它的目的并不是在壓縮的前提下盡量保證音質(zhì)，而是絕對的完整的保證音質(zhì)。APE格式的壓縮比不大，如果采用最高壓縮則可以減小到原文件的3倍-4倍不等。同樣大的兩個聲音文件APE可能壓縮出來的大小不一樣。很簡單的道理，APE并不是采用的固定速率進(jìn)行壓縮的。在回放APE文件的時候能很清楚的看到文件的速率是在不停的變化著的。由此可見，可變速率的編碼方式在保證音質(zhì)方面是非常實(shí)用的技術(shù)。

有損與有損、有損與無損之間的差異：

　　之前說到了ATRAC的音質(zhì)在相同速率的條件下要好于MP3。為什么相同的速率相同的采樣率音質(zhì)卻不相同呢？這個當(dāng)然和文件本身的計算方式有直接的關(guān)系。MP3在很多人眼中有點(diǎn)“暴力”傾向。因?yàn)镸P3在壓縮過程中往往遺漏掉很多細(xì)節(jié)，抓不住重點(diǎn)部分，對音質(zhì)影響很關(guān)鍵。

　　大家知道，采樣率是用來采集點(diǎn)數(shù)量的標(biāo)準(zhǔn)。同是44100HZ的CD文件其速率是1411Kbps，而MP3可以減少到128Kbps（MP3標(biāo)準(zhǔn)格式）甚至更少。也就是說，MP3要在“點(diǎn)”的數(shù)量相同的條件下，用更少的信息去記錄這些點(diǎn)的關(guān)系。MP3為了減小文件體積，不得不從1411Kbps的信息當(dāng)中刪除1000多的信息量，而被刪除的這1000多的信息量當(dāng)中卻記錄著N個“點(diǎn)”。MP3刪除了這些信息也就意味著刪除了這些信息當(dāng)中的N個“點(diǎn)”。那么，MP3在回放的時候怎么還能以44100HZ的采樣率播放呢？這里運(yùn)用到的一個技術(shù)就是插值算法。

　　舉一個簡單的例子，假如聲音信號里面有1、2、3、4、5、6、7、8、9、0這10個點(diǎn)。如果MP3刪除了有關(guān)2、3、5、6、8、9的數(shù)據(jù)，在回放的時候，為了保證還有這么多的“點(diǎn)”，就要插入一些數(shù)據(jù)來填充這些漏洞。所以，經(jīng)過MP3解碼之后得到的數(shù)據(jù)可能就是1、②、③、4、⑤、⑥、7、⑧、⑨、0。雖然“點(diǎn)”的數(shù)量還原了，不過丟失的點(diǎn)卻是“算”不回來的，只有靠相近的一些“點(diǎn)”來填補(bǔ)空缺。這樣的做法雖然保證了“點(diǎn)”的數(shù)量卻改變了“點(diǎn)”的一些性質(zhì)，所以從根本上就對音質(zhì)起了破壞作用。

　　之前提到ATRAC格式在相同速率的條件下其效果要優(yōu)于MP3。原理在于ATRAC格式比MP3格式更“聰明”一些。雖然壓縮的基本原理都差不多，不過ATRAC格式能更準(zhǔn)確的抓住重要的信息。ATRAC格式能更清楚的分辨哪些“點(diǎn)”是更重要的“點(diǎn)”，是需要保留的信息。

　　同樣舉例說明一下。假如有10個點(diǎn)：1、2、3、4、5、6、7、8、9、0 其中2、4、6、8為相對重要的“點(diǎn)”。MP3結(jié)果則還是同上面一樣直接丟失2、3、5、6、8、9而得到1、②、③、4、⑤、⑥、7、⑧、⑨、0 的形式。ATRAC可能就完全不同，ATRAC能更多的抓住這些“點(diǎn)”。ATRAC還原出來的點(diǎn)就可能是①、2、③、④、5、⑥、⑦、8、⑨、0 由此可見ATRAC格式在刪除信息的時候能夠更多的保留一些重要信息。因此聲音的還原度比MP3高。實(shí)際聽感也是如此，如今132Kbps的ATRAC格式就已經(jīng)不比256Kbps的MP3格式音質(zhì)差，甚至還更好。（音質(zhì)問題屬于主觀因素，這里只做參考）

　　APE是一種比較優(yōu)秀的壓縮模式。它采用的技術(shù)與MP3和ATRAC完全不同。APE是真正意義上能做到“無損”的格式。要說到APE的算法那就有點(diǎn)復(fù)雜了，非理科人材可能根本看不懂。如何去理解呢？其實(shí)這里有一個現(xiàn)成的例子！人人電腦上都應(yīng)該有的一個軟件“WIN RAR”，對于這個軟件大家并不陌生。這是一個文件壓縮軟件。它的目的是讓文件通過壓縮之后體積減小，而在解壓縮的時候能100%還原原文件信息。當(dāng)然，聲音文件也可以通過“WIN RAR”來壓縮。但是“WIN RAR”對聲音的壓縮比并不高。APE壓縮方式類似于“WIN RAR”，不同的是APE是專用做對聲音壓縮的格式。它能比“WIN RAR”更快而且壓縮比更高。

　　做一個簡單的實(shí)驗(yàn)。

　　同樣的一個WAV（無損格式）文件，其所占容量是47.4MB。用“WIN RAR”最高壓縮后文件是25.5MB，而使用APE最高壓縮之后是15.6MB。雖然壓縮比不一樣，但是解壓縮之后所還原的WAV文件卻是和原文件一模一樣。（利用2進(jìn)制對比）這是保證音質(zhì)的關(guān)鍵。

　　APE壓縮就好比家里的棉被又松又大不好收拾。疊好了裝進(jìn)塑料帶然后抽空里面的空氣可以減小很大一部分體積。而且絕對不會損壞棉被本身，還原后還是和之前一樣。MP3和ATRAC就好比把棉被里面的棉絮抽出來扔掉了，體積可以縮小到更小的程度。但是要用的時候由于扔掉的棉絮找不回來就只能隨便找些棉絮塞進(jìn)去。棉被還是棉被，表面上看好象還是那樣，但是根本早已改變。

　　那么是否高速率（采樣率相同）的聲音文件就一定比低速率的要好呢？

　　這一點(diǎn)是不確定的！速率只代表信息的多少并不能代表信息的正確性。就好比上面所說ATRAC格式和MP3格式的差異一樣。另外再舉一個簡單的例子。把一段64Kbps的MP3刻錄成CD，速率一下子就從64Kbps升到了1411Kbps。速率的確上去了，不過音質(zhì)卻只有64Kbps。原理很簡單。64Kbps的MP3文件已經(jīng)把很多信息丟掉了，即便速率上去了但是彌補(bǔ)進(jìn)來的信息就猶如上面所說的填棉絮的方法，和之前的信息已經(jīng)完全不同。這也是如今D版CD音質(zhì)下降的主要原因之一。如今D版CD有相當(dāng)多一部分都是直接用MP3轉(zhuǎn)過來的。音質(zhì)效果=MP3，這種D版是一種極其讓人討厭的東西，所以我有好久都沒買D版碟了。

　　有關(guān)音頻文件的壓縮損耗也會造成速率相同音質(zhì)不同的現(xiàn)象。

　　有損壓縮格式會在壓縮的時候丟失部分信息，所以應(yīng)該盡量減少壓縮次數(shù)。舉一個例子：

　　CD轉(zhuǎn)MP3分兩種轉(zhuǎn)法。1.先把CD轉(zhuǎn)成320Kbps，然后轉(zhuǎn)成256Kbps，最后轉(zhuǎn)成128Kbps。2.直接把CD轉(zhuǎn)為128Kbps。如果你可以做這樣一個實(shí)驗(yàn)，那通過第一種方式得到的文件其效果甚至不如96Kbps的文件。所以在壓縮文件的時候盡量做到一次到位，多次壓縮會使得數(shù)據(jù)丟失更加嚴(yán)重。

　　看完以上內(nèi)容相信大家應(yīng)該對數(shù)碼音頻格式有一定的了解。對于文章中如果出現(xiàn)的不正確的比喻或者觀點(diǎn)還請各位提出來。