在現實生活中，音頻（audio）主要用在兩大場景中：語音（voice）和音樂（music）。語音主要用於溝通通信，如打電話，現在由於語音識別的發展，人機語音交互也是語音的一個應用，目前正在風口上，好多大廠都推出了智能音箱。音樂主要用於欣賞，如音樂播放。
下面簡單介紹音頻的基礎知識：
採樣和採樣頻率：
現在是數字時代，在音頻處理時要先把音頻的模擬信號變成數字信號，這叫A/D轉換。要把音頻的模擬信號變成數字信號，就需要採樣，或者叫抽樣。當要把音頻播放出來時則需要把數字信號轉換成模擬信號，這叫D/A轉換。一秒鐘內採樣的次數稱爲採樣頻率。根據Nyquist採樣定理，要想重建原始信號，採樣頻率必須大於信號中最高頻率的兩倍。採樣頻率越高，越接近原始信號，但是也加大了運算處理的複雜度。人能感受到的頻率範圍爲20HZ--20kHZ, 一般音樂的採樣頻率爲44.1kHZ(根據Nyquist採樣定理,採樣頻率大於信號中最高頻率的兩倍), 更高的可以是48kHZ和96kHZ，不過一般人用耳聽感覺不出差別了。語音主要是以溝通爲主，不需要像音樂那樣清晰，分窄帶和寬帶。窄帶頻率範圍爲300Hz--3400Hz,相應的採樣頻率爲8000Hz; 寬帶頻率範圍爲50Hz--7000Hz,相應的採樣頻率爲16000Hz，用16k採樣的語音就稱爲高清語音了。現在主流的語音採樣頻率爲16kHz。
採樣位數：
數字信號是用0和1來表示的。採樣位數就是採樣值用多少位0和1來表示，也叫採樣精度，用的位數越多就越接近真實聲音。如用8位表示，採樣值取值範圍就是-128--127，如用16位表示，採樣值取值範圍就是-32768--32767。現在一般都用16位採樣位數。
聲道（channel）
通常語音只用一個聲道。而對於音樂來說，既可以是單聲道（mono），也可以是雙聲道（即左聲道右聲道，叫立體聲stereo），還可以是多聲道，叫環繞立體聲，
多用於影院中。
音頻採集和播放
一般用專門的芯片（通常叫codec芯片）採集音頻，做A/D轉換，然後把數字信號通過I2S總線（主流用I2S總線，也可以用其他總線，比如PCM總線）送給CPU處理（也有的會把codec芯片與CPU芯片集成在一塊芯片中）。當要播放時CPU會把音頻數字信號通過I2S總線送給codec芯片，然後做D/A轉換得到模擬信號再播放出來。這部分對語音和音樂是通用的，只是用的採樣率有可能不一樣，音樂的採樣率用的高一些。
編解碼
如果把採樣值直接保存或者發送，會佔用很大的存儲空間或者很大的流量。以16kHz採樣率16位採樣位數單聲道爲例，一秒鐘就有32000（2字節*16000）字節。通常需要把採樣後的數字信號壓縮後才保存或者發送。把採樣值壓縮叫編碼（encode），形成比特流（bitstream）. 把比特流還原出採樣值叫解碼（decode），統稱編解碼（codec）。
音頻的編解碼
通常也把音頻採樣過程叫脈衝編碼調製編碼，即PCM（Pulse Code Modulation）編碼，採樣值也叫PCM值。爲了節省保存空間或者發送流量，會對PCM值壓縮。目前
主要有三大技術標準組織制定壓縮標準：
a）ITU，主要制定有線語音的壓縮標準（g系列），有g711/g722/g726/g729等。
b）3GPP,主要制定無線語音的壓縮標準（amr系列等）, 有amr-nb/amr-wb。後來ITU吸納了amr-wb，形成了g722.2。
c）MPEG,主要制定音樂的壓縮標準，有11172-3，13818-3/7，14496-3等。
一些大公司或者組織也制定壓縮標準，比如iLBC，OPUS。
無損壓縮和有損壓縮：把PCM數據壓縮後無任何損傷叫無損壓縮，不過壓縮程度不高。把PCM數據壓縮後有損傷叫有損壓縮，最多可以壓到幾十分之一，不過音頻質量差些。
音頻前後處理
音頻處理是指對PCM數據（也叫線性數據）進行處理，從而達到想要的效果，如回聲消除。
對音頻編碼前的PCM數據進行處理叫音頻前處理，主要用於語音中，來去除各種干擾，使聲音更清晰，主要有回聲消除、噪聲抑制、增益控制等。
對音頻解碼後的PCM數據進行處理叫音頻後處理，主要用於音樂中，來產生各種音效，使音樂更動聽，主要有均衡器、混響等。
音頻傳輸
這裏主要是指網絡傳輸，通過網絡把音頻數據傳給對方。語音和音樂兩種場景下有明顯的區別。
對於語音來說，實時性要求很高，主要用RTP/UDP做承載，由於UDP是不可靠傳輸，會丟包亂序等，影響語音質量，所以要採取相應的措施，主要有PLC(丟包補償)、FEC(前向糾錯)、重傳、jitter buffer等。
對於音樂來說，以前是播放本地音樂文件，近些年隨着網絡帶寬的加大，可以播放雲端的音樂文件了。播放時要把音樂文件傳給播放器，一般是邊播放邊下載，播放音樂對實時性要求不高，一般用HTTP/TCP做承載，也就不存在丟包亂序等問題了。
在軟件實現時，語音的傳輸要做好是不容易的，尤其在無線網絡環境下。個人覺得它是除了音頻算法外最難的部分（算法是有門檻的，需要精通數字信號處理）。
