一. 音頻基礎
1.1 聲音的產生
相對於視頻,可觀察這個現象.音頻在學習過程,就缺乏了想象的空間.但是如果從原理出發,就不會那麼難了.
聲音是什麼?
答：聲音是波,靠物體的振動產生
1.2 聲波的3要素
聲波的三要素,是頻率,振幅,波形.頻率代表音階的高低,振幅代表響度,波形則代表音色.
- 頻率越高,波長就會越短.而低頻聲響的波長則較長.所以這樣的聲音更容易繞過障礙物,能量衰減就越小.聲音就會傳播的越遠.
- 響度,就是能量大小的反饋.用不同的力度敲打桌面,聲音的大小勢必發生變換.在生活中,我們用分貝描述聲音的響度.
![在這裏插入圖片描述]()
小貼士
分貝(decibel),是度量聲音的強度單位,常用dB表示.是由美國發亞歷山大.格雷厄姆.貝爾 名字命名的.長期在夜晚接受50 分貝的噪音， 容易導致心血管疾病； 55 分貝， 會對兒童學習產生負面影響； 60分貝， 讓人從睡夢中驚醒； 70 分貝，心肌梗死的發病率增加30%左右； 超過110 分貝， 可能導致永久性聽力損傷.
- 音色,在同樣的頻率和響度下,不同的物體發出的聲音不一樣.比如鋼琴和古箏聲音就完全不同.波形的形狀決定了聲音的音色.因爲不同的介質所產生的波形不同.就會產生不一樣的音色.
1.3 聲音傳播
聲音的發生,來源於振動.人類說話,從聲帶振動發生聲音之後,經過口腔,顱腔等局部區域的反射,在經過空氣傳播到別人耳朵中.這是我們說話到聽到的過程.
聲音的傳播,可以通過空氣,液體,固定傳播.介質不同,會影響聲音的傳播速度.
- 吸音棉:通過聲音反射而產生的嘈雜感,吸音材料選擇使用可以衰減入射音源的反射能量,從而對原有聲音的保真效果.比如錄音棚牆壁上就會使用吸音材質
- 隔音:主要解決聲音穿透而降低主體空間的吵鬧感,隔音棉材質可以衰減入射聲音的透射能量.從而達到主體空間安靜狀態,比如KTV牆壁上就會安裝隔音棉材料.
二.數字音頻
2.1 模擬信號數字化過程
將模擬信號轉換爲數字信號的過程,分別是採樣,量化和編碼.
音頻採樣
對模型信號進行採樣,採樣可以理解爲在時間軸上對信號進行數字化.
而,根據奈斯特定理(採樣定理),按比聲音最高頻率高2倍以上的頻率對聲音進行採樣.這個過程稱爲AD轉換.
比如,前面提到高質量音頻信號,其頻率範圍是20Hz-20KHz.所以採樣頻率一般是44.1KHz.這樣可以保證採樣聲音達到20KHz也能被數字化.而且經過數字化處理後的聲音,音質也不會降低.44.1KHZ,指的是1秒會採樣44100次
奈斯特定理(採樣定理) 資料
量化
量化,指的是在幅度軸上對信號進行數字化.簡單的說,就是聲音波形的數據是多少位的二進制數據，通常用bit做單位.比如16比特的二進制信號來表示聲音的一個採樣.它的取值範圍[-32768,32767].一共有65536個值.如16bit、24bit。16bit量化級記錄聲音的數據是用16位的二進制數，因此，量化級也是數字聲音質量的重要指標。我們形容數字聲音的質量，通常就描述爲24bit（量化級）、48KHz採樣，比如標準CD音樂的質量就是16bit、44.1KHz採樣.
聲音量化
既然每個量化都是一個採樣,那麼聲音這麼多采樣,該如何將這些數據存儲起來?
編碼
什麼叫編碼?
答：按照一定格式記錄採樣和量化後的數據.
音頻編碼的格式有很多種,而通常所說的音頻裸數據指的是脈衝編碼調製(PCM)數據.
如果想要描述一份PCM數據,需要從如下幾個方向出發:
- 量化格式(sampleFormat)
- 採樣率(sampleRate)
- 聲道數(channel)
舉例:
以CD音質爲例,量化格式爲16bite,採樣率爲44100,聲道數爲2.這些信息描述CD音質.那麼可以CD音質數據,比特率是多少?
- 44100 * 16 * 2 = 1378.125kbps
那麼一分鐘的,這類CD音質數據需要佔用多少存儲空間?
- 1378.125 * 60 /8/1024 = 10.09MB
如果sampleFormat更加精確或者sampleRate更加密集,那麼所佔的存儲空間就會越大,同時能夠描述的聲音細節就會更加精確.
存儲在這些二進制數據即可理解爲將模型信號轉化爲數字信號.那麼轉爲數字信號之後,就可以對這些數據進行存儲\播放\複製獲取其他任何操作.
給大家推薦一個優秀的iOS交流平臺，平臺裏的夥伴們都是非常優秀的iOS開發人員，我們專注於技術的分享與技巧的交流，大家可以在平臺上討論技術，交流學習。歡迎大家的加入（想要進入的可加微信）。 18174412518