理解数字音频：综合指南

数字音频是以数字格式表示的声音。它是从 Spotify 和 Apple Music 等流媒体音乐服务到电影原声带和视频游戏音频的基础。了解数字音频的基本原理对于任何从事音频工作的人来说都是至关重要的，无论您是音乐家、声音工程师、视频编辑，还是仅仅是音频爱好者。

声音的基础知识

在深入数字领域之前，了解声音本身的基础知识非常重要。声音是一种振动，以波的形式穿过介质（通常是空气）。这些波有几个关键特征：

• 频率：每秒的周期数，以赫兹 (Hz) 为单位测量。频率决定声音的音高。频率越高，音高越高，而频率越低，音高越低。人耳的听觉范围一般认为是 20 Hz 到 20,000 Hz (20 kHz)。
• 振幅：声波的强度，决定响度或音量。振幅通常以分贝 (dB) 为单位测量。
• 波长：波上两个对应点之间的距离（例如，两个峰值）。波长与频率成反比。
• 音色：也称为音色，音色是声音的质量，将它与具有相同音高和响度的其他声音区分开来。音色由声波中存在的复杂频率组合决定。 小提琴和长笛演奏相同的音符会因其不同的音色而听起来不同。

从模拟到数字：转换过程

模拟音频信号是连续的，这意味着它们具有无限个值。另一方面，数字音频是离散的，这意味着它由一组有限的数字表示。将模拟音频转换为数字音频的过程涉及两个关键步骤：采样和量化。

采样

采样是以规则间隔测量模拟信号的过程。采样率决定每秒采样的样本数，以赫兹 (Hz) 或千赫兹 (kHz) 为单位测量。更高的采样率捕获有关原始信号的更多信息，从而产生更精确的数字表示。

奈奎斯特-香农采样定理指出，采样率必须至少是模拟信号中存在的最高频率的两倍，才能准确地重建它。这被称为奈奎斯特速率。例如，如果要录制频率高达 20 kHz（人耳的上限）的音频，则需要至少 40 kHz 的采样率。数字音频中常用的采样率包括 44.1 kHz（CD 质量）、48 kHz（用于许多视频应用）和 96 kHz（用于高分辨率音频）。

示例：东京的一个工作室可能会使用 96 kHz 来录制传统的日本乐器，以捕捉其微妙的细微差别和高频内容，而伦敦的播客制作人可能会选择 44.1 kHz 或 48 kHz 来制作基于语音的内容。

量化

量化是将离散值分配给每个样本的过程。位深度决定了可用于表示每个样本的可能值的数量。更高的位深度提供更多可能的值，从而产生更大的动态范围和更低的量化噪声。

常用的位深度包括 16 位、24 位和 32 位。一个 16 位系统有 2^16 (65,536) 个可能的值，而一个 24 位系统有 2^24 (16,777,216) 个可能的值。 较高的位深度允许音量有更微妙的渐变，从而更准确、更详细地表示原始音频。24 位录音比 16 位录音提供显着改善的动态范围。

示例：在维也纳录制整个管弦乐队时，更倾向于使用 24 位录音来捕捉广泛的动态范围，从最安静的 pianissimo 段落到最响亮的 fortissimo 部分。16 位的手机录音可能足以用于随便的对话。

混叠

如果采样率不够高，则在采样过程中可能会发生混叠。它导致高于奈奎斯特速率的频率被误解为较低的频率，从而在数字音频信号中产生不希望的失真。 为了防止混叠，通常使用抗混叠滤波器在采样之前消除高于奈奎斯特速率的频率。

数字音频格式

将模拟音频转换为数字音频后，可以将其存储在各种文件格式中。这些格式在压缩、质量和兼容性方面有所不同。 了解不同格式的优缺点对于为给定的应用程序选择正确的格式至关重要。

未压缩格式

未压缩的音频格式存储音频数据，没有任何压缩，从而产生尽可能高的质量。但是，未压缩的文件通常非常大。

• WAV（波形音频文件格式）：微软和 IBM 开发的常用未压缩格式。WAV 文件得到广泛支持，可以存储各种采样率和位深度的音频。
• AIFF（音频交换文件格式）：苹果公司开发的类似未压缩格式。AIFF 文件也得到广泛支持，并提供与 WAV 文件相当的质量。

无损压缩格式

无损压缩技术在不牺牲任何音频质量的情况下减小文件大小。这些格式使用算法来识别和删除音频数据中的冗余信息。

• FLAC（自由无损音频编解码器）：一个开源无损编解码器，在保持原始音频质量的同时提供出色的压缩比。FLAC 是归档和分发高分辨率音频的常用选择。
• ALAC（Apple 无损音频编解码器）：苹果公司的无损编解码器，提供与 FLAC 类似的性能。ALAC 在苹果生态系统中得到了很好的支持。

有损压缩格式

有损压缩技术通过永久删除一些音频数据来减小文件大小。虽然这会导致较小的文件大小，但它也会引入一定程度的音频质量下降。有损压缩的目标是删除人耳不太容易察觉的数据，从而最大限度地减少感知质量的损失。应用的压缩量会影响文件大小和音频质量。更高的压缩比会导致更小的文件，但质量损失更大，而较低的压缩比会导致更大的文件，但质量更好。

• MP3 (MPEG-1 Audio Layer 3): 最广泛使用的有损音频格式。MP3 在文件大小和音频质量之间提供了良好的平衡，使其适用于流媒体音乐和存储大型音乐库。 MP3 编码算法旨在丢弃对感知声音不太重要的音频信息，从而导致文件大小显着小于未压缩格式。
• AAC（高级音频编码）：比 MP3 更先进的有损编解码器，在相同的比特率下提供更好的音频质量。AAC 被许多流媒体服务使用，包括 Apple Music 和 YouTube。 AAC 被认为比 MP3 更高效，这意味着它可以在较低的比特率下获得更好的音质。
• Opus：一种相对较新的有损编解码器，专为低延迟通信和流媒体而设计。Opus 在低比特率下提供出色的音频质量，使其适用于语音聊天、视频会议和在线游戏。 Opus 旨在具有高度通用性，并适用于不同的音频类型，从语音到音乐。

示例：柏林的一位 DJ 可能会使用未压缩的 WAV 文件进行现场表演，以确保尽可能高的音频质量。带宽有限的印度农村用户可能会选择以 MP3 格式流媒体音乐，以最大限度地减少数据使用量。布宜诺斯艾利斯的一位播客可能会更喜欢 AAC，以便高效存储和分发他们的剧集。

关键数字音频概念

几个关键概念对于有效使用数字音频至关重要：

比特率

比特率是指用于表示音频的每单位时间的数据量，通常以千比特每秒 (kbps) 为单位测量。较高的比特率通常会产生更好的音频质量，但也会导致更大的文件大小。比特率对于有损压缩格式尤其重要，因为它直接影响在压缩过程中丢弃的数据量。 较高的比特率 MP3 文件通常会比较低的比特率 MP3 文件听起来更好。

动态范围

动态范围是指录音中最大声和最安静声音之间的差异。更宽的动态范围允许更多微妙的细微差别和对原始声音的更真实的再现。 位深度是影响动态范围的一个主要因素； 较高的位深度允许表示最大声和最安静声音之间的更大差异。

信噪比 (SNR)

信噪比 (SNR) 是衡量所需音频信号相对于背景噪声水平的强度。较高的 SNR 表明音频录音更干净，噪声更小。 在录音过程中尽量减少噪音对于获得高 SNR 至关重要。这可以通过使用高质量的麦克风、在安静的环境中录音以及在后期制作中使用降噪技术来实现。

削波

当音频信号超过数字系统可以处理的最大电平时，就会发生削波。这会导致失真和刺耳、不愉快的声音。 在录音和混音期间仔细监控音频电平，并使用增益分级技术以确保信号保持在可接受的范围内，可以避免削波。

抖动

抖动是在量化之前向音频信号添加少量噪声的过程。这有助于减少量化噪声并提高感知到的音频质量，尤其是在较低的位深度下。 抖动有效地随机化了量化误差，使其不那么明显，并且更令人愉悦。

音频编辑软件 (DAW)

数字音频工作站 (DAW) 是用于录制、编辑、混音和母带处理音频的软件应用程序。DAW 提供了广泛的工具和功能来处理音频，包括：

• 多轨录音：DAW 允许您同时录制多个音轨，这对于录制复杂的音乐编排或有多个扬声器的播客至关重要。
• 音频编辑：DAW 提供了各种编辑工具，用于修剪、剪切、复制、粘贴和处理音频剪辑。
• 混音：DAW 提供一个虚拟调音台，带有推子、均衡器、压缩器和其他效果处理器，用于塑造各个音轨的声音并创建有凝聚力的混音。
• 母带处理：DAW 可用于母带处理音频，这涉及优化最终产品的整体响度、清晰度和动态范围。

流行的 DAW 包括：

• Avid Pro Tools：音乐、电影和电视行业专业人士使用的行业标准 DAW。Pro Tools 以其强大的编辑和混音能力而闻名。
• Apple Logic Pro X：macOS 的专业 DAW，提供一套全面的音乐制作工具。Logic Pro X 以其用户友好的界面及其与苹果生态系统的集成而闻名。
• Ableton Live：电子音乐制作人和表演者中流行的 DAW。Ableton Live 以其创新的工作流程以及可用于工作室制作和现场表演而闻名。
• Steinberg Cubase：音乐家和制作人跨越各种流派使用的强大而通用的 DAW。Cubase 提供了广泛的功能和工具，包括高级 MIDI 排序功能。
• Image-Line FL Studio：嘻哈和电子音乐制作人中流行的 DAW。FL Studio 以其基于模式的工作流程及其广泛的虚拟乐器和效果库而闻名。
• Audacity：一个免费的开源 DAW，适用于基本的音频编辑和录音。Audacity 是初学者或需要简单轻量级音频编辑器的人的不错选择。

示例：首尔的一位音乐制作人可能会使用 Ableton Live 来创作 K-pop 歌曲，利用其直观的工作流程和专注于电子音乐的功能。好莱坞的电影声音设计师可能会使用 Pro Tools 为大片电影创作身临其境的音景，依靠其行业标准的兼容性和高级混音功能。

音频效果处理

音频效果处理涉及使用各种技术处理音频信号的声音。效果可用于增强、校正或完全转换声音。常见的音频效果包括：

• 均衡 (EQ)：用于调整音频信号的频率平衡，允许您增强或削减特定频率。EQ 可用于校正音调不平衡、增强清晰度或创建独特的声音纹理。
• 压缩：用于减小音频信号的动态范围，使较大的部分变小，而较小的部分变大。压缩可用于增加整体响度、增加冲击力或平滑不均匀的性能。
• 混响：用于模拟音频信号在物理空间中的声音，例如音乐厅或小房间。混响可以为录音增加深度、空间感和真实感。
• 延迟：用于创建音频信号的回声或重复。延迟可用于增加节奏兴趣、创建空间感或创建独特的声音纹理。
• 合唱：用于通过添加音频信号的多个副本（在音高和时序上略有变化）来创建闪烁、加厚的效果。
• 镶边：通过将信号延迟一个小的、变化量来产生旋转、呼啸的声音。
• 相位器：与镶边类似，但使用相移来创建更微妙、扫掠的效果。
• 失真：用于向音频信号添加谐波和饱和度，从而产生失真或粗糙的声音。失真可用于为录音增加侵略性、温暖感或个性。

示例：伦敦的一位母带工程师可能会使用细微的 EQ 和压缩来增强流行歌曲的清晰度和响度。孟买的一位声音设计师可能会使用重混响和延迟来为科幻电影创作超凡脱俗的音效。

麦克风和录音技术

麦克风的选择和录音技术在最终音频录音的质量中起着至关重要的作用。不同的麦克风具有不同的特性，适用于不同的应用。常见的麦克风类型包括：

• 动圈麦克风：坚固耐用的多功能麦克风，非常适合录制大声，例如鼓或电吉他的声音。动圈麦克风对环境噪音的敏感度相对较低，并且可以处理高声压级。 Shure SM57 是一款经典的动圈麦克风，通常用于军鼓和吉他放大器。
• 电容麦克风：更灵敏的麦克风，非常适合录制人声、原声乐器和其他精致的声音。电容麦克风需要幻象电源才能运行。Neumann U87 是一款高端电容麦克风，通常用于专业工作室的人声。
• 带式麦克风：复古风格的麦克风，产生温暖而流畅的声音。带式麦克风通常用于录制人声、号角和其他需要复古声音的乐器。 Royer R-121 是一款流行的带式麦克风，以其温暖而自然的声音而闻名。

常见的录音技术包括：

• 近距离拾音：将麦克风靠近声源以捕捉直接而详细的声音。
• 远距离拾音：将麦克风放置在离声源更远的地方，以捕捉更自然和宽敞的声音。
• 立体声拾音：使用两个麦克风来捕捉声源的立体声图像。常见的立体声拾音技术包括 XY、ORTF 和间隔对。

示例：洛杉矶的配音艺术家可能会在隔音棚中使用高质量的电容麦克风来录制干净清晰的旁白。纳什维尔的一支乐队可能会结合使用动圈和电容麦克风来录制现场表演，捕捉乐队的原始能量和各个乐器的细微差别。

空间音频和沉浸式声音

空间音频是一种通过模拟声音在三维空间中的传播方式来创造更身临其境和逼真聆听体验的技术。空间音频用于各种应用，包括：

• 虚拟现实 (VR)：空间音频对于创建逼真和身临其境的 VR 体验至关重要。通过准确地模拟声源的方向和距离，空间音频可以增强在虚拟环境中存在感和沉浸感。
• 增强现实 (AR)：空间音频可用于创建更具吸引力和互动性的 AR 体验。通过准确地定位现实世界中的声源，空间音频可以增强 AR 应用程序的真实性和可信度。
• 游戏：空间音频可以通过提供更准确的定位音频提示来增强游戏体验。这可以帮助玩家定位敌人、浏览游戏世界并沉浸在游戏环境中。
• 音乐：空间音频越来越多地用于音乐制作中，以创造更身临其境和引人入胜的聆听体验。 像杜比全景声音乐这样的格式允许更好地控制声音放置，从而创建更三维的声场。

常见的空间音频格式包括：

• 杜比全景声 (Dolby Atmos)：一种环绕声技术，允许将声音对象放置在三维空间中。
• DTS:X：一种类似的环绕声技术，也允许将声音对象放置在三维空间中。
• Ambisonics：一种全球面环绕声格式，可从所有方向捕捉声场。

示例：斯德哥尔摩的游戏开发者可能会使用空间音频为虚拟现实游戏创建逼真而身临其境的音景，让玩家可以从各个方向听到声音。伦敦的音乐制作人可能会使用杜比全景声来为其音乐创作更身临其境和引人入胜的聆听体验，让听众可以听到来自他们上方和身后的声音。

音频修复和降噪

音频修复是清理和改善旧或损坏的音频录音质量的过程。降噪是音频修复的一个关键方面，涉及去除或减少不需要的噪音，例如嘶嘶声、嗡嗡声、喀哒声和爆裂声。常见的音频修复技术包括：

• 降噪：使用专业软件来识别并消除音频录音中不需要的噪音。
• 去咔嗒声：去除音频录音中的咔嗒声和爆裂声，通常由录音介质中的划痕或缺陷引起。
• 去嘶嘶声：减少音频录音中的嘶嘶声，通常由模拟磁带或其他电子设备引起。
• 去嗡嗡声：去除音频录音中的嗡嗡声，通常由电气干扰引起。

示例：罗马的档案管理员可能会使用音频修复技术来保存和数字化历史音频录音，例如演讲或音乐表演。法医音频分析师可能会使用音频修复技术来增强和澄清用作刑事调查证据的音频录音。

数字音频的可访问性

确保数字音频对每个人（包括残疾人士）都可访问是一个重要的考虑因素。数字音频中的辅助功能包括：

• 文字记录：为聋人或听力障碍者提供音频内容的文字记录。
• 字幕：向包含音频的视频内容添加字幕。
• 音频描述：为盲人或视力障碍者提供视觉内容的音频描述。
• 清晰的音频设计：设计易于理解和遵循的音频内容，清晰分离声音元素并最大限度地减少背景噪音。

示例：墨尔本的一所大学可能会提供所有讲座和演示文稿的文字记录，以确保听力障碍的学生可以充分参与他们的课程。纽约的一家博物馆可能会为其视障游客提供其展览的音频描述。

数字音频的未来

数字音频领域正在不断发展，新技术和技术不断涌现。塑造数字音频未来的一些趋势包括：

• 人工智能 (AI)：人工智能被用于开发新的音频处理工具，例如降噪算法和自动混音系统。
• 机器学习 (ML)：机器学习被用于分析音频数据并识别模式，这些模式可用于各种应用，例如音乐推荐和音频指纹识别。
• 沉浸式音频：沉浸式音频技术，例如空间音频和虚拟现实，变得越来越流行，为创建引人入胜和逼真的音频体验创造了新的机会。
• 基于云的音频制作：基于云的 DAW 和音频处理工具使音乐家和制作人更容易从世界任何地方协作和创作音乐。
• 个性化音频：允许根据个人偏好和听力特征对音频体验进行个性化的技术正在出现。

结论

在当今技术驱动的世界中，了解数字音频至关重要。从采样和量化的基本概念到音频编辑和母带制作的高级技术，扎实掌握这些原理可以增强各个领域个人的能力。无论您是创作下一部杰作的音乐家、创造身临其境的音景的电影制作人，还是仅仅是音频内容的狂热消费者，本指南都为探索复杂且不断发展的数字音频领域奠定了基础。音频的未来是光明的，人工智能、沉浸式技术和个性化体验的进步有望带来更多令人兴奋的可能性。