感謝IT之家網(wǎng)友 Garan 的原創(chuàng)投稿
此文為科普向，為了便于理解，減少專業(yè)詞匯的引入，會(huì)盡可能選取比較通俗、簡(jiǎn)單的說法，但可能因此導(dǎo)致部分用詞不是完全準(zhǔn)確。個(gè)人也可能有一些錯(cuò)誤，歡迎指正。
首先要區(qū)分音質(zhì)和音效。對(duì)于播放設(shè)備和發(fā)聲單元來說，好音質(zhì)應(yīng)當(dāng)是不論記錄下的聲音是否好聽，都要準(zhǔn)確地還原音頻文件中記錄的聲音。對(duì)于錄音設(shè)備則是精確地將被記錄的聲音轉(zhuǎn)換為音頻文件。這是兩個(gè)獨(dú)立的部分，互相之間無法影響。音效則是通過軟件或者硬件上的調(diào)節(jié)讓我們從耳機(jī)中聽到的聲音變得好聽，這也是我認(rèn)為音頻成為玄學(xué)的原因，因?yàn)槊總€(gè)人喜歡的音效是不一樣的。舉例來說，“膽機(jī)”的聲音很好聽，但它的好聽的原因是電子管放大器在運(yùn)作過程中對(duì)音頻產(chǎn)生的一種特殊的失真，就音質(zhì)來說“膽機(jī)”是存在缺陷的，但音效上很不錯(cuò)。
接下來談?wù)劼曇羰侨绾伪挥涗浀摹？茖W(xué)告訴我們，聲音本身是空氣的振動(dòng)，如果我們把它圖像化的話就會(huì)得到一條連續(xù)的曲線。記錄聲音其實(shí)就是記錄這條曲線，最早的聲音記錄設(shè)備——留聲機(jī)，就是直接在物體上把這條曲線刻成一道高低變化的凹痕。而在計(jì)算機(jī)記錄音頻時(shí)，首先通過麥克風(fēng)把空氣的振動(dòng)轉(zhuǎn)化為電流的變化，電流的變化依舊是一條曲線。但要存儲(chǔ)到計(jì)算機(jī)的存儲(chǔ)器上時(shí)會(huì)面臨一個(gè)問題，計(jì)算機(jī)只認(rèn)0和1，不認(rèn)曲線，那么就要想辦法把這條曲線變成0和1。這里就要提到脈沖編碼調(diào)制（PCM），這是目前幾乎所有計(jì)算機(jī)音頻編碼的基礎(chǔ)，幾乎所有常用格式的音頻，實(shí)質(zhì)上都是經(jīng)過改造、壓縮、包裝的PCM數(shù)據(jù)流，在播放音頻時(shí)，也會(huì)解碼成PCM的數(shù)據(jù)流后再交給聲卡去還原成電流信號(hào)。下面就講講PCM的原理。
第一步是取樣
在表示電壓變化的曲線上均勻地取樣，更準(zhǔn)確地說是隔一個(gè)固定的時(shí)間記錄一次電壓的大小，音頻的采樣率就是指每秒鐘取樣的次數(shù)，CD音頻的采樣率是44.1kHz，也就是每秒記錄44100次。至于為什么是這個(gè)數(shù)字，就要提到香農(nóng)-奈奎斯特采樣定理，根據(jù)這一定理，要不失真地記錄一定頻率以內(nèi)的信號(hào)，采樣率必須大于最高頻率的兩倍?？茖W(xué)告訴我們，人耳能聽出的聲音最高頻率是20kHz，考慮部分人能聽得更高和方便音頻處理，CD的音頻采樣率就被定在44.1kHz，DVD的采樣率則是48kHz。實(shí)際生活中還存在低采樣率的應(yīng)用，比如我們電話通話時(shí)的音頻采樣率只有8kHz或者16kHz而已，因?yàn)檫@已經(jīng)覆蓋了人說話聲音的頻率，可以滿足人們通話的需求了，但大家都會(huì)感覺電話里的聲音和人直接說話的聲音有些不一樣。因此，Hi-Res等音樂音頻已經(jīng)開始進(jìn)一步向上拓展采樣率，以提高音質(zhì)。
音頻取樣在錄音和播放時(shí)都會(huì)面臨一個(gè)問題，那就是如何準(zhǔn)確地每隔一個(gè)固定的時(shí)間記錄或者提供一次電壓。這是一個(gè)計(jì)時(shí)的問題，有經(jīng)驗(yàn)的人可能會(huì)發(fā)現(xiàn)，如果一直不調(diào)節(jié)手表的時(shí)間，一年下來，會(huì)和準(zhǔn)確的時(shí)間相差幾秒。對(duì)于日常生活來說一年差幾秒沒什么區(qū)別，但對(duì)每秒記錄數(shù)萬次的音頻來說，稍有不精確就會(huì)導(dǎo)致聲音的變化。目前電路中最常用的計(jì)時(shí)設(shè)備是石英晶體振蕩器，簡(jiǎn)稱“晶振”，對(duì)特制的石英晶體通上一定范圍的電流后，它就會(huì)以一個(gè)特定的頻率振動(dòng)，而這一振動(dòng)又會(huì)引發(fā)電壓的變化，設(shè)備依據(jù)這一電壓的變化進(jìn)行計(jì)時(shí)。晶振本身的會(huì)有一定的誤差，同時(shí)，這也是電對(duì)產(chǎn)生音頻影響的地方之一，不穩(wěn)定的電流會(huì)影響晶振的工作。晶振在電子設(shè)備中的應(yīng)用非常廣泛，對(duì)我們常用的電腦、手機(jī)來說，通常會(huì)有多個(gè)模塊共用一個(gè)晶振。而獨(dú)立聲卡等音頻設(shè)備會(huì)配備專門用于音頻的高精度晶振，甚至配備兩個(gè)晶振以應(yīng)對(duì)44.1kHz和48kHz兩個(gè)不成倍數(shù)關(guān)系的采樣率，而更高采樣率的音頻使用44.1或者48的倍數(shù)的采樣率的原因之一就是可以共用晶振。除了晶振之外，還有另一種更高精度計(jì)時(shí)設(shè)備——原子鐘，在一些高端音頻設(shè)備中，銣原子鐘已經(jīng)得到了應(yīng)用。
高采樣率的音頻還會(huì)記錄下樂器演奏過程中產(chǎn)生的超聲波，至于人能不能感覺到這些超聲波，從而提升聽感，那我覺得已經(jīng)進(jìn)入玄學(xué)范疇了，我不做評(píng)論。當(dāng)然前提是你的耳機(jī)能還原這些超聲波，這一點(diǎn)可以看耳機(jī)的頻率響應(yīng)，順便一提Hi-Res認(rèn)證對(duì)耳機(jī)的要求就是頻率響應(yīng)上限不低于40kHz。
192kHz的音頻可以記錄96kHz以內(nèi)的聲波（許多高解析音頻是專業(yè)音頻處理公司從CD級(jí)別的音頻處理出來的，效果上就見仁見智了）
第二步是量化
接下來還要對(duì)取到的樣本進(jìn)行量化，直接記錄電流值的話，雖然每個(gè)樣本的數(shù)據(jù)量不大，但每秒有44100個(gè)樣本的話，還是得想辦法節(jié)約空間。方式就是把取到的電流值用一個(gè)計(jì)算機(jī)可以存儲(chǔ)的二進(jìn)制數(shù)來表示，那么問題就是用多少位的二進(jìn)制數(shù)來表示一個(gè)樣本，這就是音頻的采樣精度（又譯采樣深度、采樣位寬），CD音頻的采樣精度是16bit，也就是用16位的二進(jìn)制數(shù)來表示每一個(gè)樣本，那么就可以表示2的16次方，也就是65536種不同的樣本，而24bit采樣精度則能表示16777216種不同的樣本。由于能表示的樣本的種類是有限，因此只能把取到的樣本記錄成能表示的樣本中與之最接近的，這一過程明顯會(huì)導(dǎo)致的音質(zhì)損失，這就是所謂的量化噪音，采樣精度的提升可以降低這種噪音。
最后把所有的數(shù)據(jù)連續(xù)排在一起，就形成了PCM數(shù)據(jù)流，這也是為何未經(jīng)壓縮的音頻每秒的數(shù)據(jù)量，也就是常說的碼率，是采樣率、采樣精度、聲道數(shù)之積。
可以畫張圖來直觀地表示這個(gè)過程，紅色為被記錄的點(diǎn)。
依靠圖片我們也可以很直觀地了解，采樣率和采樣精度的提升可以使被記錄的數(shù)據(jù)更接近原來的曲線，這也是為何Hi-Res音頻的音質(zhì)比CD高，這是科學(xué)，不是玄學(xué)。但無論如何，PCM記錄下的音頻都是一串不連續(xù)的變化的點(diǎn)，這也就是所謂的數(shù)碼感產(chǎn)生的原因。
PCM數(shù)據(jù)流在經(jīng)過各種不同的、有損或者無損的處理與壓縮，并進(jìn)行包裝后，就變成了不同格式的音頻文件了。
音頻如何被還原
首先是將被壓縮過的音頻文件通過CPU解碼成PCM數(shù)據(jù)流。對(duì)于電腦來說，同時(shí)有多個(gè)軟件在運(yùn)作，都可能要求發(fā)出某些聲音。而且這些聲音可能會(huì)使用不同的采樣率和采樣精度，這就會(huì)產(chǎn)生混亂，因此，現(xiàn)在操作系統(tǒng)會(huì)統(tǒng)一管理音頻，軟件將聲音交給操作系統(tǒng)的音頻接口，由操作系統(tǒng)將各軟件提供的聲音混合后統(tǒng)一采樣率和采用精度，形成新的PCM數(shù)據(jù)流再交給聲卡進(jìn)行處理，這一過程中，非整數(shù)倍的采樣率轉(zhuǎn)換和高采樣率轉(zhuǎn)至低采樣率都會(huì)導(dǎo)致音質(zhì)的損失。如果要欣賞音樂的話，請(qǐng)選擇成音樂音頻的采樣率，以避免采樣率轉(zhuǎn)換造成的音質(zhì)損失。對(duì)于音質(zhì)要求更高的人，Windows7開始微軟引入了Wasapi，支持的軟件可以使用獨(dú)占模式來直接向聲卡提供PCM，徹底避免操作系統(tǒng)處理造成的音質(zhì)損失。
▲默認(rèn)格式就是系統(tǒng)混合后的PCM的采樣率與位寬
PCM數(shù)據(jù)流被交給聲卡后，會(huì)使用數(shù)字模擬轉(zhuǎn)換器（Digital to analog converter，以下簡(jiǎn)稱DAC）將其轉(zhuǎn)換成模擬信號(hào)，這部分通常也被稱為解碼器，基本就是錄音過程中量化和取樣反過來進(jìn)行，不再重復(fù)說明。然后經(jīng)過放大器（Amplifier）提高電流（就當(dāng)是提高音量好了），對(duì)于高阻抗耳機(jī)，放大器功率不足會(huì)導(dǎo)致音頻開到最大，聲音還是輕。優(yōu)（geng）秀（gui）的DAC和放大器能以更高的精度去還原音頻信號(hào)。在這一過程中，給DAC和放大器供電的電流如果存在不穩(wěn)定或者不足的話，會(huì)影響其工作，導(dǎo)致轉(zhuǎn)換、放大的精度受到影響，而越好的DAC和放大器通常對(duì)電的要求也越高，加上之前提到的晶振，導(dǎo)致音頻發(fā)燒友十分關(guān)注音頻設(shè)備的供電部分，最終產(chǎn)生了許多音質(zhì)和電的段子。
線材
除了電的段子，關(guān)于音頻線材的段子也是很多。金屬線是最常見的音頻信號(hào)傳輸媒介，線材的好壞很簡(jiǎn)單，進(jìn)入的電信號(hào)和出來的電信號(hào)要越接近越好。進(jìn)出信號(hào)的差別通常源自源自于線材本身的電阻和外部的干擾。因此減少信號(hào)損失的方式是使用低電阻的金屬材料、應(yīng)用能減少干擾的線路設(shè)計(jì)、避免線材通過有電磁干擾的區(qū)域以及減少線材長(zhǎng)度等。目前最常見的線材材料是銅，但銅的純度、生產(chǎn)工藝、粗細(xì)等使銅線的質(zhì)量差別很大。而銀的電阻雖然低于銅，但其價(jià)格和加工難度使其不能普及。 因此就產(chǎn)生了鍍銀銅線這樣的存在。
對(duì)于數(shù)字信號(hào)，其天生的抗干擾能力讓其對(duì)信號(hào)質(zhì)量的要求沒那么高，因此在DAC之前信號(hào)本身不會(huì)受什么影響，但攜帶信號(hào)的電流本身受影響產(chǎn)生的變化還是有可能影響DAC的運(yùn)作，因此產(chǎn)生了音頻光纖。在DAC之后一直到發(fā)聲單元，音頻為模擬信號(hào)，這一段就沒法用光纖了只能使用高質(zhì)量（gui）的金屬線，但對(duì)大多數(shù)用戶來說，只要線材的質(zhì)量不要太爛或者進(jìn)入強(qiáng)電磁干擾的區(qū)域，外部干擾通常不會(huì)產(chǎn)生能夠感覺到的影響。
還有一種思路就是把DAC等元件在發(fā)聲單元附近，極限地減少模擬信號(hào)的傳輸距離來減少音質(zhì)損失，但對(duì)耳機(jī)等小尺寸發(fā)生單元來說、這樣也會(huì)導(dǎo)致空間不足而無法布置高質(zhì)量的dac與放大器。
另一種的記錄方式
除了高于CD采樣率和采樣精度的PCM音頻外，還有一種音頻也被索尼歸為Hi-Res音頻。這種音頻的編碼模式被稱為直接比特流數(shù)字編碼（Direct Stream Digital，簡(jiǎn)稱DSD），其記錄模式與PCM完全不同。首先其采樣率極高，即使最低的DSD64也有2.8224Mhz，是CD的64倍，其次，其采樣精度只有1bit，也就是每個(gè)采樣點(diǎn)不是1就是0。記錄原理大致是將每個(gè)樣本與上一個(gè)樣本比較，電壓高于上一個(gè)樣本就計(jì)1，低于上一個(gè)樣本或者不變就計(jì)0，當(dāng)然實(shí)際的比較方式要更為復(fù)雜。因?yàn)檎５囊魳芬纛l都是連續(xù)變化的曲線，只要采樣率夠高，就能在音頻文件體積得到控制的情況下比PCM更準(zhǔn)確地記錄聲音，并減少低采樣率導(dǎo)致的數(shù)碼感。
雖然DSD很優(yōu)秀，但只有高端（gui）的DAC才能直接接受DSD數(shù)據(jù)流并將其還原，當(dāng)然現(xiàn)在也有軟件可以將DSD實(shí)時(shí)轉(zhuǎn)換成PCM來播放，不過這樣就喪失DSD本身的特色了。
Vivo Xplay6的DSD模式（額，懶得截圖）
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。