第七单元 音频和语音
&&&&今天，数字技术统治着音频应用领域。随着卫星通信、IP电话、蜂窝电话、MP3播放器的普及，数字技术正在广播、娱乐、电信、录音等领域取代模拟技术。在这些设备中，数字处理器在将复杂的声音转换为比特流。进行数字音频信号处理的第一步就是编码过程。
&&&&数据带宽是设计者考虑选用什么音频编解码器的第一要素。人类听力频率范围在5Hz~ 20 kHz之间，动态范围为120 dB（见表1）。直接进行数字化，所需Nyquist采样率至少为40 kHz，立体声需要两路音频通道。CD音频采用44.1 kHz 采样率和16-bit样本（96 dB动态范围），立体声数据率为1.4 Mbits/sec。此外，还需要信道编码、纠错编码等附加开销。所以，CD音频的总体数据率为4.3 Mbits/sec。（下表略）
&&&&对于很多应用场合，这么高的数据率需要进行压缩。压缩分为有损和无损两类。无损压缩利用的是信号中的统计冗余。例如，对英语进行编码需要至少5个比特才能代表26个字母。但是，26个字母的使用率去不相同。例如，在大段文字中，字母E的出现率为13%，而字母Z的出现率则不足1%。使用变长码给于字母E较少的比特，给于字母Z较多的比特，那么在不损失任何信息的前提下比特总量就会减少。&&&&遗憾的是，无损压缩还无法将音频数据率降低到可用范围。其压缩比不会超过2:1。所以，音频编解码器必须采取有损压缩技术。
有选择消除
&&&&有损压缩有选择地将信息从信号中消除掉。一个简单的例子就是利用&检测到的静音&。当音频信号中出现了&暂停&，就可以使用某个代码替代所有&静音样本&，解码时再重新插入这些&静音样本&。
&&&&有损压缩会导致音质下降。以&静音检测&为例，重建的&静音期&缺乏背景白噪声。在某些应用场合，出现这种状况会让人不舒服。
&&&&在过去几十年间，大量各种各样的数字音频编码标准出现了——因为开发者必须考虑许多权衡点。每一种应用领域都存在着数据带宽、音质、处理迟延和其它设计因素间的最佳组合，每一种应用领域也都开发出了自己的音频压缩标准。在这些形形色色的标准中，也存在着某些音频信号处理方法的共同点。音频编解码方法可分为三大类：直接音频编码、感知音频编码和合成编码。
&&&&在直接音频编码中，最主要的权衡点在于数据率和音频带宽。在编码前对声音进行滤波，可以降低正确数字化所需的Nyquist采样率。此外，还可以限制信号的动态范围。这两种处理都是电话通信中的标准做法。人类语音的能量集中于200 Hz~3.2 kHz频段之间。此外，大声喊叫的音量也只有70 dB。因此，12比特就足够完成转换了。通过信号滤波和8 kHz采样，电话系统比特率降至96 kbits/sec。对于听者而言，这样的音质就足以通过捕捉语调细微变化来分辨说话人了。对于电话交谈，这样的音质就可以了。不过，对于音乐而言，这样的音质是不行的。调幅广播拥有类似的音频带宽。
&&&&对于音乐和宽带音频，直接编码必须采取另外一种方法。最常见的是图1所示的&自适应差分脉冲编码调制&(ADPCM)。在该方法中，输入信号先经过一个自适应预测器，然后对输入信号和预测值的差异进行编码。如果预测器工作出色的话，差异会很小，编码所需比特数就会很少。
&&&&当然，声音也可能从无到有，少量比特数就会截断这些大信号。预测器的自适应特点通过改变量阶来应对大信号——这样使得比特精度能够更好地匹配信号。这么处理会导致——当信号急速变化时（出现高频信号时），输出出现斜率变化和局部过冲。很容易推算出——ADPCM将获得4:1的压缩效果。ADPCM用在许多音频应用中，如某些类型的波形文件（.wav）和许多国际电话标准。
&&&&感知音频编码寻求更高的压缩比，它利用了人耳听觉特征。其目标为——在确保&解码音频信号&与&原始音频信号&零差异或微差异的前提下，去除音频信息。最简单常见的方法称作&压扩&——它利用了人耳对音量变化的响应特点。
&&&&人耳对于音频功率的响应呈现对数特点——大约为e1/3（声音功率增强10倍，人耳感知的响度只有2倍提高）。我们只能感觉到约1 dB功率的变化，120 dB音频信号变化范围（从&听不到&到&感觉刺耳&）只包含120个可感知音量量阶。&压扩&利用了这一点，按照信号幅度调整量化间隔。对于小信号，量阶较密集；对于大信号，量阶较疏松。这样一来，涵盖整个信号范围所需的量阶就减少了。典型的电话压扩能够将原本需要12个比特的语音信号量化为8比特进行传输和重建，将数据率降低至64 kbits/sec。
&&&&常用压扩方法有两种。在北美，电话里常用u率压扩；在欧洲，常用的是A率压扩器。二者的计算方法是近似的。
&&&&u律压扩方法定义如下：
&&&&A律压扩方法定义如下：
&&&&这两个公式采用非线性运算将12-bit输入信号映射为8-bit输出信号，丢弃了人耳听不出来的大音量信号中的信息。
这种编码方法只利用了人耳对于声音信号的幅度响应特点。对于频率，人耳的响应特点也是对数型的——在50 Hz ~100 Hz频率范围感受到信息和在10 kHz ~ 20 kHz一样多。此外，幅度和频率还交互作用于人耳，弱信号会被邻频强信号掩蔽掉。复杂的感知编码方法利用了上述特点、降低了数据率、构成了AAC（MPEG-2高级音频编码器）和Dolby AC3等音频编解码器的基础。
&&&&图2展示了感知编码音频编解码器的总体框架。输入信号进入滤波器组，各频段信号独立编码。将各频段信号能量和感知模型进行对比，确定每个频段所需的量阶大小。如果某个频段的强信号将会掩蔽临近频段的弱信号，量化器就不会对被掩蔽信号进行采样。在量化之后，无损编码进一步降低比特数量，为信道编码和数据打包做准备。
&&&&感知编码可以明显地降低比特率（见表2）。以1.4 Mbit/sec的CD立体声为例。感知编码可将其数据率降至128 kbits/sec而不会造成可感知的音质下降。
对模型（而非波形）进行编码
&&&&感知编码要费很大劲儿才能将音乐等宽带音频的数据率降下来，它也无法满足无线通信应用对于压缩水平的需求。在这些应用场合，数据带宽很重要，音频编解码器无法改变声音样本的外观。编解码器利用了人类语音生成模型——称作&线性预测编码&(LPC)——作为压缩算法的基础。
&&&&在大约2~40毫秒的短时间内，人类语音可采用三个参数进行建模（如图2所示）。第一个参数是选择声音源——是随机噪声、还是脉冲序列。随机噪声对应于辅音中的摩擦音——例如，[s]、[f]和[v]。脉冲序列对应于语音中的元音。因为元音音调会发生变化，模型中将脉冲序列频率作为第二个参数。第三个参数是回归线性滤波器系数——该滤波器模拟口腔、喉咙、鼻腔构成的声音通道的响应。
&&&&尽管如此形成的声音听上去生硬，但该模型可以用来进行语音合成。它也是&码激励线性预测编码&（CELP）语音编解码器的核心。在CELP算法中，编解码器存储着LPC模型的码本，将模型合成的声音与输入声音片断进行对比，调整对比过程以忽略人耳无法觉察的差异。编解码器在多个模型中选择最佳匹配，然后将码本和错误项传递给接收器。编解码器将反复调整其码本，也需要偶尔传递滤波器系数。
&&&&CELP编码的语音质量稍低于其他压缩方法，但仍可为正常交谈提供足够的语音保真度，因为其中的错误项纠正了LPC模型带来的大部分&生硬&。CELP的优势大大超过其带来的音质损失。CELP编解码器可将语音信号数据率压缩至4.8 kbits/sec。
&&&&CELP面向语音编码，而不是面向宽带音频；不过，相似的方法也在MPEG-4结构化音频中提出来，用于宽带音频信号压缩。结构化音频方法也传递模型参数，这一点是和CELP相同的；不过，和CELP不同的是，其声音合成模型不是预先确定的。结构化音频编解码器同时传递模型、参数，让它们去容纳一个很宽范围的声音源。
&&&&结构化音频、CELP和其他音频压缩算法仅仅是音频信号处理的基础。还有许多系统因素影响着编码算法的选择，如编解码器对信号处理过程带来的延迟。例如，在电话交谈中，说和听之间出现的半秒延迟就可能打断谈话。此外，在出现噪声或出现噪声导致的数据流损坏时编解码器的性能也是需要考虑的系统因素。不过，对设计人员而言，了解这些基础知识就是走向数字音频领域的起点。
电子工业出版社关于mp3,aac,ac3的封装兼容性与音质比较_dwing吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0可签7级以上的吧50个
本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：3,888贴子：
关于mp3,aac,ac3的封装兼容性与音质比较
由于我的实际需要，我现在希望制作一个mpegts封装的媒体流，其中音频打算选择,aac,ac3三种编码其中之一，想向各位大神问几个问题：1、大量资料和评论都说aac是最好的，那么aac在stereo,48khz,192kbps的参数情况下与,ac3的音质差距有多大呢？我自己用ffmpeg编码了几个文件出来，由于本人木耳，3种编码的区别我听不出来，不过感觉ac3相对听感模糊一些，但从频谱上看，居然ac3的频谱是最好看的，不过我用的aac编码器是ffmpeg zeranoe编译版的libvo_aacenc，mp3就用libmp3lame,都是ffmpeg自带的，这些编码器的实现是否会导致音质劣化呢？2、在mpegts规范中，最佳兼容性的音频编码应该是哪个呢？我觉得mpegts最佳兼容性的应该是mp2,aac,ac3，不过mp2旧了点，是否可以比较兼容各类设备和分离器？好像mp3兼容性不是太好，但我不太清楚，因此想请大家解答下...
票牛教你如何买到热门、便宜、真实的演出门票！
推荐aac，兼容性好，压缩率高。编码器之间差别其实并不太大，非要选的话推荐qaacac3特点是支持多声道，双声道的话，应该跟aac差别不大可能要高一些的码率才能达到跟aac一样的音质
音频的音质不是看频谱。得实际AB对比。频谱基本没有参考性。必须人来分辨。另外，分辨音质需要器材。几十块钱的耳机，一两百的音箱，再搭配。那听无损还是128K mp3，都不会有啥区别。
其实我不知道是不是有想法错误,我觉得从音质上来说ac3&mp3&aac,因为我认为从规范诞生的年份来说是这样的(越往后诞生的越牛),不知道这是否有存在着误区呢?当然在低码率上我是很容易就听出区别的,但在192kbps码率上我就是听不出什么差别,反而就觉得ac3模糊一点...(是心理因素吗?)
兼容性跟封装容器也有一些关系吧。avi的话音频貌似只能是cbr的，所以用mp3兼容性最好，我以前封装aac结果不是视频出不出来，就是没声音。mp4格式的最佳就是aac了。音质我在48kbps下测试确实aac明显好很多。顺便请教下了解这方面的大牛，faac编码器和ffmpeg自带的aac比如何？
http://ffmpeg.org/trac/ffmpeg/wiki/AACEncodingGuide
根据那个Guide的说法，质量如下：libfdk-aac & libfaac & Native FFmpeg AAC & libvo_aacenc现在开源AAC编码器开发很弱，比闭源的质量要差。
贴吧热议榜
使用签名档&&
保存至快速回贴[请教]发现一个各种音频格式对比图|影音精华区 - 『漫游』酷论坛 - Powered by phpwind
查看完整版本: [--
[请教]发现一个各种音频格式对比图
最近找AAC转换软件时,发现一个网站,有各种音频格式的对比图.居然包含了超多各种格式,而且很多编码都是非常新的,看得偶眼花了.似乎有AAC的评价,可惜是日文的,大大们看一下那种格式好一点.^^bAudioコーデック比較 (已经挂了,之前是不同编码的压缩时间)比較図一覧表示 比較図一覧表示网址虽然没挂,但是内容换成 Audioコーデック比較 了=_= 也许是作者不做了吧.之前某个时期保存下来的图,也许有人用得着.比較図一覧表示.zip (3.12 MB)91空间
faac和winamp带的encode在192k下貌似不错如果只是做动画音轨，根本不用那么讲究。如果是放电脑里听听歌，我喜欢把ape弄成mpc。如果是收藏的pv，我会把wav弄成flac合上视频封进mkv。
看见几个超强的，再仔细看，发现都900多kbps。OGG和FAAC挺强的。作动画音轨的话，有40多kbps就够了。
引用 最初由 真宫寺一马 发布faac和winamp带的encode在192k下貌似不错如果只是做动画音轨，根本不用那么讲究。如果是放电脑里听听歌，我喜欢把ape弄成mpc。如果是收藏的pv，我会把wav弄成flac合上视频封进mkv。 正解!动画的音轨我用128K的AACPlus v2电那里的歌都是Q10的MPCPV要用Flac封进MKV!!!
Coding Technologies AACPlus v2发现48kbps STEREO(PS+SBR) 和 96Kbps STEREO(SBR)的(MPEG4-AAC) 表现居然差不多.打击中...大小差一倍啊=_=b还有192Kbps AACPlus v2 aacPlusHigh SBR居然比不上192Kbps AACPlus v2 LC-AAC果然在高比特率下还是LC-AAC比较强.看来除了winamp带的这个encode,其他版本的Apple AAC .
3GPP AAC,nero aac都让人失望了.不过RealAudio10 RAAC CBR 196Kbps 表现意外的好^^还有几个超强的,看了下应该无损压缩了^^
Apple MP3(iTunes Ver6.0.4.2･QickTime Ver7.0.4)貌似比LAME強蠻多的...........以後MP3換用iTunes Ver6.0.4.2壓MP3嗎
= =AAC也要看是哪家的.......有一些比MP3還爛
= =Real Audio10 192K就接近WAV了
RMVB最佳比值的聲音似乎在這裡比較意外的是WAVPACK Ver4.3
他無損模式下不說
連192K情況下都比MP3強和不比AAC差以後考慮用這做MKV
其实我用的最多的音频编码是mp2，因为它比mp3的编码速度快一个数量级。
引用 最初由 hiei 发布其实我用的最多的音频编码是mp2，因为它比mp3的编码速度快一个数量级。 real mp3 encoder的速度也相当相当相当快的啊囧
我才知道lame出了4.0一直使用3.97昨天无意中翻到“lame”才知道意思是“瘸的”
引用 最初由 真宫寺一马 发布我才知道lame出了4.0一直使用3.97昨天无意中翻到“lame”才知道意思是“瘸的” 去年4月的東西
= =.....只是沒想到比3.X版好那麼多
引用 最初由 風之殤 发布去年4月的東西
= =.....只是沒想到比3.X版好那麼多 已经不太关心了反正已经不编mp3了
可lame4.0一直没出稳定版。
开眼了啊下次知道怎么选编码器了
这个要是自己想看看转换的格式失真如何,要用什么软件来看呢??这个网址用的是什么软件啊.
看來小弟還要多多學習太多不知道的T_T 感謝各位大大分享心得
lame4.0用了一下，感觉不好。。。lame -h -V 模式 不知为何出来的声音比3.98的声音发尖发批。。。。或许是VBR功能有待改进CBR声音倒是没问题
DTS才是王道 不过听歌的APE才是王道
引用 最初由 Crystal67 发布DTS才是王道 不过听歌的APE才是王道
以上。。 嗯...全码DTS王道当然，在不考虑容量对比的情况下
无损我就是TTA的死忠!
值得好好学习一下
AAC很有前途 mp3该成为历史了
还是比较喜欢AAC的
AC3的图比较意外
发觉现在AAC真的很受欢迎，毕竟无损实在太占空间了~我看现在盘都变得巨型了~MP3应该开始没落了~
Lossless拿出来比就没意思了~~没有看到期待的lame 320k固定码率，有点可惜
谢谢了挺浩
我是虾一只。。。路过。。。受益匪浅。。。
怎么没人用 wma lossless呢？和wmp11配合很好的。有封面有官方tag数据的媒体库真漂亮啊。
不知道官网地址？？
只能看到第二个链接[/ku] [/ku] [/ku] [/ku] [/ku] [/ku] [/ku] [/ku] [/ku] [/ku] 有谁保留了第一个链接的内容吗？
查看完整版本: [--
Powered by
Time 0.010156 second(s),query:2 Gzip disabled}