音樂風玩轉MP3——認識音瀕編碼

[psac]

　自然界中的聲音非常複雜，波形極其複雜，通常我們採用的是脈衝程式碼調製編碼，即PCM編碼。

PCM通過抽樣、量化、編碼三個步驟將連續變化的模擬信號轉換為數字編碼。

1、什麼是采樣率和采樣大小（位/bit）？

　　聲音其實是一種能量波，因此也有頻率和振幅的特徵，頻率對應於時間軸線，振幅對應於電平軸線。

波是無限光滑的，絃線可以看成由無數點組成，由於存儲空間是相對有限的，數字編碼程序中，必須對絃線的點進行采樣。


采樣的程序就是抽取某點的頻率值，很顯然，在一秒中內抽取的點越多，獲取得頻率信息更豐富，為了復原波形，一次震動中，必須有2個點的采樣，人耳能夠感覺到的最高頻率為20kHz，因此要滿足人耳的聽覺要求，則需要至少每秒進行40k次采樣，用40kHz表達，這個40kHz就是采樣率。我們一般的CD，采樣率為44.1kHz。

光有頻率信息是不夠的，我們還必須獲得該頻率的能量值並量化，用於表示信號強度。量化電平數為2的整數次冪，我們一般的CD位16bit的采樣大小，即2的16次方。

采樣大小相對采樣率更難理解，因為要顯得抽像點，舉個簡單例子：假設對一個波進行8次采樣，采樣點分別對應的能量值分別為A1-A8，但我們只使用2bit的采樣大小，結果我們只能保留A1-A8中4個點的值而捨棄另外4個。如果我們進行3bit的采樣大小，則剛好記錄下8個點的所有信息。采樣率和采樣大小的值越大，記錄的波形更接近原始信號。

2、有損和無損

　　根據采樣率和采樣大小可以得知，相對自然界的信號，音瀕編碼最多只能做到無限接近，至少目前的技術只能這樣了，相對自然界的信號，任何數字音瀕編碼方案都是有損的，因為無法完全還原。


在電腦套用中，能夠達到最高傳真水準的就是PCM編碼，被廣泛用於素材儲存及音樂欣賞，CD、DVD以及我們一般的WAV文件中均有套用。

因此，PCM約定俗成了無損編碼，因為PCM代表了數字音瀕中最佳的保真水準，並不意味著PCM就能夠確保信號絕對保真，PCM也只能做到最大程度的無限接近。我們而習慣性的把MP3列入有損音瀕編碼範疇，是相對PCM編碼的。


強調編碼的相對性的有損和無損，是為了告訴大家，要做到真正的無損是困難的，就像用數字去表達圓周率，不管精度多高，也只是無限接近，而不是真正等於圓周率的值。

　　3、為什麼要使用音瀕壓縮技術

　　要算一個PCM音瀕流的碼率是一件很輕鬆的事情，采樣率值×采樣大小值×聲道數 bps。

一個采樣率為44.1KHz，采樣大小為16bit，雙聲道的PCM編碼的WAV文件，它的資料速率則為 44.1K×16×2 =1411.2 Kbps。我們常說128K的MP3，對應的WAV的參數，就是這個1411.2 Kbps，這個參數也被稱為資料帶寬，它和ADSL中的帶寬是一個概念。


將碼率除以8,就可以得到這個WAV的資料速率，即176.4KB/s。這表示存儲一秒鐘采樣率為44.1KHz，采樣大小為16bit，雙聲道的PCM編碼的音瀕信號，需要176.4KB的空間，1分鐘則約為10.34M，這對大部分用戶是不可接受的，尤其是喜歡在電腦上聽音樂的朋友，要降低磁牒佔用，只有2種方法，降低采樣指標或者壓縮。

降低指標是不可取的，因此專家們研發了各種壓縮方案。


由於用途和針對的目標市場不一樣，各種音瀕壓縮編碼所達到的音質和壓縮比都不一樣，在後面的文章中我們都會一一提到。有一點是可以肯定的，他們都壓縮過。

　　4、頻率與采樣率的關係

　　采樣率表示了每秒對原始信號采樣的次數，我們一般到的音瀕文件采樣率多為44.1KHz，這意味著什麼呢？假設我們有2段正弦波信號，分別為20Hz和20KHz，長度均為一秒鐘，以對應我們能聽到的最低頻和最高頻，分別對這兩段信號進行40KHz的采樣，我們可以得到一個什麼樣的結果呢？

結果是：20Hz的信號每次震動被采樣了40K/20=2000次，而20K的信號每次震動只有2次采樣。顯然，在相同的采樣率下，記錄低頻的信息遠比高頻的詳細。

這也是為什麼有些音響發燒友指責CD有數位聲不夠真實的原因，CD的44.1KHz采樣也無法保證高頻信號被較好記錄。


要較好的記錄高頻信號，看來需要更高的采樣率，於是有些朋友在捕捉CD音軌的時候使用48KHz的采樣率，這是不可取的！這其實對音質沒有任何好處，對抓軌軟體來說，保持和CD提供的44.1KHz一樣的采樣率才是最佳音質的保證之一，而不是去提高它。較高的采樣率只有相對模擬信號的時候才有用，如果被采樣的信號是數字的，請不要去嘗試提高采樣率。

　　5、流特徵

　　隨著網路的發展，人們對在線收聽音樂提出了要求，因此也要求音瀕文件能夠一邊讀一邊播放，而不需要把這個文件全部讀出後然後回放，這樣就可以做到不用下載就可以實現收聽了。

也可以做到一邊編碼一邊播放，正是這種特徵，可以實現在線的直播，架設自己的數字廣播電台成為了現實。

四、各種主流音瀕編碼（或格式）的介紹

　　1、PCM編碼

　　PCM 脈衝編碼調製是Pulse Code Modulation的縮寫。

前面的文字我們提到了PCM大致的工作流程，我們不需要關心PCM最終編碼採用的是什麼計算方式，我們只需要知道PCM編碼的音瀕流的優點和缺點就可以了。PCM編碼的最大的優點就是音質好，最大的缺點就是體積大。我們一般的Audio CD就採用了PCM編碼，一張光碟的容量只能容納72分鐘的音樂信息。

　　2、WAVE

　　這是一種古老的音瀕文件格式，由微軟開發。WAV是一種文件格式，符合 PIFF Resource Interchange File Format規範。所有的WAV都有一個文件頭，這個文件頭音瀕流的編碼參數。


WAV對音瀕流的編碼沒有硬性規定，除了PCM之外，還有幾乎所有支持ACM規範的編碼都可以為WAV的音瀕流進行編碼。

很多朋友沒有這個概念，我們拿AVI做個示範，因為AVI和WAV在文件結構上是非常相似的，不過AVI多了一個視瀕流而已。


我們接觸到的AVI有很多種，因此我們經常需要安裝一些Decode才能觀看一些AVI，我們接觸到比較多的DivX就是一種視瀕編碼，AVI可以採用DivX編碼來壓縮視瀕流，當然也可以使用其他的編碼壓縮。

同樣，WAV也可以使用多種音瀕編碼來壓縮其音瀕流，不過我們一般的都是音瀕流被PCM編碼處理的WAV，但這不表示WAV只能使用PCM編碼，MP3編碼同樣也可以運用在WAV中，和AVI一樣，只要安裝好了相應的Decode，就可以欣賞這些WAV了。


在Windows平台下，關於PCM編碼的WAV是被支持得最好的音瀕格式，所有音瀕軟體都能完美支持，由於本身可以達到較高的音質的要求，因此，WAV也是音樂編輯創作的首選格式，適合儲存音樂素材。


因此，關於PCM編碼的WAV被作為了一種中介的格式，常常使用在其他編碼的相互轉換之中，例如MP3轉換成WMA。

　　3、 MP3編碼

　　請參閱 MP3全攻略 一文

　　4、OGG編碼

　　網路上出現了一種叫Ogg Vorbis的音瀕編碼，號稱MP3殺手！Ogg Vorbis究竟什麼來頭呢？OGG是一個龐大的多媒體開發計劃的專案名稱，將涉及視瀕音瀕等方面的編碼開發。

整個OGG專案計劃的目的就是向任何人提供完全免費多媒體編碼方案！OGG的信念就是：OPEN！FREE！
Vorbis這個詞彙是特裡·普拉特柴特的幻想小說《Small Gods》中的一個"花花公子"人物名。這個詞彙成為了OGG專案中音瀕編碼的正式命名。目前Vorbis已經開發成功，並且開發出了編碼器。




　　Ogg Vorbis是高品質的音瀕編碼方案，官方資料顯示：
Ogg Vorbis可以在相對較低的資料速率下實現比MP3更好的音質！Ogg Vorbis這種編碼也遠比90年代開發成功的MP3先進，她可以支持多聲道，這意味著什麼？

這意味著Ogg Vorbis在SACD、DTSCD、DVD AUDIO抓軌軟體（目前這種軟體還沒有）的支持下，可以對所有的聲道進行編碼，而不是MP3只能編碼2個聲道。多聲道音樂的興起，給音樂欣賞帶來了革命性的變化，尤其在欣賞交響時，會帶來更多臨場感。這場革命性的變化是MP3無法適應的。


　　和MP3一樣，Ogg Vorbis是一種靈活開放的音瀕編碼，能夠在編碼方案已經類BIOS下來後還能對音質進行明顯的調節和新算法的改良。


因此，它的聲音品質將會越來越好，和MP3相似，Ogg Vorbis更像一個音瀕編碼框架，可以不斷匯入新技術逐步完善。和MP3一樣，OGG也支持VBR。

　　5、MPC 編碼

　　MPC是又是另外一個令人刮目相看的實力派選手，它的普及程序非常低調，也沒有什麼複雜的背景故事，她的出現目的就只有一個，更小的體積更好的音質！MPC以前被稱作MP+，很顯然，可以看出她針對的競爭對手是誰。但是，只要用過這種編碼的人都會有個深刻的印象，就是她出眾的音質。

　　6、mp3PRO 編碼

2001年6月14日，美國湯姆森多媒體公司(Thomson Multimedia SA)與佛朗赫弗協會(Fraunhofer Institute)於6月14日發佈了一種新的音樂格式版本，名稱為mp3PRO，這是一種關於mp3編碼技術的改良方案，從官方公佈的特徵看來確實相當吸引人。


從各方面的資料顯示，mp3PRO並不是一種全新的格式，完全是關於傳統mp3編碼技術的一種改良，本身最大的技術亮點就在於SBR（Spectral Band Replication 頻段複製），這是一種新的音瀕編碼增強算法。


它提供了改善低位元率情況下音瀕和語音編碼的效能的可能。這種方法可在指定的位率下增加音瀕的帶寬或改善編碼效率。


SBR最大的優勢就是在低資料速率下實現非常高效的編碼，與傳統的編碼技術不同的是，SBR更像是一種後處理技術，因此解碼器的算法的優劣直接影響到音質的好壞。


高頻實際上是由解碼器（播放器）產生的，SBR編碼的資料更像是一種產生高頻的指令集，或者稱為指導性的信號源，這有點駇idi的工作方式。


我們可以看到，mp3PRO其實是一種mp3信號流和SBR信號流的混合資料流編碼。有關資料顯示，SBR技術可以改善低資料流量下的高頻音質，改善程度約為30%，我們不管這個30%是如何得來的，但可以事先預知這種改善可以讓64kbps的mp3達到128kbps的mp3的音質水準（註：在相同的編碼條件下，資料速率的提升和音質的提升不是成正比的，至少人耳聽覺上是這樣的），這和官方聲稱的64kbps的mp3PRO可以媲美128kbps的mp3的宣傳基本是吻合的。

　　7、WMA

　　WMA就是Windows Media Audio編碼後的文件格式，由微軟開發，WMA針對的不是單機市場，是網路！競爭對手就是網路媒體市場中著名的Real Networks。

微軟聲稱，在只有64kbps的碼率情況下，WMA可以達到接近CD的音質。和以往的編碼不同，WMA支持防複製功能，她支持通過Windows Media Rights Manager 加入保護，可以限制播放時間和播放次數甚至於播放的機器等等。


WMA支持流技術，即一邊讀一邊播放，因此WMA可以很輕鬆的實現在線廣播，由於是微軟的傑作，因此，微軟在Windows中加入了對WMA的支持，WMA有著優秀的技術特徵，在微軟的大力推廣下，這種格式被越來越多的人所接受。

　　8、RA

　　RA就是RealAudio格式，這是各位網蟲接觸得非常多的一種格式，大部分音樂網站的在線試聽都是採用了RealAudio，這種格式完全針對的就是網路上的媒體市場，支持非常豐富的功能。最大的閃爍點就是這種格式可以根據聽眾的帶寬來控制自己的碼率，在保證流暢的前提下盡可能提高音質。


RA可以支持多種音瀕編碼，包括ATRAC3。和WMA一樣，RA不但都支持邊讀邊放，也同樣支持使用特殊傳輸協定來隱匿文件的真實網路位址，從而實現只在線播放而不提供下載的欣賞方式。


這對唱片公司和唱片銷售公司很重要，在各方的大力推廣下，RA和WMA是目前網際網路上，用於在線試聽最多的音瀕媒體格式。

　　9、APE

　　APE是Monkey's Audio提供的一種無損壓縮格式。Monkey's Audio提供了Winamp的插件支持，因此這就意味著壓縮後的文件不再是單純的壓縮格式，而是和MP3一樣可以播放的音瀕文件格式。


這種格式的壓縮比遠低於其他格式，但能夠做到真正無損，因此獲得了不少發燒用戶的青睞。在現有不少無損壓縮方案種，APE是一種有著突出效能的格式，令人滿意的壓縮比以及飛快的壓縮速度，成為了不少朋友私下交流發燒音樂的唯一選項。