掃盲：音質(zhì)的科學 圖片
此文為科普向，為了便于理解，減少專業(yè)詞匯的引入，會盡可能選取比較通俗、簡單的說法，但可能因此導致部分用詞不是完全準確。個人也可能有一些錯誤，歡迎指正。
首先要區(qū)分音質(zhì)和音效。對于播放設(shè)備和發(fā)聲單元來說，好音質(zhì)應(yīng)當是不論記錄下的聲音是否好聽，都要準確地還原音頻文件中記錄的聲音。對于錄音設(shè)備則是精確地將被記錄的聲音轉(zhuǎn)換為音頻文件。這是兩個獨立的部分，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)讓我們從耳機中聽到的聲音變得好聽，這也是我認為音頻成為玄學的原因，因為每個人喜歡的音效是不一樣的。舉例來說，“膽機”的聲音很好聽，但它的好聽的原因是電子管放大器在運作過程中對音頻產(chǎn)生的一種特殊的失真，就音質(zhì)來說“膽機”是存在缺陷的，但音效上很不錯。
接下來談?wù)劼曇羰侨绾伪挥涗浀??？茖W告訴我們，聲音本身是空氣的振動，如果我們把它圖像化的話就會得到一條連續(xù)的曲線。記錄聲音其實就是記錄這條曲線，最早的聲音記錄設(shè)備——留聲機，就是直接在物體上把這條曲線刻成一道高低變化的凹痕。而在計算機記錄音頻時，首先通過麥克風把空氣的振動轉(zhuǎn)化為電流的變化，電流的變化依舊是一條曲線。但要存儲到計算機的存儲器上時會面臨一個問題，計算機只認0和1，不認曲線，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算機音頻編碼的基礎(chǔ)，幾乎所有常用格式的音頻，實質(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，也會解碼成PCM的數(shù)據(jù)流后再交給聲卡去還原成電流信號。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，更準確地說是隔一個固定的時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，采樣率必須大于最高頻率的兩倍?？茖W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。實際生活中還存在低采樣率的應(yīng)用，比如我們電話通話時的音頻采樣率只有8kHz或者16kHz而已，因為這已經(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都會面臨一個問題，那就是如何準確地每隔一個固定的時間記錄或者提供一次電壓。這是一個計時的問題，有經(jīng)驗的人可能會發(fā)現(xiàn)，如果一直不調(diào)節(jié)手表的時間，一年下來，會和準確的時間相差幾秒。對于日常生活來說一年差幾秒沒什么區(qū)別，但對每秒記錄數(shù)萬次的音頻來說，稍有不精確就會導致聲音的變化。目前電路中最常用的計時設(shè)備是石英晶體振蕩器，簡稱“晶振”，對特制的石英晶體通上一定范圍的電流后，它就會以一個特定的頻率振動，而這一振動又會引發(fā)電壓的變化，設(shè)備依據(jù)這一電壓的變化進行計時。晶振本身的會有一定的誤差，同時，這也是電對產(chǎn)生音頻影響的地方之一，不穩(wěn)定的電流會影響晶振的工作。晶振在電子設(shè)備中的應(yīng)用非常廣泛，對我們常用的電腦、手機來說，通常會有多個模塊共用一個晶振。而獨立聲卡等音頻設(shè)備會配備專門用于音頻的高精度晶振，甚至配備兩個晶振以應(yīng)對44.1kHz和48kHz兩個不成倍數(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時設(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)進入玄學范疇了，我不做評論。當然前提是你的耳機能還原這些超聲波，這一點可以看耳機的頻率響應(yīng)，順便一提Hi-Res認證對耳機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
接下來還要對取到的樣本進行量化，直接記錄電流值的話，雖然每個樣本的數(shù)據(jù)量不大，但每秒有44100個樣本的話，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計算機可以存儲的二進制數(shù)來表示，那么問題就是用多少位的二進制數(shù)來表示一個樣本，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位的二進制數(shù)來表示每一個樣本，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，這一過程明顯會導致的音質(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過程，紅色為被記錄的點。
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，不是玄學。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，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。對于電腦來說，同時有多個軟件在運作，都可能要求發(fā)出某些聲音。而且這些聲音可能會使用不同的采樣率和采樣精度，這就會產(chǎn)生混亂，因此，現(xiàn)在操作系統(tǒng)會統(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)至低采樣率都會導致音質(zhì)的損失。如果要欣賞音樂的話，請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，會使用數(shù)字模擬轉(zhuǎn)換器（Digital to analog converter，以下簡稱DAC）將其轉(zhuǎn)換成模擬信號，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行，不再重復說明。然后經(jīng)過放大器（Amplifier）提高電流（就當是提高音量好了），對于高阻抗耳機，放大器功率不足會導致音頻開到最大，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。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，會影響其工作，導致轉(zhuǎn)換、放大的精度受到影響，而越好的DAC和放大器通常對電的要求也越高，加上之前提到的晶振，導致音頻發(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傳輸媒介，線材的好壞很簡單，進入的電信號和出來的電信號要越接近越好。進出信號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、避免線材通過有電磁干擾的區(qū)域以及減少線材長度等。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。
對于數(shù)字信號，其天生的抗干擾能力讓其對信號質(zhì)量的要求沒那么高，因此在DAC之前信號本身不會受什么影響，但攜帶信號的電流本身受影響產(chǎn)生的變化還是有可能影響DAC的運作，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，這一段就沒法用光纖了只能使用高質(zhì)量（gui）的金屬線，但對大多數(shù)用戶來說，只要線材的質(zhì)量不要太爛或者進入強電磁干擾的區(qū)域，外部干擾通常不會產(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的傳輸距離來減少音質(zhì)損失，但對耳機等小尺寸發(fā)生單元來說、這樣也會導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，也就是每個采樣點不是1就是0。記錄原理大致是將每個樣本與上一個樣本比較，電壓高于上一個樣本就計1，低于上一個樣本或者不變就計0，當然實際的比較方式要更為復雜。因為正常的音樂音頻都是連續(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更準確地記錄聲音，并減少低采樣率導致的數(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，當然現(xiàn)在也有軟件可以將DSD實時轉(zhuǎn)換成PCM來播放，不過這樣就喪失DSD本身的特色了。
;){kind=link}