跳动的音符——迈进数字音频的世界

　　古代音乐要想流传下来多数是靠口传心授，少部分是记录在曲谱当中，所以很多都随着历史而湮没了。假使嵇康生活在当代，他应该不会担心《广陵散》会失传，因为记录音乐的方式实在太多了，尤其在这个数字化的时代，数字音频格式不胜枚举，本专题将带给大家数字音频的全面报道，在音乐的海洋你，是否真的全面了解过这些音频呢？音频格式有多少种类？他们分别有什么不同？

　　［数字音频基础介绍］

　　早期用模拟方式来记录音频，但它存在着复制失真和因介质磨损而失效的问题，为避免这些问题，数字音频出现了！将模拟声音数字化最早采用PCM编码，即是脉冲代码调制编码，它几乎是所有数字音频格式的始祖。由于模拟声音信号非常复杂，PCM需要通过采样、量化、编码三个步骤将连续变化的模拟信号转换为数字编码。

　　1、采样率和量化级

　　声音是一种能量波，而波是无限光滑的，波的弦线我们可以看成由无数点组成，由于存储容量的原因，数字编码过程中，只能对弦线的某些点进行采样。采样的过程就是抽取某点的频率值。在一秒中内抽取的点越多，获取得频率信息则越为丰富，为了满足人耳的听觉要求，需要至少每秒进行40K次采样，用40kHz来表示，这个40kHz就是采样率，如CD，就是使用44.1KHz的采样率。只有频率信息是不够的，我们还必须获得该频率的能量值并量化。图1中的正弦线代表原始音频；黄色的方格代表采样后得到的结果，二者越吻合说明采样结果越好。横坐标表示采样率；纵坐标是量化级。格子从左到右，逐渐加密，可见采样率越大则音质越有保证；同样，当纵坐标的单位越小则越有利于音质的提高，即采样量化级越大越好。

　　

　　图1

　　2、有损压缩与无损压缩

　　存储1分钟采样率为44.1KHz，量化级为16bit，双声道的PCM编码的音频信号，需要10.34MB的空间，这显然太庞大了。要降低磁盘占用有两种途径，一是降低采样率，一是进行压缩。降低采样率会严重影响音质，因而是不可取的，为此，出现了各种压缩算法来对音频进行压缩。一谈到音频压缩就会提到有损压缩与无损压缩，实际上有损压缩和无损压缩也只是相对的。音频编码最多只能做到无限接近于自然界的信号，实际上，任何数字音频编码都无法做到完全还原自然的声音信号。在所有的数字音频编码中，PCM编码代表了最高的保真水平，因此，它被约定俗成为无损编码。我们而通常上讲的有损音频编码，只是相对于PCM编码而言的。

　　3、压缩率和码率

　　压缩率通常指音乐文件压缩前和压缩后大小的比值，用来简单描述数字声音的压缩效率。码率也称比特率，也是一种表示数字音乐压缩效率的重要指标，它表示记录音频数据每秒钟所需要的比特值（bit），通常用Kbps（即每秒1024bit）作为单位。CD中的数字音乐码率为1411.2Kbps，而MP3音频的码率在112Kbps～128Kbps时即可实现接近于CD的音质。

　　到目前为止，出现过的数字音频格式已经数不胜数了，有些还在广泛的使用，有些已经没有生命力了，我们这里所介绍的，当然是那些我们目前正在接触的，或者将来有可能接触到的音频格式。这里，我们根据它们出现的时间及存在的方式进行了简单的分类。

　　［早期数字音频格式］

　　（1）PCM 编码──老而弥坚的始祖

　　PCM 即Pulse Code Modulation（脉冲代码调制编码）的缩写，它可以算做数字音频的鼻祖。它的最大的优点就是保真度高，缺点就是体积庞大。常见的Audio CD就采用了PCM编码，一张光盘的容量只能容纳72分钟的音乐信息。PCM一般作为WAV文件的编码而存在，也有以PCM为扩展名的音频文件，不过比较少见。而最新DVD-Audio也是使用PCM编码，其指标相当高，采样率最高可达192KHz，量化级为24bit。

　　（2）WAVE格式──庞大的日不落帝国

　　WAV是一种古老的音频文件格式，由微软开发的，现在它已经成为了事实上的通用音频格式。实际上WAV格式是非常灵活的，它对音频流的编码没有硬性规定，除了PCM之外，几乎所有支持ACM（Audio Compression Manager）规范的编码都可以为WAV的音频流进行编码，如ADPCM、GSM、CCITT、G.723.1等等，甚至也包括MP3格式（如图2）。它的这个特性就如同视频文件中的AVI一样。在实际应用中，基于PCM编码的WAV还常常被当作一种中介格式，用于不同编码的相互转换当中，例如将MP3转换成Ogg格式。正因为这些原因，WAV格式虽然体态臃肿，却依然有着强大的生命力，成为数字音频中的日不落帝国。

　　

　　图2

　　（3）AIFF/AU格式──割据一方的诸侯

　　AIFF是苹果电脑中的标准音频格式，属于QuickTime技术的一部分。它和WAV非常类似，实际上WAV格式就是由它克隆而来。不过AIFF远不如WAV盛行，但由于苹果电脑在多媒体领域里的领导地位，所以，大部的音频编辑软件和播放软件都对它提供了支持，可以说只要有Apple还存在一天，AIFF就不会消亡。AU则是Unix平台下一种常用的音频格式，起源于Sun 公司的Solaris系统。AU格式本身也支持多种压缩方式，但文件结构的灵活性就比不上AIFF和WAV。由于Unix平台比Mac平台更为阳春白雪，了解它的人并不多，因而，它得到的支持也远不如AIFF和WAV。

　　（4）MIDI──通向音乐创作的桥梁

　　MIDI文件本身只是一堆数字信号而已，不包含任何声音信息，它记录的是在音乐的什么时间用什么音色发多长的音等等。正因为这样，通常的MIDI文件个头都非常小。由于MIDI记录的并不是真正的声音，所以不同的声卡，不同软波表，不同硬件音源的音色是不相同的，相同的MIDI文件在不同的设备上播放会有不同的效果。普通的MIDI文件许多播放器都支持，但要达到好的效果就必须安装软波表，目前Microsoft已经在DirectX里面增加了软波表，使之成为Windows系统的标准配置了。MIDI文件的编辑软件主要有Cake Walk Pro、Sonar及国产的TT作曲家，MIDI在音乐创作中有着非常广泛的应用。

　　

　　
       ［新型数字音频格式］

　　（1）MP3──当今的江湖老大

　　MP3的名声之响绝对超过其它任何一种音频格式，因为它的应用范围早已经不限于电脑了。MP3是MPEG-1/MPEG-2 Audio Layer 3的简称，属于MPEG-1/2的派生音频方案。MP3采用的是一种有损压缩方式，虽然并不是第一个进行有损压缩的音频编码，但它却是第一个实用的有损音频压缩方案。在MP3之前，一般的音频编码即使以有损方式进行压缩顶多达到4:1的压缩比例，而MP3可以实现12:1的压缩比。MP3使用的是知觉音频编码技术，它利用了人耳的特性，削减音频中人耳听不到的成分，同时尽可能地维持原来的声音质量，这是它实现高压缩比，保持较高音质的一个关键。事实上MP3在高码率时其音质与WMA这类音频格式相比，依然有着较明显的优势，这意味着MP3的日子还很长。目前公认最好的MP3编码器是LAME MP3 Encoder，很多音频软件都使用它作为MP3的编码内核，如著名的CDex（图3）。

　　

　　图3

　　（2）mp3Pro──技术先进的尴尬

　　2001年6月，法国汤姆森公司与Fraunhofer IIS发布了一种新的音乐格式──mp3PRO，这是一种基于MP3编码技术的改良方案。它能在64kbps码率下提供近似于CD的音质（mp3是128kbps）。mp3PRO采用了新的SBR（Spectral Band Replication 频段复制）音频编码增强算法，SBR最大的优势就是在低数据速率下实现非常高效的编码。mp3PRO其实是一种mp3信号流和SBR信号流的混合数据流编码。mp3PRO格式与mp3是兼容的，所以它的文件也使用mp3作为扩展名。mp3PRO官方播放器为THOMSON mp3PRO Audio Player（如图4），它同时也是编码工具，可以支持播放mp3PRO或者mp3编码的文件；另外Winamp也可以通过插件来支持mp3PRO。不过，虽然mp3PRO本身非常优秀，但它的专利费用高昂，所以一直没有流行起来。

　　

　　图4

　　（3）Ogg Vorbis──自由与开放的声音

　　差不多在mp3PRO出现的同时，网络上出现了一种叫Ogg Vorbis的音频编码，矛头直指收费的MP3。Ogg Vorbis用Ogg作为文件扩展名，它是一种免费的、开放源码的音频压缩编码（如图5）。Ogg Vorbis的出现一开始就是针对MP3的，这是因为MP3是受到专利保护的，拥有MP3专利权的Fraunhofer-IIS公司可以对于MP3编码器（无论商业或非商业性质）及用MP3格式发布的音乐作品的行为收取版税。事实上Fraunhofer-IIS也一直也没停止收费的努力，这使得我们所有的免费发布MP3作品的行为都变成了见不得阳光的侵权行为，这时出现一种免费的、开放源码的音频压缩技术变得非常有必要了。需要强调的是，Ogg Vorbis性能要强于MP3，但稍逊于mp3PRO，但它的多声道特性是这两者所不具备的。

　　

　　图5

　　（4）FLAC── 一切为了音质

　　和Ogg Vorbis一样，FLAC也属于OGG计划的一部分，它的全称是Free Lossless Audio Codec（如图6）。它使用的是无损压缩方式的，也就是说以FLAC方式压缩不会丢失PCM音频的任何信息。这种压缩与Zip的方式类似，但是FLAC有更大的压缩率，其压缩率接近2:1。

　　对于音乐发烧友来说，这种与CD质量相同的音乐格式在音质上是无可挑剔的；而且它解码速度快，解码只需要整数运算，对计算速度要求很低，在很普通的硬件上就可以轻松实现实时解码；FLAC是目前唯一获得硬件支持的无损压缩编码，现在已经有许多汽车播放器和家用音响设备支持FLAC格式了。FLAC官方编码器只是一个命令行程序，不过流行的音频播放软件Foobar2000可以透过官方插件实现对FLAC的编码（图7）。

　　

　　图6

　　

　　图7

　　（5）Monkey‘s Audio（APE）──音乐迷的新欢

　　Monkey’s Audio也是一种无损压缩音频编码，它出现得比FLAC早，名气甚至比FLAC更大一些，支持它的音频软件要超过FLAC。它的压缩原理与FLAC类似，在它出现以前，对音乐迷来说，WAV文件一直是保存音频文件的最佳方式，但APE（Monkey‘s Audio文件的扩展名）的出现足可改变他们的这种看法了，因为它既可无损的保持WAV文件的音质，而大小仅有WAV的一半。Monkey’s Audio官方的编码软件名称就叫Monkey‘s Audio（图8），CDex、Foobar2000等软件也可用来做APE编码用。

　　

　　图8

　　（6）MusePack（MPC）──低调的优质音乐

　　MPC以前被称作MP+，显然它是针对MP3的，MPC是一个比较低调的实力派选手，它也没有什么复杂的背景故事，它是为了追求更小的体积更好的音质而出现的。用过它的人无不对其出众的音质印象深刻。在较高比特率下（250kbps左右），MPC表现非常的出众，音质超过了MP3，很难分辨它和原始信号有多少区别，无论从频率保留还是细节保留，以及信号强度失真来说，MPC都堪称优秀。它的缺点是无法编码48KHz采样率的曲子。MPC官方编码器是一个名为MPPENC.EXE命令行程序，它也可以使用Easy CD-DA Extractor、CDex、Foobar2000、MPC Frontend 0.2.0 Beta等程序来进行编码（图9）。

　　

　　图9

　　（7）AAC──媒体巨头的新宠

　　AAC是高级音频编码（Advanced Audio Coding）的缩写，它属于MPEG－2国际标准的一部分（如图10）。AAC也是一种高压缩比的音频压缩算法，它的压缩比远远超过了AC－3、MP3等较老的音频压缩算法（可达20:1）。AAC使用了分辨率更高的滤波器组，因此它可以达到更高的压缩比。另外AAC还使用了临时噪声重整、后向自适应线性预测、联合立体声技术和量化哈夫曼编码等最新技术，这些新技术的使用都使压缩比得到进一步的提高。而且，AAC比AC－3更灵活，它支持更多种采样率和比特率、支持1个到48个音轨、支持多达15个低频音轨、具有多种语言的兼容能力、还有多达15个内嵌数据流。AAC主要有三种格式：主要Main（Main）、低复杂性LC（Low Complexity）和可变取样率SSR（Scaleable Sampling Rate）的AAC。

　　

　　图10

　　（8）Real Audio──流式音频的代表

　　Real Audio属于Real Media的音频部分，它是流媒体行业中的霸主RealNetworks的产品，它采用流式传输方式，可以在非常低的带宽下（低达28.8kbps）提供足够好的音质让用户能在线聆听。不过，由于Real Media是从极差的网络环境下发展过来的，所以Real Audio的音质并不怎样，在高码率时它要差于mp3。尽管后来RealNetworks通过与SONY公司合作，利用SONY的ATRAC技术实现高比特率的高保真压缩，但这些已经无法改变它用户心目中音质差的印象。这也是为什么许多音乐网站能够提供免费的RA音乐下载的一个重要原因，音质较差的音乐不用太多担心版权问题。而且RA音乐的主要用途是在线聆听，它不适于编辑，编辑处理软件非常少，其编码软件主要RealNetworks自己的Helix producer 9，最新的官方播放器是RealPlayer 10（图11）。

　　

　　图11

　　（9）Windows Media Audio（WMA）──微软野心的代表

　　为了挑战RealNetworks在流媒体领域的霸主地位，微软推出了Windows Media与其相抗衡，Windows Media Audio即Windows Media的音频部分。最初的Windows Media Audio并不比Real Audio强多少，但随着Windows Media 9技术的推出，Windows Media Audio已经可以令人刮目相看了。据微软声称，在只有64kbps的码率情况下，WMA可以达到接近CD的音质，Windows Media Audio的压缩技术中还拥有可变码率（VBR）、无损压缩技术（图12），并支持多声道编码。WMA还加入了DRM技术，可防止复制以保护版权。

　　

　　图12

　　由于微软的影响力，支持Windows Media的软件非常多。Windows Media官方的播放软件为Windows Media Player 9（图13），它同时提供了WMA编码功能，标准编码器为Windows Media Encoder 9，作为完整的流媒体解决方案的一部分，微软还提供了Windows Media Server流媒体服务器，而这一切都是免费的，这种举动的目的无疑是为了打压作为商业软件的Real Media，从这里我们不难感觉到微软的野心。

　　

　　图13

　　

　
  　［常见视频伴音格式］

　　这一部分介绍的音频格式主要是作为电影伴音而存在的，它们很少单独存在，但我们和它们接触的机会并不会比以上两大类少。

　　（1）Dolby Digital AC3──DVD伴音之王

　　大部分人是通过DVD才了解到AC3的，实际上它最初出现是为了在电影院中应用的。它是由Dolby公司在1992年提出的，最初被称为“杜比AC-3（Dolby Surround Audio Coding-3）”，以后又改为“杜比数码环绕声（Dolby Surround Digital）”，我们通常称它为Dolby Digital AC3。

　　实际上AC3有多个标准，从单声道、双声道、四声道、五声道一直到我们所熟知的5.1声道（Dolby Digital 5.1），它的压缩率最大约为10:1。Dolby Digital 5.1提供的环绕声系统由5个全频域声道和1个超低音声道组成，被称为5.1声道。5个声道（如图14/15）包括左前（L）、中央（C）、右前（R）、左后（LS）、右后（RS）。低音声道主要提供一些额外的低音信息，使一些场景，如爆炸、撞击等声音效果更好。由于每个声道都是独立麦克风来录制的，所以AC-3拥有完整的定位能力。AC-3数据的码率，两声道是192Kbps， 5.1声道的码率是384Kbps~448Kbps，最高为640Kbps。AC3早广泛的一个用途就是作为DVD的伴音，带AC3音频的DVD影片占据了市场上的绝大部分。

　　

　　图14

　　

　　图15

　　5.1声道的AC3音频在PC上完美回放需要拥有六声道的声卡/音箱，也可通过S/PDIF接口输出到家庭影院系统中播放，否则，它和双声道音频没有太大的区别。常用的编码软件有Sonic Foundry Soft Encoder（图16），它也可对AC3文件进行解码。

　　

　　图16

　　（2）DTS──DVD音频的后起之秀

　　DTS即Digital Theater Systems（数字影院系统）的简称，它采用了与AC3不同的算法，但可以兼容为AC3所搭建的音响系统。从音质上看，DTS要优于AC-3， DTS在DVD上拥有1536Kbps的数据流量，比AC3常用的384Kbps~448Kbps足足多了3倍多，这使得DTS在声音的细节表现、空间感方面更加优秀（如图17）。不过目前它远还不如AC3流行。

　　

　　图17

　　DTS在电脑上回放所要求的硬件和AC3一样，外部的解码器需要有DTS解码功能，如果用电脑解码，目前比较好的是解码器是InterVideo的Audio Decoder，它的编码软件在PC比较罕见，常见的是SurCode DTS-DVD及SurCode DTS-CD（图18），不过价格非常昂贵。

　　

　　图18

　　

　　［展望数字音频的未来］

　　综观数字音频技术的发展历史，更好的质量，更高的压缩率一直是驱动技术进步的两个原动力。为了达到更好的质量，出现了多声道、无损压缩技术；为了达到更高的压缩率，人们发展了各种有损压缩算法，为了减少每一个bit而精打细算。但这又是两个互相矛盾的因素，没有一种音频格式能在这两个方面都做到最佳，也许谁能取得最佳的平衡点，谁就拥有未来。

　　在技术进步的同时，我们还能听到两种声音，一种是资本的咆哮：“交钱！”从MP3到MP3PRO再到AAC，我们可以感觉到这种声音越来越猛烈；一种是平民的呐喊：“FREE！”它的意思既是自由也是免费，Ogg Vorbis、Monkey’s Audio、MPC就代表了这种声音。但无疑第一种声音的底气要足得多，做为被众多专利问题所困绕的中国人，我们衷心希望后一种声音能一直延续下去。