波仔
🎬 第四章 音频基础
📄 一句话概括

采集不是【打开麦克风就完事】——采样率、位深、声道三件事必须在按下录制键之前定好，录完再改就是有损的。

📝 本节和前面几节的关系

4.1.2 讲了数字化的三步，这一节专门讲第一步【采】怎么落地。

一、采集的信号链

从声音到数据，中间要经过三环： 麦克风——把空气振动换成电信号，这是模拟世界里的一次转写。 前置放大——把微弱信号放大到模数转换器能处理的范围。 模数转换（ADC）——按采样率与位深，把电信号量化成一串数字。 三环里前两环决定【收得好不好】，第三环决定【存成什么样】。

二、三个参数怎么定

采样率决定能收进多高的频率——按采样定理，它是【带宽】的上限。 位深决定每个采样点有多少档——档越多，能容纳的动态范围越大。 声道数决定空间信息——单声道没有方位，立体声才有左右。 三个参数一旦录完就固化在文件里，后期只能降，不能升。

三、两条实用规律

① 人声为主的场景，采样率不需要太高。 人声的主要能量集中在低频，8~16 kHz 就足够听清，而且省带宽。 ② 要后期处理的，位深必须留余量。 每做一次运算都会产生小数，位深不够就得反复取整，误差会一层层累积。 所以音乐制作普遍用 24 bit——多出来的 8 bit 就是留给后期的空间。

四、采集阶段的原则

一句话：宁可高半档，不要低一档。 采样率低、位深低，丢掉的信息在后续任何环节都补不回来。 反过来，采得高一点，后期随时可以降下来——降是有损的，但降的时机由你掌握。

五、动手 Demo：不同采集场景，参数差多少

采集不是【打开麦克风就完事】，参数选错后面很难救。

rows = [
    ("语音通话", "8 kHz",    "16 bit", "1", "够听清，省带宽"),
    ("视频会议", "16 kHz",   "16 bit", "1", "兼顾清晰与带宽"),
    ("播客录制", "44.1 kHz", "16 bit", "2", "接近 CD 音质"),
    ("音乐制作", "48 kHz",   "24 bit", "2", "留后期余量"),
]
for a, b, c, d, e in rows:
    print("%-8s %-9s %-7s %-2s %s" % (a, b, c, d, e))

实跑输出：

--------------------------------------------------------------------
不同采集场景，参数差多少
--------------------------------------------------------------------

采集不是【打开麦克风就完事】，参数选错后面很难救。

  场景         采样率       位深       声道     说明
  -------------------------------------------------------------
  语音通话     8 kHz        16 bit     1        够听清，省带宽
  视频会议     16 kHz       16 bit     1        兼顾清晰与宽带
  播客录制     44.1 kHz     16 bit     2        接近 CD 音质
  音乐制作     48 kHz       24 bit     2        留后期余量

  两条规律：
    ① **人声为主的场景，采样率不需要太高**（8~16 kHz 就够）
    ② **要后期处理的，位深必须留余量**（24 bit）

两条规律： ① 人声为主的场景，采样率不需要太高（8~16 kHz 就够） ② 要后期处理的，位深必须留余量（24 bit）

30 秒实验

  1. 打开手机录音的【设置】，看它的采样率与格式是什么。
  2. 判断它更适合【直接发出去】还是【还要后期处理】。

常见误区

  1. 什么都用最高规格采集。文件大，后期反而更卡。
  2. 先录 8 kHz 再想后期修。丢掉的高频补不回来。
自测三问（点开对答案） 1. 采集的信号链要经过哪三环？ —— 麦克风（换能）、前置放大、模数转换（ADC）。 2. 为什么人声场景采样率不用太高？ —— 人声主要能量在低频，8~16 kHz 就够听清，还能省带宽。 3. 为什么准备后期处理的场景要用 24 bit？ —— 留出运算余量，避免反复取整导致误差累积。

相关笔记