波仔
🎬 第四章 音频基础
📄 一句话概括

采样率不同的两路音频要先对齐采样率才能合到一起；重采样的关键不是插值，而是先低通滤波，否则会出现混叠。

📝 本节和前面几节的关系

4.1.7 讲混音时提到【两路要先对齐】，这一节把这一步单独讲清楚。

一、什么情况要重采样

三种情况会逼着你做这件事： 采样率不同——44.1 kHz 的音乐要和 48 kHz 的语音混在一起。 声道数不同——单声道话筒要配进立体声轨道。 格式不同——一段来自不同来源的素材要统一。 只要两路音频要【合到一起】，就必须先站在同一个采样率上。

二、44.1 kHz 转 48 kHz 是怎么算的

两个采样率之比可以约成最简整数比：44100 : 48000 = 147 : 160。 意思是：每 147 个输入采样点，要变成 160 个输出采样点。 这就是重采样可以精确完成的原因——整数比意味着可以用规则的方式插值。 如果两个采样率之比不是有理数，就得用近似，误差会明显一些。

三、升采样与降采样

升采样（44.1 → 48，变多）：要在采样点之间插值补出新点。 降采样（48 → 44.1，变少）：要抽掉一部分点。 两种都要经过一次滤波——这一步才是重采样真正的技术含量所在。 很多人以为重采样就是插值，其实插值只是其中一步。

四、混叠：最关键的一步

采样定理说：采样率要大于信号最高频率的 2 倍。 48 kHz 的音频里可以含有 24 kHz 的成分，但 44.1 kHz 的输出只能容下 22.05 kHz。 如果直接把超出的部分抽掉不处理，它们会【折回】到可听范围，变成刺耳的杂音。 这个现象叫混叠（aliasing）。 所以重采样的正确做法是：先做低通滤波，把超出的高频切干净，再重采样。

五、动手 Demo：44.1 kHz 转 48 kHz 发生了什么

采样率不一样的两段音频，必须先对齐采样率才能混在一起。

import math
src, dst = 44100, 48000
g = math.gcd(src, dst)
print("%d : %d = %d : %d" % (src, dst, src // g, dst // g))
print("每 %d 个输入采样点 -> %d 个输出采样点" % (src // g, dst // g))
for name, sr in [("44.1 kHz", 44100), ("48 kHz", 48000)]:
    print("  %s 立体声 16bit -> %s 字节/秒" % (name, format(sr * 2 * 2, ",")))

实跑输出：

--------------------------------------------------------------------
44.1 kHz 转 48 kHz 发生了什么
--------------------------------------------------------------------

采样率不一样的两段音频，必须先对齐采样率才能混在一起。

  44100 : 48000 = 147 : 160（最简整数比）

  意思是：每 147 个输入采样点，要插值变成 160 个输出采样点。

  插值不是随便补零，要**先做低通滤波再重采样**——
  不滤波的话，超过 22.05 kHz 的成分会【折回】到可听范围，产生刺耳杂音。
  这个现象叫**混叠**，是重采样里最经典的坑。

  每秒数据量也随之变化：
    44.1 kHz 立体声 16bit → 176,400 字节/秒
    48 kHz 立体声 16bit → 192,000 字节/秒

插值不是随便补零，要先做低通滤波再重采样。 不滤波的话，超过 22.05 kHz 的成分会【折回】可听范围，产生刺耳杂音——这就是混叠。

30 秒实验

  1. 找一段 44.1 kHz 的音频转成 48 kHz，比较转换前后每秒字节数。
  2. 想一下：这次转换有没有重新编码，为什么。

常见误区

  1. 以为重采样只是补零或丢点。不滤波就会产生混叠杂音。
  2. 把 44.1 kHz 转 48 kHz 当成【提升音质】。它只是对齐，不会凭空造出高频。
自测三问（点开对答案） 1. 什么情况下必须重采样？ —— 采样率、声道数或格式不同的音频要合到一起时。 2. 44.1 kHz 与 48 kHz 的最简整数比是多少？ —— 147 : 160。 3. 重采样最关键的一步是什么？ —— 抗混叠低通滤波——先把超出的高频切掉，否则会折回可听范围。

相关笔记