玄學掃盲：音質的科學

此文為科普向，為了便於理解，減少專業辭彙的引入，會儘可能選取比較通俗、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。

首先要區分音質和音效。對於播放設備和發聲單元來說，好音質應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。對於錄音設備則是精確地將被記錄的聲音轉換為音頻文件。這是兩個獨立的部分，互相之間無法影響。音效則是通過軟體或者硬體上的調節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生的一種特殊的失真，就音質來說「膽機」是存在缺陷的，但音效上很不錯。

接下來談談聲音是如何被記錄的。科學告訴我們，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，那麼就要想辦法把這條曲線變成0和1。這裡就要提到脈衝編碼調製（PCM），這是目前幾乎所有計算機音頻編碼的基礎，幾乎所有常用格式的音頻，實質上都是經過改造、壓縮、包裝的PCM數據流，在播放音頻時，也會解碼成PCM的數據流後再交給音效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，音頻的採樣率就是指每秒鐘取樣的次數，CD音頻的採樣率是44.1kHz，也就是每秒記錄44100次。至於為什麼是這個數字，就要提到香農-奈奎斯特採樣定理，根據這一定理，要不失真地記錄一定頻率以內的信號，採樣率必須大於最高頻率的兩倍。科學告訴我們，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的音頻採樣率就被定在44.1kHz，DVD的採樣率則是48kHz。實際生活中還存在低採樣率的應用，比如我們電話通話時的音頻採樣率只有8kHz或者16kHz而已，因為這已經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等音樂音頻已經開始進一步向上拓展採樣率，以提高音質。

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，有經驗的人可能會發現，如果一直不調節手錶的時間，一年下來，會和準確的時間相差幾秒。對於日常生活來說一年差幾秒沒什麼區別，但對每秒記錄數萬次的音頻來說，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備是石英晶體振蕩器，簡稱「晶振」，對特製的石英晶體通上一定範圍的電流後，它就會以一個特定的頻率振動，而這一振動又會引發電壓的變化，設備依據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，這也是電對產生音頻影響的地方之一，不穩定的電流會影響晶振的工作。晶振在電子設備中的應用非常廣泛，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。而獨立音效卡等音頻設備會配備專門用於音頻的高精度晶振，甚至配備兩個晶振以應對44.1kHz和48kHz兩個不成倍數關係的採樣率，而更高採樣率的音頻使用44.1或者48的倍數的採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備——原子鐘，在一些高端音頻設備中，銣原子鐘已經得到了應用。

高採樣率的音頻還會記錄下樂器演奏過程中產生的超聲波，至於人能不能感覺到這些超聲波，從而提升聽感，那我覺得已經進入玄學範疇了，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，順便一提Hi-Res認證對耳機的要求就是頻率響應上限不低於40kHz。

192kHz的音頻可以記錄96kHz以內的聲波（許多高解析音頻是專業音頻處理公司從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，雖然每個樣本的數據量不大，但每秒有44100個樣本的話，還是得想辦法節約空間。方式就是把取到的電流值用一個計算機可以存儲的二進位數來表示，那麼問題就是用多少位的二進位數來表示一個樣本，這就是音頻的採樣精度（又譯採樣深度、採樣位寬），CD音頻的採樣精度是16bit，也就是用16位的二進位數來表示每一個樣本，那麼就可以表示2的16次方，也就是65536種不同的樣本，而24bit採樣精度則能表示16777216種不同的樣本。由於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損失，這就是所謂的量化噪音，採樣精度的提升可以降低這種噪音。

最後把所有的數據連續排在一起，就形成了PCM數據流，這也是為何未經壓縮的音頻每秒的數據量，也就是常說的碼率，是採樣率、採樣精度、聲道數之積。

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，採樣率和採樣精度的提升可以使被記錄的數據更接近原來的曲線，這也是為何Hi-Res音頻的音質比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的變化的點，這也就是所謂的數碼感產生的原因。

PCM數據流在經過各種不同的、有損或者無損的處理與壓縮，並進行包裝後，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數據流。對於電腦來說，同時有多個軟體在運作，都可能要求發出某些聲音。而且這些聲音可能會使用不同的採樣率和採樣精度，這就會產生混亂，因此，現在操作系統會統一管理音頻，軟體將聲音交給操作系統的音頻介面，由操作系統將各軟體提供的聲音混合後統一採樣率和採用精度，形成新的PCM數據流再交給音效卡進行處理，這一過程中，非整數倍的採樣率轉換和高採樣率轉至低採樣率都會導致音質的損失。如果要欣賞音樂的話，請選擇成音樂音頻的採樣率，以避免採樣率轉換造成的音質損失。對於音質要求更高的人，Windows7開始微軟引入了Wasapi，支持的軟體可以使用獨佔模式來直接向音效卡提供PCM，徹底避免操作系統處理造成的音質損失。

默認格式就是系統混合後的PCM的採樣率與位寬

PCM數據流被交給音效卡後，會使用數字模擬轉換器（Digital to analog converter，以下簡稱DAC）將其轉換成模擬信號，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，不再重複說明。然後經過放大器（Amplifier）提高電流（就當是提高音量好了），對於高阻抗耳機，放大器功率不足會導致音頻開到最大，聲音還是輕。優（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定或者不足的話，會影響其工作，導致轉換、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，導致音頻發燒友十分關注音頻設備的供電部分，最終產生了許多音質和電的段子。

線材

除了電的段子，關於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於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、應用能減少干擾的線路設計、避免線材通過有電磁干擾的區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、生產工藝、粗細等使銅線的質量差別很大。而銀的電阻雖然低於銅，但其價格和加工難度使其不能普及。 因此就產生了鍍銀銅線這樣的存在。

對於數字信號，其天生的抗干擾能力讓其對信號質量的要求沒那麼高，因此在DAC之前信號本身不會受什麼影響，但攜帶信號的電流本身受影響產生的變化還是有可能影響DAC的運作，因此產生了音頻光纖。在DAC之後一直到發聲單元，音頻為模擬信號，這一段就沒法用光纖了只能使用高質量（gui）的金屬線，但對大多數用戶來說，只要線材的質量不要太爛或者進入強電磁干擾的區域，外部干擾通常不會產生能夠感覺到的影響。

還有一種思路就是把DAC等元件在發聲單元附近，極限地減少模擬信號的傳輸距離來減少音質損失，但對耳機等小尺寸發生單元來說、這樣也會導致空間不足而無法布置高質量的dac與放大器。

另一種的記錄方式

除了高於CD採樣率和採樣精度的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字編碼（Direct Stream Digital，簡稱DSD），其記錄模式與PCM完全不同。首先其採樣率極高，即使最低的DSD64也有2.8224Mhz，是CD的64倍，其次，其採樣精度只有1bit，也就是每個採樣點不是1就是0。記錄原理大致是將每個樣本與上一個樣本比較，電壓高於上一個樣本就計1，低於上一個樣本或者不變就計0，當然實際的比較方式要更為複雜。因為正常的音樂音頻都是連續變化的曲線，只要採樣率夠高，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，並減少低採樣率導致的數碼感。

雖然DSD很優秀，但只有高端（gui）的DAC才能直接接受DSD數據流並將其還原，當然現在也有軟體可以將DSD實時轉換成PCM來播放，不過這樣就喪失DSD本身的特色了。

Vivo Xplay6的DSD模式（額，懶得截圖）

想看到更多這類內容？去APP商店搜IT之家，天天都有小歡喜。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！