音视频基础：采样率、位深、声道、帧率、码率、色彩空间、编码格式等核心术语与原理

在Android音视频系统架构开发中，一切上层功能——从Camera预览、MediaCodec硬编解码，到AudioTrack播放、音视频同步——都建立在一组基础术语之上。这些术语并非孤立的定义，而是彼此耦合、共同决定音视频数据的体积、质量与实时性。本章将系统拆解采样率、位深、声道、帧率、码率、色彩空间与编码格式的核心原理，并给出Android开发中的工程判断方法与实战案例。

2.1 音频核心参数：采样率、位深与声道

核心原理

音频数字化遵循奈奎斯特采样定理：采样率必须大于信号最高频率的两倍，才能无失真重建原始波形。人耳听觉范围约为20Hz-20kHz，因此CD标准的44.1kHz采样率已能覆盖人耳极限。Android设备常见的采样率包括8kHz（电话语音）、16kHz（VoIP）、44.1kHz（音乐CD）和48kHz（电影/DVD标准）。位深决定每个采样点的动态范围精度——16bit提供96dB信噪比，24bit则提升至144dB，但数据量增加50%。声道数直接影响空间感：单声道适合语音，双声道立体声是主流，5.1/7.1声道用于影院级体验。

判断方法与操作流程

在Android开发中，选择音频参数需遵循以下流程：

1. 确认使用场景：语音通话选8k/16k采样率+16bit+单声道；音乐播放选44.1k/48k+16bit+双声道；专业录音选48k+24bit+双声道。
2. 查询设备能力：通过 AudioManager.getProperty(PROPERTY_OUTPUT_SAMPLE_RATE) 获取设备原生采样率，避免重采样带来的性能损耗。
3. 计算码率预算：PCM裸流码率 = 采样率 × 位深 × 声道数。例如48kHz×16bit×2ch = 1536kbps，若网络带宽有限，需考虑压缩编码。
4. 验证兼容性：使用 AudioTrack 测试不同参数组合，检查 AudioFormat 是否被设备支持。

案例拆解：VoIP通话音频参数选型

某即时通讯App需要实现语音通话功能，目标是在弱网环境（带宽≤50kbps）下保持清晰通话。初始方案直接采用CD音质参数（44.1kHz/16bit/立体声），导致PCM码率高达1411kbps，远超带宽限制。分析后发现：语音信号频率集中在300Hz-3.4kHz，8kHz采样率已足够；单声道可减少50%数据量；16bit位深保证基本动态范围。最终方案为：8kHz采样率 + 16bit位深 + 单声道 + Opus编码（码率24kbps），在保证MOS分≥3.5的前提下，码率降低98%。同时利用Android的 AudioRecord 的 READ_ONLY 模式避免数据拷贝，降低延迟。

常见误区与总结

• 误区一：采样率越高越好。高采样率带来更大数据量和功耗，对语音场景无实际收益。
• 误区二：位深与音量混淆。位深影响动态范围而非响度，16bit已满足绝大多数场景。
• 误区三：忽略声道上混/下混。立体声转单声道时需做混音处理，直接丢弃一个声道会导致音量减半。

2.2 视频核心参数：分辨率、帧率与色彩空间

核心原理

视频本质是连续图像的快速播放。分辨率决定空间细节（如1920×1080），帧率决定时间流畅度（如30fps表示每秒30帧）。两者共同决定视频的原始数据量：1080p30的YUV420格式原始码率约为1920×1080×30×12bit = 746Mbps。色彩空间定义了颜色信息的表示方式：BT.601用于标清，BT.709用于高清（SDR），BT.2020用于4K/8K（HDR）。Android Camera2 API通过 CaptureRequest.COLOR_CORRECTION_MODE 控制色彩处理，而 ImageFormat 决定像素存储格式（NV21、YV12、YUV420_888等）。

判断方法与操作流程

视频参数选型需综合考虑显示设备、编码能力和带宽：

1. 确定目标分辨率：根据屏幕尺寸和观看距离选择，手机端1080p足够，平板/电视可上4K。
2. 选择帧率：普通内容24-30fps，体育/游戏场景60fps，慢动作需120fps+。
3. 匹配色彩空间：SDR内容用BT.709，HDR内容用BT.2020 + PQ/HLG曲线。
4. 计算原始码率：分辨率×帧率×每像素比特数（YUV420为12bit）。
5. 选择编码格式与码率：H.264在同等画质下码率约为原始数据的1/100-1/200。

案例拆解：直播App的编码参数调优

某直播平台在Android端遇到两个问题：高端机型发热严重，低端机型画面模糊。通过 MediaCodec 的 KEY_BITRATE_MODE 设置CQ模式，并利用 KEY_FRAME_RATE 动态调整帧率。具体方案：

• 高端机型（骁龙8系）：1080p60 + H.265 + 8Mbps + CBR，利用硬件编码器降低CPU负载。
• 中端机型（骁龙7系）：720p30 + H.264 + 4Mbps + VBR，平衡画质与发热。
• 低端机型（骁龙4系）：540p30 + H.264 + 2Mbps + VBR，优先保证流畅度。

同时通过 CameraMetadata.SENSOR_INFO_ACTIVE_ARRAY_SIZE 获取传感器实际输出区域，避免裁切浪费。调优后，高端机型温度下降8°C，低端机型主观画质评分提升15%。

常见误区与总结

• 误区一：盲目追求高分辨率。屏幕物理像素有限，超过屏幕分辨率的视频只会浪费带宽和电量。
• 误区二：忽略色彩空间转换。Camera输出YUV，SurfaceView显示RGB，转换不当会导致颜色偏色。
• 误区三：帧率与快门速度混淆。高帧率需要更快的快门配合，否则运动模糊反而降低清晰度。

2.3 码率与编码格式：压缩的艺术

核心原理

码率（Bitrate）是单位时间内传输的数据量，直接决定音视频质量与文件大小。编码格式通过去除空间冗余（帧内预测）、时间冗余（帧间预测）和视觉冗余（量化）实现压缩。H.264采用混合编码框架：I帧（关键帧）完整编码，P帧（预测帧）只记录与前一帧的差异，B帧（双向预测帧）参考前后帧。Android的 MediaCodec 支持三种码率控制模式：CBR（恒定码率，适合直播）、VBR（可变码率，适合存储）、CQ（恒定质量，适合本地录制）。

判断方法与操作流程

码率选择需根据场景动态调整：

案例拆解：视频编辑App的码率自适应策略

某视频编辑App需要导出不同平台（微信、抖音、YouTube）的视频。直接使用固定码率导致：微信上传被二次压缩画质严重损失，YouTube上传文件过大耗时过长。解决方案：

1. 通过 MediaMetadataRetriever 获取源视频参数，计算内容复杂度（运动矢量统计）。
2. 根据目标平台限制动态计算码率：微信≤2Mbps，抖音≤4Mbps，YouTube≤12Mbps。
3. 使用 MediaCodec 的 KEY_BIT_RATE 设置动态码率，并开启 KEY_LATENCY 降低编码延迟。
4. 导出后通过 MediaExtractor 验证实际码率，确保符合平台要求。

实施后，微信上传成功率从78%提升至96%，YouTube上传时间缩短40%。

常见误区与总结

• 误区一：码率翻倍不等于画质翻倍。超过一定阈值后，画质提升趋于平缓，但文件体积线性增长。
• 误区二：忽略音频码率。视频码率降了但音频码率不变，总码率可能仍超标。
• 误区三：所有场景都用CBR。CBR在静态场景浪费码率，在运动场景又不足，VBR更适合本地存储。

掌握上述核心术语与原理，是Android音视频系统架构开发的地基。在实际项目中，需要根据设备能力、网络状况、用户场景综合权衡，并通过 MediaCodec、Camera2、AudioRecord 等API将理论落地为可运行的工程代码。下一阶段的学习中，我们将深入Android音视频采集与渲染的底层实现。