音频基础概念：采样率、位深度、声道数、音频编码格式
做音视频处理这么多年，我越来越觉得一个道理：视频是皮，音频是魂。你字幕嵌得再漂亮，画面调得再通透，音频一塌糊涂，整个作品就垮了。今天咱们把音频的四个核心概念掰开揉碎讲清楚。
核心一句话：采样率决定频率范围，位深度决定动态范围，声道数决定空间感，编码格式决定存储效率。这四个参数组合起来，就是一段音频的「身份证」。
1. 采样率：声音的「像素」
采样率，说白了就是每秒钟对声音信号「拍照」的次数。单位是 Hz（赫兹）。
我记得刚入行时，有个同事把 44.1kHz 的音频直接当成 48kHz 喂给编码器，结果出来的声音像开了慢速播放。嗯，这就是采样率不匹配的典型翻车现场。
| 采样率 | 常见场景 | 我的建议 |
|---|---|---|
| 8,000 Hz | 电话语音 | 只适合纯语音，音乐别碰 |
| 22,050 Hz | 低质量播客 | 能听，但高频细节全丢 |
| 44,100 Hz | CD 音质、MP3 | 音乐制作的黄金标准 |
| 48,000 Hz | DVD、视频制作 | 视频项目首选，FFmpeg 默认值 |
| 96,000 Hz | 专业录音棚 | 后期处理有余量，最终输出通常降采样 |
为什么视频行业偏爱 48kHz？因为视频帧率（24/25/30fps）和 48kHz 能完美对齐，避免采样率转换带来的计算损耗。我在做直播项目时，所有推流音频统一设成 48kHz，省心。
小技巧：用 FFmpeg 查看音频采样率：ffprobe -v error -select_streams a:0 -show_entries stream=sample_rate -of default=noprint_wrappers=1 input.mp4
2. 位深度：声音的「色深」
位深度决定每个采样点的精度。16-bit 就是 65536 个阶梯，24-bit 是 1677 万个阶梯。阶梯越多，声音的细节越丰富，底噪越低。
我曾经接手过一个项目，客户说「声音有嘶嘶声」。查了半天，发现录音时用了 16-bit，后期又做了大幅增益，底噪全被放大了。换成 24-bit 重新录，问题解决。
- 16-bit：CD 标准，动态范围约 96dB，成品分发够用
- 24-bit：录音和后期标准，动态范围约 144dB，留足处理余量
- 32-bit float：专业录音棚用，几乎不用担心削波
避坑指南：我曾经在 FFmpeg 里直接用 -acodec copy 转封装，没注意源文件是 24-bit，目标容器不支持，结果播放器直接静音。转码时务必确认目标格式的位深度兼容性。
3. 声道数：声音的「维度」
声道数决定了声音的空间感。从单声道到全景声，每个声道都承载着不同的空间信息。
| 声道布局 | FFmpeg 标识 | 典型用途 |
|---|---|---|
| Mono（单声道） | 1.0 | 语音、电话、对讲 |
| Stereo（立体声） | 2.0 | 音乐、视频、播客 |
| 5.1 环绕声 | 5.1 | 电影、家庭影院 |
| 7.1 环绕声 | 7.1 | 影院、高端游戏 |
你想想看，字幕嵌入时声道数会影响什么？举个实际例子：如果你把 5.1 声道的电影转成立体声，中置声道的人声对白会混入左右声道，字幕时间轴稍微偏一点，观众就会觉得「声音和嘴型对不上」。我一般建议：字幕嵌入前先确认声道布局，必要时用 -ac 2 下混。
FFmpeg 声道操作示例：
# 将 5.1 下混为立体声
ffmpeg -i input.mp4 -ac 2 -c:v copy output.mp4
# 提取左声道为单声道
ffmpeg -i input.mp4 -map_channel 0.1.0 -ac 1 output.wav4. 音频编码格式：AAC / MP3 / Opus
编码格式是音频的「压缩算法」。选对了，文件小音质好；选错了，要么体积爆炸，要么声音像收音机。
AAC（Advanced Audio Coding）
视频行业的默认选择。FFmpeg 里我用 libfdk_aac 编码器，码率 128-192kbps 就能达到接近 CD 音质。我做过对比测试：同样 128kbps，AAC 比 MP3 高频保留更完整，人声更清晰。
MP3（MPEG-1 Audio Layer 3）
老牌格式，兼容性无敌。但说实话，现在除了老旧设备，我不太推荐用 MP3。320kbps 的 MP3 和 128kbps 的 AAC 差不多，文件却大了一倍多。
Opus
后起之秀，我最近两年越来越喜欢它。Opus 在低码率下表现惊人：64kbps 就能达到 128kbps AAC 的水平。直播、语音、播客场景，Opus 是首选。
| 格式 | 推荐码率 | 延迟 | 我的使用场景 |
|---|---|---|---|
| AAC | 128-256 kbps | 低 | 视频成品、流媒体 |
| MP3 | 192-320 kbps | 低 | 老旧设备兼容 |
| Opus | 64-128 kbps | 极低 | 直播、语音、播客 |
我的个人习惯：视频成品统一用 AAC 128kbps 立体声，直播用 Opus 64kbps。字幕嵌入时，音频编码参数用 -c:a aac -b:a 128k，简单可靠。
知识体系总览
下面这张图把四个概念的关系串起来了。你仔细看，采样率和位深度是「采集端」的事，编码格式是「存储端」的事，声道数贯穿始终。
FFmpeg 实战：查看与转换音频参数
光说不练假把式。下面是我常用的几条命令，你直接拿去用。
# 查看音频流详细信息
ffprobe -v error -show_entries stream=index,codec_name,sample_rate,channels,bits_per_sample -select_streams a input.mp4
# 转换采样率（48kHz → 44.1kHz）
ffmpeg -i input.mp4 -ar 44100 -c:v copy output.mp4
# 转换位深度（24-bit → 16-bit）
ffmpeg -i input.wav -sample_fmt s16 output.wav
# 转换声道（立体声 → 单声道）
ffmpeg -i input.mp4 -ac 1 -c:v copy output.mp4
# 编码格式转换（MP3 → AAC）
ffmpeg -i input.mp3 -c:a aac -b:a 128k output.m4a注意：用 -c:v copy 时，视频流不重新编码，只改音频。这样速度快，但前提是视频编码格式和目标容器兼容。我踩过坑：MP4 容器里放 H.265 视频，某些播放器不认，最后老老实实重新编码视频流。