音频基础概念：采样率、位深度、声道数、比特率、音频编码格式对比

做音频处理，说白了就是跟一堆数字打交道。你想想看，声音本身是连续的波，但计算机只能处理离散的0和1。怎么把连续的声音变成数字？这就是我们今天要聊的核心。

我记得刚入行那会儿，拿着一个采样率44.1kHz、16bit的WAV文件，愣是搞不清楚这些参数到底意味着什么。后来踩了不少坑，才慢慢摸清楚门道。今天我把这些基础概念掰开揉碎了讲给你听。

采样率（Sample Rate）

采样率，就是每秒钟对声音信号采样的次数。单位是Hz（赫兹）或kHz（千赫兹）。

举个例子：44.1kHz意味着每秒钟采集44100个样本点。采样率越高，声音的细节就越丰富，但文件体积也越大。

人耳能听到的频率范围大约是20Hz-20kHz。所以理论上，40kHz以上的采样率就够用了。但实际应用中，我们常用的采样率有这些：

采样率	常见用途	我的经验
8kHz	电话语音	够用，但音质像对讲机
16kHz	VoIP、语音识别	语音清晰，我常用这个做ASR数据
22.05kHz	低质量音乐	不太推荐，高音细节丢失明显
44.1kHz	CD音质	行业标准，我大部分项目都用这个
48kHz	影视、DVD	视频项目标配，跟帧率对齐方便
96kHz/192kHz	高解析音频	说实话，人耳基本听不出区别

位深度（Bit Depth）

位深度，也叫采样精度。它决定了每个采样点能记录多少种可能的振幅值。

8bit = 256种可能，16bit = 65536种，24bit = 16777216种。位深度越大，动态范围越宽，声音的细节越丰富。

位深度	动态范围	适用场景
8bit	48dB	早期游戏音效，现在基本不用
16bit	96dB	CD、MP3，够用
24bit	144dB	录音、混音，我录音时必选
32bit float	理论无限	后期处理，不怕爆音

声道数（Channels）

声道数就是音频通道的数量。这个好理解：

• Mono（单声道）：1个声道，所有声音从一个点出来
• Stereo（立体声）：2个声道，左+右，有空间感
• 5.1环绕声：6个声道，前左、前右、中置、后左、后右+低音炮
• 7.1环绕声：8个声道，比5.1多了两个侧环绕

我个人习惯，做语音处理用单声道就够了。做音乐或影视，至少立体声起步。

比特率（Bitrate）

比特率，就是每秒传输或处理的比特数。单位是bps（bit per second）或kbps。

计算公式很简单：比特率 = 采样率 × 位深度 × 声道数

举个例子：CD音质的PCM音频

比特率 = 44100 × 16 × 2 = 1411200 bps ≈ 1411 kbps

对于压缩格式（MP3、AAC等），比特率是可变或固定的，代表编码后的数据流大小。

比特率	音质感受	文件大小（1分钟）
128kbps	一般，有压缩感	约1MB
192kbps	良好，多数人听不出区别	约1.5MB
320kbps	优秀，接近无损	约2.4MB
1411kbps	无损（CD音质）	约10.6MB

音频编码格式对比

终于到了重头戏。市面上常见的音频编码格式，我一个个说。

PCM（脉冲编码调制）

PCM是原始数字音频，没经过任何压缩。WAV和AIFF就是PCM的容器。

• 优点：无损，编辑处理方便
• 缺点：文件巨大，不适合传输
• 我常用：录音、中间处理环节

MP3（MPEG-1 Audio Layer 3）

有损压缩，利用心理声学模型去掉人耳不敏感的频率。

• 优点：兼容性最好，几乎什么设备都能播
• 缺点：低比特率下音质差，有"金属声"
• 我常用：分发、老旧设备兼容

AAC（Advanced Audio Coding）

MP3的继任者，同样是有损压缩，但效率更高。

• 优点：同比特率下音质优于MP3，支持多声道
• 缺点：部分老设备不支持
• 我常用：视频配乐、流媒体

Opus

新一代开源有损编码，IETF标准。

• 优点：延迟极低，音质最好，支持可变比特率
• 缺点：普及度不如MP3和AAC
• 我常用：实时通信、WebRTC项目

格式	压缩类型	典型比特率	延迟	我的推荐
PCM	无损	1411kbps (CD)	无	编辑、存档
MP3	有损	128-320kbps	中等	兼容性优先
AAC	有损	128-320kbps	低	视频、流媒体
Opus	有损	6-510kbps	极低	实时通信

知识体系总览

下面这张图，把音频基础概念的关系串起来了。你看一遍，心里就有谱了。

你看，采样率、位深度、声道数这三个参数决定了原始音频的质量和大小。比特率则是压缩后的数据速率。而不同的编码格式，就是在音质、文件大小、兼容性之间做取舍。