2、核心概念：采样率、位深度、时钟源、PLL锁相环、抖动（Jitter）

好，咱们正式开始啃硬骨头了。
音频同步这事儿，说穿了就五个关键词：采样率、位深度、时钟源、PLL、抖动。
我见过太多人一上来就调PLL参数，结果越调越乱。其实只要把这五个概念吃透，后面全是套路。

采样率，说白了就是每秒钟对声音信号拍了多少张“照片”。
单位是Hz（赫兹），44.1kHz就是每秒拍44100张。

核心公式：采样率 ≥ 2 × 信号最高频率（奈奎斯特定理）

人耳能听到的频率范围大约是20Hz–20kHz。所以CD用了44.1kHz，刚好够用。
电影行业常用48kHz，因为要兼容视频帧率。高采样率如96kHz、192kHz，主要用于后期处理——留点余量，避免滤波时伤到有用信号。

我的习惯：做混音时用48kHz，做母带时用96kHz。别盲目上192kHz，文件大、CPU累，听感提升微乎其微。

位深度决定了每个采样点能记录多少种音量等级。
16bit = 65536级，24bit = 16777216级，32bit float ≈ 无穷大（夸张说法）。

你想想看，16bit的量化噪声大概在-96dB以下。如果你录了个很轻的声音，再一放大，底噪就跟着上来了。
24bit的底噪在-144dB，基本听不见。所以我建议：录音至少用24bit。

我曾经踩过的坑：有一次录人声，用了16bit，电平拉得特别低。后期一提升，嘶声全出来了。从那以后，我录音只用24bit，电平留6dB余量。

时钟源就是给所有设备提供一个统一的“节拍器”。
每个音频设备内部都有一个晶振，产生稳定的方波信号。所有采样、转换、传输都跟着这个节拍走。

常见的时钟源有几种：

我的建议：小工作室用内部时钟就够了。如果设备超过3台，或者要做多轨同期录音，上Word Clock。

PLL（Phase-Locked Loop）是一个闭环电路，它能从一个参考信号中恢复出稳定的时钟。
说白了，就是让本地时钟“锁定”到外部时钟的频率和相位上。

PLL内部有三个核心部件：

当相位差为零时，PLL就“锁定”了。这时候本地时钟和参考时钟完全同步。

关键点：PLL的锁定时间、抖动抑制能力、环路带宽，直接影响音频同步的质量。

抖动，就是时钟信号的边沿在时间轴上发生了微小的偏移。
理想时钟的每个上升沿间隔完全相等。但现实中，晶振、电路噪声、温度变化都会让边沿“晃一下”。

抖动的单位是皮秒（ps）或纳秒（ns）。
1ps = 0.000000000001秒。听起来很小，但在高频音频中，抖动会直接转化为相位噪声和失真。

抖动的危害：抖动 → 采样点偏移 → 幅度误差 → 失真（听起来像“毛刺感”或“声场变窄”）

抖动分两种：

我曾经遇到的情况：有一次用某款声卡录音，总感觉高频有点“毛”。查了半天，发现是USB供电不稳导致时钟抖动偏大。换了个独立供电的USB Hub，问题立刻消失。

这五个概念不是孤立的。它们的关系可以这样理解：

你想想看，如果时钟源不准，PLL锁不住，抖动就大。抖动大了，采样点偏移，位深度再高也白搭。
所以，时钟是音频同步的基石。