📚 课程目录第2章音频基础

音频基础：采样率、位深、声道布局等基本概念

在深入 FFmpeg 的重采样调试之前，必须先厘清数字音频的三个核心维度：采样率（Sample Rate）、位深（Bit Depth）与声道布局（Channel Layout）。它们共同决定了音频数据的“体积”与“精度”，也是重采样操作中必须显式指定的参数。理解这三者的物理含义与数学关系，是后续分析重采样日志、排查音频异常的前提。

核心原理：三个维度如何定义一段数字音频

模拟声音是连续变化的波形，而数字音频是对该波形在时间轴与幅度轴上的离散化采样。采样率决定时间轴的“切片密度”，位深决定幅度轴的“量化台阶数”，声道布局则决定空间维度的采集方式。

采样率（Hz）：每秒对模拟信号采样的次数。根据奈奎斯特定理，可无失真还原的最高频率为采样率的一半。常见值：8000 Hz（电话）、44100 Hz（CD）、48000 Hz（视频制作）、96000 Hz（高解析度音频）。
位深（bit）：每个采样点用多少比特记录幅度。位深越高，动态范围越大（理论动态范围 ≈ 6.02 × 位深 + 1.76 dB）。16 bit 动态范围约 98 dB，24 bit 约 146 dB。
声道布局：描述声道数量及空间位置关系。常见布局：mono（单声道）、stereo（双声道）、5.1（前左、前右、中置、低音炮、后左、后右）、7.1 等。FFmpeg 使用掩码（如 0x3 表示 stereo）或字符串（如 5.1）来标识。

数据量计算公式：未压缩 PCM 数据每秒字节数 = 采样率 × 位深 ÷ 8 × 声道数。例如：48 kHz、24 bit、双声道 = 48000 × 3 × 2 = 288,000 字节/秒 ≈ 2.3 Mbps。

FFmpeg 中的参数表示与查看方法

在 FFmpeg 中，这三个参数分别通过不同的选项控制。调试重采样问题时，第一步永远是确认输入文件的实际参数与期望输出参数是否匹配。

# 查看音频流详细信息
ffprobe -v error -show_streams -select_streams a input.wav

# 简洁输出关键参数
ffprobe -v error -select_streams a -show_entries stream=sample_rate,bits_per_sample,channels,channel_layout -of default=noprint_wrappers=1 input.wav

输出示例：

sample_rate=48000
bits_per_sample=24
channels=2
channel_layout=stereo

FFmpeg 中声道布局的表示方式有两种：数字掩码与名称字符串。例如立体声的掩码为 0x3（二进制 11），5.1 的掩码为 0x3F。使用 ffmpeg -layouts 可列出所有支持的布局名称。

参数	FFmpeg 选项	常见值示例	重采样影响
采样率	`-ar`	44100, 48000, 96000	改变时间轴密度，需插值或抽取
位深	`-sample_fmt`	s16, s32, flt, dbl	改变量化精度，可能引入噪声
声道布局	`-channel_layout`	mono, stereo, 5.1, 7.1	改变声道映射与混合方式

重采样中的典型场景与参数联动

实际调试中，这三个参数往往同时变化。例如将蓝光电影的 48 kHz/24 bit/5.1 音轨转为立体声播客时，需要同时完成采样率转换、位深降低与声道缩减。FFmpeg 的 aformat 滤镜可以一次性指定输出格式：

ffmpeg -i input.mkv -af "aformat=sample_rates=44100:sample_fmts=s16:channel_layouts=stereo" output.wav

若只改变采样率而保持其他不变，使用 aresample 滤镜更精细：

ffmpeg -i input.wav -af "aresample=48000:resampler=soxr" output_48k.wav

其中 resampler=soxr 指定使用 SoX 高质量重采样器，适合对音质要求较高的场景。调试时可通过 -v verbose 查看重采样器内部参数，例如滤波器长度、转换精度等。

调试技巧：当输出文件出现“嘶嘶”噪声时，优先检查位深是否从 24 bit 降到了 16 bit 而未做抖动（dither）处理；当声音变“闷”或变“尖”时，检查采样率是否被错误转换（如 44.1 kHz 与 48 kHz 互转时未使用高质量算法）。

案例：从 48 kHz/24 bit/5.1 转为 44.1 kHz/16 bit/stereo

这是一个典型的“降规格”重采样任务，涉及三个维度的同时变化。以下是完整命令与逐步分析：

ffmpeg -i movie.mkv \
       -af "aresample=44100:resampler=soxr,aformat=sample_fmts=s16:channel_layouts=stereo" \
       -c:v copy \
       output.mkv

执行过程的关键日志：

Stream mapping:
  Stream #0:0 -> #0:0 (copy)
  Stream #0:1 -> #0:1 (aac -> pcm_s16le)
Press [q] to stop, [?] for help
[Parsed_aresample_0 @ ...] ch:5.1 chl:5.1(side) fmt:fltp
    -> ch:2 chl:stereo fmt:s16, resampled to 44100 Hz

日志中 chl:5.1(side) 表示输入为侧边环绕的 5.1 布局，fmt:fltp 表示浮点平面格式。输出为 stereo 与 s16。FFmpeg 自动完成了以下操作：

声道缩减：5.1 → 立体声，采用内置矩阵混合（左 = L + 0.707×C + 0.707×Ls，右 = R + 0.707×C + 0.707×Rs），LFE 通常丢弃或按比例混入。
采样率转换：48000 → 44100，SoX 重采样器使用高质量 16 倍过采样滤波器。
位深降低：浮点 → 16 bit 整数，此过程会引入量化噪声，FFmpeg 默认不添加抖动，若需改善可加 dither_scale 参数。

误区与复盘：常见参数混淆点

误区一：混淆“位深”与“采样格式”。FFmpeg 中 -sample_fmt 不仅指位深，还包含数据类型（整数/浮点）与存储方式（交错/平面）。例如 s16 表示有符号 16 位整数交错，fltp 表示 32 位浮点平面。调试时务必使用 ffprobe 查看实际格式，而非仅凭扩展名猜测。

误区二：忽略声道布局掩码的细微差异。5.1 有两种常见变体：5.1（后环绕）与 5.1(side)（侧环绕）。FFmpeg 中两者掩码不同（0x3F vs 0x60F），转换时若未指定目标布局，可能产生错误的声道映射。建议在滤镜中显式写出 channel_layouts=5.1 或 5.1(side)。

复盘清单：当重采样结果异常时，按以下顺序排查——

用 ffprobe 确认输入文件的采样率、位深、声道布局是否与预期一致。
检查滤镜链中是否存在多次隐式转换（如先转 float 再转 int），导致精度损失叠加。
对比不同重采样器（swr 默认 vs soxr）的输出频谱差异。
使用 -af "aresample=44100:ocl=stereo" 显式指定输出声道布局，避免自动选择的不确定性。
若输出有爆音，尝试增加 dither 选项或使用更高位深中间格式（如先转 32 bit 浮点再降位深）。