音频概念
模拟音频
在自然界中，声音是连续不断的，是一种模拟信号，声音的本质是波在介质中传播的现象。
声音的三要素有
- 响度（Loudness）
主观上感觉声音的大小，俗称音量，由振幅和距离决定，振幅越大响度越大，距离越小，响度越大
- 音调（Pitch）
声音的高低，由频率决定，频率越高音调越高，人耳听觉范围20~20000Hz
- 音色（Timbre）
不同声音表现在波形方面总是有与众不同的特性，不同的物体振动都有不同的特点
数字音频
在自然界中，由于声音是连续不断的，是一种模拟信号，那怎样才能把声音保存下来呢？那就是把声音数字化，即转换为数字信号。
把模拟信号转化为数字信号需要以下几步
- 采样
- 量化
- 编码
采样
我们知道声音是一种波，有自己的振幅和频率，那么要保存声音，就要保存声音在各个时间点上的振幅。 所以采样就是在时间轴上对模拟信号进行数字化，根据奈奎斯特采样定理
为了不失真地恢复模拟信号，采样频率应该不小于模拟信号频谱中最高频率的2倍。
采样频率一般为44.1kHz，这样可保证声音达到20kHz也能被数字化。 44.1kHz就是代表会采样44100次。
数字信号并不能连续保存所有时间点的振幅，事实上，并不需要保存连续的信号，就可以还原到人耳可接受的声音。
量化
具体的每个采样的数据又该如何表示呢？这就涉及到量化了，量化是指在幅度上对信号进行数字化，如果使用16比特位的二进制来表示一个采样，那么这个采样所表示的范围就是-32768 ~ 32767
编码
每个量化都是一个采样单位，将这么多采样进行存储的过程就叫编码，所谓的编码就是按照一定的格式记录采样和量化后的数字音频，比如顺序存储或者压缩存储等等
通常音频数据的承载方式最常用的是脉冲编码调制，即PCM，描述一段PCM数据通道需要以下几个概念
- 量化格式（位深，通常是16bit）
- 采样率
- 声道数
对于声音格式，还有个概念描述他的大小，即比特率，即1秒内的比特数目，用来衡量音频数据单位时间内的容量大小。
根据以上分析，PCM的采集步骤分为以下步骤：
模拟信号 -> 采样 -> 量化 -> 编码 -> 数字信号
音频的相关术语
频率
声波的频率，即声音的音调，一般女生发出的音调高于男生，人类听觉的频率范围为20Hz20000Hz，人类发出的频率范围为: 85Hz1100Hz
振幅
即声波的响度，通俗的讲就是声音的高低，一般男生的声音振幅（响度）大于女生
波形
即声音的音色，同样频率和振幅下，钢琴和小提琴的声音听起来完全不同的，因为他们音色不同。波形决定了其所代表声音的音色。音色不同是因为他们的介质所产生的波形不同
采样率
概念 对声音信号每秒的采样次数，采样率越高，声音的还原越真实
单位 采样率的单位是Hz,常见的采样率有8000Hz、16000Hz、44100Hz、48000Hz
奈奎斯特抽样定理 要从抽样信号中无失真地恢复原信号，抽样频率应大于2倍信号最高频率。 抽样频率小于2倍频谱最高频率时，信号的频谱有混叠。 抽样频率大于2倍频谱最高频率时，信号的频谱无混叠
声道
概念 指声音在录制和播放时候，在不同空间位置采集或回放的相互独立音频信号
声道布局
概念 不同声道数对应不同的声道布局, 常见的如下
- 单声道
- 双声道(立体声道)
- 四声环绕
- 5.1声道
单声道 只有一个声音，优点数据量小，缺点是缺乏对声音的位置定位。amr_nb和amr_wb默认为单声道
双声道 由左右两个声道组成，相对单声道而言，改善了对声音位置的定位的状况
四声环绕 由前左、前右、后左、后右四个方向组成，形成立体环绕。
4.1声道 是在四声环绕基础上，增加一个低音
5.1声道 在4.1声道基础上。增加一个中场声道，杜比AC3就是采用5.1声道(杜比音效)
音质
音质 声音的质量，经过编码压缩后的音频保真度，由音量、音色、音高三要素组成
声音的音量 即音频的强度和幅度, 数值范围为0~100, 静音为0，最大值为100。
声音的音高 即声音的音调，音频的频率或者每秒的变化次数
声音的音色 音频泛音，音品，不同声音表现在波形方面与众不同的特性
封装格式
为适应不同的播放需求，为多媒体编码提供一个外壳，将所有通过算法处理过的音视频包装到一个文件容器里，音频封装格式，由特定格式头+媒体信息+音频轨数据组成。
常见的封装格式有
- mp3
- m4a
- ogg
- amr
- wma
- wav
- flac
- aac
- ape
编码协议
压缩原始数据的体积，用来高效存储、传输编码数据，音频经过解封装得到的音频轨数据，也就是经过编码的。
常见的音频轨编码协议有:
- mp3
- aac
- amr_nb
- amr_wb
- ac3
- vorbis
- opus
- flac
- wmav2
