音视频基础_3_音频压缩技术简介
音频压缩技术简介
压缩/编码技术与格式之间的关系
由于原始音频数据（PCM数据）体积很大，不利于存储和传输，所以需要压缩。压缩技术也被称为编码技术（Encode），二者基本上是同样的意思。编码技术有很多种，比如 MP3 技术，将 PCM 数据编码之后，会形成新的文件，一般来说使用哪种编码技术，生成的文件就被称为这种格式的文件，有对应的后缀名。例如 MP3 编码生成的文件就是 .mp3 文件，反过来说，.mp3 文件就是使用了 MP3 编码技术生成的文件。
音乐播放器在播放 .mp3 文件时，需要按照一定的方式读取其中的数据，这个过程就叫做解压缩或解码（Decode）。一种编码技术必然包含对应的解码技术，就如同你可以使用压缩软件进行压缩，也可以用它进行解压缩。编解码合起来的英文单词是 Codec。
比特率（码率）
比特率（bitrate）也叫码率，是音视频当中非常重要的一个概念。音频的比特率是指将模拟声音信号转换成数字声音信号后，单位时间内的二进制数据量，单位是 bit/s 或bps，注意是小写的 b，即 bit。视频的比特率我们后面讲到的时候会再说。
假设采样频率为44.1kHz，比特深度为 16，立体声双声道，这样录制的 PCM 原始音频的比特率为：44100 * 16 * 2 = 1411200 bps = 1411.2 Kbps。
PCM在录制的时候，比特率为 1411.2 Kbps，约 1.4 Mbps 每秒，那么在播放的时候，同样得是这个比特率，本地播放还好，但是如果是在线播放，带宽压力就很大了。以今天动不动就 100Mbps的带宽来看，这不是什么问题，但是当年的带宽可是只有现在的几十分之一甚至百分之一，所以必须压缩。
无损压缩和有损压缩
音频压缩技术有两种压缩方式，分别是有损压缩和无损压缩。常见到的 MP3、WMA 都是有损压缩，有损压缩会降低原始音频的采样频率和比特深度，并且会移除原始音频中不容易被人耳听到的声音，例如极高频和极低频，以及被强低频遮蔽的高频声音等等。
另一种音频压缩被称为无损压缩，无损压缩能够在100%保存原始音频的所有数据的前提下，将音频文件的体积压缩的更小，而将压缩后的音频文件还原后，能够实现与源文件相同的大小、相同比特率。
无论有损压缩还是无所压缩，都使用了复杂的算法，将原始音频中的数据按照一定的格式重新组织，以此来降低数据量，从而减小比特率。只不过有损压缩无法完全还原，而无法压缩可以完全还原。
常见的无损压缩有如下几种：
- WAV：由微软和 IBM 联合设计，经过了多次修订，可用于Windows，MacOS，Linux等多种操作系统。标准的 WAV 文件和 CD 格式一样，也是 44.1KHz的采样频率，16 位量化深度，因此声音质量和 CD 相差无几。WAV的特点：真实记录自然声波形，基本无数据压缩，数据量大。其实 WAV 与其说是压缩格式，不如说是和 PCM 类似的原始音频格式，因为就没有压缩。
- APE：一种音频无损压缩技术，在音质不降低的前提下，大小压缩到传统无损格式文件的一半。
- FLAC：一套著名的自由开发的音频压缩编码技术，也是无损压缩。它不会破坏任何原有的音频信息，所以可以还原音乐光盘音质。2012年以来它已被很多软件及硬件音频产品（如CD等）所支持。
常见的有损压缩格式有：MP3，WMA，AAC，OGG。后面会更详细的介绍。
MPEG
MPEG（Moving Picture Experts Group，动态图像专家组）是ISO（International Standardization Organization，国际标准化组织）与IEC（International Electrotechnical Commission，国际电工委员会）于1988年成立的专门针对运动图像和语音压缩制定国际标准的组织。
该专家组建于1988年，专门负责为 CD 建立视频和音频标准，而成员都是为视频、音频及系统领域的技术专家。后来，他们制定出 MPEG-X 标准，令音视频传播方面进入了数字时代，现在大家说的指的 MPEG-X 版本，就是由 这个组织所制定而发布的视频、音频、数据的压缩标准。广为人知的 MP3，MP4，AAC，以及一些视频编码技术都和这些标准相关。
总之，研究音视频编解码技术，MPEG 是个绕不开的组织，后面还会多次提到。
MP3 压缩技术
MP3 全称是 Moving Picture Experts Group Audio Layer III，即 MPEG Audio Player3，简称为MP3。它被设计用来大幅度地降低音频数据量。MP3 压缩技术可以将音乐以1:10 甚至 1:12 的压缩率压缩成容量较小的文件，而对于大多数用户来说，压缩后的音质与原始音频相比没有明显的下降。
MP3 利用人耳对高频声音信号不敏感的特性，将 PCM 数据中的声音按照频率划分成多个频段，对不同的频段使用不同的压缩率，对高频加大压缩比（甚至忽略信号），对低频使用小压缩比，保证信号不失真。这样一来就相当于抛弃人耳基本听不到的高频声音，只保留能听到的低频部分，从而将声音用1:10甚至1:12的压缩率压缩。MP3 的比特率一般介于128kbps和320kbps之间，完全可以满足在线播放的需求。
用MP3形式存储的音乐就叫作MP3音乐，能播放MP3音乐的机器就叫作MP3播放器。在刚刚问世时，MP3 非常流行，网上能下载到的大部分音乐都是 MP3 格式，MP3 播放器也非常流行，深受音乐爱好者的欢迎，在国内可以说是90后的集体回忆。然而随着新的压缩技术的出现，以及消费者转向智能手机等原因，现在 MP3 播放器已经慢慢消亡。
WMA 压缩技术
WMA（Windows Media Audio）是微软在互联网音视频领域的力作。WMA 格式是以减少数据流量但保持音质的方法来达到更高的压缩率目的 ，其压缩率可以达到1:18。
以前我们只要提到下载音乐，第一反应就是MP3，其实 MP3 已经不如当年流行，WMA 在压缩比和音质方面都超过了MP3，现在绝大多数在线音频试听网站都使用 WMA。
只可惜 WMA 有两个缺点：一是当比特率小于128Kbps时，WMA 几乎在同级别的所有有损编码格式中表现得最出色，但是超过 128Kbps 后，音质提升就不大了；二是 WMA 标准不开放，完全掌握在微软手里。
AAC 压缩技术
AAC（Advanced Audio Coding），中文名：高级音频编码。出现于1997年，由Fraunhofer IIS、杜比实验室、AT&T、索尼、诺基亚等公司共同开发，目的是取代MP3格式。与MP3不同，它采用了全新的算法进行编码，更加高效，相对于 MP3，AAC格式的音质更佳，文件更小。
苹果的iPod和iPod mini都能播放16－320Kbps的AAC文件，在加上苹果倾力打造的iTunes音乐播放器，为AAC格式文件的传播提供了便利。之后多家公司跟进，AAC 现在是除了 MP3 和 WMA 之外最流行的音频格式。
总的来讲，AAC可以说是极为全面的编码方式，高码率下音质非常出色，低码率下也能保持不错的音质，非常适合移动通讯、网络电话、在线广播等领域，此外，AAC 经常用于视频中音频轨的编码。
Ogg
Ogg全称是OGG Vorbis， Ogg是完全免费、开放和没有专利限制的音频编码技术。OggVorbis文件的扩展名是".ogg"。Ogg文件格式可以不断地进行大小和音质的改良，而不影响旧有的编码器或播放器。
可惜 Ogg 出现得太迟了，在播放设备支持方面不如 MP3 和 AAC，在流媒体方面，WMA 已经是垄断地位，所以 Ogg 一直没有普及开来。
总结
我们介绍了一些音频压缩技术，简单说了下原理，但是没有介绍具体的算法。具体算法都很复杂，暂时不是我们研究的重点，以后有机会详细讲。
还是要注意一个关键的概念：比特率，即码率，后面我们在视频部分还会遇到比特率的概念。