【音视频基础】音频基础理论

声音是如何被听到的

声音的产生

1. 声音是由物体振动产生的
2. 它可以通过空气、固体、液体等进行传输
3. 震动耳膜
4. 经过大脑神经识别

人类听觉范围

如上图所示：人类的听觉范围是20Hz~20kHz

声音的三要素

1. 音调：音频的快慢
   
   由上图的波形图可知：红线绿线代表的音频的频率大于红线代表的音频的频率，因此绿线代表的音频的音调大于红线代表的音频的音调
2. 音量：震动的幅度
   
   由上图的波形图可知：红线右侧的音量震动的幅度大于红线左侧的音量震动幅度，因此右侧的音量高于左侧的音量
3. 音色：谐波
   
   不同的音色由不同的谐波组成的：（绿色为基频主频）基频+一次谐波（黄）+二次谐波（蓝）

模数转换

将音频模拟信号转化为数字信号的流程图如下：

PCM裸流

关键采样概念

现在已经将模拟信号转化为了数字信号。在对声音进行量化的过程有一些关键采样概念：

1. 采样大小：一个采样用多少bit存放。常用的是16bit
2. 采样率：采样频率8k、16k、32k、44.1k、48k
3. 声道数：单声道、双声道、多声道

音频采样数据

作用与特点

音频采样数据的作用是：保存了音频中每个采样点的值。 数据特点是体积会很大，一般情况加一首4分钟的PCM格式的歌曲体积为：4604410022 = 42.3MByte（假定采样率为44.1KHz，采样大小为16bit，双声道）。

码率

那么如何计算一个PCM音频流的码率呢？
同理：采样率为44.1KHz，采样大小为16bit，双声道采集的PCM裸流的码率是：44100 * 2 * 2 = 176400Byte/s = 176.4KB/s = 1411.2Kb/s

PCM格式存储

PCM格式的存储方式是单声道的情况下按照顺序存储每个采样点的数据。 双声道的情况下按照“左右、左右”的顺序存储每个采样点两个声道的数据。

音频采样数据查看工具：Adobe Audition

如图所示：你可以导入一个PCM音频裸流文件，输入PCM的采样大小、采样率与声道数就可以直接播放PCM音频文件。可以看到音频的波形图、播放电平等关键信息。

ffplay播放PCM

最后大家可以尝试使用ffplay直接播放PCM音频文件。
ffplay命令：ffplay -ar 44100 -ac 2 -f s16le -i 00NocturneNo2inEflat_44.1k_s16le.pcm

• -ar:采样率
• -ac：声道数
• -f：采样大小
• -i：PCM音频文件

播放效果如下图：

参考资料

【1】雷神博客
【2】李超：音视频基础+ffmpeg原理