音频相关属性

• 声道： 单声道，双声道，2.1声道，5.1声道，7.1声道
• 采样: 将 模拟信号转为 数字信号。（现实生活中，我们听到的声音都是时间连续的，我们把这种信号叫模拟信号）。
• 采样率: 1秒对声音的采集次数。也是得到的数字信号的1秒的样本数。常见的采样率：8000Hz(电话采样率)；44100Hz(音频cd/mp3)；48000（电视/DVD）；96000Hz（高清晰度 DVD）音轨所用所用采样率）。
• 采样位数/量化位数： 声音的连续强度被数字表示后可以分为多少级。
  8bit（一字节）:表示256个数，则可以划分256个等级；
  16bit（二字节）：表示65536个数
• 编码： 把量化所得的结果，即单个声道的样本，以二进制的码字进行存放。
  1.以整形存放量化结果
  2.以浮点型存放量化结果（大多数格式的PCM样本数据使用整形来存放，而在对一些对精度要求高的应用方面，则使用浮点型来表示PCM 样本数据。）
• 帧： 音频在量化得到二进制的码字后，需要进行变换，而变换（MDCT）是以块为单位（block）进行的，一个块由多个（120或128）样本组成。而一帧内会包含一个或者多个块。帧的常见大小有960、1024、2048、4096等。一帧记录了一个声音单元，它的长度是样本长度和声道数的乘积。FFmpeg中 AVFrame 结构体中的 nb_samples 代表的就是一帧中单个声道的音频样本数量。
• 样本组合方式： 对于双声道和多声道来说有两种：
  交错（interleaved）：以stereo立体声为例，一个stereo音频的样本是由两个单声道的样本交错地进行存储得到的。
  交错（interleaved）：各个声道的样本分开进行存储。
  
  Packed格式，frame.data[0]或frame.extended_data[0]包含所有的音频数据中。
  Planar格式，frame.data[i]或者frame.extended_data[i]表示第i个声道的数据（假设声道0是第一个）, AVFrame.data数组大小固定为8，如果声道数超过8，需要从frame.extended_data获取声道数据。
• 比特率：
  每秒的传输速率(位速, 也叫比特率)。如705.6kbps 或 705600bps, 其中的 b 是 bit, ps 是每秒(per second)的意思，表示每秒705600bit的容量。压缩的音频文件常常用倍速来表示，譬如达到CD音质的MP3是128kbps/44100HZ。注意这里的单位是bit而不是Byte,一个Byte等于8个bit(位),bit是最小的单位，一般用于网络速度的描述和各种通信速度，Byte则用于计算硬盘，内存的大小。
• 采样率、采样位数、比特率三者之间的关系

例：根据一个文件的大小推算出文件时长

譬如 “Windows XP 启动.wav” 的文件长度是 424,644 字节, 它是 “22050HZ / 16bit / 立体声” 格式(这可以从其 “属性->摘要” 里看到),

那么它的每秒的传输速率(位速, 也叫比特率、取样率)是 22050162 = 705600(bit/s), 换算成字节单位就是 705600/8 = 88200(字节/秒),
播放时间：424644(总字节数) / 88200(每秒字节数) ≈ 4.8145578(秒)。

但是这还不够精确, 包装标准的 PCM 格式的 WAVE 文件(.wav)中至少带有 42 个字节的头信息, 在计算播放时间时应该将其去掉,
所以就有：(424644-42) / (2205016*2/8) ≈ 4.8140816(秒). 这样就比较精确了。也就是：

（文件总大小 - 头信息）/ (采样率 * 采样位数 * 通道数 / 8) [也就是比特率] ≈ 文件时长。

------------------------------【等待后续继续补充。。。。。。】-----------------------------------------------

参考：
https://www.cnblogs.com/yongdaimi/p/10722355.html