5.2 音频编码标准：从 MP3 到 Opus

5.2 音频编码标准：从 MP3 到 Opus

本节摘要：音频编码同样是有损与无损两派。本节讲清 AAC、MP3、Opus 三种有损编码与 FLAC 等无损编码的定位，给出各场景的选型建议与 ffmpeg 命令，并解释「听感差异为什么没体积差异大」。

学习目标

阅读完本节，你应当能够：

1. 说出 AAC、MP3、Opus、FLAC 各自的适用场景
2. 解释有损编码的原理（心理声学模型）与无损编码的代价
3. 用 ffmpeg 完成音频转码与采样率/声道调整

一、一个反例开场

有人给视频配音轨，选了 MP3 格式。播放倒是没问题，但 MP3 在低码率下的高频损失明显，而且很多容器对 MP3 音轨的支持并不理想。他跑来问「为什么听起来闷闷的」——答案就在编码选型：MP3 是 1993 年的老将，在它之后，AAC 和 Opus 在「同样码率下保留更多细节」上已经走得很远。

音频编码和视频编码遵循同一个逻辑：去掉人耳听不见的内容。区别在于音频的「冗余」来自心理声学——人类对某些频率不敏感、对某些掩蔽效应无感，有损编码正是钻这些空子。所以关键不在「损不损」，而在「损在哪、损得值不值」。

二、核心原理：主流音频编码对照

有损编码的「心理声学」在做什么

有损编码器会先分析这段声音里哪些成分人耳「不敏感」，比如一个响亮的鼓声会把同时出现的轻微背景音「掩蔽」掉，那么背景音的细节就可以少存或丢。码率越低，丢得越狠。这就是为什么同样 128 kbps，AAC 和 Opus 听感通常优于 MP3——它们的掩蔽模型更精细。

无损编码的价值

无损编码（FLAC、ALAC）不丢任何信息，代价是体积大。它唯一的适用场景是需要反复编辑或长期归档：每次有损转码都会叠加损失，从无损源起转就不会「越转越差」。存「母带」用无损，分发用有损，是最标准的资产链路。

三、工程实践要点

转音频编码

# 音轨从 AAC 转成 MP3，192 kbps
ffmpeg -i input.mp4 -vn -c:a libmp3lame -b:a 192k audio.mp3

# 转成 Opus，适合低延迟场景
ffmpeg -i input.mp4 -vn -c:a libopus -b:a 128k audio.opus
​

-vn 表示不要视频流，-b:a 是音频码率。注意 Opus 需要 .opus 或 .ogg 容器，塞进 MP4 会失败。

调整采样率与声道

# 48kHz 立体声 → 44.1kHz 单声道（老设备/播客常见）
ffmpeg -i input.mp4 -vn -c:a libmp3lame -ar 44100 -ac 1 podcast.mp3
​

-ar 改采样率，-ac 改声道数。音频处理里「先想清楚目标格式再动手」尤其重要——采样率错了就是整体变调。

无损归档

# 无损存档
ffmpeg -i input.m4a -c:a flac archive.flac
​

音频参数速查图

图说明：按场景选编码

选音频编码先看场景：点播分发用 AAC，实时低延迟用 Opus，兼容兜底用 MP3，归档二次编辑用无损。-b:a、-ar、-ac 三个参数组合，能覆盖绝大多数音频转码需求。

⚠️ 常见坑：Opus 塞不进 MP4；AAC 编码器在 ffmpeg 里有 aac（内置）和 libfdk_aac（外部，质量更好但多数发行版没编入）两个名，-c:a aac 写内置版最通用；FLAC 容器也是 flac，别跟编码器名混淆。

💡 关键直觉：音频「听起来差不多」恰恰说明有损编码的心理学模型是有效的。别再纠结 128 和 192 的听感差异，把注意力放在「有没有明显失真」和「体积预算」上，更划算。

比特率与采样率的换算直觉

音频码率有一个简单的换算公式：码率约等于采样率 × 位深 × 声道数 × 压缩系数。以 48kHz、16bit、双声道为例，无损时的原始码率是 48×16×2 = 1536 kbps；AAC 在 128 kbps 下工作，压缩系数大约是 1/12。这个直觉能帮你快速判断参数是否合理——如果有人给了你一份「48kHz 立体声 64kbps」的配置，你立刻就能算出它的压缩比已经超过 24 倍，音质大概率会明显受损。

工程上更常用的判断是「码率预算」：1 小时的视频音频，用 128 kbps 大约是 57.6 MB，用 256 kbps 是 115 MB。音频在整个文件里的体积占比通常不到一成，为了省这一点体积把码率压得太低，往往是得不偿失的。记住这个比例，做转码方案时就不会在音频码率上过度纠结。

试听对比：让耳朵当裁判

音频编码的选型，最终要靠耳朵确认，而不是只看参数表。FFmpeg 可以方便地做「同源不同码率」的试听对比：

# 同一段音频压出三档码率，用 ffplay 连播对比
ffmpeg -i music.wav -c:a libmp3lame -b:a 128k m128.mp3
ffmpeg -i music.wav -c:a libmp3lame -b:a 192k m192.mp3
ffmpeg -i music.wav -c:a libmp3lame -b:a 320k m320.mp3
ffplay -autoexit m128.mp3
ffplay -autoexit m192.mp3
ffplay -autoexit m320.mp3
​

连听三档，重点注意高频细节（镲片声、空气感）和低码率下的「金属味」。大多数人会发现 128k 和 192k 的差距远比想象中小，而 128k 以下的差距才开始明显。这背后的道理是：现代有损编码的心理声学模型很成熟，码率不是越高越「值得」，而是「够了就行」——多花的码率买到的听感提升往往极其有限。

这个练习也适合 AAC 和 Opus：如果你需要为直播选音频格式，直接拿同一段语音压成 AAC 和 Opus 各一档，用耳机听辨，再结合延迟指标做决定。参数表给你方向，耳朵给你结论。

要点回顾

• 两派编码：有损（MP3/AAC/Opus）靠心理声学丢人耳不敏感的信息，无损（FLAC/ALAC）比特级还原
• 场景选型：点播 AAC、直播 Opus、兜底 MP3、归档无损
• 低频优势：同样码率下 AAC/Opus 通常优于 MP3，因为掩蔽模型更精细
• 参数三件套：-c:a 编码器、-b:a 码率、-ar/-ac 采样率与声道
• 容器兼容：Opus 用 ogg/opus 容器，别塞进 MP4

下一节是编码参数的临门一脚——CRF、preset、码率到底怎么组合。