1.1 从声波到比特流：采样、量化与码率账本

1.1 从声波到比特流：采样、量化与码率账本

本节摘要：PCM 是 AAC 与 Opus 共同的输入端。本节把采样、量化、编码三步拆开，算清未经压缩的音频码率账，并解释 44.1 kHz 与 48 kHz 两类采样率约定、位深与信噪比的关系——这些数字是后续一切压缩率讨论的分母。

本节是全册的地基：不先把"原始音频有多大、每个比特买到了什么"算清楚，后面所有关于压缩效率的对比都无从谈起。学完本节，1.2 节将回答"这么大的账单里，哪些项目是可以划掉的"。

一、采样：时间轴上的等间隔快照

麦克风把声压变化转成连续电压，模数转换器（ADC）按固定频率对其"拍照"，得到离散样本序列。采样率 48 kHz 意味着每秒产生 48000 个整数。这条看似朴素的流水线有一个不容违反的约束——奈奎斯特定理：采样率必须高于信号最高频率的约两倍，否则高频成分会折叠成低频噪声（混叠）。工程上不会把滤波器截止频率恰好设在采样率一半，而是留出过渡带：CD 标准 44.1 kHz 的有效带宽到 20 kHz，20 至 22.05 kHz 这一段就是保护带。

44.1 kHz 这个奇怪的数字有明确的工业史背景：早期数字录音借用每秒 25 帧、每帧 490 行的模拟视频磁带做存储，44100 恰好能整除进水平消隐结构。它随 CD 进入消费市场并延续至今。48 kHz 则出自影视与广播阵营，能被 24 帧影视帧率与常见时钟整除，便于音画对齐。两套约定并存的结果是：所有音频设备都要处理 44.1 与 48 两族采样率及其倍频（88.2/96/176.4/192），而 AAC 与 Opus 都原生支持整数族切换。Opus 更进一步——它内部统一以 48 kHz 为基准工作，输入若是 44.1 kHz 会被重采样，这是它为实时链路简化时钟管理的取舍。

二、量化：用位深购买信噪比

采样解决"何时测"，量化解决"测多细"。N 位线性量化把电压幅度切成 2 的 N 次方级台阶。位深直接决定理论信噪比：满幅正弦信号下约为 6.02N 加 1.76 dB——16 位约 98 dB，24 位约 146 dB。人耳听觉动态范围通常按 120 dB 估算，所以 CD 选 16 位并非随手，广播与制作链路留 24 位则是为多次处理累积余量。

量化噪声还有一个讨厌的性质：它可能与信号相关，在安静段落形成可闻的颗粒感。录音棚的对策是抖动（dither）——注入约半级量化步长的微噪声，把相关失真变成统计上平坦的底噪，代价是底噪略升。这个细节与后续章节直接相关：感知编码的量化噪声同样面临"成形"问题，只不过 AAC 用噪声整形把失真推入掩蔽区，Opus 用加权残差控制失真谱形状，思路同源。

图：PCM 链路与码率账本

三、算一笔真实的账：压缩率的分母

把账本算实，后文的压缩率讨论才有落点。一段 CD 音轨（44.1 kHz、16 bit、立体声）未压缩码率是 1411.2 kbps；一段 48 kHz/24 bit 的制作母带立体声是 2304 kbps；5.1 声道则冲到 6912 kbps。对照常见分发档位——AAC 在音乐平台常用 128 至 256 kbps，Opus 在通话里常设 24 至 64 kbps——压缩倍率在十倍到数十倍之间。这份"节省"从哪来，正是 1.2 节两本账要回答的。

下面这段 Python 把账本变成可复算的代码，顺手给出不同档位下的每分钟体积，便于部署时估带宽与存储：

def pcm_bitrate(sample_rate, bits, channels):
    """未压缩 PCM 码率，单位 kbps"""
    return sample_rate * bits * channels / 1000

def minutes_size(sample_rate, bits, channels, minutes, kbps_coded=None):
    """每分钟体积（MB）；给出编码码率时按编码后估算"""
    if kbps_coded:
        bits_total = kbps_coded * 1000 * 60 * minutes
    else:
        bits_total = pcm_bitrate(sample_rate, bits, channels) * 1000 * 60 * minutes
    return bits_total / 8 / 1024 / 1024

configs = [
    ("CD 44.1k/16/2", 44100, 16, 2, None),
    ("母带 48k/24/2", 48000, 24, 2, None),
    ("AAC 128k 立体声", 44100, 16, 2, 128),
    ("Opus 32k 单声道通话", 48000, 16, 1, 32),
]
for name, sr, b, ch, coded in configs:
    print(f"{name:24s} {pcm_bitrate(sr, b, ch):8.1f} kbps"
          f"  每分钟 {minutes_size(sr, b, ch, 1, coded):6.1f} MB")
# 输出示例：
# CD 44.1k/16/2            1411.2 kbps  每分钟   10.1 MB
# 母带 48k/24/2            2304.0 kbps  每分钟   16.5 MB
# AAC 128k 立体声           1411.2 kbps  每分钟    0.9 MB
# Opus 32k 单声道通话        768.0 kbps  每分钟    0.2 MB
​

注意最后两行的"每分钟"已经按编码后码率折算：同一分钟音乐，CD 体积约是 AAC 128 kbps 的十一倍，是 Opus 32 kbps 通话流的约五十倍。分发平台与通话服务面对的成本压力完全不同，这也解释了为什么两代编码器会把优化目标压向不同方向。

⚠️ 常见坑：把"采样率"当成"音质"的同义词。48 kHz 并不天然优于 44.1 kHz，二者带宽上限的差异（24 kHz 对 22.05 kHz）远在人耳常规听感之外；真正影响听感底限的是编码器在低码率下怎么分配比特。选 48 kHz 的主要理由是与影视、广播时钟族对齐，以及 Opus 内部原生工作在 48 kHz、可省一次重采样。

💡 关键直觉：位深买的是"安静段落还剩多少细节"（信噪比），采样率买的是"高频上限"，声道数买的是"空间信息"。有损编码器动手术的顺序恰好反过来——空间信息（联合立体声）和高频（带宽裁剪或频谱复制）最先被压，因为它们对人耳的边际价值最低。

本节要点回顾

• PCM 三步链：抗混叠滤波、采样、量化缺一不可；奈奎斯特约束决定采样率下限，过渡带设计决定实际可用带宽；
• 两族采样率：44.1 kHz 源自 CD 时代的视频磁带存储，48 kHz 源自影视广播时钟；Opus 内部统一 48 kHz 基准，跨族输入需重采样；
• 位深即信噪比：约 6.02N+1.76 dB 的理论关系是抖动、噪声整形等一切"底噪管理"技术的出发点；
• 码率账本是分母：1411.2 kbps 的 CD 立体声与 128 kbps 的 AAC、32 kbps 的 Opus 通话档，构成后文一切压缩率与音质对比的基准；
• 元数据在容器里：PCM 本身不携带采样率、位深、声道信息，错配容器头是"变速变调"类故障的常见根源；
• 算账要带单位习惯：码率用 kbps、体积用 MB、时间用分钟，三者之间的换算（kbps 乘秒除八再除一千）是每个音频工程估算的基本功，算错量级是新手最常犯的规划错误。

下一节把镜头从"账单"转向"账单里哪些项目可以划掉"：统计冗余与感知冗余两本账，将解释有损压缩为什么敢丢、丢什么、丢多少。