第二章 AAC全景:为分发打磨的频域编码器


第 2 章 · AAC 全景:为分发打磨的频域编码器

本章要回答的三个问题:一,AAC 从 MPEG-2 走到 MPEG-4,Profile 家族为什么会裂变出 LC、HE、LD、ELD 多条支线?二,一条 AAC-LC 编码流水线内部,各工具(MDCT、TNS、联合立体声、尺度因子循环)如何咬合成整体?三,当分发场景要省带宽或降延迟时,SBR/PS 与 LD/ELD 各自拿什么交换了什么?

为什么会有这一章

AAC 是"面向分发"这一设计纲领下最成熟的工程结晶:音乐商店、视频网站、数字广播、影视音轨,十几年间几乎都压在它身上。要理解它的参数表为何长成这样——为什么帧长是 1024、为什么有 HE 与 LC 之分、为什么转码命令里 profile 一换音质截然不同——必须回到它的场景假设:内容预先录制、信道基本可靠、终端算力充足、延迟无关紧要。这些假设每一个都与 Opus 的战场相反,所以本章在讲 AAC 的每一步,其实都在为第 4 章的对比积攒证据。

另一个现实理由:AAC 的专利与生态让它的开源实现分成了几支(FFmpeg 原生编码器、Fraunhofer 的 fdk-aac),两支的音质档位差异不小,工程选型时必须知道差异来自哪些工具的取舍——这也是本章 2.2 与 2.3 要交代的。

读完能解决什么

对照开头的三个问题,本章结束时你应当能够:

  • 按"标准文本—Profile—典型档位"三级说出 AAC 家族的谱系,并解释 HE-AAC v1 与 v2 的本质区别(加不加 PS);
  • 画出 AAC-LC 的编码框图,标出心理声学模型、MDCT、量化与比特分配、噪声整形、熵编码的位置与数据流向;
  • 解释长窗/短窗切换、TNS、M/S 与强度立体声各自解决什么听感问题;
  • 说清 SBR 的"频谱复制+包络+噪声填充"三要素与 PS 的空间参数化思路,以及它们为何在低码率下如此有效;
  • 区分 ADTS、ADIF、MP4 三种封装的适用场景,并能解析一个 ADTS 头的字段;
  • 给出 AAC-LD/ELD 的延迟量级与其在实时场景中的定位。

各节怎么分工

节 回答的问题 关键产出
2.1 标准谱系 家族怎么来的,各支线定位 演进时间线与 Profile 对照表
2.2 核心工具箱 流水线内部怎么咬合 编码框图与逐工具机理
2.3 高效率扩展 低码率下靠什么省流 SBR/PS 参数化原理
2.4 码流与封装 比特怎么组织、怎么互操作 ADTS 位级解析与容器对比
2.5 低延迟补课 实时场景的代价与边界 LD/ELD 延迟谱系

先给一条主线图:AAC-LC 单帧的完整旅程——从 PCM 进、比特流出,心理声学模型与主链路并行工作,量化循环听它指挥。

图里要留意两点:心理声学模型(蓝)与主变换链路(绿)是并行的两条腿,这正是 1.4 节说的"显式模型路线";量化与比特分配(绿框)是全流水线的枢纽,第 2.2 节会把它拆开看。

先决条件

  • 第 1 章的心理声学模型与两本账(掩蔽阈值、SMR、尺度因子的关系会在 2.2 直接使用);
  • 对"变换域"有基本概念(MDCT 的数学细节不要求,理解"时频分辨率互换"即可);
  • 会用 FFmpeg 命令行(2.3、2.4 的验证实验基于它)。

往下走到哪

本章出口是 AAC 视角的完整证据链:它在自己的主场(分发)如何做到精致,在客场(低码率、低延迟)如何补课、补到什么程度。第 3 章会看到 Opus 从第一天就把主场设在 AAC 的客场——两条路线合流后,第 4 章的对比才有悬念。

作者与出处
原作者:灏天文库
来源:平台策划编纂
整理人: 灏天文库整理
由灏天文库平台收录,内容或由平台用户上传,仅供学习交流
发布者: 作者: 灏天文库 转发
评论区 (0)
U