2.3 高效率扩展：SBR频谱复制与PS参数立体声

2.3 高效率扩展：SBR 频谱复制与 PS 参数立体声

本节摘要：HE-AAC 的两大工具走的是"参数化重建"路线：SBR 不编码高频频谱，而是从低频复制并施加包络与噪声修饰；PS 不编码第二声道，而是用少量空间参数从单声道恢复声像。本节拆解两件工具的原理、码率收益与听感边界，并给出可复现的验证实验。

2.2 节的工具都在"把既有频谱编得更精"，本节的工具换了个思路："不编码某些东西，用参数把它猜回来"。这条参数化路线在低码率区间的效率提升是数量级的，也是后来神经编码"生成式重建"思想的直系前辈（6.1 节会接上这条线）。

SBR：高频是低频的回声吗

乐器与语音的高频段有一条统计规律：谐波结构、瞬态节奏与低频段高度相关。SBR（Spectral Band Replication）利用它做了一个激进的决定——核心编码器只编码到交叉频率（典型约 8 至 12 kHz），以上的频谱完全不传波形，解码端从低频段"平移复制"一份过来，再按传来的少量参数修正。

修正参数有三类：包络（分时间-频率格子描述每个区域该多响，用熵编码压得很紧）、噪声 floor（真实高频里有低频没有的噪声成分，纯复制会"太干净"，按参数注入白噪声补质感）、反向与弦音调整（个别区域需要频谱反转或额外正弦补丁）。开销典型每秒几 kbps，换来的却是整个高频段的"存在感"。

图：SBR 重建原理

PS：立体声是单声道加参数吗

PS（Parametric Stereo）把同样的参数化思想用到声道维度：核心编码器只编一个下混单声道，立体声像用三类空间参数描述——声道间电平差（谁响多少）、相位差/时间差（谁先到）、相干性（两个声道多像同一个声源）。参数按少数几个频带量化，开销以每秒几百比特计。解码端由单声道加参数"合成"左右两路。

它的听感边界同样清晰：对"人声居中、伴奏铺开"的常见内容效果良好；对声像快速移动、双声道独立性强的素材（某些电子乐、双语言播客）会露馅。工程上还有一条隐藏约束：PS 之后不能再独立处理左右声道（均衡、声像调整都要在编码前做），这对制作链路是个流程性限制。

两件工具的适用边界与验证实验

收益与边界的分界线大致如下表：

验证实验可以直接跑：同一份母带分别编 HE-AAC v1 与 v2，用频谱图对比高频段形态，再用一段镲片密集的音乐做 AB 听感。

# 生成同码率对比样本（需要构建带 libfdk_aac 的 FFmpeg）
ffmpeg -i master.wav -c:a libfdk_aac -profile:a aac_he -b:a 48k he_v1.m4a
ffmpeg -i master.wav -c:a libfdk_aac -profile:a aac_he_v2 -b:a 48k he_v2.m4a
ffmpeg -i master.wav -c:a libopus -b:a 48k opus48.opus
# 频谱图直观对比高频段：SBR 重建的"格子感" vs 真实编码的细节
sox he_v1.m4a -n spectrogram -o spec_he1.png
sox he_v2.m4a -n spectrogram -o spec_he2.png
sox opus48.opus -n spectrogram -o spec_opus.png
​

观察要点：HE 样本在交叉频率以上能看到包络格子留下的块状纹理，Opus 样本的高频则是连续的噪声样纹理——两条路线在频谱图上留下的指纹完全不同。听感上，镲片的衰减尾、齿音的"沙沙"质感是 SBR 最容易露馅的位置。

听感边界的实测与判读

参数化重建的"露馅点"值得专门测。SBR 的三个典型暴露位置：镲片与打击乐的衰减尾（复制的高频包络跟不上真实的快速衰减，尾音"变硬"）；女声齿音的质感（噪声填充的沙沙感与真实齿音的频谱细节有别）；极高频的"空气感"（重建的 16 kHz 以上听感偏"平"）。PS 的暴露位置：声像快速移动的内容（空间参数按帧更新，跟不上瞬移）；双声道独立性强的素材（左右各自独立内容的段落声像会糊）。把这些素材编成一段三分钟的"暴露测试集"，是维护 HE 链路的团队值得投入的半天工作。

判读频谱图的两个具体指标：交叉频率处的过渡带是否平滑（陡峭跳变说明参数配置或滤波有问题）；高频段的噪声底形态（HE 的重建高频有轻微的"块状"纹理，属正常指纹；出现大面积空洞则是码率不足的信号）。日常巡检里，把这两个指标做成脚本自动比对（编码输出与上一基线的频谱差），能在用户感知之前发现档位漂移。

与 Opus 的同档位对照还有一个实用结论：48 kbps 档位上，HE-AAC v2 与 Opus 的立体声听感各有拥趸（HE 的高频更"亮"、Opus 的高频更"真"），真正拉开差距的是 32 kbps 以下——那里 Opus 的波形编码路线开始明显占优。这也是很多平台把 HE 系下限设在 32 kbps、再往下直接换轨的原因。

两个高频问答

问：HE-AAC 的"交叉频率"能调吗，调高好还是调低好？答：交叉频率（核心编码与重建高频的分界）多数实现不暴露直接旋钮，而是由采样率与 Profile 推导；个别实现允许配置时，原则是"核心编码带宽不低于素材的主要能量区间"——人声内容交叉点下移（保中频精确度）收益更大，器乐内容上移（保谐波连续性）更安全。调完必看频谱图验证过渡带。

问：同码率下 HE-AAC v2 与 Opus 该怎么选？答：按 4.3 的约束场走，不按听感微差走——生态锁定 AAC（广播、存量设备）选 HE，浏览器与 App 实时链路选 Opus，两条都通的分发场景再看内容：高频泛音密集的古典与爵士，Opus 的真实编码更稳；人声为主的电台流，HE 的参数化完全够用且生态更顺。真正拉开差距的是 32 kbps 以下——那里 HE 的参数化链开始吃力，能不用就不用。

⚠️ 常见坑：交叉频率与采样率联动。HE-AAC 的标称采样率是输出采样率，核心编码器实际工作在一半采样率上；转码命令里采样率参数配错，会出现"名义 44.1 kHz 实际只有 22 kHz 带宽"的隐性劣化，频谱图一看便知。另一个坑是级联：对已经是 HE-AAC 的素材再次 HE 编码，参数化重建的高频被再次"猜"一遍，失真会叠乘（5.2 节级联损伤专题）。

💡 关键直觉：SBR/PS 的哲学是"高频与声像是低维参数就能骗过耳朵的维度"。它赌的是听众在意整体质感胜过细节真伪。这个赌注在移动网络时代大获成功，也定义了 HE 系的边界——一旦听众开始在意细节真伪（高保真场景），就该换回 LC。

下一节离开算法、走进比特的组织方式：ADTS、ADIF 与 MP4 三种封装如何让 AAC 码流在广播、文件与流媒体生态里各自落地。