音质评价(二)：音质好坏由什么决定

听过很多道理，却依然过不好这一生

引言：听过很多道理，却依然过不好这一生

在动笔写本文的时候，脑袋里窜出的第一句话是一句经典台词，“听过很多道理，却依然过不好这一生”。看过《后会无期》的人，一定对这句话还有印象。类似的道理，其实放在这期音质评价专题中依旧适用，“听过很多道理，依旧很难评判音质好坏”。

且试试看你听不听得出音质好坏

这样说，各位怕是不服，在开始摆道理之前，大家可以做个测试。点进下面这个链接，带上你最好的耳机，试试看你是否能听得出来这几个音频的好坏。

https://www.npr.org/sections/therecord/2015/06/02/411473508/how-well-can-you-hear-audio-quality

链接里一共有6组视频，分别找出其中你认为音质最好的一个并打钩。6组视频分别采用不同码率和编码方式，理论上是有音质差别的，如果6个你都答对了，那么恭喜你已经打败全世界97%的人。

选出你认为音质最好的

放这组实验，目的倒不是为了说明音质跟参数无关，只是想表达对一般人而言，部分参数的调整可能并不真的影响用户体验，充分测试，选择一个适合你的参数方案才是最重要的。牺牲一些影响较小的参数，算清楚产品的经济账，是目前市面上大多数产品的选择，毕竟只有活着的公司才能笑到最后。

哪些因素会影响音频的质量？

这里先上结论：有N多的因素会影响音频的质量，N多是多少？音频从生产到消费的全过程，包括采集、传输、存储、播放，各个环节都有影响音质的因素存在，比如下面这些。

采集：环境噪音、采集设备好坏；

压缩：模拟信号转为数字pcm信号的时候就有损失，可以尝试提高采样率比如48k；

网络传输延迟比如编码、打包、网络传输、jitter buffer

网络丢包：比如rtc使用udp传输，丢包是必然的；

jitter抖动：比如rtc使用udp传输 数据丢失，可以使用jitter buffer；

回声：声学原因：布局、混响、延时大小、单双讲， 电学：信号干扰；

如果要对优化音质，就要从全链路进行优化，从采集阶段的麦克风等设备接口开始。

本文不发散，仅就数字音频文件 “采样率”、“编码格式”、“码率”等几个关键要素做探讨，一起来看看这几个关键参数对音质的影响是怎样的。

多高的音频采样率才够用：

PCM是能达到音频最高保真水平的格式，它被广泛用于素材保存及音乐欣赏，PCM也因此被称为无损编码格式。但这并不意味着 PCM 就能够确保信号绝对保真，它只能做到最大程度的无限接近原始声音，为什么这么讲呢？

在上文中讲到，采样是把连续的声音模拟信号转换为离散的数字信号的手段，那么在这个采样过程中，用多高的采样率是合理的呢？

带着上面的两个疑问，让我们重新复习一下奈奎斯特定理(Nyquist- Shannon)，奈奎斯特采样定理是信号处理领域的一个定理，它是连续时间信号和离散时间信号之间的基本桥梁。

详细的推导过程不展开直接上结论，奈奎斯特定理告诉我们，用原始信号频率2倍以上的采样率对该信号进行采样就不会出现频率堆叠，就能够用离散信号重建出连续信号。

还记得上节讲到，人耳能听到的最高频率约为20kHz，根据奈奎斯特采样定理，44.1kHz(又称为cd标准)已经能完全还原人耳能听到的声音，所以从原理上讲，采用更高的采样率对音质已经没什么帮助了。

有了以上的推导，开始的两个问题就有了答案：a）从连续到离散的过程变化，注定了只能是接近；b）超过2倍于原始频率的采样频率就能重建原始信号，40kHz以上就“够了”；

如果你对音频有一定了解，你那么你一定也好奇以下几个问题：

人耳能听到20kHz，为什么不用40kHz要用44.1kHz？

简单解释就是奈奎斯特定律描述的是理论上的极限值，实际上你的器件、算法的性能是达不到理论极限的，实操过程中要留一定的余量，因此40kHz不够用。 至于为什么是44.1kHz，这就是历史遗留原因了，跟早期录音设备有关，早期录音使用的是PAL录像制式（帕制，与之对应的有NTSC），场频 50Hz ，可用扫描线数 294 条，一条视频扫描线的磁迹中记录3个音频数据块，把他们相乘，就得到了 44100。

为什么48kHz也很常用

另一种最为常见的采样率便是48kHz，它是电影以及视频声音的主要标准。这是因为它的设计与现有的每秒24帧的电影帧速率标准相互集成。而与奎斯特频率类似，24帧是刚好可以使得一系列图像看起来像是流畅的运动图像的神奇数字。而音频采样率必须要是帧速率的倍数，才能保持同步，44.1kHz会随着时间的推移而导致明显的音画不同步现象，因此48kHz的采样率最为合适。

44.1kHz已经够了，为什么还要有96kHz、128kHz这些更高的采样率？

超过44.1kHz时人耳确实已经听不出差别了，但是有些乐器能发出更高频的声音，为了更好的保存这部分人类目前感知不到的声音，可以采用更高的采样频率，算是为未来做准备吧！

人耳能听到最高频率约为20kHz，根据采样定理，44.1kHz(cd标准)已经能完全还原人耳能听到的声音。更高的采样率对音质对于人耳识别更好的音质，本质上是没什么帮助的。

“mp3”的音质差在哪？

为什么通常mp3格式的音频质量，我们感觉会比其他格式差很多？常听歌的人，通常会下载wav格式或者flac格式的音频，为什么大家天然不信任“mp3”的音质？

忽略网络传输、录制环境等因素，单从转码控制变量的角度聊聊音质问题。前篇讲到了数字音频三要素，既然是要素，那必然是对音频质量有重要的影响。我们就从三要素为出发点对音频质量进行分析。

以QQ音乐下载的经典测试歌曲Hotel California为例，QQ音乐提供了4种音质，分别为 标准品质/HQ高品质/SQ无损品质/Hi-Res品质。

大家可以听听对比试试，再挑战一下自己的耳朵。

音乐软件提供的4中不同音质

下表整理了4种音质的关键参，大家数做一下对比：

几个参数的含义：

Stereo为双声道，Mono为单声道，s16为16位；

从上表的参数对比中，不难看出其中的区别，越是好音质，码率越高，且不再使用mp3格式。单从参数情况看上去是这样，实际情况如何呢，一起用眼睛“看看”音质的差别吧。

如何用肉眼看出音质差别？

下面分别看一下四首歌曲的频谱图，音质从高到低，看你是否能发现一些区别(软件使用介绍放在篇5中)：

Hi-Res文件频谱图

SQ无损文件频谱图

HQ高品质文件频谱图

标准品质文件频谱图

肉眼可见有以下几个区别，这也是通过对比频谱图直观感受音质的参考办法：

梅尔刻度范围

Hi-Res文件频谱图最上边参差不齐，整体高频部分都在24k左右，部分“毛刺”达到40k以上； SQ无损文件高频部分在21.5kHz做了裁剪； HQ文件高频部分在20kHz做了裁剪； 标准品质文件在16.5k附近做了裁剪；

Hi-Res品质文件频谱图

SQ无损品质文件频谱图

HQ高品质文件频谱图

标准品质文件频谱图

从频谱图可以看出来以下几点：

• 市面上不同音质压缩情况不一样，通常会把人耳不易识别的高频部分给剪裁掉，
• 不一定编码指定的采样率时候44.1kHz，实际音频文件就真的按这个来的，像是44.1kHz采样率的mp3标准音质文件，实际16.5kHz以上的都被裁剪掉了。

裁剪高频的做法，必然带来的就是高频部分的缺失，对偏中低频的文件听感差别或许不大，但是对偏高频的文件，金耳朵应该是可以听出来的。

P.S. 梅尔刻度

梅尔刻度全称为梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients)。在 音质 一文中提到，人类的听觉只聚焦在特定的音频范围中，梅尔频率就是基于人类听觉感知来的。具体而言，“梅尔刻度是一种基于人耳对等距的音高(pitch)变化的感官判断而定的非线性频率刻度”，和频率赫兹的关系如下:m=2595*log10(1+f/700)

频谱图音频细节

在细节上也是可以看出来，高压缩率文件是会丢失一部分细节的。

不同文件的编码格式

不同音质文件频谱图对比

直接通过看频谱图的这些细节，肉眼可见几个关键参数的实际差别，也就大致可以判断音质孰优孰劣了。

常用测试歌曲：

通常我们测试播放设备如耳机的表现，会试播一些特定的歌曲，这些歌曲中包含了一定的特点，如蔡琴《渡口》富含低频，可以测试低频是否浑浊，其中蔡琴的声音也可以用来测试人声的表现，陈百强的《偏偏喜欢你》配乐中使用的弦乐与钢琴配乐，可以测试在高频上的表现。以下为常用于测试低中高频的几首曲目：

测试低频可以用何训田的《尘鼓》和蔡琴的《渡口》

测试中频可以用Enya的《Amarantine》八只眼的《达坂城的姑娘》

测试高频可以用陈百强的《偏偏喜欢你》

经典测试歌曲评论区

小结

最后做个小结，影响音质的因素太多了从生产到传输、存储、播放各环节都有关，仅就音频文件本身而言，使用的采样率、码率、编码方式、声道数也都会影响实际效果。

采用合适的采样率、码率等参数，可以在不影响实际听感的情况下有效降低成本。

最后也是最重要的，每个人的耳朵都不一样，能不能听出音质差别来真不好说，选择市面上各家方案的时候没有捷径，一定要多试、多听、多对比。

Hi-Res到底是何方神圣：

最后，会到文章封面图，这个小金标！

小金标

这个图标估计大家多少都看到过，贴上这个图标的设备，多少都会沾上一个“贵”字。

Hi-Res是High Resolution Audio的缩写，它是索尼在2014年提出的最新高品质音乐标准。它的音质表现远远超过现有压缩音频格式、CD，音频格式的规格可高达192kHz / 24bit或者更高的解析度

依据CTA的定义：“Hi-Res高解析音频是一种无损音频，它在录音上力求最大程度还原源声，其音质表现高于CD音频源。”