音频基础，笔记

采样率，采样精度

常见44.1kHz，48kHz的采样率，也就是采样频率，物理意义就是一秒钟对音频采样的次数。由于人耳分辨的频率范围是20Hz~20KHz，根据奈奎斯特采样定理，需要40KHz来保证不失真。

采样精度是指每一次采样的数据精度，比如常见的16bits，或者粗糙一些的8bits。

音频raw data

类似视频里dump出来的yuv，音频的rawdata是多个声道交替排列的数据，以2声道，采样精度16bits的音频为例，rawdata即：

L(16bits), R(16bits), L(16bits), R(16bits), ...

音频本身是时间连续的，所以本身不像视频帧的概念。

音频帧，一帧音频的时间

在codec里由于和视频同步，为了打pts，需要摄入音频帧的概念。首先看音频播放时间duration和音频sample个数以及sample rate之间的关系。

audio_duration = num_samples / sample_rate

一个音频帧的播放长度，由这个音频帧的sample个数来决定。对于aac来说，一个音频帧长度为1024，这是由于aac采用的1024个点的mdct，由标准决定。

那么，假设sample rate = 48KHz，精度16bits，2声道，一帧aac音频时长为：

audio_duration = 1024 / 48000 = 0.0213s (= 21.3ms)

一帧播放输出的非压缩音频大小，也可以理解为pcm数据大小（不含header）

raw data size = 2(声道) * 2(16bits) * 1024 = 4096 bytes

然而并非所有音频标准都是基于1024个采样点为一帧的，比如ac3。所以不同音频标准中的音频帧大小未必一样，需要根据实际情况来分析。