音频参数与FFMpeg转码音频

一、音频的本质

音频就是一段连续的波。

在AU里查看一首音乐，就是这样的界面。

• 主界面上分成了两个部分，分别是左右声道；
• 绿色条的高度就是声音的强度，可以理解为音量大小，最大为0dB。

把波形放大查看，

这绿绿的曲线，是不是很像股票，哈哈哈。

二、音频属性

还是使用MediaInfo查看音频的属性，然后对照着说。

2.1 采样率

在真实的物理世界中，声音是连续的。而在电子世界中，数据都是离散的，不管是声音，还是拍照、录像。当采样的频率很大，大到人的眼睛和耳朵都分辨不出来，那么人就认为是连续的。

iPhone的Retina屏幕概念，显示器的抖动算法，视频的原理……，都是这个原理。

采样率最直白的解释就是：一秒钟采样多少个点。

最常见的音频采样率有三种：8kHz系列，44.1kHz系列和48kHz系列。

• 音乐：一般是44.1kHz系列，手机中的有些铃声可能是22.05kHz；
• 电视、电影：一般是48kHz
• 语音通话：一般是8kHz或者16kHz

语音通话的采样率比音乐要低很多，这也就是另一篇博文里我说音乐下采样到通话中时，音质下降很厉害的原因。

在AU里直观查看，

图中一个个的点就是音频的采样点，44.1kHz意思就是：每一秒钟的音频，有44100个点。

2.2 位深

采样率描述的是：采样点在横坐标——时间维度上的密集程度。

位深描述的是：采样点在纵坐标——声压维度上的精度。打个比方：假如最小音量是1，最大音量是100，位深描述的就是精确到小数点后几位。如果不要小数点，音量就只能有100级；如果精确到小数点1位，音量就能有1000级，描述音量就会更加精准、细腻。

最常见的位深是16位。

2.3 声道

就是有几条音轨，反应在AU里，就是有几个绿条。

音乐一般都是双声道，电影有2.1声道，或者Dolby环绕立体声，包括：5.1声音、7.1声道14.1声道等，其中.1表示低音。

安卓系统在system/media/audio/include/system/audio-base.h里定义了很多的声道：

185enum {
   
186    AUDIO_CHANNEL_REPRESENTATION_POSITION   = 0x0u,
187    AUDIO_CHANNEL_REPRESENTATION_INDEX      = 0x2u,
188    AUDIO_CHANNEL_NONE                      = 0x0u,
189    AUDIO_CHANNEL_INVALID                   = 0xC0000000u,
190
191    AUDIO_CHANNEL_OUT_FRONT_LEFT            = 0x1u,
192    AUDIO_CHANNEL_OUT_FRONT_RIGHT           = 0x2u,
193    AUDIO_CHANNEL_OUT_FRONT_CENTER          = 0x4u,
194    AUDIO_CHANNEL_OUT_LOW_FREQUENCY         = 0x8u,
195    AUDIO_CHANNEL_OUT_BACK_LEFT             = 0x10u,
196    AUDIO_CHANNEL_OUT_BACK_RIGHT            = 0x20u,
197    AUDIO_CHANNEL_OUT_FRONT_LEFT_OF_CENTER  = 0x40u,
198    AUDIO_CHANNEL_OUT_FRONT_RIGHT_OF_CENTER = 0x80u,
199    AUDIO_CHANNEL_OUT_BACK_CENTER           = 0x100u,
200    AUDIO_CHANNEL_OUT_SIDE_LEFT             = 0x200u,
201    AUDIO_CHANNEL_OUT_SIDE_RIGHT            = 0x400u,
202    AUDIO_CHANNEL_OUT_TOP_CENTER            = 0x800u,
203    AUDIO_CHANNEL_OUT_TOP_FRONT_LEFT        = 0x1000u,
204    AUDIO_CHANNEL_OUT_TOP_FRONT_CENTER      = 0x2000u,
205    AUDIO_CHANNEL_OUT_TOP_FRONT_RIGHT       = 0x4000u,
206    AUDIO_CHANNEL_OUT_TOP_BACK_LEFT         = 0x8000u,
207    AUDIO_CHANNEL_OUT_TOP_BACK_CENTER       = 0x10000u,
208    AUDIO_CHANNEL_OUT_TOP_BACK_RIGHT        = 0x20000u,
209    AUDIO_CHANNEL_OUT_TOP_SIDE_LEFT         = 0x40000u,
210    AUDIO_CHANNEL_OUT_TOP_SIDE_RIGHT        = 0x80000u,
211    AUDIO_CHANNEL_OUT_MONO                  = 0x1u,     // OUT_FRONT_LEFT
212    AUDIO_CHANNEL_OUT_STEREO                = 0x3u,     // OUT_FRONT_LEFT | OUT_FRONT_RIGHT
213    AUDIO_CHANNEL_OUT_2POINT1               = 0xBu,     // OUT_FRONT_LEFT | OUT_FRONT_RIGHT | OUT_LOW_FREQUENCY
214    AUDIO_CHANNEL_OUT_2POINT0POINT2         = 0xC0003u, // OUT_FRONT_LEFT | OUT_FRONT_RIGHT | OUT_TOP_SIDE_LEFT | OUT_TOP_SIDE_RIGHT
215    AUDIO_CHANNEL_OUT_2POINT1POINT2