php 降低采样率,采样率，位深，码率，无损音乐，写给小白的科普 （申精）

本帖最后由 tymyf 于 2020-2-5 14:18 编辑

非常有意义的帖子，补充一些内容：

CD一般来说是Compact Disc Digital Audio的简称，翻译成中文大概是紧凑型数字音频盘的意思。最初由飞利浦和索尼在上个世纪80年代初以红书(Red Book)的形式联合发布，在1987年被标准化组织IEC接纳为正式标准，编号为IEC 60908。这个标准最近一次修订是在1999年。飞利浦和索尼出版了一系列以颜色命名的标准，全部都是关于Compact Disc的，红书(Red Book)就是其中描述数字音频CD的一本。

IEC 60908整个标准还是挺繁杂的，我们只关注其中的编码部分。简单来说，存放于CD中的音频编码标准就是声音通道数为2、采样精度16位、编码格式为线性PCM、采样率固定是44.1KHz。

在红书(Red Book)发布之前的1970年代，还存在着一种录音设备叫做PCM适配器。故名思义，它把模拟的音频信号转换成数字的PCM编码，并提供录制到视频存储设备上的接口。为什么音频和视频搅和在一起？因为当时已有的音频存储设备带宽不够大，不足以提供16位的PCM数字音频的存取带宽，这个带宽大概在1M~1.5M bit/s，这在当时是一个相当“高”的带宽，只有视频存储设备才有如此高的存取能力。PCM适配器把音频数据按特定的视频格式打包，从而可以借助于已有的“高带宽”视频存储设备实现音频数据的存取。

当时大量存在的视频存储设备主要支持两种视频制式，一种是25帧制式(称为CCIR 625/50，也叫PAL)，一种是30帧制式(称为EIAN 525/60，也叫NTSC)。当时世界上有电视普及的国家按这两种制式分为两个阵营。

首先看25帧(即50场)的PAL制式中，这种制式的一帧中，可利用来录制音频的视频行最多能有588行，分到每一场(Field)有294行。

30帧(即60场)的NTSC制式，这种制式的一帧中，可利用来录制音频的视频行最多能有490行，分到每一场就有245行。

PAL ：294行

NTSC：245行

如果每行放2个数据：

PAL： 294行x50场x2=29.4khz

NTSC：245行x59.94场x2=29.351khz

放3个：

PAL： 294行x50场x3=44.1khz

NTSC: 245行x59.94场x3=44.05hkz

可以看出来如果每行放两个数据每秒视频携带的数据量是29khz 左右，这个数据量就是音频的采样率，这个采样率只能还原fs/2的音频信号，也就只能还原到15khz ，无法达到20khz的音频信号，所以每行需要放3个数据,这样数据量也就是44.1khz，这样音频采样率也就定在了44.1khz，这样的音频采样率可以保证对两种视频制式的最大限度兼容，并且一直沿用至今。

为什么数据量不继续扩大呢？也就是每行放4个数据，这样频率就能到58.5khz。因为音频视频的所有频率都是一个时钟源分频出来的，这个时钟源就是所有频率的公倍数，这样就要求每个频率尽量做到最小，可以使设备稳定同时功耗最低。

44.1kHz这个数字，给后人留下了很多麻烦。首先它不是整数，在SRC(采样频率变换)的时候，它不能简单地分频和倍频，这就给早期电脑的AC97音频规格，带来了SRC转换质素的问题。(这个有点像电影制式和PAL制式，每秒只差1帧，所以以前一般来说就直接一帧对一帧进行制作，这样PAL每秒会比电影多放一帧，也就是速度提高了1/24，而且声音的音调会升高。这就是当时一些DVD爱好者不喜欢PAL制DVD的原因之一。)而当时的电脑声卡都要遵循AC97规格，只支持48kHz输出，用电脑播放CD或者CD抓轨的音频文件，都要加以转换，转换的过程会有损失，曾经某些声卡就饱受诟病。至于DAT，没有这个问题，因为它的44.1和48kHz采样频率，都是原生的，不是转换出来的，不转换就不会劣化。