现在我们来进行一个计算，看看一个数字音频文件的数据量到底有 多大。
假设我们采样，
即采样成标准的CD音质（也称作红皮书音频）。一秒钟的数字音频数据量
相当于多少个汉字？ 分析： 一秒钟内采样44.1千次，每次的数据量是16×2＝32bit， 一秒钟内的数据量便是44.1k×32bit 一个字节（Byte）含有8个位（Bit），一个汉字在电脑里占用两个字节， 那么44.1k×32bit的空间可以存储 （44.1k×32bit） /（2×8）=88200个汉 字，也就是说一秒钟的数字音频数据量与近九万个汉字（一部中篇小说）的数
据量相当。
常见音频文件类型 • APE格式：是一种无损压缩音频格式 • CD Audio 目前CD唱片所采用的格式，又叫“红皮书”格式， 记录的多是波形流。但缺点是无法编辑，文件长度太大。 • WAV 微软的标准声音格式。Windows本身存放数字声音的标 准格式，目前也成为通用性的数字声音文件格式。 WAVE文件是 以声音的波形来表示声音的，这种音频格式基本上不经过什么压 缩，所以体积较大。 • Ra/Rm/RMX RealNetworks公司开发的主要适用于网络实时数字 音频流技术的文件格式，它将音频文件大大压缩，所以在高保真 方面远不如MP3，不过体积小，适合实时收听是最大的优势。 • WMA 是微软公司针对Real公司（冤家路窄）开发的新一代网 上流式数字音频压缩技术。这种压缩技术的特点是以减少数据流 量但保持音质的方法来达到更高的压缩率目的，同时兼顾了保真 度和网络传输需求，所以具有一定的先进性，其压缩率一般可以 达到1:18。甚至慢慢开始侵蚀MP3的地盘了（相同音质，Wma文 件是Mp3文件大小的一半）此外，WMA还可以通过DRM(Digital Rights Management)方案加入防止拷贝，或者加入限制播放时间 和播放次数，甚至是限制播放的机器，可有力地防止盗版。
常见音频文件类型
• MIDI是Musical Instrument Digital Interface的缩写，又称作 乐器数字接口，是数字音乐/电子合成乐器的统一国际标 准。 它定义了计算机音乐程序、数字合成器及其它电子设备交 换音乐信号的方式，规定了不同厂家的电子乐器与计算机 连接的电缆和硬件及设备间数据传输的协议，可以模拟多 种乐器的声音。MIDI文件就是MIDI格式的文件，在MIDI 文件中存储的是一些指令。把这些指令发送给声卡，由声 卡按照指令将声音合成出来。 • DVD Audio 是新一代的数字音频格式，与DVD Video尺 寸以及容量相同，为音乐格式的DVD光碟，取样频率为 “48kHz/96kHz/192kHz”和“44.1kHz/88.2kHz/176.4kHz” 可选择，量化位数可以为16、20或24比特，它们之间可自 由地进行组合。低采样率的192kHz、176.4kHz虽然是2声 道重播专用，但它最多可收录到6声道。而以2声道 192kHz/24b或6声道96kHz/24b收录声音，可容纳74分钟以 上的录音，动态范围达144dB，整体效果出类拔萃。
音频、视频、图像信息的加工
一、基本概念 与 实例欣赏
（一）数字音频的采集和加工书P85~88
• 自然界中存在的各种声音，都是由于物体振动产 生的。物体振动使得空气产生振动波，再由人体 内耳接收，形成听觉。这种声音的波形变化是连 续的，称为模拟音频。 • 计算机中所存贮的任何信息，包括声音信息，都 是用二进制数值来表示的，我们把这类音频称为 数字音频。
音频的基本的知识：
什么是数字化音频技术？ 模拟信号 数字信号
把模拟音频转成数字音频，在电脑音乐里就称作采样，其过
程所用到的主要硬件设备便是模拟/数字转换器（Analog to Digital Converter，即ADC）。采样的过程实际上是将通常的模拟音频信号的 电信号转换成许多称作“比特（Bit）”的二进制码0和1，这些0和1便 构成了数字音频文件。
常见音频文件类型
• MP3 MP3是MPEG-1 LAYER3的简写，是网上最为流 行的音乐存放、下载格式。 • MP4采用的是美国电话电报公司(AT&T)所研发的以“知 觉编码”为关键技术的a2b音乐压缩技术，由美国网络技 术公司(GMO)及RIAA联合公布的一种新的音乐格式。 MP4在文件中采用了保护版权的编码技术，只有特定的用 户才可以播放，有效地保证了音乐版权的合法性。另外 MP4的压缩比达到了1:15，体积较MP3更小，但音质却没 有下降。不过因为只有特定的用户才能播放这种文件，因 此其流传与MP3相比差距甚远。 • VOC文件，在DOS程序和游戏中常会遇到这种文件，它 是随声霸卡一起产生的数字声音文件，与WAV文件的结 构相似，可以通过一些工具软件方便地互相转换。
采样的频率、采样的位数、 比特率(位速率)
如下图，图中的正弦曲线代表原始音频曲线；填了颜色的方格代表
采样后得到的结果，二者越吻合说明采样结果越好。
Y : 轴 采 样 分 辨 率 X轴：采样频率
上图中的横坐标便是采样频率；纵坐标便是采样分辨率。
采样的频率越大则音质越有保证；同理，当纵坐标的采样的分 辨率越小则越有利于音质的提高，即采样的位数越大越好。 X轴：采样频率
• 采样的频率(采样率、采率 )是指录音设备在一 秒钟内对声音信号的采样次数，采样频率越高 声音的还原就越真实越自然。在当今的主流采 集卡上，采样频率一般共分为22.05KHz、 44.1KHz、48KHz三个等级。 • 采样位数：可以理解为采集卡处理声音的解析 度。这个数值越大，解析度就越高，录制和回 放的声音就越真实。 • 比特率(码率等)：表示经过编码(压缩)后的音 频数据每秒钟需要用多少个比特来表示，换句 话说是指在一个数据流中每秒钟能通过的信息 量。比特率越高音质越好，但编码后的文件越 大；如果比特率越少则情况刚好相反。
采样频率一般共分为22.05khz、44.1khz、48khz三个等级。
22.05只能达到fm广播的声音品质，
44.1khz是cd音质， 48khz则是dvd audio或专业领域才会采用。 Y轴:采样分辨率 8位（8Bit）不是说把纵坐标分成8份，而是分成2^8＝256份； 同理16位是把纵坐标分成2^16＝65536份； 而24位则分成2^24=16777216份。