數(shù)字音頻是通過(guò)電腦以及數(shù)字設(shè)備等方式來(lái)表示模擬信號(hào)，并將其進(jìn)行錄制、回放的一種方法。與視頻的幀類似，數(shù)字音頻也是由一系列的采樣樣本組成的，聲音的回放其實(shí)就是這些樣本序列的再構(gòu)成。數(shù)字音頻有許多不同的格式，不同格式的數(shù)字音頻則是有著不同的保真度和動(dòng)態(tài)范圍。

數(shù)字音頻本質(zhì)上來(lái)講是有限的。聲學(xué)聲音和模擬信號(hào)都是由實(shí)際存在的、流動(dòng)著的波形構(gòu)成的，而數(shù)字信號(hào)則是實(shí)際存在著的物體的近似值。就像由無(wú)數(shù)的幀組成的視頻一樣，數(shù)字音頻也是由一系列的采樣樣本構(gòu)成的。

本文將會(huì)著重介紹脈沖編碼調(diào)制（PCM），這是最常用的數(shù)字音頻編碼系統(tǒng)。而其他的系統(tǒng)，諸如DTS以及杜比數(shù)字等，則在電影和技術(shù)行業(yè)更為常用。

Avid Pro Tools

在PCM音頻系統(tǒng)中，信號(hào)每秒被多次采樣，每個(gè)采樣都記錄了某一特定時(shí)刻波的振幅。由于模擬波形并不能被完美無(wú)缺地重建，因此每個(gè)采樣都是取的近似值。而當(dāng)這些樣本按順序播放時(shí)，便可以準(zhǔn)確地重新再現(xiàn)聲音。

與模擬音頻中用頻率和振幅兩個(gè)要素來(lái)定義聲音一樣，數(shù)字音頻也有兩個(gè)主要的參數(shù)：采樣率和位深度。采樣率指的是聲音每秒被采樣的次數(shù)，而位深度指的則是每個(gè)采樣所能夠捕獲的動(dòng)態(tài)范圍量。

CD的標(biāo)準(zhǔn)采樣率為44.1kHz，看上去這個(gè)數(shù)字好像是一個(gè)很隨機(jī)的選擇，但是其實(shí)根據(jù)奈奎斯特的香農(nóng)采樣定理，采樣率必須要高于捕獲最高頻率的兩倍。而人耳的聽(tīng)覺(jué)上限是20kHz，因此需要大于40kHz的采樣率才能捕獲整個(gè)范圍（而額外的4.1kHz則是為了避免一種名為“混疊”的失真現(xiàn)象）。

理論上，44.1kHz的采樣率已經(jīng)足夠我們準(zhǔn)確地再現(xiàn)任何聲音了，但是還是有更高的采樣率的存在。

另一種最為常見(jiàn)的采樣率便是48kHz，它是電影以及視頻聲音的主要標(biāo)準(zhǔn)。這是因?yàn)樗�的設(shè)計(jì)與現(xiàn)有的每秒24幀的電影幀速率標(biāo)準(zhǔn)相互集成。而與奈奎斯特頻率類似，24幀是剛好可以使得一系列圖像看起來(lái)像是流暢的運(yùn)動(dòng)圖像的神奇數(shù)字。

而音頻采樣率必須要是幀速率的倍數(shù)，才能保持同步，44.1kHz會(huì)隨著時(shí)間的推移而導(dǎo)致明顯的音畫(huà)不同步現(xiàn)象，因此48kHz的采樣率最為合適。

更高的采樣率也被廣泛使用，但這些采樣率的必要性卻飽受爭(zhēng)議。支持者稱超高頻率的采樣率巧妙增加了保真度，并為信號(hào)添加了“味道”；而反對(duì)者則認(rèn)為，44.1已經(jīng)足夠，而且采樣率越高，文件大小也會(huì)越大，并且在抖動(dòng)到較低采樣率時(shí)，會(huì)無(wú)可避免地產(chǎn)生“偽陰影”。

這些更高的采樣率通常都是44.1或者48的倍數(shù)，例如88.2、96以及192kHz都是現(xiàn)代設(shè)備和軟件中常用的采樣率選項(xiàng)。

比特深度決定了文件的動(dòng)態(tài)分辨率，類似數(shù)碼照片那樣。每個(gè)“比特”可以傳送4個(gè)振幅數(shù)值（兩個(gè)正值兩個(gè)負(fù)值），因此每個(gè)樣本所含的比特越多，也就代表著動(dòng)態(tài)范圍越大。

這并不意味著，比特深度越高，音量就會(huì)越大；但是，更高的比特深度聽(tīng)起來(lái)會(huì)更加真實(shí)，因?yàn)樗鼈兛梢宰龅礁�加�?zhǔn)確地再現(xiàn)聲音（就好比高分辨率的照片）。以下是常見(jiàn)采樣率及其統(tǒng)計(jì)數(shù)據(jù)的概述：

4-bit：16個(gè)數(shù)值，24dB的動(dòng)態(tài)范圍。有時(shí)也會(huì)用于極低保真的“bitcrushed”效果器上。

8-bit：256個(gè)數(shù)值，48dB的動(dòng)態(tài)范圍。經(jīng)常用于早期的經(jīng)典的視頻游戲系統(tǒng)。

16-bit：65536個(gè)數(shù)值，96dB的動(dòng)態(tài)范圍，CD音頻的標(biāo)準(zhǔn)比特深度。

24-bit：16777216個(gè)數(shù)值，145dB的動(dòng)態(tài)范圍，最常用的比特深度。

32或者 64-bit：“浮點(diǎn)”，目前可以做到提供最佳信噪比的數(shù)值，但是尚未被廣泛采用。

PCM音頻可以為用戶提供多種格式的編碼，這些格式分為兩大類：有損和無(wú)損。無(wú)損格式完美保留了錄制時(shí)捕獲的任何信息，但會(huì)占用較大的硬盤(pán)空間。

有損格式會(huì)創(chuàng)建壓縮文件（注意，數(shù)據(jù)的壓縮和音頻的“壓縮”是不一樣的），有損格式的文件占用的硬盤(pán)空間會(huì)明顯減少，但是同樣會(huì)犧牲一部分音質(zhì)，甚至?xí)�產(chǎn)生“偽陰影”。以下是常用的文件格式的概述：

無(wú)損格式

WAV （波形音頻文件格式）：錄音設(shè)備在錄制原始未壓縮音頻文件時(shí)的常用格式。廣播WAV文件（.BWF）可以存儲(chǔ)大量的額外元數(shù)據(jù)。

AIFF（音頻交換文件格式）：和WAV相似，是apple設(shè)備專用格式。

FLAC（免費(fèi)無(wú)損音頻編解碼器）：一種開(kāi)源格式，可以在不犧牲音質(zhì)的前提下對(duì)文件進(jìn)行壓縮，但是并非所有播放器都支持。

ALAC（Apple無(wú)損音頻編解碼器）：效率略遜色于FLAC，Apple設(shè)備專用。

有損格式

mp3（Mpeg音頻層III）迄今為止最常見(jiàn)的壓縮文件格式，在便攜式音樂(lè)播放器問(wèn)世時(shí)得到普及。

AAC（高級(jí)音頻編碼）一種旨在提高mp3質(zhì)量的替代方案。

OGG （Ogg Vorbis）維基百科、Spotify 以及某些視頻游戲的開(kāi)源替代品，但是個(gè)人用戶使用并不方便。（有趣的是，Vorbis其實(shí)是Terry Pratchett筆下的Discworldbook系列中的一個(gè)登場(chǎng)角色。）