泡网俱乐部

     网上讨论这些问题的很少是专业出身，都是半路出家的爱好者居多，甚至连基本的数字采样概念都不知道，讨论这些问题的时候，叫人看了发笑，特别是一些香港论坛，讨论些玄之又玄的东西，没什么道理，都是商业炒作而已，很多是以讹传讹。前两天在一个论坛上（也是兵器里给的链接）看到，有位香港的爱好者，用弹簧沿地面把音响线架起来，说是能提高效果，差点笑出眼泪。

      笑过后细想一下，这也没什么，爱好者嘛，乐趣就在那里，鼓鼓捣捣就是玩，玩的就是弹簧，至于是不是变好，又有何妨呢，何况这样的苦心也是商家乐意宣传，乐意看到的，否则他们怎么卖脚钉、弹簧和黑金石呀。再说了，香港的那些商家很多是爱好者出身，他们自己天生就认为该那个样子，从来没怀疑过，这已经成一种文化了，同拜黄大仙是一样的。英国佬开汇丰银行，不也得跟着这种文化弄俩狮子摆门口吗，它要不这样做，香港人就认为他们不吉，就不去他们那里存钱。

      言归正传。我今天瞧楼下关于音乐文件的讨论，看靠边老师一脸诚恳，鸡排老师明知道某些说法有错误，但又说不清楚，觉得有必要掺和一下了。我就说说音频文件好了，先表明一下，我做电气工程，数字采样是我的本行。

      就从WAV文件说起吧，因为这是目前所有音频文件的基础。WAV有很多格式，先略去不谈。WAV文件里面就是数字音乐信号，也就是是被数字采样化的音乐信号。

      什么叫采样，简单点说，你看到一个信号，这个信号是时域连续的，就是说在任一个时刻，都有一个值来对应，这样的信号叫模拟信号。模拟信号有很多优点，但也有很多缺点，就是不好存储，容易受到干扰（至于为什么就不解释了，解释这个需要涉及大学里几乎所有电学课程），所以要把它数字化。所谓数字化，就是按照一定的时间间隔（一般是等时间间隔），把那些信号依次采集下来，形成一个序列，这就变成数字信号。这个过程叫PCM——脉冲数字编码过程，为什么这样叫呢，因为这样的采样，相当于在时间域内，把模拟信号与单位脉冲序列进行乘积，所以叫脉冲数字编码。

      这里马上涉及到两个问题：1、采样时间间隔是多少？2、用什么单位来表示那一刻的数值？

       这就是采样速度和采样宽度问题，先谈采样速度。

       我们只谈声音采样。声音是一种振动，振动有不同的幅度和不同的频率。幅度就是动态范围，后面再谈。振动频率用赫兹来表示，每秒振动1次叫1赫兹，每秒2次就是2赫兹。我们人耳能听到的频率大约是从20赫兹到20千赫兹。为了要保证信号被可靠地无失真还原，就必须要保证一定的采样频率，这就是著名的香农采样定理。香农采样定理（可以严格地用数学证明）指出，如要保证某个频率的信号能不失真地被还原，采样频率至少是信号的2倍。如此说来，人耳能听到的最高频率是20千赫兹，为了保证所有人耳能听到的声音都不丢失，那么就至少需要40千赫兹的采样频率。实际过程中，使用的是44.1千赫兹的采样频率，略高于40千赫兹，这样做是为了给抗混叠滤波器（一种工程上的必要部件，说起来需要讲到讲到电学的研究生课程）预留了4.1千赫兹的频率带宽。

       接下来说采样宽度，这里只谈2进制的宽度问题，因为数字采样采用的都是2进制。

      现在，我们已经用44.1千赫兹的频率，把模拟信号一个点一个点地采集下来。采集的单位是固定的，在2进制里，就是“比特”（英文是bit）。一个8位的2进制（或叫一个“字节”，英文byte）能表达1-256个比特，一个16位的二进制数（叫两个“字节”或一个“字”，英文word，如此称呼只是一种习惯）能表达1-65536个比特。很显然，后者表达的范围更大一些，我们管它叫作“动态范围”更大，就是它能表达的幅度范围更大。动态范围用对数的20倍来表示的，单位是db。为什么用对数表示？这是因为用对数表示更适合人耳对声音强度的敏感度。为什么要20倍？这也只是习惯，因为20倍后比较符合人耳的量化特性。这已经成为标准，而且从此衍生为其他的工程标准。
 
      一个8位2进制数的最大值是256，最小值是1，它的动态范围就是20×log（256/1）= 48db
      一个16位2进制数的最大值是655366，最小值是1，它的动态范围就是20×log（65536/1）= 96db

       在声学意义上，这意味着一个8位的采样宽度，最大声音和最小声音可以相差48db；一个16位的采样宽度，可以相差96db。显然，后者比前者的范围更大，也就是说能表现更细微的东西。动态范围只是说明有这么大的动态空间可用，但并不一定全部被利用到。必须要把信号调整得适合这个动态空间，使最大声音和最小声音都落在这个范围内，这个动态范围才能被利用，所以录音工程师是需要很多经验的，他要调整麦克风和放大器，保证交响乐的最高潮最大声部分不超过范围（这一点非常重要，否则会产生削波失真，声音很难听），也要保证最细小的声音都不漏过。

      通常的音乐的动态范围在60db之内，所以96db的动态范围已经足够了。现在有很多文件提到了20位采样宽度，或者24位采样宽度，基本没有必要的。唱片公司的很多专业设备是24位的，那样做是为了在做声音处理时保留足够的动态空间，不至于在声音处理、转换时带来额外的失真。但对普通听者来说，完全没有必要。我看见很多有些爱好者把LP老唱片做成24位采样，这就有点玄了。LP唱片的动态范围只有40db，16位采样足够使用了，绝不会丢掉它的“LP味道”。24位也只是让心里好过点，遇到LP放交响乐，声音爆棚时，再宽的位数也改变不了它声音的浑浊感。

       附带说一句，网上对LP的炒作有点过份了。LP的价值在于它的怀旧味道，那种过去的古老声音能给人带来别样的感受，但要说LP的音质比CD好就实在过分了，明明是当年被淘汰的东西，怎么可能比CD更好呢，睁着眼睛说瞎话。这都是卖LP的人搞出的说法。

      CD的采样频率和宽度就是44.1千赫兹，16位，据此我们可以计算出一张CD可记录多长时间的音乐。普通CD是立体声的，有2个声道，每声道采样频率44.1千赫兹；16位宽度，合2字节。每秒钟两个声道产生176,400个字节的数据。每张CD的容量大约780,000,000字节，这样算来,一张CD能记录大约4421秒，合74分钟不到。

      这就是平时所说的CD，它已经成为一种事实上的工业标准。它里面存储的就是：PCM编码的，2个声道并且每声道16位的，44.1千赫兹采样的PCM编码声音数据。这样的数据如果被采集到电脑里（比如用著名的EAC软件），不加任何格式变化，就是所说的WAV文件。通常管这样的WAV文件叫原始文件。

      回放时，播放设备如CD机也好电脑也好，要做的就是把文件里的数据挨个拿出来，用44.1千赫兹的频率放到一个叫DAC的部件里去，使它还原出原来的模拟信号。这个DAC可以在声卡上，也可以是外部配置的，但起的作用是一样的，无非都是把数字信号再变回模拟信号。DAC出来的模拟信号经过传输放大等一系列动作，再经过喇叭放出来。

      也有的声卡会额外变成另一种格式的数字信号: SPDIF。这种转换实质把并行数据变成串行数据（并行、串行概念不多讲，要讲就得用通信学的课程了），是纯粹的数字变化，没有任何数据内容损失，这样做的目的是利于使用外部光纤或者同轴电缆来传输，等传输到远处的另一个设备后，再通过那里的DAC变回模拟信号，避免了直接传递模拟信号耳受到干扰。可以看出，决定变换后模拟信号好坏的关键部件是DAC，其他都不重要。

       搞清楚这些，你就会明白香港佬们用弹簧吧SPDIF线架起来有多可笑了。

       WAV格式的文件有一个问题，就是它比较臃肿，里面水分很大，所以在磁盘上存储时很占空间。有些人就开始打这个主意，发明了APE算法或者FLAC算法。这两个算法从数据存储格式下手，挤掉了WAV文件中的水分，压缩过程中也利用了一点声音的特点来进行（但很少）。它没有改变WAV文件中的每一个音频数字数据，所以在本质上，它保存的还是WAV里的数据，只起到了格式压缩功能。

       从这个角度讲，APE、FLAC压缩与RAR文件压缩没有大区别，可以试试看，把WAV文件用RAR压缩后，与APE和FLAC文件差不了多少。有些软件(比如Foobar)，甚至可以直接播放RAR文件。

      因为APE，FLAC与WAV之间是可以无差别转换的，所以管APE、FLAC叫“无失真”压缩，这里的“失真”是相对于WAV格式的。所以说APE，FLAC等同于WAV文件，前两者只是改变了数据的存储方式。三种文件在本质上没有任何区别，软件在播放APE或FLAC时，只不过按照APE或FLAC的存储办法把数据拿出来放到DAC里去，没有任何损失，也绝不会带来音质的差别。

      另外，声音文件有一些固有的特点，人耳在听声音时，也会有一些特点，利用这些特点，可以对声音文件进行更深度的压缩，这样做通常会损失掉一些信息，典型如高频信息（12千赫兹或者16千赫兹）被去掉，从而大幅度降低文件尺度，这种方法叫有损压缩，比如MP3，ogg格式(ogg即可以做有损压缩，也可以做无损压缩)。这种有损压缩也是相对于WAV格式的。

      以上就是WAV、APE、FLAC的关系，希望我能讲清楚了。