2019-10-22-音频码率估算

最近在研究音视频技术，对其中的码率计算做了点研究，记录一下

音频录制时，对于产品经理来说，他们最关注的应该就是码率。因为码率意味着流量，流量意味着钱。

而对于程序员来说，能够设置的无非就只有通道数，采样率，和深度。

这就会产生产品经理与开发的术语不一致的矛盾，会出现交流问题。

那么这两者之间的关系是如何呢？

通道数

通道数是指你的喇叭能够出几路声音。对于人耳来说，因为左右耳的距离不同，听到的声音波形会存在些许差异。对于单声道来说，你能感受到的音质同真实声音相比就会感觉不真实。一般来说，采用2通道可以应付大多数场景。

采样率

采样率即声音采样的频率，即每秒记录多少个音量点。对于人耳来说，声音的范围是20-20khz，而人的说话声音范围是300-3400hz。奈奎斯特定律指出要重建信号，必须要求采样率是原信号最高频率的2倍以上。即我们期望将一段音频信号进行录制后还原，录制时的采样频率必须达到原音频信号最高频率的2倍以上，才能保证高频信号的完整。

那么对于音频文件来说，一般的44.1khz采样率就可以满足了，再高人也听不到。而对于通话场景，11.025khz即可。这也是为什么语音通话不那么耗费流量的原因。

采样深度

采样深度一般有8,16,32等，即使用几个位来表示音量的大小。可以类比下图片，颜色深度越大，能够表现的色彩就会越丰富。

码率

好了终于到了码率了，先给一个公式码率=通道数*采样率*采样深度。

以44.1khz，双通道，16位深的音频信号，他的码率=44.1*2*16=1411.2kbps=1.4Mbps

是不是很惊讶？我家的下载速度还没这个快呢。

不过不要担心这个只是原始码率，对于这个码率，一般我们都不能使用。所以会经过一系列压缩。

压缩

不同的压缩算法的压缩率不同。而音频压缩依赖于声音相邻频域和时域的关系，因此和音频信号本身场景相关，只有近似的压缩率。

对于常见的AAC格式，部分文献表示其压缩率能达到14~18:1

1571717975630

上图是实际项目测试情况，基本能够达到9.4-9.5左右，而且当降低采样频率后，压缩率有所降低。

参考文献：

• 音频采样率和码率简介 - 简书
• 常见音频编码格式总结 - tianx3344的个人空间 - OSCHINA
• AAC和MP3在码率压缩上的一些事 - 简书
• 奈奎斯特频率 - 维基百科，自由的百科全书
• 视频压缩编码和音频压缩编码的基本原理 - 雷霄骅(leixiaohua1020)的专栏 - CSDN博客

本文会经常更新，请阅读原文： https://xinyuehtx.github.io/post/%E9%9F%B3%E9%A2%91%E7%A0%81%E7%8E%87%E4%BC%B0%E7%AE%97.html ，以避免陈旧错误知识的误导，同时有更好的阅读体验。

本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可。欢迎转载、使用、重新发布，但务必保留文章署名黄腾霄（包含链接： https://xinyuehtx.github.io ），不得用于商业目的，基于本文修改后的作品务必以相同的许可发布。如有任何疑问，请 与我联系 。