音频是什么意思？
音频技术作为现代信息社会的重要组成部分，已经深入到我们生活的方方面面。从日常的音乐欣赏、语音通话，到专业的录音制作、广播电视，音频技术扮演着不可或缺的角色。本百科将全面介绍音频的基本概念、物理特性、技术发展、文件格式以及应用领域，帮助读者系统了解这一既古老又现代的技术领域。我们将从声音与音频的区别谈起，逐步深入到数字音频技术的核心原理，最后展望音频技术的未来发展趋势。无论您是普通爱好者还是专业人士，都能从本文中获得有价值的信息。
音频基本概念
音频（Audio）是一个具有多重含义的专业术语，在技术领域被广泛使用。从最基础的定义来看，音频指的是人耳可以听到的声音频率在20Hz到20kHz之间的声波，这一范围涵盖了人类语音、音乐和绝大多数环境声音。值得注意的是，音频不仅包括悦耳的音乐和清晰的语音，也包括各种噪音在内的一切可听声波。
从更广泛的角度理解，音频一词已用作一般性描述音频范围内和声音有关的设备及其作用。它包含三层含义：首先是指人耳可闻的声波；其次指存储声音内容的文件；第三是在某些方面能作为滤波的振动。这种多义性反映了音频技术应用场景的多样性。
与"声音"这一更广泛的概念相比，音频有其特定的技术内涵。声音是一种物理现象，是由物体振动引起的机械波，通过介质（空气、固体或液体）传播，能被人或动物听觉器官所感知的自然现象。而音频则特指被人耳接收并可通过技术手段处理、存储和重放的那部分声波，以及相关的技术系统。简言之，所有音频都是声音，但并非所有声音都符合音频的技术定义。
在英语中，音频对应的术语有"audio frequency"和"voice frequency(VF)"。随着技术的发展，音频已从最初的模拟形式全面转向数字领域，这一转变极大地扩展了音频的应用范围和可能性。
音频物理特性
音频信号作为声波的一种，具有三个基本物理属性，这些属性直接决定了我们听到的声音效果。频率是指信号每秒钟变化的次数，人对声音频率的感觉表现为音调的高低，在音乐中称为音高。音乐中音阶的划分正是在频率的对数坐标上取等分而得的，例如C调的音阶频率分别为：C(261Hz)、D(293Hz)、E(330Hz)、F(349Hz)、G(392Hz)、A(440Hz)、B(494Hz)。
音频的幅度决定了声音的强弱，人耳对于声音细节的分辨只有在强度适中时才最灵敏。人类的听觉响应与强度成对数关系，一般只能察觉出3分贝的音强变化。我们常用音量来描述音强，以分贝（dB=20log）为单位。在处理音频信号时，绝对强度可以放大，但其相对强度更有意义，专业领域常用"动态范围"来定义：动态范围=20×log（信号的最大强度/信号的最小强度）（dB）。
音色是音频的第三个重要特征，它是由混入基音的泛音所决定的。n×ω0称为ω0的高次谐波分量，也称为泛音。高次谐波越丰富，音色就越有明亮感和穿透力。不同的谐波具有不同的幅值An和相位偏移ψn，由此产生各种音色效果。这正是不同乐器演奏同一音高时我们仍能清晰区分它们的原因。
音频的频带宽度（或称带宽）是另一个重要指标，它描述了组成复合信号的频率范围。音频信号的频带越宽，所包含的音频信号分量越丰富，音质就越好。正常人耳的听觉范围约20Hz-20kHz，这也是定义音频频率范围的基础。此外，信噪比（SNR）是衡量音频质量的关键参数，它是有用信号与噪声之比，信噪比越大，声音质量越好。
音频信号类型与技术发展
音频信号可分为模拟音频和数字音频两大类型，这一分类反映了音频技术的发展历程。模拟音频是早期的技术形式，把声音信号在模拟状态下传送、记录、重放以及进行处理。在模拟音频中，声音信号是以模拟电压的幅度表示强弱，通过连续的波形来记录和重现声音。磁带录音就是典型的模拟音频技术，它将声音以磁化模式保存在磁带上。
模拟音频技术始于19世纪末，1877年托马斯·爱迪生发明了蜡筒录音机，标志着音频技术的诞生。随着技术进步，出现了黑胶唱片、磁带等模拟音频载体，它们构成了20世纪大部分时间里音频记录和重放的基础。然而，模拟信号在传输和处理过程中容易受到干扰，每次复制都会引入噪声和失真，这成为其固有缺陷。
数字音频技术的出现彻底改变了这一局面。数字音频是一种利用数字化手段对声音进行录制、存放、编辑、压缩或播放的技术。它的核心是将连续的模拟信号转换为离散的数字信号，这一过程称为模数转换（ADC）。数字音频可以方便地储存在硬盘、服务器或任何能够保存数字文件的地方，几乎不受复制次数的影响。
数字音频技术起源于20世纪50年代，1953年美国发明了脉冲编码调制(PCM)技术，这是将模拟信号转换为数字信号的基本方法。我国数字音频技术的发展始于20世纪60年代，1971年成功研制出第一台数字音频设备——数字录音机。1987年，ISO/IEC发布了第一个国际数字音频标准——MPEG-1 Layer 3(MP3)，标志着数字音频标准化的开始。
数字音频相比模拟音频具有显著优势：几乎不会有任何损耗，复制100遍也不会有质量下降；便于编辑和处理；可以高保真地压缩以节省存储空间。这些优势使得数字音频迅速成为主流，现已广泛应用于音乐制作、影视制作、通信和多媒体等领域。
数字音频核心技术
数字音频采样与量化是数字音频技术的两大基石。将模拟的（连续的）声音波形数字化（离散化），以便用数字计算机进行处理的过程，主要包括采样和量化两个方面。采样是指以固定的时间间隔测量模拟信号的幅度，将连续信号转变为离散信号；量化则是将每个采样的幅度值近似为最接近的数字值。
采样频率（或称采样率）是数字音频的关键参数，指每秒从连续信号中提取并组成离散信号的采样个数。我们最常用的采样频率是44.1kHz，即每秒取样44100次。这一数值的确立经过了反复实验，低于此值会有较明显的声音损失，而高于此值人耳已很难分辨，且会增大文件体积。专业领域也会使用48kHz甚至96kHz的采样频率，但96kHz与44.1kHz的区别已不太明显。
比特率（或称量化位数）是另一个关键参数，数码录音一般使用16比特、20比特或24比特制作音乐。比特是描述波形振幅精度的单位，16比特表示将振幅划分为2^16即65536个等级，根据模拟信号的强弱将其划分到某个等级中。比特率越高，越能细致地反映声音的强弱变化——20比特可产生1048576个等级，足以表现交响乐等动态范围大的音乐。
比特率与动态范围直接相关。动态范围指的是一首乐曲最响和最轻的对比能达到多少，单位是dB。比特率每增加1比特，动态范围就增加6dB——16比特时动态范围是96dB，20比特时达120dB，24比特理论上可达144dB。不过在实际应用中，由于设备噪声等因素，24比特很难达到其预期效果。数字音频的质量取决于采样频率和量化位数这两个重要参数，此外，声道数目和音频设备性能也会影响最终音质。
表：常见数字音频参数与音质关系
| 参数 | 典型值 | 音质影响 | 应用场景 |
|---|---|---|---|
| 采样频率 | 44.1kHz | 决定高频响应，越高保真度越高 | CD音质标准 |
| 48kHz | 略高于CD标准，影视常用 | 专业录音、影视制作 | |
| 96kHz | 超高保真，差异已不明显 | 高端录音室 | |
| 比特深度 | 16bit | 动态范围96dB | CD音质、普通音频 |
| 20bit | 动态范围120dB | 专业音乐制作 | |
| 24bit | 理论动态144dB | 高端录音设备 |
音频文件格式
音频文件格式通常分为两大类：声音文件和MIDI文件。声音文件是通过声音录入设备录制的原始声音，直接记录了真实声音的二进制采样数据，文件通常较大；而MIDI文件则是一种音乐演奏指令序列，相当于乐谱，不包含实际声音数据，文件尺寸较小。
在众多音频格式中，CD格式被认为是音质最好的音频格式。标准CD格式采用44.1KHz的采样频率，88K/秒的速率，16位量化位数，其音轨可以说是近似无损的。CD光盘上的音频文件扩展名为*.cda，但这只是一个索引信息，并非真正的包含声音信息，因此不能直接复制到硬盘播放，需要使用专业抓轨软件转换。
WAV格式是微软公司开发的一种无损声音文件格式，符合RIFF文件规范，被Windows平台广泛支持。标准WAV文件和CD格式一样采用44.1KHz采样频率和16位量化位数，音质与CD相差无几，是PC上流行的声音文件格式。不过WAV文件尺寸较大，多用于存储简短的声音片段。类似的格式还有苹果的AIFF和Sun公司的AU格式。
MP3格式（MPEG-1 Layer 3）是当今最流行的有损压缩音频格式，诞生于1980年代的德国。MP3具有10:1~12:1的高压缩率，基本保持低音频部分不失真，但牺牲了12KHz到16KHz高音频部分的质量。MP3的音质虽次于CD和WAV，但由于其文件小、音质尚可，成为网络音乐传播的主流格式。MP3支持不同的比特率，从64Kbps到320Kbps不等，也可采用固定(CBR)或可变(VBR)比特率编码。
WMA格式是微软开发的音频格式，音质强于MP3，压缩率一般可达1:18。WMA的优势在于内置了数字版权管理(DRM)技术，可限制播放时间、次数甚至机器，因此受到内容提供商的青睐。此外，WMA支持音频流技术，适合网络在线播放，且与Windows系统无缝集成。
其他专业音频格式还包括：
- RealAudio：RealNetworks开发的流式音频格式，主要用于低速网络上实时传输音频信息
- MIDI：乐器数字接口标准文件，记录演奏指令而非声音本身，文件极小
- AAC：MPEG-2/4中的高级音频编码，效率高于MP3，被iTunes等采用
- FLAC：自由无损音频压缩编码，音质完美但压缩率较低
音频技术应用与未来
音频技术应用已经渗透到现代社会的方方面面。在音乐领域，从创作、录制到发行、播放，数字音频技术彻底改变了音乐产业的面貌。模拟时代音乐录制主要依靠机械录音和电子录音技术，发行方式以唱片为主；而数字音频时代，音乐录制质量更高，发行方式也更加多样化，网络音乐平台和流媒体服务成为主流。
在广播电视领域，音频技术经历了从模拟到数字的演进。调频广播(FM)在20世纪40年代兴起，具有抗干扰强、音质清晰的优点。随着数字音频技术的发展，FM广播逐渐向数字调频广播(DAB)过渡，进一步提高了传输质量和覆盖范围。数字音频广播、数字电视伴音以及网络流媒体音频，都依赖先进的音频编码和传输技术。
通信领域是音频技术的另一重要应用场景。从固定电话到移动通信，再到网络语音通话，音频压缩和传输技术不断进步。语音识别、智能助手等新兴应用也建立在音频处理技术的基础之上。特别是在疫情期间，远程会议、在线教育等需求爆发式增长，对实时音频传输技术提出了更高要求。
影视游戏领域对音频技术的要求最为苛刻。现代影视作品采用多声道环绕声技术（如5.1、7.1声道）创造沉浸式听觉体验。游戏音频则更加复杂，需要实时渲染三维声场，并随玩家互动动态变化。虚拟现实(VR)和增强现实(AR)技术对空间音频提出了新的挑战，要求精确模拟声音在三维空间中的传播和定位。
音频技术未来发展呈现几个明显趋势。高解析度音频(Hi-Res Audio)正逐渐普及，采用高于CD标准的采样率和比特深度（如96kHz/24bit），满足发烧友对极致音质的追求。三维音频技术（如杜比全景声、DTS:X）通过增加垂直维度声道，创造更真实的声场体验。
人工智能技术在音频领域的应用日益广泛。AI可用于音频降噪、音源分离、自动混音等处理任务，大大提高了工作效率。基于深度学习的语音合成和音乐生成技术，正在创造全新的音频内容创作方式。智能音频设备能够根据环境噪声和用户偏好自动优化声音参数，提供个性化听觉体验。
音频与其它感知技术的融合也是重要趋势。空间音频与虚拟现实的结合，触觉反馈与低频声音的协同，甚至嗅觉与听觉的跨模态互动，都在拓展音频技术的边界。随着5G网络的普及和物联网设备的发展，音频技术将更加无缝地融入我们的生活，在智能家居、车载系统、可穿戴设备等领域发挥更大作用。
从1877年爱迪生发明留声机算起，音频技术已经走过了近150年的历程。从机械到电子，从模拟到数字，从单声道到沉浸式三维声场，音频技术不断突破物理限制，重塑人类的听觉体验。未来，随着技术的进步，音频将继续在娱乐、通信、教育、医疗等领域发挥不可替代的作用，连接人与人，传递信息与情感。
