Zugehöriges Audioattribut Teil 2
Je höher das Sampling, desto realistischer und natürlicher wird der Klang.
Der Frequenzerkennungsbereich für Menschen beträgt 20 HZ – 20.000 HZ. Wenn 20.000 Samples pro Sekunde gesampelt werden können, reicht dies aus, um die Bedürfnisse des menschlichen Ohrs während der Wiedergabe zu befriedigen. Also 22050 Die Abtastrate wird häufig verwendet, 44100 ist bereits CD-Qualität, und Abtasten über 48000 ist für das menschliche Ohr nicht mehr aussagekräftig. Dies ist vergleichbar mit einem Bild mit 24 Bildern pro Sekunde aus einem Film.
Sampling-Bits
Nach dem Sampling des Audios für ein Sample müssen zwei Schritte für das Sample durchgeführt werden:
1. Quantifizieren. Die üblicherweise für die Audioquantisierung verwendeten Quantisierungsbits sind:
8 Bit (d. h. 1 Byte) können nur 256 Zahlen registrieren, d. h. nur die Amplitude kann in 256 Stufen unterteilt werden;
16 Bit (dh 2 Byte) können so klein wie 65536 Zahlen sein, was bereits der CD-Standard ist;
32 Bit (also 4 Byte) können die Amplitude in 4294967296 Stufen unterteilen, was wirklich unnötig ist.
Die Anzahl der Quantisierungsbits wird auch als Anzahl der Abtastbits, Bittiefe und Auflösung bezeichnet und bezieht sich darauf, in wie viele Stufen die kontinuierliche Intensität des Klangs unterteilt werden kann, nachdem sie digital dargestellt wurde. N-Bit bedeutet, dass die Intensität des Tons gleichmäßig in 2^N Stufen aufgeteilt wird. 16 Bit, es ist Level 65535. Dies ist eine sehr große Zahl und Menschen können den Unterschied in der Schallintensität von 1/65.535 möglicherweise nicht erkennen. Man kann auch sagen, dass es an der Auflösung der Soundkarte liegt. Je höher der Wert, desto höher die Auflösung und desto größer die Fähigkeit, Ton zu erzeugen. Das Abtastvielfache adressiert hier hauptsächlich die Stärkeeigenschaften des Signals, und die Abtastrate adressiert die Zeit-(Frequenz-)Eigenschaften des Signals, die zwei unterschiedliche Konzepte sind.
2. Binäre Kodierung. Das heißt, das Ergebnis der Quantisierung, dh der Einzelkanalabtastwert, wird in einem binären Schlüsselwort gespeichert. Es gibt zwei Speichermethoden:
Speichern Sie das Ergebnis der Quantisierung direkt im Cast, dh den Zweierkomplementcode;
Das Ergebnis der Quantisierung wird im Gleitkommatyp gespeichert, dh im Gleitkomma-Codierungscode.
Die meisten PCM-Sample-Datenformate verwenden Ganzzahlen zum Speichern, und für einige Anwendungen, die eine hohe Genauigkeit erfordern, verwenden Sie Fließkommazahlen, um PCM-Sample-Daten darzustellen.
rahmen
Nachdem das Audio in ein binäres Codewort quantisiert wurde, muss es transformiert werden, und die Transformation (MDCT) erfolgt in Blockeinheiten, und ein Block besteht aus mehreren (120 oder 128) Samples. Ein Rahmen enthält einen oder mehrere Blöcke. Übliche Rahmengrößen sind 960, 1024, 2048, 4096 usw. Ein Frame zeichnet eine Toneinheit auf, deren Dauer das Produkt aus der Abtastdauer und der Anzahl der Kanäle ist. Die nb_samples in der AVFrame-Struktur in FFmpeg repräsentieren die Anzahl der Einzelkanal-Audio-Samples in einem Frame.
