PCM及一些音频数据知识--学习笔记

Wsyoneself

1701人浏览 · 2022-10-11 21:24:45

Wsyoneself · 2022-10-11 21:24:45 发布

PCM：脉冲编码调制，人耳听到的是模拟信号，PCM是把声音从模拟信号转化为数字信号的技术。原理是用一个固定的频率对模拟信号进行采样，采样后的信号在波形上看就像一串连续的幅值不一的脉冲(脉搏似的短暂起伏的电冲击)，把这些脉冲的幅值按一定精度进行量化，这些量化后的数值被连续的输出、传输、处理或记录到存储介质中，所有这些组成了数字音频的产生过程(抽样、量化、编码三个过程)。
PCM音频数据是未经压缩的音频采样数据裸流
采样频率、量化精度(采样位数)和声道数
1. 采样频率是设备一秒钟内对模拟信号的采样次数，在主流的采集卡上分为：(8Khz的电话采样率就可以达到人的对话程度）
  1. 22.05KHz：无线电广播；
  2. 44.1KHz：音频 CD，MP3等；
  3. 48KHz：miniDV、数字电视、DVD、电影和专业音频。
  4. 人耳能够感觉到的最高频率为20kHz，要满足人耳的听觉要求，则需要每秒进行40k次采样，即40kHz。我们常见的CD采样率为44.1kHz。(硬件的扬声器最高是16KHz，则手机MIC采样率就不用太高，节省传输带宽)
2. 采样位数比如8bit(现在少见)、16bit(常用)和24bit，指的是描述数字信号所使用的位数。
3. 声道数：声音在录制或播放时在不同空间位置采集或回放的相互独立的音频信号。
  1. 单声道：采样数据为8位的短整数（short）。
  2. 双声道：采样数据为16位的整数，（int），高八位(左声道)和低八位(右声道)分别代表两个声道。
4. [时长]s * [采样率]Hz * [采样位数]bit * [声道数] / 8 = [文件大小]byte。
PCM与MP3：PCM因为没有压缩，根据采样率位宽等数据可以得到每秒的音频数据，并不需要帧的概念；MP3则是因为压缩后信息比较多，则有了类似H264的帧概念，每一个帧都有一个帧头
播放音乐时，应用程序从存储介质中读取音频数据（MP3、WMA、AAC…），经过解码后，最终送到音频驱动程序中的就是PCM数据，反过来，在录音时，音频驱动不停地把采样所得的PCM数据送回给应用程序，由应用程序完成压缩、存储等任务

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模