2.音频编码原理

概念

音频压缩技术指的是对原始数字音频信号流(PCM编码)运用的数字信号处理技术。

背景和压缩的必要性

研究发现,直接采用PCM码流进行存储和传输存在非常大的冗余度。

以CD为例,其采样率为44.1KHz,量化精度为16比特,则1分钟的立体声音频信号需占约10M字节的存储容量,也就是说,一张CD唱盘的容量只有1小时左右。

事实上,在无损的条件下对声音至少可进行4:1压缩,即只用25%的数字量保留所有的信息,而在视频领域压缩比甚至可以达到几百倍。

消除冗余信息是有损编码

有损编码:可以采用消除冗余信息的思路

使用傅里叶变换得到频域信息,看着该频域信息图,我们来进行遮蔽效应的概念解释:

划红线处的蓝色音源,威力很大,能把其他频率的信息覆盖,这是遮蔽源。

你可以把这个蓝色的音源理解为一个爱吵架的女生,音调很高,1KHz, 嗓门很大(即声音强度大概在70dB)。

这个女生一扯嗓子,就能把别人的声音遮蔽掉,

那么这个女生扯嗓子时候最容易把谁的声音遮蔽掉呢?

这就需要科学来解释了,上面这张图就是科学规律的总结。

频率相近的三个棕色的音源是最容易被遮蔽掉的音源了,上图也标识出了这些是被遮蔽的声音。

那是不是只要嗓门(声音强度)没这个女生大的音源,都会被覆盖呢?并不是!

上图中红圆圈所示的音源,频率大概在0.25KHz,声音强度超过了10dB, 但声音强度远远不及70dB, 你可以把这理解为一个声音低沉且嗓门也不大的魅力男嗓。

从上图可以看出,该男嗓未处在爱吵架女生声音的遮罩门槛内,

且同时也未处在静音门槛内(一些冰箱、电风扇工作时发出的声音可能处在静音门槛范围内,所以也被遮蔽了),

所以该男嗓的声音强度虽然不及该女生,但是却不会被遮蔽。

这就是频域遮蔽效应的特点了。

在同一个时间点,谁的声音强度小,就会被遮蔽。

既然我们知道存在这个遮蔽效应这条科学规律,我们就可以通过一定的算法分析出哪些声音信息是会被遮蔽的,这就是消除冗余信息,是有损编码的一种实现思路。

无损编码

熵编码是无损编码,具体的编码方式有很多,如下图

哈夫曼编码(Huffman Coding),又称霍夫曼编码,是一种编码方式,哈夫曼编码是可变字长编码(VLC)的一种。

Huffman于1952年提出一种编码方法,该方法完全依据字符出现概率来构造异字头的平均长度最短的码字,

有时称之为最佳编码,一般就叫做Huffman编码(有时也称为霍夫曼编码)。

音频编码过程

常见的音频编解码器



AAC编码器介绍


ADTS格式头

AAC前面有个数据头,一般是ADTS格式的头。

对于直播系统,一般使用AAC,我们使用的都是ADTS格式。

注意,读出来Audio Object Types值还需要加1,才是对应的类型。

如果读出来Audio Object Types值是1,那么对应的是AAL LC类型。

ADTS头解析网站

  1. 有时候我们无法播放一段AAC数据,可能是缺少了ADTS头信息,这是我们就需要想办法加上这个头信息。

  2. 我们在使用ffmpeg时,虽然ADTS这些信息都会被封装在其内部,但是我们需要具备基本的音视频知识,以便更好地解决各类可能出现的麻烦问题。

相关推荐
小小放舟、12 分钟前
PaiCLI-Demo:从零实现 ReAct Agent + Tool Call
java·后端·intellij-idea·springboot·agent·react·tool call
用户67570498850229 分钟前
别再乱用了!var arr []int 和 arr := []int{} 给整懵了?不就声明个空数组,项目居然崩了?
后端·go
马达拉1 小时前
为什么Bun查询数据库接口响应比Rust还快
后端
geovindu1 小时前
go: Enumeration Algorithm
开发语言·后端·算法·golang·枚举算法
雪隐2 小时前
个人电脑玩AI-10让5060 Ti给你打工——ComfyUI,我差点被它劝退三次
人工智能·后端
工具派2 小时前
写代码时,我把这个本地 AI Commit Message 生成器接进了工作流
前端·后端
犀利豆2 小时前
AI 时代使用 Obsidian 作为 IDE
人工智能·后端
用户7917286761972 小时前
在 opencode 中使用 opencode-plugin-loop 插件完全指南
后端
用户3126874877202 小时前
MyBatis-Plus 动态分表实战:基于 DynamicTableNameInnerInterceptor 的多端数据隔离方案
后端
干到60岁退休的码农3 小时前
SpringBoot整合Mybatis-plus
spring boot·后端·mybatis