物理的声音
音调
由声波的频率决定，频率越高，音调越高；频率越低，音调越低。
- "振动次数"指一次完整的往复运动，即一个完整周期。
- 单位：赫兹 (Hz)，1 Hz = 1 次/秒。
声响
由声波的振幅决定，振幅越大，能量越多，人耳感觉越响；振幅越小，越轻。
- 单位：分贝 (dB)。
音色
由声波的波形决定，体现声源的独特"指纹"。
计算机中的音频
基本概念
采样率
每秒钟对模拟声波进行采样的次数。
-
单位 Hz（或 kHz）。
-
常见值：44 100 Hz（CD 音质）、48 000 Hz（专业音频）。
-
一般采用率需要最少是声调的两倍，一次声波震动，最少要记住最高点和最低点，这样才能记录足够多的数据。
-
采样率越高，生产的音频图波形越圆滑。
采样大小（位深）
每次采样记录的量化精度，用多少个二进制位来表示瞬时振幅。
比如：16bit 所表示的数据返回是 [2**-15,2**15]
- 常见值：16 bit（CD）、24 bit（高清录音）。
- 位深越大，采样数据精度越大，动态范围越宽，噪声越小。
声道
同时记录的独立音频信号数量。
- 1 = 单声道（Mono），2 = 双声道/立体声（Stereo）。
- 声道数量遇到，音频音质更大，但是音频大小也会倍数增长。
位速（码率 / 比特率）
每秒存储或传输的总数据量。
- 单位 bit/s（或 kbps、Mbps）。
- 计算：位速 = 采样率 × 采样大小 × 声道数 例：44 100 Hz × 16 bit × 2 ch ≈ 1 411 kbps（CD 立体声）。
例题
采样频率 44100 Hz，采样精度16 bit，单声道，采集3 分钟，文件大小是多少MB。
44100 * 16 * 3 * 60 = 127008000 bit
2116800 / 8 / 1024 / 1024 ≈ 15.141M
原始音频数据PCM
未经压缩的原始音频数字信号，只记录瞬时振幅，不压缩、不编码。
- 单声道：采样点按时间顺序依次排列。
- 多声道（如立体声） ：各声道采样值 交叉（interleaved）存放，小端字节序： 例：L R L R ...
位宽 / 数值范围
| 位宽 | 每采样字节 | 典型类型 | 数值区间 | 备注 |
|---|---|---|---|---|
| 8 bit | 1 | UInt8 | 0‒255 | 无符号 |
| 16 bit | 2 | Int16 | --32 768‒+32 767 | 小端 |
| 24 bit | 3 | Int24 | --8 388 608‒+8 388 607 | 需对齐 |
| 32 bit | 4 | Int32 | --2 147 483 648‒+2 147 483 647 | 小端 |
| 32 bit Float | 4 | Float32 | --1.0‒+1.0（实际裁剪区） | Web 麦克风常用 |
Web 端麦克风 API 返回的
Float32Array即 32-bit IEEE-754 浮点 PCM ，每个采样 4 字节，值域 [-1.0, 1.0]。
