44,100 这个数字乍看莫名其妙,直到你知道它是围着 1970 年代的录像机设计的:每条电视扫描线放 3 个采样,每场 245 行,每秒 60 场,乘出来正好 44,100。CD 沿用了它,于是我们至今还在音频设置里敲这个数。
采样率:每秒测量多少次波形
模拟波形是连续的,数字音频存的是快照。采样率就是每秒拍多少张快照。奈奎斯特定理说,采样率一半以下的频率都能被忠实还原,所以 44.1 kHz 覆盖到 22.05 kHz——高于多数成年人的听力上限(大约 15–20 kHz)。
| 用途 | 采样率 | 位深 | 立体声数据率 | 一分钟 |
|---|---|---|---|---|
| CD、音乐文件 | 44.1 kHz | 16 位 | 1,411 kbps | 约 10.6 MB |
| 视频、广播 | 48 kHz | 16 或 24 位 | 1,536 / 2,304 kbps | 约 11.5 / 17.3 MB |
| 录音棚 | 96 kHz | 24 位 | 4,608 kbps | 约 34.6 MB |
48 kHz 比音乐所需略高,它存在的理由是能被视频帧率整除,音画同步时不用切出半个采样。所以摄像机和剪辑软件默认全是它。
位深:每个采样存得多精细
位深决定每个采样能取多少个振幅值,也就决定了动态范围:每多 1 位大约多 6 dB。16 位理论上给出 96 dB 的动态范围,24 位是 144 dB——比任何真实房间和话筒能用上的都多。24 位的实际价值在录制和混音时的余量:电平可以设得保守些,后期再拉起来,听不到量化噪声。
24 位降到 16 位时要加抖动(dither):一点点成形的噪声,把舍入误差随机化。不加的话,安静的淡出会变得发毛。
这些数字在哪里不再重要
192 kHz 的文件确实存在,也卖得不错。回放时它还原不出任何耳朵能听到的东西;它站得住脚的用途是录音和重度处理,多余的采样能减少变调、滤波产生的伪影。交付环节,44.1/48 kHz、16 位完全够用。
真正要小心的是重采样。音频转换工具在配置为 44.1 kHz 的浏览器音频上下文中解码,WAV 输出为 16 位 PCM,所以 48 kHz 的视频素材转出来会被重采样到 44.1 kHz——做音乐副本无所谓,做视频流程则纯属多余。它会保留声道数,单声道的人声录出来仍是单声道,体积不会翻倍。
录的时候高,交的时候合适
只要音频有可能进视频,就按 48 kHz/24 位录;音乐文件导出 16 位/44.1 kHz,视频导出 16 位/48 kHz。也别事后升采样——从 44.1 升到 96 kHz 只会让文件变大,不会多出任何信息。