1. 一個(gè)看似“奇葩”數(shù)字的由來(lái)如果你剛開(kāi)始接觸數(shù)字音頻或者只是偶爾在播放器的設(shè)置里看到“采樣率”這個(gè)選項(xiàng)你可能會(huì)對(duì)44.1kHz這個(gè)數(shù)字感到困惑。它不像48kHz那樣規(guī)整也不像96kHz那樣是48的整數(shù)倍甚至不是我們熟悉的十進(jìn)制“整數(shù)”。在數(shù)字世界里44.1kHz這個(gè)帶小數(shù)點(diǎn)的頻率確實(shí)顯得有些“格格不入”。很多朋友的第一反應(yīng)是為什么不是更“干凈”的48kHz或者干脆是40kHz、50kHz這個(gè)數(shù)字背后是不是有什么技術(shù)上的“最優(yōu)解”實(shí)際上44.1kHz這個(gè)采樣率的誕生與“技術(shù)最優(yōu)”關(guān)系不大而是一場(chǎng)跨越模擬與數(shù)字時(shí)代、涉及音樂(lè)產(chǎn)業(yè)與視頻產(chǎn)業(yè)標(biāo)準(zhǔn)妥協(xié)的“歷史意外”。它并非工程師在實(shí)驗(yàn)室里精心計(jì)算出的完美頻率而是為了兼容一個(gè)已經(jīng)存在的、看似不相關(guān)的技術(shù)標(biāo)準(zhǔn)——早期的數(shù)字音頻存儲(chǔ)介質(zhì)CD光盤(pán)而CD的規(guī)格又受到了當(dāng)時(shí)另一項(xiàng)主流消費(fèi)電子技術(shù)NTSC制式彩色電視的深刻影響。簡(jiǎn)單來(lái)說(shuō)44.1kHz采樣率是數(shù)字音頻為了“搭上”模擬視頻的便車在特定歷史條件下被“鎖死”的標(biāo)準(zhǔn)。理解這個(gè)數(shù)字就是理解一段數(shù)字技術(shù)如何從舊世界的夾縫中生長(zhǎng)出來(lái)的歷史。今天即使我們有能力采用任意采樣率44.1kHz因其龐大的歷史遺產(chǎn)海量的CD唱片、音樂(lè)文件、制作工具鏈依然是音樂(lè)制作、分發(fā)和消費(fèi)領(lǐng)域事實(shí)上的“黃金標(biāo)準(zhǔn)”。接下來(lái)我們就一層層剝開(kāi)這個(gè)數(shù)字背后的故事。2. 從模擬到數(shù)字采樣定理與CD的誕生要理解44.1kHz首先要明白數(shù)字音頻的基礎(chǔ)奈奎斯特-香農(nóng)采樣定理。這個(gè)定理告訴我們要無(wú)失真地還原一個(gè)模擬信號(hào)采樣頻率必須至少是原始信號(hào)中最高頻率的兩倍。人耳的聽(tīng)覺(jué)范圍大約是20Hz到20kHz。因此理論上一個(gè)采樣率只要高于40kHz就能完整記錄所有人耳可聞的聲音。在CD規(guī)格制定的上世紀(jì)70年代末80年代初索尼和飛利浦是主要的推動(dòng)者。他們需要確定幾個(gè)關(guān)鍵參數(shù)采樣率、量化精度比特深度和光盤(pán)的物理容量。量化精度最終定為16bit這提供了約96dB的動(dòng)態(tài)范圍被認(rèn)為足以覆蓋從交響樂(lè)最微弱的細(xì)節(jié)到最強(qiáng)音之間的跨度。那么采樣率呢工程師們當(dāng)然知道要高于40kHz但具體高多少需要考慮幾個(gè)現(xiàn)實(shí)因素抗混疊濾波器的設(shè)計(jì)采樣前需要用低通濾波器抗混疊濾波器濾除高于采樣頻率一半的信號(hào)。濾波器從通帶到阻帶需要一個(gè)過(guò)渡帶而不是理想的“直角”。如果采樣率恰好是40kHz那么濾波器需要在20kHz處急劇衰減這在模擬電路時(shí)代設(shè)計(jì)難度大、成本高且容易引入相位失真。留出一些余量可以讓濾波器設(shè)計(jì)得更平緩、性能更好。留出安全余量為可能超出20kHz的超聲波信號(hào)或?yàn)V波器的非理想特性留出空間。因此采樣率需要顯著高于40kHz。48kHz、44.1kHz、44.056kHz等頻率都曾被考慮。而最終的選擇被一個(gè)意想不到的因素決定了如何利用當(dāng)時(shí)已有的、最成熟的數(shù)字存儲(chǔ)設(shè)備來(lái)錄制和編輯音頻。在CD誕生前專業(yè)數(shù)字錄音機(jī)非常昂貴。精明的工程師發(fā)現(xiàn)可以用一種相對(duì)“廉價(jià)”的設(shè)備來(lái)存儲(chǔ)數(shù)字音頻數(shù)據(jù)U-matic格式的3/4英寸磁帶錄像機(jī)。這種機(jī)器本來(lái)是用于錄制視頻的但它有一個(gè)特點(diǎn)其數(shù)字視頻信號(hào)存儲(chǔ)的容量和穩(wěn)定性恰好可以用來(lái)“冒充”數(shù)字音頻錄音機(jī)。方法就是把音頻的PCM脈沖編碼調(diào)制數(shù)據(jù)轉(zhuǎn)換成一種黑白交替的“視頻圖像”信號(hào)錄制在錄像帶上。提示你可以把PCM數(shù)據(jù)流想象成一條由“0”和“1”組成的黑白點(diǎn)陣帶。錄像機(jī)記錄的是每一幀視頻的亮度信號(hào)將“1”記錄為高亮度白“0”記錄為低亮度黑這樣音頻數(shù)據(jù)就被“偽裝”成了一部沒(méi)有圖像的快速閃爍的黑白電影。3. 與電視制式的“聯(lián)姻”44.1kHz的計(jì)算邏輯這里就引入了關(guān)鍵角色電視制式。當(dāng)時(shí)主流的彩色電視制式有兩種NTSC主要用于北美、日本和PAL主要用于歐洲、中國(guó)等地。這兩種制式的幀率每秒畫(huà)面數(shù)和行數(shù)不同。NTSC制式每秒約29.97幀常簡(jiǎn)稱為30幀每幀525掃描行。PAL制式每秒25幀每幀625掃描行。錄像機(jī)是為錄制電視信號(hào)設(shè)計(jì)的因此其記錄格式與電視制式緊密綁定。當(dāng)工程師用U-matic錄像機(jī)存儲(chǔ)PCM音頻時(shí)必須讓數(shù)據(jù)格式“適配”錄像機(jī)的視頻幀結(jié)構(gòu)。以NTSC制式為例計(jì)算過(guò)程是這樣的每幀可用的行數(shù)一幀525行中并非所有行都用于記錄有效圖像視頻數(shù)據(jù)有一部分是垂直消隱期用于掃描槍回掃。實(shí)際可用于記錄數(shù)據(jù)的行數(shù)大約是490行左右。每行可存儲(chǔ)的樣本數(shù)在每一行有效的掃描時(shí)間內(nèi)可以存儲(chǔ)一定數(shù)量的音頻樣本。這個(gè)數(shù)量受到錄像機(jī)帶寬和編碼方式的限制。經(jīng)過(guò)設(shè)計(jì)確定每行可以存儲(chǔ)3個(gè)音頻樣本注意是樣本不是字節(jié)。一個(gè)立體聲樣本包含左、右兩個(gè)聲道的數(shù)據(jù)。每秒樣本數(shù)計(jì)算NTSC幀率29.97幀/秒每幀有效行490行每行3個(gè)立體聲樣本3樣本/行每秒總樣本數(shù)29.97 × 490 × 3 ≈ 44,056個(gè)樣本/秒。這個(gè)數(shù)字非常接近44.1kHz。實(shí)際上44.056kHz正是早期一些基于NTSC制式設(shè)備使用的采樣率。而PAL制式的計(jì)算25幀 × 588行 × 3樣本則恰好等于44.1kHz25 × 588 × 3 44,100。為了方便統(tǒng)一和記憶同時(shí)考慮到一個(gè)比44.056kHz更“規(guī)整”的數(shù)字在生產(chǎn)和標(biāo)識(shí)上更有利產(chǎn)業(yè)界最終將CD的采樣率標(biāo)準(zhǔn)化為44.1kHz。這是一個(gè)對(duì)NTSC和PAL制式都“友好”的折中數(shù)字對(duì)于PAL是精確值對(duì)于NTSC是近似值實(shí)際使用中通過(guò)細(xì)微調(diào)整行數(shù)或采用29.97幀的精確值來(lái)適配。所以44.1kHz的“奇葩”之處正是因?yàn)樗皇菫橐纛l而生的“純”數(shù)字而是音頻數(shù)據(jù)為了擠進(jìn)視頻磁帶格式的“格子”里被迫遵循視頻規(guī)則所產(chǎn)生的結(jié)果。它是由“每幀行數(shù)×每行樣本數(shù)×幀率”這個(gè)乘法等式鎖定的。4. 為什么不是48kHz專業(yè)與消費(fèi)的分野既然44.1kHz的出身如此“偶然”那為什么后來(lái)沒(méi)有在專業(yè)領(lǐng)域被更“規(guī)整”的48kHz取代呢這就引出了數(shù)字音頻領(lǐng)域一個(gè)長(zhǎng)期存在的“雙軌制”48kHz通常用于專業(yè)視頻制作和廣播領(lǐng)域而44.1kHz則牢牢占據(jù)著音樂(lè)制作和消費(fèi)終端的陣地。48kHz的起源同樣與視頻有關(guān)但更偏向?qū)I(yè)制作。它最早被用于專業(yè)的數(shù)字音頻磁帶DAT格式。48kHz作為一個(gè)比44.1kHz更高的采樣率能提供更寬裕的抗混疊濾波器過(guò)渡帶音頻性能理論上略有優(yōu)勢(shì)。更重要的是48kHz與當(dāng)時(shí)常見(jiàn)的視頻幀率如24幀/秒、25幀/秒、30幀/秒有著更簡(jiǎn)單的數(shù)學(xué)關(guān)系便于在視頻的每一幀內(nèi)對(duì)齊整數(shù)個(gè)音頻樣本簡(jiǎn)化后期音畫(huà)同步的處理。因此在電影、電視節(jié)目制作、廣播等與視頻強(qiáng)相關(guān)的專業(yè)領(lǐng)域48kHz成為了事實(shí)上的標(biāo)準(zhǔn)。然而44.1kHz憑借CD的巨大商業(yè)成功早已在音樂(lè)產(chǎn)業(yè)根深蒂固。從錄音棚的母帶制作到唱片公司的發(fā)行格式再到千家萬(wàn)戶的CD播放器整個(gè)生態(tài)都是圍繞44.1kHz/16bit構(gòu)建的。切換標(biāo)準(zhǔn)的成本極高硬件成本數(shù)以億計(jì)的CD播放器、便攜式Walkman、汽車音響只支持44.1kHz。內(nèi)容資產(chǎn)已經(jīng)錄制和發(fā)行的海量CD唱片是44.1kHz的。工作流程音樂(lè)制作人、錄音師的工作站、效果器插件都深度優(yōu)化了44.1kHz的工作流。因此即使后來(lái)出現(xiàn)了DVD-Audio、高分辨率音頻流媒體等支持更高采樣率如96kHz、192kHz的格式44.1kHz作為與CD兼容的“基礎(chǔ)層”和“交換格式”其地位從未動(dòng)搖。音樂(lè)人制作作品時(shí)最終交付給流媒體平臺(tái)或制成CD的版本往往仍然是44.1kHz。48kHz則更像是專業(yè)視頻制作和某些專業(yè)音頻制作如游戲音頻、部分影視配樂(lè)中的一個(gè)“生產(chǎn)環(huán)節(jié)”標(biāo)準(zhǔn)。這種分野導(dǎo)致了一個(gè)常見(jiàn)的麻煩采樣率轉(zhuǎn)換。當(dāng)一段48kHz的影視配樂(lè)需要放入44.1kHz的音樂(lè)合輯時(shí)就必須進(jìn)行重采樣。劣質(zhì)的SRC算法會(huì)引入噪聲和失真因此高質(zhì)量的采樣率轉(zhuǎn)換是專業(yè)音頻軟件的一個(gè)重要功能。5. 44.1kHz的技術(shù)細(xì)節(jié)與當(dāng)代意義拋開(kāi)歷史原因單從技術(shù)角度看44.1kHz在今天是否夠用答案是對(duì)于最終的音樂(lè)消費(fèi)完全足夠甚至綽綽有余。根據(jù)奈奎斯特定理44.1kHz的奈奎斯特頻率是22.05kHz這已經(jīng)超出了絕大多數(shù)成年人尤其是25歲以上的高頻聽(tīng)辨極限通常衰減到18kHz以下。它為人耳可聞的20kHz頻率留出了2kHz以上的過(guò)渡帶使得抗混疊濾波器的設(shè)計(jì)可以在性能和成本之間取得很好的平衡。在數(shù)字系統(tǒng)內(nèi)部尤其是現(xiàn)代基于軟件的數(shù)字音頻工作站DAW中工作采樣率可以設(shè)置得更高如96kHz或192kHz。這樣做的主要好處并非為了讓人聽(tīng)到更高的頻率而是改善高頻處理的效果一些非線性處理如飽和、失真和調(diào)制效果如合唱、鑲邊在超高頻率下會(huì)產(chǎn)生可聞的差拍頻率。在更高采樣率下工作這些人工產(chǎn)物可以被推到超聲波范圍避免影響可聞?lì)l段。降低濾波器帶來(lái)的相位失真無(wú)論是抗混疊濾波器還是插件內(nèi)部的濾波器在更高采樣率下其對(duì)可聽(tīng)頻段的影響更小相位響應(yīng)更線性。提供更多的“凈空”為未來(lái)的處理步驟留出更多余量。但是這些好處主要體現(xiàn)在制作過(guò)程中。最終將作品導(dǎo)出或發(fā)布時(shí)轉(zhuǎn)換為44.1kHz并不會(huì)丟失這些處理帶來(lái)的“音質(zhì)益處”因?yàn)樘幚頃r(shí)的高頻信息如超聲波區(qū)域的諧波本身就在人耳聽(tīng)覺(jué)范圍之外降采樣到44.1kHz時(shí)會(huì)被合規(guī)地濾除。消費(fèi)者聽(tīng)到的仍然是那個(gè)完美覆蓋20Hz-20kHz頻帶的、符合紅皮書(shū)標(biāo)準(zhǔn)的CD音質(zhì)。因此44.1kHz在今天的技術(shù)意義更多體現(xiàn)在它的普適性和兼容性上。它是數(shù)字音頻世界的“通用貨幣”。無(wú)論是流媒體平臺(tái)Spotify、Apple Music的主要交付格式、數(shù)字音樂(lè)商店還是各種硬件播放設(shè)備對(duì)44.1kHz的支持都是最基礎(chǔ)、最全面的。作為一個(gè)開(kāi)發(fā)者如果你在處理音頻回放、格式轉(zhuǎn)換或流媒體傳輸支持44.1kHz是必須的。5.1 在嵌入式開(kāi)發(fā)中的考量從你提供的熱詞如“stm32h7 兩路adc交錯(cuò)采集實(shí)現(xiàn)4m采樣率”可以看出在高性能嵌入式場(chǎng)景如STM32H7開(kāi)發(fā)者追求的是極高的采樣率4MHz這通常用于工業(yè)測(cè)量、超聲波分析等非音頻領(lǐng)域。但在音頻應(yīng)用里比如用MCU做USB音頻接口、數(shù)字效果器或錄音筆44.1kHz及其整數(shù)倍88.2kHz, 176.4kHz仍然是核心采樣率。這里有一個(gè)關(guān)鍵技巧優(yōu)先使用44.1kHz的整數(shù)倍作為系統(tǒng)時(shí)鐘。例如許多音頻編解碼器芯片Codec的主時(shí)鐘MCLK通常要求是采樣頻率的256倍或384倍。對(duì)于44.1kHz256倍是11.2896MHz384倍是16.9344MHz。這些頻率可以通過(guò)鎖相環(huán)PLL從微控制器的主時(shí)鐘精確產(chǎn)生。如果系統(tǒng)同時(shí)需要支持48kHz家族48k, 96k, 192k那么就需要一個(gè)能同時(shí)生成這兩組頻率的時(shí)鐘方案如使用專用的音頻時(shí)鐘發(fā)生器或具有高靈活性PLL的MCU。在軟件層面處理44.1kHz音頻流時(shí)需要注意緩沖區(qū)大小的計(jì)算。例如一個(gè)10ms的音頻緩沖區(qū)在44.1kHz下包含441個(gè)樣本。由于這不是整數(shù)在分配DMA緩沖區(qū)或設(shè)置中斷時(shí)可能需要按幀比如每幀64或128個(gè)樣本來(lái)處理并小心處理累積的時(shí)序誤差避免產(chǎn)生爆音或時(shí)鐘漂移。5.2 在流媒體與實(shí)時(shí)傳輸中的挑戰(zhàn)另一個(gè)相關(guān)熱詞是“微信小程序 pcm格式的音頻流流式播放”。在Web端或移動(dòng)端進(jìn)行PCM音頻流的實(shí)時(shí)播放44.1kHz同樣是常見(jiàn)格式。挑戰(zhàn)在于時(shí)鐘同步播放端的音頻硬件時(shí)鐘可能不完全精確等于44.1kHz需要?jiǎng)討B(tài)調(diào)整緩沖區(qū)使用Web Audio API的playbackRate或自定義重采樣來(lái)避免緩沖區(qū)欠載卡頓或溢出爆音。網(wǎng)絡(luò)抖動(dòng)流式傳輸中網(wǎng)絡(luò)延遲不穩(wěn)定?？蛻舳诵枰O(shè)置一個(gè)足夠大的抖動(dòng)緩沖區(qū)jitter buffer來(lái)平滑接收但這又引入了播放延遲。對(duì)于實(shí)時(shí)交互場(chǎng)景如語(yǔ)音聊天需要在延遲和流暢性之間權(quán)衡。格式轉(zhuǎn)換后端服務(wù)器提供的可能是48kHz或其他采樣率的音頻在前端播放前可能需要轉(zhuǎn)換為設(shè)備原生支持的采樣率通常是44.1kHz或48kHz。在資源受限的瀏覽器或小程序環(huán)境中進(jìn)行實(shí)時(shí)的重采樣對(duì)算法效率和音質(zhì)都是考驗(yàn)。6. 超越44.1kHz高采樣率音頻的迷思與現(xiàn)狀隨著技術(shù)發(fā)展96kHz、192kHz甚至更高采樣率的“高解析度音頻”Hi-Res Audio越來(lái)越常見(jiàn)。它們真的能帶來(lái)“更好”的聽(tīng)感嗎這個(gè)問(wèn)題在音頻界爭(zhēng)論不休。支持方的觀點(diǎn)主要基于前述的制作過(guò)程優(yōu)勢(shì)以及一種理論雖然人聽(tīng)不到20kHz以上的聲音但這些超聲波可能會(huì)與可聽(tīng)頻段的聲音產(chǎn)生互調(diào)失真或影響人耳的感知心理聲學(xué)。反對(duì)方的觀點(diǎn)則基于大量的雙盲聽(tīng)覺(jué)測(cè)試結(jié)果表明在電平匹配嚴(yán)格的條件下絕大多數(shù)人無(wú)法可靠地區(qū)分高質(zhì)量錄制的44.1kHz/16bit和更高規(guī)格的文件。額外的數(shù)據(jù)量只是記錄了更多的超聲波和噪聲。對(duì)于開(kāi)發(fā)者而言需要清醒地認(rèn)識(shí)到存儲(chǔ)與帶寬96kHz/24bit的音頻文件數(shù)據(jù)量是44.1kHz/16bit的約3.3倍(96000/44100)*(24/16) ≈ 3.27。這對(duì)流媒體帶寬、設(shè)備存儲(chǔ)和處理器性能都是壓力。兼容性不是所有設(shè)備、操作系統(tǒng)或音頻驅(qū)動(dòng)都完美支持高采樣率?？赡軙?huì)遇到驅(qū)動(dòng)不支持、SRC質(zhì)量差、功耗增加等問(wèn)題。需求驅(qū)動(dòng)除非應(yīng)用場(chǎng)景明確需要分析或處理超聲波如某些科學(xué)或工業(yè)應(yīng)用或者目標(biāo)用戶是追求極致的發(fā)燒友并擁有相應(yīng)回放設(shè)備否則盲目采用高采樣率可能是一種浪費(fèi)。一個(gè)更務(wù)實(shí)的策略是在內(nèi)部處理時(shí)使用較高的采樣率以保質(zhì)量最終交付時(shí)根據(jù)渠道要求降為44.1kHz或48kHz。這正是大多數(shù)專業(yè)音樂(lè)制作的工作流程。7. 總結(jié)與實(shí)操建議回顧44.1kHz的故事它從一個(gè)為了適配錄像帶而誕生的“妥協(xié)”數(shù)字最終成長(zhǎng)為數(shù)字音頻世界的基石。它的持久生命力證明了在工程領(lǐng)域有時(shí)“歷史兼容性”和“生態(tài)力量”比“理論最優(yōu)”更重要。對(duì)于從事音視頻開(kāi)發(fā)的工程師我的建議是將44.1kHz視為“第一公民”在設(shè)計(jì)音頻子系統(tǒng)、選擇編解碼器、配置時(shí)鐘時(shí)優(yōu)先確保對(duì)44.1kHz及其整數(shù)倍頻率的良好支持。測(cè)試時(shí)務(wù)必使用44.1kHz的測(cè)試音源進(jìn)行回放和錄制測(cè)試。理解采樣率轉(zhuǎn)換的代價(jià)避免在信號(hào)鏈中多次不必要的SRC。如果系統(tǒng)必須處理多種采樣率盡量在源頭或盡早統(tǒng)一到一個(gè)主采樣率并使用高質(zhì)量的重采樣算法如最小相位或線性相位FIR濾波器。關(guān)注時(shí)鐘精度與抖動(dòng)對(duì)于44.1kHz這樣的非整數(shù)頻率時(shí)鐘生成的精度和抖動(dòng)Jitter對(duì)音質(zhì)影響很大。在硬件上使用低抖動(dòng)的晶振或時(shí)鐘發(fā)生器在軟件上確保音頻線程的時(shí)序穩(wěn)定。不要神話高采樣率在資源受限的嵌入式或移動(dòng)應(yīng)用中盲目追求192kHz可能得不償失。將寶貴的CPU周期和內(nèi)存用于提升動(dòng)態(tài)范圍位深、降低噪聲、實(shí)現(xiàn)更復(fù)雜的音頻算法如降噪、波束成形往往比單純提高采樣率更能提升用戶體驗(yàn)。最后當(dāng)你下次看到44.1kHz這個(gè)數(shù)字時(shí)希望你能想到的不僅僅是一個(gè)采樣參數(shù)而是一段數(shù)字技術(shù)披著模擬外衣蹣跚起步的有趣歷史以及它在今天依然堅(jiān)實(shí)可靠的技術(shù)地位。它不“奇葩”它只是歷史在當(dāng)下投下的一個(gè)清晰而深刻的影子。