音频格式与采集技术：教育技术学成果

2023-10-31 理论教育版权反馈

【摘要】：（一）音频的基础知识及其格式1.数字音频的相关概念与一般生活中的很多音频信号不同，计算机多媒体中涉及的音频是指数字音频。波形音频是多媒体计算机中最常用的方式。通常所说的MIDI是指一种计算机音乐的文件格式。其中MID文件是记录、存储MIDI信息的标准格式文件，包括音符、定时、通道选择指示等二进制编码数据。Microsoft公司的音频文件格式，来源于对声音模拟波形的采样，属于波形文件。

（一）音频的基础知识及其格式

1.数字音频的相关概念

与一般生活中的很多音频信号不同，计算机多媒体中涉及的音频是指数字音频。数字音频指的是一个用来表示声音强弱的数据序列，它是由模拟声音经抽样（即每隔一个时间间隔在模拟声音波形上取一个幅度值）、量化和编码（即把声音数据写成计算机的数据格式）后得到的。

目前，多媒体计算机中数字音频的形式很多，主要有3种方式：波形音频、MIDI音频和CD音频，这3种音频分别通过对外部声音源进行录制、从MIDI音乐和播放CD来获取。下面对这3种形式的数字音频做个介绍。

（1）波形音频。波形音频是多媒体计算机中最常用的方式。波形音频是通过模拟音频数字化的过程获得的，数字化的过程是指将模拟音频转换成一连串的二进制数据，在计算机中再现原始声音的过程。实现这个步骤使用的设备是模/数转换器（A/D），它以每秒上万次的速率对声波进行采样.每一次采样都记录下了原始模拟声波在某一时刻的状态，这称之为样本。将一串的样本连接起来，就可以描述一段声音了。数字化过程主要包括采样和量化两个方面。相应地，数字化音频的质量取决于采样频率和量化位数这两个重要参数。

●采样频率（Sampling Rate）是指将模拟声音数字化时，每秒钟所抽取声波幅度样本的次数，采样频率的计算单位是kHz。正常人耳听觉的频率范围大约在20 Hz至20kHz之间，根据采样理论.为了保证声音不失真，采样频率应在40k Hz左右。在Windows系统中一般支持44.1 k Hz、22.05k Hz及11.025k Hz三种采样频率，其中44.1 k Hz的采样频率足以还原人所能听到的任何声音频率。一般来讲，采样频率越高，声音失真越小，但用于存储音频的数据量也越大。

●量化数据位数（也称量化级）是指每一个采样点能够表示的数据范围，经常采用的有8位、12位和16位。例如，8位量化级表示每个采样点可以表示256个（0～255）不同的量化值，而16位量化则可表示65536个不同的量化值。量化级的大小决定了声音的动态范围，16位的量化级可以还原人可感受的声音范围。同样，量化位数越高音质越好，数据量也越大。

反映音频数字化质量的另一个因素是通道（或声道）个数。记录声音时，如果每次生成一个声波数据，称为单声道，每次生成两个声波数据，称为立体声（双声道）。立体声更能反映人的听觉感受。

对声音的采样可以使用不同的采样率、量化级和声道，但实际上经常要在波形文件的大小和声音回放质量之间进行权衡。

（2）MIDI音频。MID是音乐设备数字接口（M usical Instrument Digital Interface）的英文简写。MIDI是一种国际通用的标准接口，是电子乐器之间以及电子乐器与计算机之间进行交流的标准协议。从广义上可以将其理解为电子音乐合成器，是计算机音乐的统称，包括协议、设备等相关的技术。通常所说的MIDI是指一种计算机音乐的文件格式。

MIDI文件与波形文件不同，并不记录反映乐曲声音变化的声音信息，而是记录音乐节奏、位置、力度、持续时间等发音命令，所以MIDI文件本身并不是音乐，而是发音命令，是一些简单的描述性信息。

处理MID信息需要MID设备，这些设备包括MIDI端口、MIDI文件、MIDI音序器、MIDI合成器、MIDI键盘等。其中MID文件是记录、存储MIDI信息的标准格式文件，包括音符、定时、通道选择指示等二进制编码数据。MID音序器的作用是记录、编辑、播放MIDI文件，实现这些功能可以通过硬件或软件的方式，由于硬件设备价格昂贵，目前多采用软件方式。MIDI合成器是一种电子设备，可将数字声音文件转换成模拟信号，再通过扬声器产生声音。计算机中使用的合成器一般都安装在声卡上。

既然MIDI文件只是对乐曲播放的描述，本身并不包含任何可供播放的声音信息，那么一首首动听的计算机音乐又是如何被播放出来的呢？MIDI音乐播放的原理是这样的，当需要播放MIDI时，计算机将指令发给声卡，声卡按照指令将MIDI信息重新合成起来。所以，MIDI的播放效果取决于用户MIDI设备的质量和音色。就声卡而言，最为常见的手段是FM（调频）合成与波表合成。前些年的声卡多采用FM合成方式，它是运用声音振荡的原理对MIDI进行合成处理。而波表合成的原理是将一小段真实的乐器声音或效果声用数字采集的方法录制下来，然后在播放MIDI时再进行修饰、放大、输出。这样就保证了声音的真实性，其效果远远超过FM合成法，目前已被广泛运用。

（3）CD音频。CD音频也是一种数字化声音，一般以16位量化级、44.1kHz采样率的立体声存储，可完全重现原始声音，每片CD唱盘能记录约74分钟这种质量的音乐节目。目前使用的CD-ROM驱动器不仅可以读取CD-ROM盘的信息，还能播放数字CD唱盘（CD-DA格式），这样多媒体计算机就能够利用已经非常成熟的数字音响技术来获得高质量的CD音频。

在多媒体计算机上输出CD音频信号一般有两种方法：一种是通过CD-ROM驱动器前端的耳机插孔输出，另一种是使用连线连接声卡，放大后由扬声器输出。前者的输出音质不受声卡质量的影响，但不能使用声卡的混声功能。而后者虽然可以与波形或MIDI音频进行混音输出，但声卡的放大功率比较小，通常需要有源扬声器或配置外部声音放大器来获得足够的音量。

2.音频文件的常见格式

在音频处理中，经常会遇到各式各样的文件格式，其来源、功能、特点、适用的领域各不相同。下面对一些常用的格式做简要介绍。

（1）WAV。Microsoft公司的音频文件格式，来源于对声音模拟波形的采样，属于波形文件。用不同的采样频率对声音的模拟波形进行采样可以得到一系列离散的采样点，以不同的量化位数（8位或16位）把这些采样点的值转换成二进制数，就产生了声音的WAV文件，即波形文件。这种文件的数据是不经过压缩而直接对声音波形进行采样记录的数据，其最大优点就是音质非常好，但缺点是文件非常大。

（2）MP3。全称为MPEG-1 AudioLayer3，属于波形文件。此种数据文件采用了有损压缩的方法，利用了声学编码技术，结合人的听觉原理，使用先进的算法，从而达到高压缩比的目的。MP3的文件有体积小、音质接近CD、制作简单、便于交换等一系列的优点，因此在网络和袖珍MP3播放机领域大为流行。

（3）RA。全称为RealAudio，是由Real Networks公司开发的一种基于流媒体技术的网络实时传输格式，属于波形文件。其特点在于可以边浏览边下载数据，而不需要下载完毕后才可以播放。RA格式的压缩比也非常高，但音质较差，这种格式被广泛用于网络广播。

（4）WMA。全称为Windows Media Audio，是Microsoft公司的产品，属于波形文件。它也是一种基于流媒体技术、适合网络传输的音频数据格式。该格式的压缩比也很高，同时还能保持一定的音质效果。WMA格式的优势在于它是一种可制作版权保护的格式，甚至可以限制播放次数、播放机器、播放时间等。

（5）MIDI。是目前成熟的音乐格式之一，全称为M usical Instrument Digital Interface（音乐设备数字接口）。其作用是让电子乐器之间、电子乐器和电脑之间通过一种通用的MIDI 通信协议进行通信，从而方便作曲、编曲等操作。MIDI文件中包含音符定时和多达16个通道的乐器定义，每个音符包括通道号持续时间、音量和力度等信息。所以MIDI文件记录的不是乐曲本身，而是一些描述乐曲演奏过程中的指令。它最大的特点就是文件非常小。(www.chuimin.cn)

（6）CDAudio（CDA）。音乐CD，扩展名为CDA是CD唱片采用的格式，记录的是波形流，音质效果很好。但缺点是无法编辑，文件太大。

另外在音频处理中，还有一些音频文件格式会遇到。例如，VOC文件（Creative公司波形音频文件格式，也是声霸卡使用的音频文件格式）、CMF文件（Creative公司的专用音乐格式，专用于FM声卡）、MOD文件（一种保存乐谱、乐曲的文件格式）、AIF文件（Apple计算机的音频文件格式）等。

（二）音频文件的采集技术

波形音频是通过模拟音频数字化的方式获得的。数字化的方法很简单，通常以麦克风、录音机或CD唱盘等设备作为声音信号输入源，计算机通过声卡设备，运行采集程序，以一定的采样频率和量化级对输入声音进行数字化采样，将其从模拟声音信号转换为数字信号，然后以适当的格式记录下来。

MIDI音乐的获取有多种途径，例如可以通过声卡采集MIDI设备演奏的MIDI音乐，通过专用的MIDI音序器软件（Cakewalk）创作音乐，通过转换软件将其他形式的音乐转换成MIDI音乐等。

1.通过网络下载音频素材

当前，网络信息相当丰富，其中有各式各样的音频素材库，一般情况下，通过搜索，然后利用下载工具下载符合自己需要的音频素材。

2.通过“录制”采集音频素材

（1）Windows自带的录音机录制音频素材。

步骤：在录制之前，请将声卡和麦克风等硬件设备安装好，然后单击任务栏“开始”→“程序”→“附件”→“录音机”，打开录音机对话框，单击红点开始录音。这个默认只能录一分钟，如果要录制超过一分钟的音频，还要等录完一分钟后再单击录制按钮才能录制，很不方便。保存格式也只能是WAV格式。

（2）通过软件录制音频素材。目前，录制音频素材的软件很多，Gold Wave、Sound Forge、Cool Edit Pro、Cakewalk Pro Audio、Wavecn等，这些软件都可以录制音频，使用方便，录制没有时间限制，而且支持各种音频格式。另外，这些软件也可以处理和编辑音频。

（3）通过软件编辑和创作音频素材。前面讲过，音频编辑软件很多，在此，仅仅以Cool Edit Pro和Cakewalk Pro Audio两个软件为例，简要介绍音频编辑软件的使用特点。

●Cool Edit Pro：Cool Edit Pro是syntrillium公司出品的一个非常出色的数字音乐编辑器制作软件，它能对各种声音进行编辑，也可将各种音频格式进行转换。Cool Edit Pro最大的特点是允许用户同时编辑多达128条音轨，也就是说一次可以对128种声音进行混音。它还提供了40多种声音特效：回声、降低噪声、放大、压缩、和声、延迟、声音均衡等，每一种特效又可以对参数进行不同的设置，这样排列组合便可以产生千变万化的效果了。用户可以同时处理多个文件，在几个文件中轻松地进行剪切、粘贴、合并、重叠等声音操作。Cool Edit Pro除了特效外，还有很多非常方便的功能，诸如自动节拍查找、自动静音检测和删除、录音等功能。

pagenumber_ebook=221,pagenumber_book=212

图7-11　Cool Edit Pro的编辑模式

图7-11所示为Cool Edit Pro两种工作区视图模式：编辑模式和多音轨模式。两种模式可以通过左上角的按钮相互切换。其中，编辑模式是用于对单个声音波形进行录制、裁剪、特效等操作，左边的组织窗口能够很方便地管理文件和添加特效，“文件”标签面板里有当前打开的声音文件，选中某一声音文件双击即可进行波形编辑；“效果”标签面板用于加特效，也是选中后双击生效。多音轨模式是用于将编辑好的各个单独的声音拼接和混音的场合。如果说前面的编辑模式好比对一个个零件单独地加工，那么多音轨模式就是将这些零件拼装起来做成一件产品，操作对象是多个声音文件。Cool Edit Pro最多支持128道音轨，拖曳左侧绿色下拉条可以看到所有的音轨。

●Cakewalk Pro Audio：如Photoshop在图像处理领域中的地位一样，Cakewalk可以说是PC平台上最负盛名的音序器软件。Cakewalk的功能强大，它不仅能够实现MIDI音符的采集、记录和编辑，还具备较强的音频处理能力。Cakewalk是一款比较容易上手的专业级软件，它提供了钢琴卷帘窗、五线谱窗和事件列表窗等多个界面友好的编辑窗口，可以很方便地编辑音乐中的每一细节。

如图7-12 Cakewalk Pro Audio主界面所示，Cakewalk可录制多达256个音轨，每条音轨的各项参数均能独立调节，比如音量、音色选择、变调、声像位置、通道、端口等。对于录制过程中所出现的节奏和时值偏差，可以通过量化功能自动修正；运用步进录音的方式更是可以轻松完成高难度演奏技巧的乐句。熟练运用各种后期编辑处理功能不仅能够弥补演奏技巧的缺陷和失误，更能创造出许多意想不到的精彩效果。

pagenumber_ebook=222,pagenumber_book=213

图7-12　Cakewalk Pro Audio

音频格式与采集技术：教育技术学成果

相关推荐