FFmpeg 基礎庫（二）音頻格式

1.2.1 常見格式

常見的音頻格式有： CD 格式、 WAVE（ *.WAV）、 AIFF、 AU、 MP3、 MIDI、 WMA、 RealAudio、 VQF、 OggVorbis、

AAC、 APE。

CD

CD 格式的音質是比較高的音頻格式。因此要講音頻格式， CD 自然是打頭陣的先鋒。在大多數播放軟件的“打

開文件類型”中，都可以看到*.cda 格式，這就是 CD 音軌了。標準 CD 格式也就是 44.1K 的采樣頻率，速率 88K/

秒， 16 位量化位數，因為 CD 音軌可以說是近似無損的，因此它的聲音基本上是忠于原聲的，因此如果你是一個音

響發(fā)燒友的話， CD 是你的首選。它會讓你感受到天籟之音。 CD 光盤可以在 CD 唱機中播放，也能用電腦里的各種

播放軟件來重放。一個 CD 音頻文件是一個*.cda 文件，這只是一個索引信息，并不是真正的包含聲音信息，所以不

論 CD 音樂的長短，在電腦上看到的“ .cda 文件”都是 44 字節(jié)長。注意：不能直接的復制 CD 格式的.cda 文件到

硬盤上播放，需要使用象 EAC 這樣的抓音軌軟件把 CD 格式的文件轉換成 WAV，這個轉換過程如果光盤驅動器質

量過關而且 EAC 的參數設置得當的話，可以說是基本上無損抓音頻。推薦大家使用這種方法。

WAVE

WAVE（ *.WAV）是微軟公司開發(fā)的一種聲音文件格式，它符合 PIFFResource Interchange File Format 文件規(guī)范，

用于保存 WINDOWS 平臺的音頻信息資源，被 WINDOWS 平臺及其應用程序所支持。“ *.WAV”格式支持

MSADPCM、 CCITT A LAW 等多種壓縮算法，支持多種音頻位數、采樣頻率和聲道，標準格式的 WAV 文件和 CD

格式一樣，也是 44.1K 的采樣頻率，速率 88K/秒， 16 位量化位數，看到了吧， WAV 格式的聲音文件質量和 CD 相

差無幾，也是目前 PC 機上廣為流行的聲音文件格式，幾乎所有的音頻編輯軟件都“認識” WAV 格式。

AIFF

AIFF（ Audio Interchange File Format）格式和 AU 格式，它們都和 WAV 非常相像，在大多數的音頻編輯軟件中

也都支持它們這幾種常見的音樂格式。

AIFF 是音頻交換文件格式的英文縮寫。是 APPLE 公司開發(fā)的一種音頻文件格式，被 MACINTOSH 平臺及其應

用程序所支持， NETSCAPE 瀏覽器中 LIVEAUDIO 也支持 AIFF 格式。所以大家都不常見。 AIFF 是 Apple 蘋果電腦

上面的標準音頻格式，屬于 QuickTime 技術的一部分。這一格式的特點就是格式本身與數據的意義無關，因此受到

了 Microsoft 的青睞，并據此搞出來 WAV 格式。 AIFF 雖然是一種很優(yōu)秀的文件格式，但由于它是蘋果電腦上的格

式，因此在 PC 平臺上并沒有得到很大的流行。不過由于 Apple 電腦多用于多媒體制作出版行業(yè)，因此幾乎所有的

音頻編輯軟件和播放軟件都或多或少地支持 AIFF 格式。只要蘋果電腦還在， AIFF 就始終還占有一席之地。由于

AIFF 的包容特性，所以它支持許多壓縮技術。

AU

AUDIO 文件是 SUN 公司推出的一種數字音頻格式。 AU 文件原先是 UNIX 操作系統(tǒng)下的數字聲音文件。由于

早期 INTERNET 上的 WEB 服務器主要是基于 UNIX 的，所以， AU 格式的文件在如今的 INTERNET 中也是常用的

聲音文件格式。

MPEG

MPEG 是動態(tài)圖象專家組的英文縮寫。這個專家組始建于 1988 年，專門負責為 CD 建立視頻和音頻壓縮標準。

MPEG 音頻文件指的是 MPEG 標準中的聲音部分即 MPEG 音頻層。目前 INTERNET 上的音樂格式以 MP3 最為常

見。雖然它是一種有損壓縮，但是它的最大優(yōu)勢是以極小的聲音失真換來了較高的壓縮比。 MPEG 含有格式包括：

MPEG-1、 MPEG-2、 MPEG-Layer3、 MPEG-4

MP3

MP3 格式誕生于八十年代的德國，所謂的 MP3 也就是指的是 MPEG 標準中的音頻部分，也就是 MPEG 音頻層。

根據壓縮質量和編碼處理的不同分為 3 層，分別對應“ .mp1”/“ .mp2” /“ *.mp3”這 3 種聲音文件。需要提醒大

家注意的地方是： MPEG 音頻文件的壓縮是一種有損壓縮， MPEG3 音頻編碼具有 10： 1~12： 1 的高壓縮率，同時

基本保持低音頻部分不失真，但是犧牲了聲音文件中 12KHz 到 16KHz 高音頻這部分的質量來換取文件的尺寸，相《

同長度的音樂文件，用.mp3 格式來儲存，一般只有.wav 文件的 1/10，而音質要次于 CD 格式或 WAV 格式的聲音

文件。由于其文件尺寸小，音質好；所以在它問世之初還沒有什么別的音頻格式可以與之匹敵，因而為*.mp3 格式

的發(fā)展提供了良好的條件。直到現在，這種格式還是風靡一時，作為主流音頻格式的地位難以被撼動。但是樹大招

風， MP3 音樂的版權問題也一直是找不到辦法解決，因為 MP3 沒有版權保護技術，說白了也就是誰都可以用。

MP3 格式壓縮音樂的采樣頻率有很多種，可以用 64Kbps 或更低的采樣頻率節(jié)省空間，也可以用 320Kbps 的標

準達到極高的音質。用裝有 Fraunhofer IIS Mpeg Lyaer3 的 MP3 編碼器（現在效果最好的編碼器）MusicMatch

Jukebox

6.0 在 128Kbps 的頻率下編碼一首 3 分鐘的歌曲，得到 2.82MB 的 MP3 文件。采用缺省的 CBR（固定采樣頻率）技

術可以以固定的頻率采樣一首歌曲，而 VBR（可變采樣頻率）則可以在音樂“忙”的時候加大采樣的頻率獲取更高

的音質，不過產生的 MP3 文件可能在某些播放器上無法播放。把 VBR 的級別設定成為與前面的 CBR 文件的音質

基本一樣，生成的 VBR MP3 文件為 2.9MB。

MP3 是到 2008 年止使用用戶最多的有損壓縮數字音頻格式了。它的全稱是 MPEG(MPEG：

MovingPictureExpertsGroup)AudioLayer-3，剛出現時它的編碼技術并不完善，它更像一個編碼標準框架，留待人們

去完善。早期的 MP3 編碼采用的的是固定編碼率的方式（ CBR），看到的 128KBPS，就是代表它是以 128KBPS 固

定數據速率編碼——你可以提高這個編碼率，最高可以到 320KBPS，音質會更好，自然，文件的體積會相應增大。

因為 MP3 的編碼方式是開放的，可以在這個標準框架的基礎上自己選擇不同的聲學原理進行壓縮處理，所以，

很快由 Xing 公司推出可變編碼率的壓縮方式（ VBR）。它的原理就是利用將一首歌的復雜部分用高 bitrate 編碼，簡

單部分用低 bitrate 編碼，通過這種方式，進一步取得質量和體積的統(tǒng)一。當然，早期的 Xing 編碼器的 VBR 算法很

差，音質與 CBR（固定碼率）相去甚遠。但是，這種算法指明了一種方向，其他開發(fā)者紛紛推出自己的 VBR 算法，

使得效果一直在改進。目前公認比較好的首推 LAME，它完美地實現了 VBR 算法，而且它是是完全免費的軟件，

并且由愛好者組成的開發(fā)團隊一直在不斷的發(fā)展完善。

而在 VBR 的基礎上， LAME 更加發(fā)展出 ABR 算法。 ABR（ AverageBitrate）平均比特率，是 VBR 的一種插值

參數。 LAME 針對 CBR 不佳的文件體積比和 VBR 生成文件大小不定的特點獨創(chuàng)了這種編碼模式。 ABR 在指定的

文件大小內，以每 50 幀（ 30 幀約 1 秒）為一段，低頻和不敏感頻率使用相對低的流量，高頻和大動態(tài)表現時使用

高流量，可以做為 VBR 和 CBR 的一種折衷選擇。

MP3 問世不久，就憑這較高的壓縮比 12:1 和較好的音質創(chuàng)造了一個全新的音樂領域，然而 MP3 的開放性卻最

終不可避免的導致了版權之爭，在這樣的背景之下，文件更小，音質更佳，同時還能有效保護版權的 MP4 就應運

而生了。 MP3 和 MP4 之間其實并沒有必然的聯系，首先 MP3 是一種音頻壓縮的國際技術標準，而 MP4 卻是一個

商標的名稱。

MPEG-4

MPEG-4 標準是由國際運動圖像專家組于 2000 年 10 月公布的一種面向多媒體應用的視頻壓縮標準。它采用了

基于對象的壓縮編碼技術，在編碼前首先對視頻序列進行分析，從原始圖像中分割出各個視頻對象，然后再分別對

每個視頻對象的形狀信息、運動信息、紋理信息單獨編碼，并通過比 MPEG-2 更優(yōu)的運動預測和運動補償來去除連

續(xù)幀之間的時間冗余。其核心是基于內容的尺度可變性(Content-basedscalability)，可以對圖像中各個對象分配優(yōu)先

級，對比較重要的對象用高的空間和時間分辨率表示，對不甚重要的對象(如監(jiān)控系統(tǒng)的背景)以較低的分辨率表示，

甚至不顯示。因此它具有自適應調配資源能力，可以實現高質量低速率的圖像通信和視頻傳輸。 MPEG-4 以其高質

量、低傳輸速率等優(yōu)點已經被廣泛應用到網絡多媒體、視頻會議和多媒體監(jiān)控等圖像傳輸系統(tǒng)中。中國內外大部分

成熟的 MPEG-4 應用均為基于 PC 層面的客戶端和服務器模式，應用在嵌入式系統(tǒng)上的并不多，且多數嵌入式

MPEG-4 解碼系統(tǒng)大多使用商業(yè)的嵌入式操作系統(tǒng)，如 WindowsCE、 VxWorks 等，成本高、靈活性差。如以嵌入式

Linux 作為操作系統(tǒng)不僅開發(fā)方便，且可以節(jié)約成本，并可以根據實際情況進行裁減，占用資源少、靈活性強，網

絡性能好，適用范圍更廣。

MIDI

MIDI（ Musical Instrument Digital Interface）格式被經常玩音樂的人使用， MIDI 允許數字合成器和其他設備交

換數據。 MID 文件格式由 MIDI 繼承而來。 MID 文件并不是一段錄制好的聲音，而是記錄聲音的信息，然后在告訴

聲卡如何再現音樂的一組指令。這樣一個 MIDI 文件每存 1 分鐘的音樂只用大約 5～10KB。 MID 文件主要用于原始

樂器作品，流行歌曲的業(yè)余表演，游戲音軌以及電子賀卡等。 .mid 文件重放的效果完全依賴聲卡的檔次。 .mid 格

式的最大用處是在電腦作曲領域。 *.mid 文件可以用作曲軟件寫出，也可以通過聲卡的 MIDI 口把外接音序器演奏的

樂曲輸入電腦里，制成*.mid 文件。

WMA

WMA (Windows Media Audio) 格式是來自于微軟的重量級選手，后臺強硬，音質要強于 MP3 格式，更遠勝于

RA 格式，它和日本 YAMAHA 公司開發(fā)的 VQF 格式一樣，是以減少數據流量但保持音質的方法來達到比 MP3 壓

縮率更高的目的， WMA 的壓縮率一般都可以達到 1： 18 左右， WMA 的另一個優(yōu)點是內容提供商可以通過 DRM

（ Digital Rights Management）方案如 Windows Media Rights Manager 7 加入防拷貝保護。這種內置了版權保護技術

可以限制播放時間和播放次數甚至于播放的機器等等，這對被盜版攪得焦頭亂額的音樂公司來說可是一個福音，另

外 WMA 還支持音頻流(Stream)技術，適合在網絡上在線播放， 作為微軟搶占網絡音樂的開路先鋒可以說是技術領

先、風頭強勁，更方便的是不用象 MP3 那樣需要安裝額外的播放器，而 Windows 操作系統(tǒng)和 Windows Media Player

的無縫捆綁讓你只要安裝了 windows 操作系統(tǒng)就可以直接播放 WMA 音樂，新版本的 Windows Media Player7.0 更是

增加了直接把 CD 光盤轉換為 WMA 聲音格式的功能，在新出品的操作系統(tǒng) Windows XP 中， WMA 是默認的編碼

格式，大家知道 Netscape 的遭遇，現在“狼”又來了。 WMA 這種格式在錄制時可以對音質進行調節(jié)。同一格式，

音質好的可與 CD 媲美，壓縮率較高的可用于網絡廣播。雖然現在網絡上還不是很流行，但是在微軟的大規(guī)模推廣

下已經是得到了越來越多站點的承認和大力支持，在網絡音樂領域中直逼*.mp3，在網絡廣播方面，也正在瓜分 Real

打下的天下。因此，幾乎所有的音頻格式都感受到了 WMA 格式的壓力。

微軟官方宣布的資料中稱 WMA 格式的可保護性極強，甚至可以限定播放機器、播放時間及播放次數，具有相

當的版權保護能力。應該說， WMA 的推出，就是針對 MP3 沒有版權限制的缺點而來——普通用戶可能很歡迎這種

格式，但作為版權擁有者的唱片公司來說，它們更喜歡難以復制拷貝的音樂壓縮技術，而微軟的 WMA 則照顧到了

這些唱片公司的需求。

除了版權保護外， WMA 還在壓縮比上進行了深化，它的目標是在相同音質條件下文件體積可以變的更小（當

然，只在 MP3 低于 192KBPS 碼率的情況下有效，實際上當采用 LAME 算法壓縮 MP3 格式時，高于 192KBPS 時普

遍的反映是 MP3 的音質要好于 WMA）。

RealAudio

RealAudio 主要適用于在網絡上的在線音樂欣賞，現在大多數的用戶仍然在使用 56Kbps 或更低速率的 Modem，

所以典型的回放并非最好的音質。有的下載站點會提示你根據你的 Modem 速率選擇最佳的 Real 文件。 real 的的文

件格式主要有這么幾種：有 RA（ RealAudio）、 RM（ RealMedia， RealAudio G2）、 RMX（ RealAudio Secured），還有

更多。這些格式的特點是可以隨網絡帶寬的不同而改變聲音的質量，在保證大多數人聽到流暢聲音的前提下，令帶

寬較富裕的聽眾獲得較好的音質。

近來隨著網絡帶寬的普遍改善， Real 公司正推出用于網絡廣播的、達到 CD 音質的格式。如果你的 RealPlayer

軟件不能處理這種格式，它就會提醒你下載一個免費的升級包。許多音樂網站 提供了歌曲的 Real 格式的試聽版本。

現在最新的版本是 RealPlayer 9.0，第 39 期《電腦報》也對 RealPlayer 9.0 作了詳細的介紹，這里不再贅述。

VQF

雅馬哈公司另一種格式是*.vqf，它的核心是減少數據流量但保持音質的方法來達到更高的壓縮比， VQF 的音頻

壓縮率比標準的 MPEG 音頻壓縮率高出近一倍，可以達到 18:1 左右甚至更高。也就是說把一首 4 分鐘的歌曲（ WAV

文件）壓成 MP3，大約需要 4MB 左右的硬盤空間，而同一首歌曲，如果使用 VQF 音頻壓縮技術的話，那只需要

2MB 左右的硬盤空間。因此，在音頻壓縮率方面， MP3 和 RA 都不是 VQF 的對手。相同情況下壓縮后 VQF 的文件

體積比 MP3 小 30%～50%，更便利于網上傳播，同時音質極佳，接近 CD 音質(16 位 44.1kHz 立體聲)。可以說技術

上也是很先進的，但是由于宣傳不力，這種格式難有用武之地。 *.vqf 可以用雅馬哈的播放器播放。同時雅馬哈也提

供從.wav 文件轉換到.vqf 文件的軟件。 此文件缺少特點外加缺乏宣傳。

當 VQF以 44KHz、80kbit/s的音頻采樣率壓縮音樂時，它的音質優(yōu)于 44KHz、128kbit/s的 MP3，當 VQF以 44KHz、

96kbit/s 的頻率壓縮時，它的音質幾乎等于 44KHz、 256kbit/s 的 MP3。經 SoundVQ 壓縮后的音頻文件在進行回放效

果試聽時，幾乎沒有人能聽出它與原音頻文件的差異。

VQF 音頻文件個格式

播放 VQF 對計算機的配置要求僅為奔騰 75 或更高，當然如果您用奔騰 100 或以上的機器， VQF 能夠運行得更

加出色。實際上，播放 VQF 對 CPU 的要求僅比 Mp3 高 5～10%左右。

VQF 即 TwinVQ 技術雖然是由 NTT 和 YAMAHA 開發(fā)的，但它們的應用軟件都是免費的。只是 NTT 和 YAMAHA

并沒有公布 VQF 的源代碼。

OggVorbis

OggVorbis 是一種新的音頻壓縮格式，類似于 MP3 等現有的音樂格式。但有一點不同的是，它是完全免費、開

放和沒有專利限制的。 Vorbis 是這種音頻壓縮機制的名字，而 Ogg 則是一個計劃的名字，該計劃意圖設計一個完全

開放性的多媒體系統(tǒng)。目前該計劃只實現了 OggVorbis 這一部分。

OggVorbis 文件的擴展名是*.OGG。這種文件的設計格式是非常先進的。這種文件格式可以不斷地進行大小和

音質的改良，而不影響舊有的編碼器或播放器。

VORBIS 采用有損壓縮，但通過使用更加先進的聲學模型去減少損失，因此，同樣位速率(BitRate)編碼的 OGG

與 MP3 相比聽起來更好一些。另外，還有一個原因， MP3 格式是受專利保護的。如果你想使用 MP3 格式發(fā)布自己

的作品，則需要付給 Fraunhofer（發(fā)明 MP3 的公司）專利使用費。而 VORBIS 就完全沒有這個問題。

對于樂迷來說，使用 OGG 文件的顯著好處是可以用更小的文件獲得優(yōu)越的聲音質量。而且，由于 OGG 是完全

開放和免費的，制作 OGG 文件將不受任何專利限制，可望可以獲得大量的編碼器和播放器。這也是為何現在 MP3

編碼器如此少而且大多是商業(yè)軟件的原因，因為 Fraunhofer 要收取專利使用費。 Vorbis 使用了與 MP3 相比完全不同

的數學原理，因此在壓縮音樂時受到的挑戰(zhàn)也不同。同樣位速率編碼的 Vorbis 和 MP3 文件具有同等的聲音質量。《

Vorbis 具有一個設計良好、靈活的注釋，避免了象 MP3 文件的 ID3 標記那樣煩瑣的操作； Vorbis 還具有位速率縮放：

可以不用重新編碼便可調節(jié)文件的位速率。 Vorbis 文件可以被分成小塊并以樣本粒度進行編輯； Vorbis 支持多通道；

Vorbis 文件可以以邏輯方式相連接等。

AMR

AMR 全稱 Adaptive Multi-Rate，自適應多速率編碼，主要用于移動設備的音頻，壓縮比比較大，但相對其他的

壓縮格式質量比較差，由于多用于人聲，通話，效果還是很不錯的。

分類

1. AMR: 又稱為 AMR-NB，相對于下面的 WB 而言，語音帶寬范圍： 300－3400Hz， 8KHz 抽樣

2. AMR-WB:AMR WideBand，

語音帶寬范圍： 50－7000Hz 16KHz 抽樣

“ AMR-WB”全稱為“ Adaptive Multi-rate - Wideband”，即“自適應多速率寬帶編碼”，采樣頻率為 16kHz，是

一種同時被國際標準化組織 ITU-T 和 3GPP 采用的寬帶語音編碼標準，也稱為 G722.2 標準。 AMR-WB 提供語音帶

寬范圍達到 50～7000Hz，用戶可主觀感受到話音比以前更加自然、舒適和易于分辨。

與之作比較，現在 GSM 用的 EFR(Enhenced Full Rate，增強型全速率編碼)采樣頻率為 8kHz，語音帶寬為 200～

3400Hz。

AMR-WB 應用于窄帶 GSM(全速信道 16k， GMSK)的優(yōu)勢在于其可采用從 6.6kb/s, 8.85kb/s 和 12.65kb/s 三種編

碼，當網絡繁忙時 C/I 惡化，編碼器可以自動調整編碼模式，從而增強 QoS。在這種應用中， AMR-WB 抗擾度優(yōu)于

AMR-NB。

AMR-WB 應用于 EDGE、 3G 可充分體現其優(yōu)勢。足夠的傳輸帶寬保證 AMR-WB 可采用從 6.6kb/s 到 23.85kb/s

共九種編碼，語音質量超越 PSTN 固定電話。

1.2.2 比較

作為數字音樂文件格式的標準， WAV 格式容量過大，因而使用起來很不方便。因此，一般情況下我們把它壓縮

為 MP3 或 WMA 格式。壓縮方法有無損壓縮，有損壓縮，以及混成壓縮。 MPEG,JPEG 就屬于混成壓縮，如果把壓

縮的數據還原回去，數據其實是不一樣的。當然，人耳是無法分辨的。因此，如果把 MP3， OGG 格式從壓縮的狀

態(tài)還原回去的話，就會產生損失。然而， APE 格式即使還原，也能毫無損失地保留原有音質。所以， APE 可以無損

失高音質地壓縮和還原。在完全保持音質的前提下， APE 的壓縮容量有了適當的減小。拿一個最為常見的 38MBWAV

文件為例，壓縮為 APE 格式后為 25MB 左右，比開始足足少了 13MB。而且 MP3 容量越來越大的今天， 25M 的歌

曲已經算不上什么龐然大物了。以 1GB 的 mp3 來說可以放入 4 張 CD，那就是 40 多首歌曲，已經足夠了！

MP3 支持格式有 MP3 和 WMA。 MP3 由于是有損壓縮，因此講求采樣率，一般是 44.1KHZ。另外，還有比特率，

即數據流，一般為 8—320KBPS。在 MP3 編碼時，還看看它是否支持可變比特率（ VBR），現在出的 MP3 機大部分

都支持，這樣可以減小有效文件的體積。 WMA 則是微軟力推的一種音頻格式，相對來說要比 MP3 體積更小。

5G媒體 視頻

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發(fā)現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。