音視頻中，這樣幾個(gè)名詞你需要知道:

（1） 采樣率（samplerate）

采樣就是對(duì)一個(gè)模擬信號(hào)每過(guò)一段時(shí)間取一個(gè)值，采樣的根據(jù)是根據(jù)采樣定理確定的，即采樣信號(hào)的最小頻率不小于被采樣信號(hào)帶寬的二倍，否則有原信號(hào)就會(huì)有所丟失，不再能還原成原來(lái)的號(hào)，一般采樣信號(hào)要比被采樣信號(hào)的帶寬大，如間頻信號(hào)的帶寬是20KHZ，實(shí)際采樣頻率則為44.1KHZ.采樣就是把模擬信號(hào)數(shù)字化的過(guò)程，不僅僅是音頻需要采樣，所有的模擬信號(hào)都需要通過(guò)采樣轉(zhuǎn)換為可以用0101來(lái)表示的數(shù)字信號(hào)，示意圖如下所示：

藍(lán)色代表模擬音頻信號(hào)，紅色的點(diǎn)代表采樣得到的量化數(shù)值。

采樣頻率越高，紅色的間隔就越密集，記錄這一段音頻信號(hào)所用的數(shù)據(jù)量就越大，同時(shí)音頻質(zhì)量也就越高。

根據(jù)奈奎斯特理論，采樣頻率只要不低于音頻信號(hào)最高頻率的兩倍，就可以無(wú)損失地還原原始的聲音。

通常人耳能聽(tīng)到頻率范圍大約在20Hz～20kHz之間的聲音，為了保證聲音不失真，采樣頻率應(yīng)在40kHz以上。常用的音頻采樣頻率有：8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz、96kHz、192kHz等。

（2） 量化精度（位寬）

上圖中，每一個(gè)紅色的采樣點(diǎn)，都需要用一個(gè)數(shù)值來(lái)表示大小，這個(gè)數(shù)值的數(shù)據(jù)類(lèi)型大小可以是：4bit、8bit、16bit、32bit等等，位數(shù)越多，表示得就越精細(xì)，聲音質(zhì)量自然就越好，當(dāng)然，數(shù)據(jù)量也會(huì)成倍增大。

常見(jiàn)的位寬是：8bit 或者 16bit

（3） 聲道數(shù)（channels）

由于音頻的采集和播放是可以疊加的，因此，可以同時(shí)從多個(gè)音頻源采集聲音，并分別輸出到不同的揚(yáng)聲器，故聲道數(shù)一般表示聲音錄制時(shí)的音源數(shù)量或回放時(shí)相應(yīng)的揚(yáng)聲器數(shù)量。

單聲道（Mono）和雙聲道（Stereo）比較常見(jiàn)，顧名思義，前者的聲道數(shù)為1，后者為2

（4） 音頻幀（frame）

這個(gè)概念在應(yīng)用開(kāi)發(fā)中非常重要，網(wǎng)上很多文章都沒(méi)有專(zhuān)門(mén)介紹這個(gè)概念。

音頻跟視頻很不一樣，視頻每一幀就是一張圖像，而從上面的正玄波可以看出，音頻數(shù)據(jù)是流式的，本身沒(méi)有明確的一幀幀的概念，在實(shí)際的應(yīng)用中，為了音頻算法處理/傳輸?shù)姆奖?，一般約定俗成取2.5ms~60ms為單位的數(shù)據(jù)量為一幀音頻。

這個(gè)時(shí)間被稱(chēng)之為“采樣時(shí)間”，其長(zhǎng)度沒(méi)有特別的標(biāo)準(zhǔn)，它是根據(jù)編解碼器和具體應(yīng)用的需求來(lái)決定的，我們可以計(jì)算一下一幀音頻幀的大?。?/span>

假設(shè)某通道的音頻信號(hào)是采樣率為8kHz，位寬為16bit，20ms一幀，雙通道，則一幀音頻數(shù)據(jù)的大小為：

int size = 8000 x 16bit x 0.02s x 2 = 5120 bit = 640 byte