关于音频的编解码

longsteg

将模拟的音频信号转换为数字化的信息进行传输或文件保存的过程种，涉及到音频的编码（encode）和解码（decode），统称codecs。

我们常见的音频codec算法，或编解码格式，可大体上分为以下两种：
1、speech codecs：对象是人声，人声的频率范围通常在几百HZ到几KHZ之间，所以在电讯时代，一般取到4K就够了，这也是PCM采样率为8KHZ的原因；这类codec，描述的不是音频本身的物理信号特征，而是将人的发声系统进行模型化/建模后，人声基于该模型下的模型参数，因此数据量降低，通常可以做到几Kbps的编码率就可以获得比较好的人声复原效果，这在2G时代，与窄带信道的信道容量也是相匹配和适应的；常见的codec有：CELP、AMBE、AMR等
2、audio codec：对象是人耳可以听到的声音信号，人能听到的频率范围为20HZ到20KHZ左右，比人声的频率范围大很多，所以这类codec的采样频率一般大都为44.10KHZ，比如CD（印象里的记忆）；加上为了满足人的耳欲，所以采样的精度也有较高要求，因此这类codec在即使采用了很好的信息压缩算法后，仍维持比较高的编码率，通常从几十K到几百K不等；如：WAV、AAC、WMA、MP3等

对于speech codecs，一般是将人声encode后，作为无线链路的负载，进行实时传递。
而audio codec，一般用于将音乐encode后，存储到文件，以文件作为信息载体进行共享。