大家都承認(rèn)現(xiàn)在是一個數(shù)碼時代，為了追求優(yōu)良的音質(zhì)很多人不懈地努力。隨著數(shù)碼時代的來臨，誰都承認(rèn)數(shù)碼音頻比模擬信號優(yōu)越。什么是模擬信號？其實任何我們可以聽見的聲音經(jīng)過音頻線或話筒的傳輸都是一系列的模擬信號。模擬信號是我們可以聽見的。而數(shù)字信號就是用一堆數(shù)字記號來記錄聲音，而不是用物理手段來保存信號。（用普通磁帶錄音就是一種物理方式）數(shù)字信號我們實際上是聽不到的。

這樣我們可以簡略地比較一下模擬時代的錄音制作與數(shù)碼時代的區(qū)別：模擬時代是把原始信號以物理方式錄制到磁帶上（當(dāng)然在錄音棚里完成了），然后加工，剪接，修改，錄制到磁帶，LP等廣大聽眾可以欣賞的載體上。這一系列過程全是模擬的，每一步都要損失一些信號，到了聽眾手里自然是差了好遠(yuǎn)，更不用說什么HI-FI了。數(shù)碼時代是步就把原始信號錄成數(shù)碼音頻資料，然后用硬件或軟件進(jìn)行加工處理，這個過程相比模擬方法有無比的優(yōu)越性，因為它幾乎不會有任何損耗。對于機(jī)器來說只是處理一下數(shù)字而已，當(dāng)然丟碼的可能性也有，但只要操作合理就不會發(fā)生。把這堆數(shù)字信號傳輸給數(shù)字記錄設(shè)備如CD等，損耗自然小很多了！
　　如果我們注意一下身邊的CD片就會看到很多CD都有如：ADD，AAD，DDD等標(biāo)記。三個字母各代表該片在錄音，編輯，成品三個過程中所使用的方法是模擬(Analog)的還是數(shù)字(Digital)的。當(dāng)然A代表模擬，D代表數(shù)字。AAD就說明其錄音和編輯是用模擬方式的，而灌片是用數(shù)字方式的，這類唱片多是將過去錄制的音樂轉(zhuǎn)成CD片而不做任何修改。ADD則是有一個修改過程，許多古典音樂大師的演奏或指揮多錄制于模擬時代，我們現(xiàn)在聽到的CD是經(jīng)過修改后罐錄的，很多這類唱片都有標(biāo)記ADD。而DDD的唱片必然是較現(xiàn)代的錄音品。自然，CD片必然以D結(jié)尾，而磁帶可以姑且認(rèn)為是AAA，雖然好像并沒有這種說法。
　　所以說，數(shù)碼音頻是我們保存聲音信號，傳輸聲音信號的一種方式，它的特點是信號不容易損失。而模擬信號是我們可以聽到的東西。不過模擬信號的修改簡直是一場災(zāi)難，損失太大了。有此僻好的格倫?古爾德若活到現(xiàn)在也會瞠目結(jié)舌的。而數(shù)碼音頻復(fù)制100遍也不會有損耗，不信大家COPY一個WAVE文件試試？
　　數(shù)碼錄音關(guān)鍵一步就是要把模擬信號轉(zhuǎn)換為數(shù)碼信號。就電腦而言是把模擬聲音信號錄制成為Wave文件，這個工作Windows自帶的錄音機(jī)也可以做到，但是它的功能十分有限，不能滿足我們的需求，所以我們用其他音頻軟件代替，如SoundForge等。錄制出來的文件就是Wave文件，描述Wave文件主要有兩個指標(biāo)，一個是采樣精度，另一個是比特率。這是數(shù)字音頻制作中十分重要的兩個概念，下面就來看一下吧。
　　什么是采樣精度？因為Wave是數(shù)碼信號，它是用一堆數(shù)字來描述原來的模擬信號，所以它要對原來的模擬信號進(jìn)行分析，我們知道所有的聲音都有其波形，數(shù)碼信號就是在原有的模擬信號波形上每隔一段時間進(jìn)行一次“取點”，賦予每一個點以一個數(shù)值，這就是“采樣”，然后把所有的“點”連起來就可以描述模擬信號了，很明顯，在一定時間內(nèi)取的點越多，描述出來的波形就越，這個尺度我們就稱為“采樣精度”。我們常用的采樣精度是44.1kHz/s。它的意思是每秒取樣44100次，之所以使用這個數(shù)值是因為經(jīng)過了反復(fù)實驗，人們發(fā)現(xiàn)這個采樣精度合適，低于這個值就會有較明顯的損失，而高于這個值人的耳朵已經(jīng)很難分辨，而且增大了數(shù)字音頻所占用的空間。
一般為了達(dá)到“萬分”，我們還會使用48k甚至96k的采樣精度，實際上，96k采樣精度和44.1k采樣精度的區(qū)別不會象44.1k和22k那樣區(qū)別如此之大，我們所使用的CD的采樣標(biāo)準(zhǔn)就是44.1k，目前44.1k還是一個通行的標(biāo)準(zhǔn)，有些人認(rèn)為96k將是未來錄音界的趨勢。采樣精度提高應(yīng)該是一件好事，可有時我也想，我們真的能聽出96k采樣精度制作的音樂與44.1k采樣精度制作的音樂的區(qū)別嗎？普通老百姓家里的音響能放出他們的區(qū)別嗎？
　　比特率是大家常聽說的一個名詞，數(shù)碼錄音一般使用16比特，20比特，24比特制作音樂，什么是“比特”？我們知道聲音有輕有響，影響輕響的物理要素是振幅，作為數(shù)碼錄音，必須也要能表示樂曲的輕響，所以一定要對波形的振幅有一個的描述，“比特”就是這樣一個單位，16比特就是指把波形的振幅劃為216即65536個等級，根據(jù)模擬信號的輕響把它劃分到某個等級中去，就可以用數(shù)字來表示了。和采樣精度一樣，比特率越高，越能細(xì)致地反映樂曲的輕響變化。20比特就可以產(chǎn)生1048576個等級，表現(xiàn)交響樂這類動態(tài)十分大的音樂已經(jīng)沒有什么問題了。剛才提到了一個名詞“動態(tài)”，它其實指的是一首樂曲響和輕的對比能達(dá)到多少，我們也常說“動態(tài)范圍”，單位是dB，而動態(tài)范圍和我們錄音時采用的比特率是緊密結(jié)合在一起的，如果我們使用了一個很低的比特率，那么我們就只有很少的等級可以用來描述音響的強(qiáng)弱，我們當(dāng)然就不能聽到大幅度的強(qiáng)弱對比了。動態(tài)范圍和比特率的關(guān)系是；比特率每增加1比特，動態(tài)范圍就增加6dB。所以假如我們使用1比特錄音，那么我們的動態(tài)范圍就只有6dB，這樣的音樂是不可能聽的。16比特時，動態(tài)范圍是96dB。這可以滿足一般的需求了。20比特時，動態(tài)范圍是120dB，對比再強(qiáng)烈的交響樂都可以應(yīng)付自如了，表現(xiàn)音樂的強(qiáng)弱是綽綽有余了。發(fā)燒級的錄音師還使用24比特，但是和采樣精度一樣，它不會比20比特有很明顯的變化，理論上24比特可以做到144dB的動態(tài)范圍，但實際上是很難達(dá)到的，因為任何設(shè)備都不可避免會產(chǎn)生噪音，至少在現(xiàn)階段24比特很難達(dá)到其預(yù)期效果。
　　音頻處理
　　一、音頻媒體的數(shù)字化處理
　　隨著計算機(jī)技術(shù)的發(fā)展，特別是海量存儲設(shè)備和大容量內(nèi)存在ＰＣ機(jī)上的實現(xiàn)，對音頻媒體進(jìn)行數(shù)字化處理便成為可能。數(shù)字化處理的核心是對音頻信息的采樣，通過對采集到的樣本進(jìn)行加工，達(dá)成各種效果，這是音頻媒體數(shù)字化處理的基本含義。
　　二、音頻媒體的基本處理
　　基本的音頻數(shù)字化處理包括以下幾種：
　　不同采樣率、頻率、通道數(shù)之間的變換和轉(zhuǎn)換。其中變換只是簡單地將其視為另一種格式，而轉(zhuǎn)換通過重采樣來進(jìn)行，其中還可以根據(jù)需要采用插值算法以補(bǔ)償失真。
　　針對音頻數(shù)據(jù)本身進(jìn)行的各種變換，如淡入、淡出、音量調(diào)節(jié)等。
　　通過數(shù)字濾波算法進(jìn)行的變換，如高通、低通濾波器。
　　三、音頻媒體的三維化處理
　　長期以來，計算機(jī)的研究者們一直低估了聲音對人類在信息處理中的作用。當(dāng)虛擬技術(shù)不斷發(fā)展之時，人們就不再滿足單調(diào)平面的聲音，而更催向于具有空間感的三維聲音效果。聽覺通道可以與視覺通道同時工作，所以聲音的三維化處理不僅可以表達(dá)出聲音的空間信息，而且與視覺信息的多通道的結(jié)合可以創(chuàng)造出極為逼真的虛擬空間，這在未來的多媒體系統(tǒng)中是極為重要的。這也是在媒體處理方面的重要措施。
人類感知聲源的位置的基本的理論是雙工理論，這種理論基于兩種因素：兩耳間聲音的到達(dá)時間差和兩耳間聲音的強(qiáng)度差。時間差是由于距離的原因造成，當(dāng)聲音從正面?zhèn)鱽恚嚯x相等，所以沒有時間差，但若偏右三度則到達(dá)右耳的時間就要比左耳約少三十微秒，而正是這三十微秒，使得我們辨別出了聲源的位置。強(qiáng)度差是由于信號的衰減造成，信號的衰減是因為距離而自然產(chǎn)生的，或是因為人的頭部遮擋，使聲音衰減，產(chǎn)生了強(qiáng)度的差別，使得靠近聲源一側(cè)的耳朵聽到的聲音強(qiáng)度要大于另一耳。
　　基于雙工理論，同樣地，只要把一個普通的雙聲道音頻在兩個聲道之間進(jìn)行相互混合，便可以使普通雙聲道聲音聽起來具有三維音場的效果。這涉及到以下有關(guān)音場的兩個概念：音場的寬度和深度。
　　音場的寬度利用時間差的原理完成，由于現(xiàn)在是對普通立體聲音頻進(jìn)行擴(kuò)展，所以音源的位置始終在音場的中間不變，這樣就簡化了我們的工作。要處理的就只有把兩個聲道的聲音進(jìn)行適當(dāng)?shù)难訒r和強(qiáng)度減弱后相互混合。由于這樣的擴(kuò)展是有局限性的，即延時不能太長，否則就會變?yōu)榛匾簟?br>　　音場的深度利用強(qiáng)度差的原理完成，具體的表現(xiàn)形式是回聲．音場越深，則回音的延時就越長．所以在回音的設(shè)置中應(yīng)至少提供三個參數(shù)：回音的衰減率、回音的深度和回音之間的延時。同時，還應(yīng)該提供用于設(shè)置另一通道混進(jìn)來的聲音深度的多少的選項。音頻屬性與音頻處理