第3章 音频/视频的处理与制作
数字音频信号是多媒体技术经常采用的一种形式，它的主要表现形式是语音、自然声和音乐。通过这些媒介，能够有力地烘托主题的气氛，尤其对于学习型多媒体系统和多媒体广告、视频特技等领域，数字音频信号显得更加重要。
数字音频信号的处理主要表现在数据采样和编辑加工两个方面。其中，数据采样的作用是把自然声转换成计算机能够处理的数据音频信号；对数字音频信号的编辑加工，则主要表现在剪辑、合成、静音、增加混响、调整频率等方面。
3.1 音频基础知识
声音是振动的波，是随时间连续变化的物理量。声音有三个重要指标。
（1）振幅（Amplitude）。波的高低幅度，表示声音的强弱。
（2）周期（Period）。两个相邻波之间的间隔时间长度。
（3）频率（Frequency）。每秒钟振动的次数，以赫兹为单位。
3.1.1 音频信号的特征
1.声音的传播方向
声音依靠介质的振动进行传播。声源实际上是一个振动源，它使周围的介质（空气、液体、固体）产生振动，并以波的形式进行传播，人耳如果感觉到这种传播过来的振动，再反应到大脑，就意味着听到了声音。
声音以振动波的形式从声源向四周传播，人类在辨别声源位置时，首先依靠声音到达左、右两耳的微小时间差和强度差异进行辨别，然后经过大脑综合分析而判断出声音来自何方。从声源直接到达人类听觉器官的声音称为“直达声”，直达声的方向辨别最容易。
在现实生活中，森林、建筑、各种地貌和景物存在于我们周围，声音从声源发出后，须经过多次反射才能被人们听到，这就是“反射声”。就理论而言，反射声会影响方向的准确辨别，但实际上，反射声不会使人丧失方向感，起关键作用的是大脑的综合分析能力。经过大脑的分析，不仅可以辨别声音的来源，还能丰富声音的层次，感觉声音的厚度和空间效果。
2.声音的三要素
声音的三要素是音调、音色和音强。就听觉特性而言，这三者决定了声音的质量。
（1）音调代表了声音的高低。音调与频率有关，频率越高，音调越高，反之亦然。当人们提高唱盘的转速时，声音频率提高，音调也提高。当使用音频处理软件对声音进行处理时，频率的改变可造成音调的改变。如果改变了声源特定的音调，则声音会发生质的转变。
（2）音色是具有特色的声音。声音分纯音和复音两种类型。纯音是指振幅和周期均为常数的声音；复音则是具有不同频率和振幅的混合音。大自然中的声音大部分是复音，复音中的低频音是“基音”，它是声音的基调。其他频率音称为“谐音”，也称为“泛音”。各种声源都有自己独特的音色，如各种乐器、不同的人、各种生物等，人们根据音色辨别声源种类。
（3）音强指声音的强度，也称为“响度”。“音量”也是指音强。音强与声波的振幅成正比，振幅越大，强度越大。CD音乐盘、MP3音乐及其他形式的声音强度是一定的，可以通过播放设备的音量控制改变聆听的响度。使用音频处理软件可以改变声源的音强。
3.声音的频谱与质量
声音的频谱有线性频谱和连续频谱之分。线性频谱是具有周期性的单一频率声波；连续频谱是具有非周期性的带有一定频带所有频率分量的声波。纯粹的单一频率的声波只能在专门的设备中创造出来，声音效果单调而乏味。自然界中的声音几乎全部属于非周期性声波，这种声波具有广泛的频率分量，听起来声音饱满、音色多样且富有生气。
声音的质量简称“音质”，音质的好坏与音色和频率范围有关。悦耳的音色、宽广的频率范围，能够获得非常好的音质。
4.声音的连续时基性
声音在时间轴上是连续信号，具有连续性和过程性，属于连续时基性媒体形式。构成声音的数据前后之间具有强烈的相关性。除此之外，声音还具有实时性，对处理声音的硬件和软件提出了很高的要求。
3.1.2 音频信号的指标
（1）频带宽度。音频信号的频带越宽，所包含的音频信号分量越丰富，音质越好。
（2）动态范围。动态范围越大，信号强度的相对变化范围越大，音响效果越好。
（3）信噪比。信噪比（Signal to Noise Ratio，SNR）是有用信号的平均功率与噪声的平均功率之比的简称，即
信噪比越大，声音质量越好。
（4）主观度量法。人的感觉机理对声音的度量最有决定意义。感觉上的、主观上的测试是评价声音质量不可缺少的部分。当然，可靠的主观度量值是较难获得的。
3.1.3 常见音频文件格式
（1）WAVE，扩展名为.wav。该格式记录声音的波形，故只要采样率高、采样字节长、机器速度快，利用该格式记录的声音文件就能够和原声基本一致，质量非常高，但这样做的代价是文件太大。
（2）MOD，扩展名为.mod、.st3、.xt、.s3m、.far、.669等。该格式的文件里存放乐谱和乐曲使用的各种音色样本，具有回放效果明确、音色种类无限等优点。但它也有一些致命弱点，以至于现在已经逐渐被淘汰，目前只有MOD迷及一些游戏程序中尚在使用。
（3）MPEG-3，扩展名为.mp3。现在最流行的声音文件格式，因其压缩率大，在网络可视电话通信方面应用广泛，但和CD唱片相比，音质不能令人非常满意。
（4）Real Audio，扩展名为.ra。这种格式真可谓是网络的灵魂，强大的压缩量和极小的失真使其在众多格式中脱颖而出。和 MP3 相同，它也是为了解决网络传输带宽资源而设计的，因此其主要目标是压缩比和容错性，其次才是音质。
（5）Creative Musical Format，扩展名为.cmf。Creative公司的专用音乐格式，它和MIDI差不多，只是音色、效果上有些特色，专用于FM声卡，但其兼容性很差。
（6）CD Audio，扩展名为.cda。唱片采用的格式，又称为“红皮书”格式，记录的是波形流。其缺点是无法编辑，文件太大。
（7）MIDI，扩展名为.mid。目前最成熟的音乐格式，实际上已经成为一种产业标准，其科学性、兼容性、复杂程度等各方面远远超过本文前面介绍的所有标准（除交响乐CD、Unplug CD外，其他CD往往都是利用MIDI制作出来的），它的General MIDI是最常见的通行标准。作为音乐工业的数据通信标准，MIDI 能指挥各音乐设备的运转，而且具有统一的标准格式，能够模仿原始乐器的各种演奏技巧甚至实现无法演奏的效果，而且文件的长度非常小。
总之，如果有专业的音源设备，那么同一首曲子的HIFI程度依次是：原声乐器演奏＞MIDI＞CD唱片＞MOD＞声卡上的MIDI＞CMF，而MP3及RA，则要看它的节目源是采用MIDI、CD还是MOD了。