我們平時在互聯網上聽到的聲音，都是先經過錄制后，再傳輸到互聯網上的。比如歌曲、電影、主播等的聲音。
PCM
錄音的原理可以簡單理解為：把聲源的振動記錄下來，需要時再讓某個物體按照記錄下來的振動規律去振動，就會產生與原來一樣的聲音。
如何把聲音（聲源的振動）記錄下來呢？聲音屬於模擬信號，但更便於計算機處理和存儲的是數字信號（二進制編碼），所以需要將模擬信號（Analog Signal）轉成數字信號（Digital Signal）后進行存儲。這一過程，我們可以稱之為：音頻數字化。
將音頻數字化的常見技術方案是脈沖編碼調制（PCM，Pulse Code Modulation），主要過程是：采樣 → 量化 → 編碼。
采樣
模擬信號的波形是無限光滑的，可以看成由無數個點組成，由於存儲空間是相對有限的，數字編碼過程中，必須要對波形的點進行采樣。采樣（Sampling）：每隔一段時間采集一次模擬信號的樣本，是一個在時間上將模擬信號離散化（把連續信號轉換成離散信號）的過程。
采樣率
每秒采集的樣本數量，稱為采樣率（采樣頻率，采樣速率，Sampling Rate）。比如，采樣率44.1kHz表示1秒鍾采集44100個樣本。
采樣定理
根據采樣定理（奈奎斯特–香農采樣定理，Nyquist-Shannon sampling theorem）得知：只有當采樣率高於聲音信號最高頻率的2倍時，才能把采集的聲音信號唯一地還原成原來的聲音。人耳能夠感覺到的最高聲音頻率為20000Hz，因此為了滿足人耳的聽覺要求，需要至少每秒進行40000次采樣（40kHz采樣率）。這就是為什么常見的CD的采樣率為44.1kHz。電話、無線對講機、無線麥克風等的采樣率是8kHZ。
量化
量化（Quantization）：將每一個采樣點的樣本值數字化。
位深度
位深度（采樣精度，采樣大小，Bit Depth）：使用多少個二進制位來存儲一個采樣點的樣本值。位深度越高，表示的振幅越精確。常見的CD采用16bit的位深度，能表示65536（216）個不同的值。DVD使用24bit的位深度，大多數電話設備使用8bit的位深度。
編碼
編碼：將采樣和量化后的數字數據轉成二進制碼流。
其他概念
聲道（Channel）
單聲道產生一組聲波數據，雙聲道（立體聲）產生兩組聲波數據。
采樣率44.1kHZ、位深度16bit的1分鍾立體聲PCM數據有多大？
- 采樣率 * 位深度 * 聲道數 * 時間
- 44100 * 16 * 2 * 60 / 8 ≈ 10.34MB
1分鍾10.34MB，這對於大部分用戶來說是不能接受的。要想在不改變音頻時長的前提下，降低音頻數據的大小，只有2種方法：降低采樣指標、壓縮。降低采樣指標是不可取的，會導致音頻質量下降，用戶體驗變差，因此專家們研發了各種壓縮方案。
比特率
比特率（Bit Rate），指單位時間內傳輸或處理的比特數量，單位是：比特每秒（bit/s或bps），還有：千比特每秒（Kbit/s或Kbps）、兆比特每秒（Mbit/s或Mbps）、吉比特每秒（Gbit/s或Gbps）、太比特每秒（Tbit/s或Tbps）。
采樣率44.1kHZ、位深度16bit的立體聲PCM數據的比特率是多少？
- 采樣率 * 位深度 * 聲道數
- 44100 * 16 * 2 = 1411.2Kbps
通常，采樣率、位深度越高，數字化音頻的質量就越好。從比特率的計算公式可以看得出來：比特率越高，數字化音頻的質量就越好。
信噪比
信噪比（Signal-to-noise ratio，SNR，S/N，訊噪比），指信號與噪聲的比例，用於比較所需信號的強度與背景噪聲的強度，以分貝（dB）為單位。
位深度限制了信噪比的最大值，它們的關系如下表所示。
| 位深度 | 信噪比 |
|---|---|
| 4 | 24.08 |
| 8 | 48.16 |
| 11 | 66.22 |
| 12 | 72.24 |
| 16 | 96.33 |
| 18 | 108.37 |
| 20 | 120.41 |
| 24 | 144.49 |
| 32 | 192.66 |
| 48 | 288.99 |
| 64 | 385.32 |
音頻的編碼與解碼
編碼（Encode）
PCM數據可以理解為是：未經壓縮的原始音頻數據，體積比較大，為了更便於存儲和傳輸，一般都會使用某種音頻編碼對它進行編碼壓縮，然后再存成某種音頻文件格式。
壓縮分為無損壓縮和有損壓縮。
- 無損壓縮
- 解壓后可以完全還原出原始數據
- 壓縮比小，體積大
- 有損壓縮
- 解壓后不能完全還原出原始數據，會丟失一部分信息
- 壓縮比大，體積小
- 壓縮比越大，丟失的信息就越多，還原后的信號失真就會越大
- 一般是通過舍棄原始數據中對人類聽覺不重要的部分，達成壓縮成較小文件的目的
- 壓縮比 = 未壓縮大小 / 壓縮后大小
解碼（Decode）
當需要播放音頻時，得先解碼（解壓縮）出PCM數據，然后再進行播放。
常見的音頻編碼和文件格式
需要注意的是：音頻文件格式並不等於音頻編碼。比如：
-
WAV只是一種文件格式，並不是一種編碼
-
FLAC既是一種文件格式，又是一種編碼
下面對常見的音頻編碼和文件格式做一個簡介，以后有需要時再進行詳細介紹。
| 名稱 | 無損壓縮 | 文件擴展名 |
|---|---|---|
| Monkey's Audio | ✔️ | .ape |
| FLAC（Free Lossless Audio Codec） | ✔️ | .flac |
| ALAC（Apple Lossless Audio Codec） | ✔️ | .m4a/.caf |
| MP3（MPEG Audio Layer III） | ❌ | .mp3 |
| WMA（Windows Media Audio） | ❌ | .wma |
| AAC（Advanced Audio Coding） | ❌ | .acc/.mp4/.m4a |
| Vorbis | ❌ | .ogg |
| Speex | ❌ | .spx |
| Opus | ❌ | .opus |
| Ogg | .ogg | |
| WAV（Waveform Audio File Format） | .wav | |
| AIFF（Audio Interchange File Format） | .aiff、.aif |
無損
Monkey's Audio
Monkey's Audio，是一種無損的音頻編碼和文件格式，文件擴展名為.ape，壓縮率一般在55%左右。
FLAC
FLAC（Free Lossless Audio Codec），是一種無損的音頻編碼和文件格式，文件擴展名為.flac。雖然壓縮率稍有不及Monkey's Audio，但FLAC技術更先進，占用資源更低，有更多的平台及硬件產品支持FLAC。
ALAC
ALAC（Apple Lossless Audio Codec），是由Apple開發的一種無損的音頻編碼，文件擴展名為.m4a、.caf。
有損
MP3
MP3（MPEG Audio Layer III），是非常流行的一種有損音頻編碼和文件格式，文件擴展名為.mp3。
- 第1版是：MPEG-1 Audio Layer III，屬於國際標准ISO/IEC 11172-3
- 第2版是：MPEG-2 Audio Layer III，屬於國際標准ISO/IEC 13818-3
- 第3版是：MPEG-2.5 Audio Layer III，並不是由MPEG官方開發的，不是公認的標准
WMA
WMA（Windows Media Audio），是由Microsoft開發的音頻編碼和文件格式，文件擴展名為.wma。包括4種類型：
- WMA：原始的WMA編解碼器，作為MP3的競爭者，屬於有損音頻編碼
- WMA Pro：支持更多聲道和更高質量的音頻，屬於有損音頻編碼
- WMA Lossless：屬於無損音頻編碼
- WMA Voice：屬於有損音頻編碼
AAC
AAC（Advanced Audio Coding），是由Fraunhofer IIS、杜比實驗室、AT&T、Sony、Nokia等公司共同開發的有損音頻編碼和文件格式，壓縮比通常為18:1。
AAC被設計為MP3格式的后繼產品，通常在相同的比特率下可以獲得比MP3更高的聲音質量，是iPhone、iPod、iPad、iTunes的標准音頻格式。
AAC編碼的文件擴展名主要有3種：
- .acc：傳統的AAC編碼，使用MPEG-2 Audio Transport Stream（ADTS）容器
- .mp4：使用了MPEG-4 Part 14的簡化版即3GPP Media Release 6 Basic（3gp6）進行封裝的AAC編碼
- .m4a：為了區別純音頻MP4文件和包含視頻的MP4文件而由Apple公司使用的擴展名
- Apple iTunes對純音頻MP4文件采用了.m4a文件擴展名
- M4A的本質和音頻MP4相同，故音頻MP4文件可以直接更改文件擴展名為.m4a
Vorbis
Vorbis，是由Xiph.Org基金會開發的一種有損音頻編碼。通常以Ogg作為容器格式，所以常合稱為Ogg Vorbis，文件擴展名為.ogg。
Speex
Speex，是由Xiph.Org基金會開發的一種有損音頻編碼和文件格式，文件擴展名為.spx。
Opus
Opus，是由Xiph.Org基金會開發的一種有損音頻編碼和文件格式，文件擴展名為.opus。用以取代Vorbis和Speedx。經過多次盲聽測試，在任何給定的比特率下都比其他標准音頻格式具有更高的質量，包括MP3、AAC。
文件格式
Ogg
Ogg是一種多媒體文件格式，由Xiph.Org基金會所維護，可以納入各式各樣的音視頻編碼（音頻、視頻都可以），文件擴展名常為.ogg。
Ogg常用的音頻編碼有：
- 有損壓縮：Speex、Vorbis、Opus
- 無損壓縮：FLAC
- 未壓縮：PCM
WAV
WAV（Waveform Audio File Format），是由IBM和Microsoft開發的音頻文件格式，擴展名是.wav，通常采用PCM編碼，常用於Windows系統中。
WAV的文件格式如下圖所示，前面有44個字節的文件頭，緊跟在后面的就是音頻數據（比如PCM數據）。
- NumChannels：聲道數
- SampleRate：采樣率（Hz）
- ByteRate：每秒多少個字節（Byte/s）
- BitsPerSample：位深度
AIFF
AIFF（Audio Interchange File Format），由Apple開發的音頻文件格式，擴展名是.aiff、.aif。跟WAV一樣，通常采用PCM編碼，常用於Mac系統中。
有損和無損
根據采樣率和位深度可以得知：相對於自然界的信號，音頻編碼最多只能做到無限接近，任何數字音頻編碼方案都是有損的，因為無法完全還原。目前能夠達到最高保真水平的就是PCM編碼，因此，PCM約定俗成叫做無損音頻編碼，被廣泛用於素材保存及音樂欣賞，CD、DVD以及常見的WAV文件中均有應用。
但並不意味着PCM就能夠確保信號絕對保真，PCM也只能做到最大程度的無限接近。我們習慣性的把MP3列入有損音頻編碼范疇，是相對於PCM編碼的。要做到真正的無損是困難的，就像用數字去表達圓周率，不管精度多高，也只是無限接近，而不是真正等於圓周率的值。