第 5 章 音频处理技术¶
大纲定位：刘成明、石磊主编《多媒体技术及应用（第三版）》（清华大学出版社，2021 年）。复习范围结合江苏省高等教育自学考试 13511《多媒体技术与应用》大纲（江南大学编，2024 年）第 6至7 页所列本章范围。以下是独立组织的学习讲解与自编任务，不代表现行考试公告或当前软件操作指南。
学习草稿 · OCR 尚未终校
来源成书稿尚未逐字终校。软件操作需在对应版本中实测；来源疑点不作为唯一标准答案。自编练习用于本章复习。
复习导航¶
| 复习条目 | 层次 | 讲解 | 自编练习 |
|---|---|---|---|
| 声音和音频 | 识记 | 第 1 节 | 1 |
| 数字化过程 | 识记、领会 | 第 2 节 | 1、2 |
| 未压缩 PCM 数据量 | 领会 | 第 3 节 | 2 |
| 编码与文件格式 | 识记、领会 | 第 4 节 | 3 |
| 音频工具的用途 | 识记 | 第 5 节 | 3 |
| 采集与软件操作 | 识记、领会、综合应用 | 第 6 节 | 4 |
1 声音和音频¶
教材用振幅 A、周期 T 和频率 f 描述声波，频率与周期互为倒数：\(f=1/T\)。教材将振幅与响度感受联系，将频率与音调联系；复音中的基频和谐音组合后，可形成不同音质和音色。教材按频率将低于 20 Hz、20 Hz 至 20 kHz、高于 20 kHz 的声音分别称为次声、音频、超音频（或超声）（PDF 第 107 页）。
教材举例说明分贝与输出功率呈对数关系：输出功率提高到 4 倍，dB 值增加约 6；提高到 100 倍，dB 值增加 20（PDF 第 105 页）。这说明 dB 不能按功率倍数线性换算，但教材没有据此给出高保真音响的信噪比最低门槛。
教材区分波形音频、CD 音频和 MIDI 音乐（PDF 第 107至108 页）。波形音频记录数字化后的声波样本；CD 音频存储在音乐 CD；MIDI 记录演奏消息，播放端按消息合成声音，不是声波采样的副本。
2 数字化过程¶
| 环节 | 处理对象 | 关键点 |
|---|---|---|
| 采样 | 时间连续的波形 | 每秒取样次数为采样频率 \(f_s\) |
| 量化 | 采样点幅值 | 位数影响离散量化级数 |
| 编码 | 量化后数据 | 形成可存储或传输的数字音频表示 |
教材给出的奈奎斯特关系为 \(f_s\geq 2f_{max}\)，其中 \(f_{max}\) 是信号最高频率。以教材所列 20 kHz 音频上限计算，采样率需至少约 40 kHz（PDF 第 108 页）。教材未在此处展开实际滤波器的过渡带，因此练习按书中条件计算。
教材列出 8 位量化有 256 级、16 位有 65,536 级（PDF 第 108 页）。按 \(b\) 位二进制编码组合数 \(2^b\) 可作学习层推导；具体可用幅值还受编码方式约束。
3 未压缩 PCM 数据量¶
自编计算式：
\(f_s\) 用 samples/s，\(b\) 为 bit/sample，\(s\) 为声道数，\(t\) 用秒；采样率以 kHz 给出时先乘 1000。此式只计未压缩采样数据，不计文件头、元数据、块对齐、压缩或封装开销。题目若使用 KB，应说明采用 \(1\text{ KB}=1000\text{ B}\)；若采用 KiB，则 \(1\text{ KiB}=1024\text{ B}\)。
- 自编变式：10 秒、48 kHz、24 bit、双声道，结果为 2,880,000 B，即 2.88 MB 或 2,812.5 KiB。
教材将采样率（kHz）、位数和声道数相乘后除以 8，称结果为 KB/s；紧随其后的 10 秒例算得到 220,500，却仍标为 KB/s。该数值对应 10 秒内的字节数，不是每秒 KB。表 5-2 前两行扫描件确印“5.5Hz”，同表“单声道生源”也与扫描字面一致。以上原书疑点不静默改写。PDF 第 112 页给出的 CD 音质约 172 KB/s，与 44.1 kHz、16 bit、双声道的 176,400 B/s 折合约 172.27 KiB/s 数值接近；原书未说明 KB 换算定义。
4 编码与文件格式¶
教材将音频压缩分为无损和有损；有损编码介绍波形编码、参数编码、混合编码。书中说明波形编码适应性强、压缩比不大；参数编码压缩率较大、计算量较大且保真度较低；混合编码结合两类方法的特点。
| 格式 | 教材所述特点 | 复习关注 |
|---|---|---|
| WAV | 波形音频文件；本章按未压缩采样例讨论 | 记录波形样本 |
| MP3 | MPEG-1 Audio Layer III，有损压缩 | 体积与质量折中 |
| WMA | 教材介绍的微软音频压缩格式 | 依教材版本识记 |
| MIDI | 音符、力度、时长等演奏消息 | 播放依赖合成器 |
| CD-DA | 音乐 CD 上的数字音频 | 抓轨后再保存 |
| AU、RealAudio、AIFF | 教材列举的其他格式 | 按书中名称识记 |
厂商和格式用途依 2021 年版教材语境整理，不表示当前设备或软件的完整兼容性。
5 音频工具的用途¶
第 5.5 节以软件实例说明常用音频工具。复习时把软件与处理任务对应，不把这些例子扩展为当前软件目录。
| 教材软件 | 本节介绍的用途 |
|---|---|
| Adobe Audition | 录制、混合、编辑、修复数字音频 |
| GoldWave | 编辑、播放、录制、转换与提取声音 |
| All Editor | 录音、剪贴混合和音频效果处理 |
| Total Recorder | 截取硬件、软件等音源并录音 |
软件能力和音源支持均按教材版本记录。Total Recorder 段落的“理论上不会失真”是原书论述，本笔记不将其作为任意录音链路的质量保证。
6 采集与软件操作¶
教材建议按用途选择采样参数，并在录音前检查输入强度。输入过低时，噪声相对突出；输入过高会造成失真。教材还列出抓取 CD、VCD、DVD 音轨和 MIDI 合成等获取途径（PDF 第 112至115 页）。
示例包括录音、多轨伴奏、采样率不匹配提示，以及用噪声样本降噪。可将任务归纳为导入或录制、试听并检查电平、剪辑、多轨安排、效果处理和导出；这是学习层流程归纳，尚未进行软件实测，不替代书中的具体操作步骤。
自编练习¶
1. 讲解员说话更响，是否意味着声音频率一定更高？为录音单列响度、音高、音色和数字化参数，解释为什么这些栏目不能互相代替。
考点：第 1、2 节；层次：识记、领会。
答案与解析
参考答案： 响度、音高和音色描述不同听觉特征；提高响度不能据此推出频率升高。采样频率描述时间上的取样密度，量化位数描述幅度表示的级数，声道描述通道数。应把声音特征与数字表示参数分别列出。
2. 导览系统保存45秒、32000次/秒、16位、单声道的未压缩PCM。仅计采样数据，求所需字节数；若只知道同长度MP3文件的扩展名，是否能照此求其大小？
考点：第 2、3 节；层次：领会。
答案与解析
参考答案： PCM采样数据为32000×16×1×45÷8=2880000字节，即2812.5 KiB。压缩音频不能只凭扩展名套用这个结果；还需知道编码后的码率、时长及相应开销。公式中的采样频率、位数与声道条件缺一不可。
3. 项目收到一份WAV、一份MIDI和一段待录制的访谈。如何分别安排检查和处理工具，避免把音符指令文件当成已经录好的声音波形？
考点：第 4、5 节；层次：识记、领会。
答案与解析
参考答案： 先确认文件内容和编码，不能只按名称推断。WAV属于声音文件格式的讨论范围；MIDI用于描述演奏相关信息，其内容不能直接等同于录音波形。访谈要先采集，再做剪辑和效果处理；工具应按录音、编辑、合成或格式转换的任务选用。
4. 为导览旁白设计录音至交付的工作流程，要求去除无关片段、保留可返工版本，并检查多段旁白衔接。请给出检查点，不宣称已在指定软件中执行。
考点：第 6 节；层次：综合应用。
答案与解析
参考答案： 先明确设备、输入通道和录音参数，试录确认后采集素材；保留原录音，再剪除无关片段并处理衔接，按需要做效果和音量调整。保存编辑项目或工作稿，另行导出交付音频，试听头尾、连接点和整段结果。Audition操作仍需在教材对应版本中验证。