声音是什么

声音（sound)是由物体振动产生的声波。声音作为一种波，频率在20 Hz~20 kHz之间的声音是可以被人耳识别的。-----百度百科夫斯基
敲黑板：波、人耳识别频率：20 Hz~20 kHz

音频录制

最简单的音频录制流程为：

设备采集获取模拟信号 ---》模数转换 ---》存储（播放、传输等）

录音最简流程

播放端流程相反：
音频文件 ---》数模转换 ---》播放器播放

模数转换

模拟信号转化为数字信号的流程（心疼大学老师一秒钟）：

pcm脉冲调制图

上述整个模数转换的过程称为：脉冲编码调制（PulseCodeModulation），简称PCM

PCM 格式

由上面的模数转换可知，PCM 格式文件存储的内容实际上就是编码的到的序列。

采样率：

每秒的采样次数。
对于声音来说，从上图采样的过程可以看的出来，采样率越高，即每秒内的采样点越多，采样点越密集，也就意味着离散信号对模拟信号的还原度越高。

合适的采样率

采样点无限多即连成原来的模拟信号曲线。当然，无限多的点无线多的数据存储和 cpu 也不允许啊。那什么样的采样率比较合适呢？
活着不一定是为了死去，但录制最终一定是为了播放。采样编码为了存储处理和传输，最终还是要还原出模拟信号来播放。
根据 “奈奎斯特采样理论”：
当对被采样的模拟信号进行还原时，其最高频率只有采样频率的一半。（装逼一定要用又黑又粗。。。。的文字）
换句话说：
要想重构完整的模拟信号，采样率要是模拟信号频率的两倍以上。--- gray_dog3
鉴于前面敲黑板所讲，人听觉范围：20 Hz -20 KHz
所以对于给人听的音频，采样率要宁杀错不放过，要大于40 KHz 才不会使人感觉到音质受损。
由此的出，合适的采样率 一般大于 40 KHz，注意是一般，你要是小一些高音会受损，不过除了对那些能听出热情火电和清冽水电的耳机党外，略小应该也不明显，平常 8k，16k 都有。

来自严谨党的质问：为什么大多数音频采样率采用 44.1K?不是 40K，也不是 44K,非要带个 0.1。
答：靠，你哪那么多为什么。
装逼专用： 在高深莫测的数学领域有一个神奇的数字即44100，前四个素数的平方的乘积44100:2x2x3x3x5x5x7x7=44100
靠谱回答：历史原因，早期录像机：245扫描线，一行 3 个数据块，60场频：245x3x60=44100，现在也有在推 48kHz,甚至 96kHz 的。

采样深度：

即量化时纵坐标的量化粒度。
在模拟信号中，纵坐标代表的是声音的响度，即音量。
由上图量化过程可知，当量化的粒度越细，离散点取的值也就越接近模拟信号实际的值，如果量化时，采样深度为 1bit，即量化只能为 1 和 0，那每首歌听起来都像忐忑，一惊一乍的，要么播放最大声音，要么没有声音。只有采样深度越深，即量化的粒度越细，采样出来的数据，才更接近实际的音量。
现在一般用 16 位来表示一个采样数据的音量大小。
敲黑板：16 位采样深度，即一个采集的样本点中，音量大小用16 位二进制数来表示音量大小。

声道和立体声

友情提示：声音，音频，但是声道就只能读作声道，不能读作音道
单声道 Monaural：只有一个采集器采集音频做以上图中的流程处理。
立体音 Stereophonic：两个或两个以上声道数，多个设备录音，然后数据编码整合到一起。常见的有 双声道，4.1 环绕立体声（四个音源加一个低音喇叭来加强低音）5.1 、7.1 环绕立体声（杜比音效：装逼知识点）

PCM 数据

有了已上的认识，妈妈再也不用担心我看不懂 pcm 格式了。不废话，直接上图：

pcm 数据格式图

你没有看错，就是这么简单。对于 8 位采样深度的单声道，8 位表示一个采样的音量，都是这样的采样数据。pcm 就是原始数据，没有header，全是 body，满满的干货。
双声道就是两个声道数据交替排列。

播放 PCM

由上面格式也可以看出 pcm 没有 header，没有采样率等信息，所以播放时需要告诉播放器：采样率、采样深度、声道数。
只有有了这些信息，播放器才知道读入 pcm 文件流的速度，以及读入数据该如何进行数模转换。
通常播放 pcm 用的 是 VLC 播放器，我在 mac 上使用的，windows 的百度下，播放应该很简单。就是这货：

/Applications/VLC.app/Contents/MacOS/VLC --demux=rawaud --rawaud-channels 1 --rawaud-samplerate 44100 record.pcm

上面samplerate 采样率，channels声道数，现在都默认 16 位的，具体有 8 位的需求可以百度下。