零、音频压缩的原理

音频文件压缩的原理很简单：因为有冗余信息，因此可以压缩。

主要有两种方式实现：

• 频谱掩蔽效应： 人耳所能察觉的声音信号的频率范围为20Hz～20KHz，在这个频率范围以外的音频信号属于冗余信号，属于可操作。
• 时域掩蔽效应： 当强音信号和弱音信号同时出现时，弱信号会听不到，因此，弱音信号也属于冗余信号。

常见的压缩格式有：MP3，AAC，OGG，WMA，Opus，FLAC，APE，m4a，AMR等等。

一、PCM格式

经过前文的学习和了解，我们已经知道：声音从模拟信号转化为数字信号的技术，需要经过采样、量化、编码三个过程将模拟信号数字化，这三个步骤和过程中：

• 采样：对模拟信号采集样本，该过程是从时间上对信号进行数字化，例如每秒采集 44100 次，即采样频率 44.1 khz。
• 量化：既然是将音频数字化，那就需要使用二进制来表示声音的每一个样本。例如每个样本使用 16 位长度来表示，即音频的位深度为16位。
• 编码：编码就是按照一定的格式记录采样和量化后的数据，比如顺序存储或压缩存储等。编码后经由不同的算法，音频被保存为不同的格式，例如 MP3、AAC 等。

那么何为PCM呢？

总结来说，PCM 就是最为原始的一种格式，PCM 数据是音频的裸数据格式，不经过任何压缩。Android开发中 使用MediaRecorder时， 录制集成了编码、压缩等功能，AudioRecord 录制的是 PCM 格式的音频文件。

二、WAV格式

前文提到过音频会被编码成不同的格式，而常见的压缩编码格式 WAV 格式是与 PCM 数据最为接近的一种格式。

概念

Waveform Audio File Format（WAVE，或者是WAV后缀而被大家所熟悉），它采用RIFF（Resource Interchange File Format）文件格式结构。通常用来保存PCM格式的原始音频数据，所以通常被称为无损音频。但是严格意义上来讲，WAV也可以存储其它压缩格式的音频数据。

格式解析

WAV文件遵循RIFF规则，其内容以区块（chunk）为最小单位进行存储。

WAV文件一般由3个区块组成：

• RIFF chunk
• Format chunk
• Data chunk。
• 另外，文件中还可能包含一些可选的区块，如：Fact chunk、Cue points chunk、Playlist chunk、Associated data list chunk等。

总结来说：WAV 编码不会进行压缩操作，它只在 PCM 数据格式前加上 44 字节（并不一定严格是 44 字节）来描述音频的基本信息，例如采样率、声道数、数据格式等。WAV格式结构组成如下图所示：

很明显，如上的结构分成了3种颜色，现在来看看 WAV 文件头的格式：

RIFF区块

FORMAT区块

① 以'fmt '为标识 ② Size表示该区块数据的长度（不包含ID和Size的长度） ③ AudioFormat表示Data区块存储的音频数据的格式，PCM音频数据的值为1 ④ NumChannels表示音频数据的声道数，1：单声道，2：双声道 ⑤ SampleRate表示音频数据的采样率 ⑥ ByteRate每秒数据字节数 = SampleRate * NumChannels * BitsPerSample / 8 ⑦ BlockAlign每个采样所需的字节数 = NumChannels * BitsPerSample / 8 ⑧ BitsPerSample每个采样存储的bit数，8：8bit，16：16bit，32：32bit

DATA区块

• 以data为标识
• Size表示音频数据的长度，N = ByteRate * seconds
• Data音频数据

举例说明WAV格式

如下图所示，是一段WAV格式的音频使用记事本打开的预览图：

结合上述讲的WAV文件格式的结构组成，对该内容进行分析如下：

WAV格式字段说明

第一列表示长度，第二列表示添加的字段及其含义。

三、AAC音频格式

AAC是另外一种音频格式，全称是Advanced Audio Coding，是一种专为声音数据设计的文件压缩格式。他的目的是为了取代MP3格式，与MP3不同，该采用了全新的算法进行编码，更加高效，具有更高的“性价比”。利用AAC格式，可使人感觉声音质量没有明显降低的前提下，更加小巧。

AAC的特点

• 应用范围比较广泛。很多泛娱乐化直播系统，都是采用AAC编码。
• AAC本身编解码器质量非常高。作为一种高压缩比的音频压缩算法，但是还能保存较好的音质。

AAC音频格式

• ADIF (Audio Data Interchange Format)： 这种格式只需要在文件开头存一个很小的头，包括采样率，采样大小，声道数量等基本信息，就可以对文件进行解读。这种格式只能从头开始解码，常用在磁盘文件中。
• ADTS (Audio Data transport Stream)： 该格式每一帧前面都有一个同步字，占用7-9个字节，好处是可以在音频流的任何位置开始解码，他类似于数据流格式。因为每一帧前面都有同步字，所以ADTS文件要比ADIF增加一些数据量。

转自：知乎Davie