主题：[转帖]音频文件格式完全介绍《上》

<!--StartFragment --> 刊登于《新电脑》杂志2003年7月号

自从PC支持多媒体以来，陆陆续续地出现了许多音频格式。这些格式既有流行的也有不那么流行的，关于它们的来龙去脉，本文向你一一道来。

主流

　　目前的主流音频格式其实不少。不同的格式有自己的用途，比如大家都应该很熟悉的MP3格式就是用于聆听用途的。下面我们逐一介绍：

存在便是永恒 - WAV

　　WAV是Microsoft Windows本身提供的音频格式，由于Windows本身的影响力，这个格式已经成为了事实上的通用音频格式。不客气地说，它实际上是Apple电脑的 AIFF格式的克隆。通常我们使用WAV格式都是用来保存一些没有压缩的音频，但实际上WAV格式的设计是非常灵活（非常复杂）的，该格式本身与任何媒体数据都不冲突，换句话说，只要有软件支持，你甚至可以在WAV格式里面存放图像。之所以能这样，是因为WAV文件里面存放的每一块数据都有自己独立的标识，通过这些标识可以告诉用户究竟这是什么数据。在WINDOWS平台上通过ACM（Audio Compression Manager）结构及相应的驱动程序（在这里通常称为CODEC，编码/解码器），可以在WAV文件中存放超过20种的压缩格式，比如ADPCM、 GSM、CCITT G.711、G.723等等，当然也包括MP3格式。

图表 - 使用音频编辑软件WaveCN（http://www.wavecn.com）列出Windows安装了的ACM驱动信息

　　虽然WAV文件可以存放压缩音频甚至mp3，但由于它本身的结构注定了它的用途是存放音频数据并用作进一步的处理，而不是像mp3那样用于聆听。目前所有的音频播放软件和编辑软件都支持这一格式，并将该格式作为默认文件保存格式之一。这些软件包括：Sound Forge, Cool Edit Pro, WaveLab等等。由于WAV的支持实在是太广泛了，可以说，即使Windows退出历史舞台，WAV格式也不会消亡。

老当益壮 – mp3

　　第二个要提到的就是改变了世界的mp3了。这个比喻相信大家都会同意。mp3是Fraunhofer-IIS 研究所（http://www.iis.fhg.de/）的研究成果。mp3是第一个实用的有损音频压缩编码。在mp3出现之前，一般的音频编码即使以有损方式进行压缩能达到4:1的压缩比例已经非常不错了。但是，mp3可以实现12:1的压缩比例，这使得mp3迅速地流行起来。mp3之所以能够达到如此高的压缩比例同时又能保持相当不错的音质是因为利用了知觉音频编码技术，也就是利用了人耳的特性，削减音乐中人耳听不到的成分，同时尝试尽可能地维持原来的声音质量。

图表 - 人耳等响度曲线图，mp3的技术基础。

　　衡量mp3文件的压缩比例通常使用比特率来表示。这个术语的英文是bps: bit per second，表示每1秒钟的音频可以用多少个二进制比特来表示。通常比特率越高，压缩文件就越大，但音乐中获得保留的成分就越多，音质就越好。由于比特率与文件大小音质的关系，所以后来又出现了vbr（Variant Bitrate 可变比特率）方式编码的mp3，这种编码方式的特点是可以根据编码的内容动态地选择合适的比特率，因此编码的结果是在保证了音质的同时又照顾了文件的大小，结果大受欢迎。其实mp3的编码标准本来就支持这种压缩方式，但是第一个将此功能实现的反而是一个第三方工具：曾经非常有名的Xing Technology公司(http://www.xingtech.com，当年很多电脑上看VCD听mp3就靠这个公司的Xing Player)推出的Xing Encoder。

　　由于mp3是世界上第一个有损压缩的编码方案，所以可以说所有的播放软件都支持它，否则就根本没有生命力。在制作方面，也曾经产生了许多第三方的编码工具。不过随着后来Fraunhofer-IIS宣布对编码器征收版税之后很多都消失了。目前属于开放源代码并且免费的编码器是LAME (Lame Ain't Mp3 Encoder，http://lame.sourceforge.net)。这个工具是公认的压缩音质最好的mp3压缩工具。另外，几乎所有的音频编辑工具都支持打开和保存mp3文件。最近，Fraunhofer-IIS对之前不收取版权费的mp3解码器也征收了版权费。此举大有Fraunhofer-IIS意识到mp3已经在没落，趁还能收到钱最后捞一把的意思。应该说，到了现在，MP3确实显现出疲态了。许多新一代的编码技术都已经能在相同的比特率下提供比MP3优越得多的音质。特别是音乐发烧友对mp3的音质更是嗤之以鼻。不过由于mp3的影响力实在是太大了，支持mp3的软件多如牛毛，更别提众多支持mp3的硬件播放器，如MPMAN，DiscMan， CD/VCD/DVD机等等。一句话，它依然是世界上最流行的音频压缩技术，所以要它真正退出舞台相信还有好一段时间。

图表 - Lame的其中一个前端：RazorLame（http://www.dors.de/razorlame）

老树发新花 - mp3PRO

　　为了使mp3能在未来仍然保持生命力，Fraunhofer-IIS研究所连同Coding Technologies 公司（http://www.codingtechnologies.com）还有法国的Thomson multimedia公司（http://www.thomson.net）共同推出了mp3PRO。这种格式与之前的mp3相比最大的特点是能在低达64kbps的比特率下仍然能提供近似CD的音质（mp3是128K）。该技术称为SBR(Spectral Band Replication)，它在原来mp3技术的基础上专门针对原来mp3技术中损失了的音频细节进行独立编码处理并捆绑在原来的mp3数据上，在播放的时候通过再合成而达到良好的音质效果。

图表 - SBR技术在音频编码/解码过程中的应用

　　mp3PRO格式与mp3是兼容的，所以它的文件类型也是mp3。mp3PRO播放器可以支持播放 mp3PRO或者mp3编码的文件；普通的mp3播放器也可以支持播放mp3PRO编码的文件，但只能播放出mp3的音质。但是，虽然mp3PRO是一种优秀的技术，由于技术专利费用的问题以及其他技术提供商比如Microsoft的竞争，mp3PRO并没有得到很大的流行。大家可以从Coding Technologies的网站下载Demo播放/压缩工具和Winamp的播放插件。目前也有许多专业音频编辑软件比如Cool Edit Pro 2.0支持mp3PRO格式，但播放器除了刚才说的和Music Match Juke Box就基本没有了。最关键的是由于Microsoft的媒体播放机不支持，使得mp3PRO失去了流行的机会。前段时间Coding Technologies推出了最新的MPEG-4 aacPlus，通过将SBR技术应用在AAC（Advanced Audio Codec）技术中而获得更卓越的音质。Coding Technologies并表示SBR将会成为MPEG-4的核心技术。但缺乏支持的技术到底能走多远，谁也不清楚。

图表 - THOMSON mp3PRO 播放器

网络流媒体鼻祖 - Real Media

　　互联网大行其道之后，Real Media 出现了。这种文件格式几乎成了网络流媒体的代名词。RA、RMA这两个文件类型就是Real Media里面向音频方面的。它是由Real Networks公司（http://www.realnetworks.com）发明的，特点是可以在非常低的带宽下（低达28.8kbps）提供足够好的音质让用户能在线聆听。这一特点在互联网的早期简直是广大网虫的福音。也就是因为出现了Real Media之后，相关的应用比如网络广播，网上教学，网上点播等等才浮出水面，形成了一个新的行业。

　　网络流媒体的道理其实非常简单，简单说就是将原来连续不断的音频分割成一个一个带有顺序标记的小数据包，将这些小数据包通过网络进行传递，在接收的时候再将这些数据包重新按顺序组织起来播放。如果网络质量太差，有些数据包收不到或者延缓了到达，它就跳过这些数据包不播放，以保证用户在聆听的内容是基本连续的。就是这么简单的道理，促成了网络上的又一个传奇。

　　由于Real Media是从极差的网络环境下发展过来的，所以Real Media的音质并不怎样，包括在高比特率的时候，甚至差于mp3。特别是有相当长的一段时间Real Networks公司只顾着往Real Media里面加入各种各样的新特性比如广告插播什么的，而忽略了随着网络速度的提升和宽带网的普及，用户对质量的要求也不断提高。后来Real Networks通过与SONY公司合作，利用SONY的ATRAC技术（http://www.minidisc.org/，也就是MD的压缩技术）实现高比特率的高保真压缩，但这些举措始终都带给用户一个姗姗来迟的感觉。由于Real Media的用途是在线聆听，并不适于编辑，所以相应的处理软件并不多。一些主流软件可以支持Real Media的读/写，可以实现直接剪辑的软件是Real Networks自己提供的捆绑在Real Media Encoder编码器中的Real Media Editor。但功能非常有限。这一点与现在的Windows Media相比是两个世界。

图表 - Real One Player, 最新的Real Media播放器

霸气十足 - Windows Media

　　任何事情都少不了Microsoft的份。在意识到网络流媒体之于互联网的重要性之后，Microsoft立马就推出了Windows Media与Real Media相抗衡，同时开始对其他音频压缩技术说不：一律不提供直接支持。到了Windows XP版本还把原来提供的mp3压缩功能都拿掉了。

　　Windows Media （http://www.microsoft.com/windows/windowsmedia< /a>）也是一种网络流媒体技术，本质上跟Real Media是相同的。但Real Media是有限开放的技术，比如rtsp（Real Time Stream Protocol实时流协议）这样的网络传输协议是提交到网络工作组RFC网络协议集的其中一个（编号RFC2326），而Windows Media则没有公开任何技术细节，据称是为了更好地进行版权保护，因此要完全封闭，还创造出一种名为mms（Multi-Media Stream多媒体流）的传输协议。所有这些事情综合起来可以看出Microsoft意图一统江湖的野心。

　　最初版本的Windows Media并没有得到什么好评，特别在音质方面更被网络上那些“金耳朵”的网友所不齿。不过在更新了几个版本之后，目前最新的Windows Media 9技术携带着大量的新特性并在Windows Media Player的配合下表现已经不可同日而语。特别在音频方面，Microsoft是唯一一个能提供全部种类音频压缩技术（无失真、有失真、语音）的解决方案，大有囊括一切的势头。这也是微软的一贯特色：虽然我的东西质量不是最好的，但肯定是最方便，集成度最高的。目前Windows Media还是处于推广期，播放器和编码器可以免费下载，服务器端捆绑在Windows服务器版中，不另外收费。这些手段正在不断提升其市场占有率。而且由于Microsoft的影响力，支持Windows Media的软件非常多。虽然它也是用于聆听用途，不能编辑，但几乎所有的Windows平台的音频编辑工具都对它提供了读/写支持，至于第三方播放器更是无一例外了，连Real Player都支持其播放。通过Microsoft 自己推出的Windows Media File Editor可以实现简单的直接剪辑。最近，Microsoft还推出了Windows XP Media Center版本，通过在Windows XP中捆绑Windows Media 9技术以及相关娱乐媒体软件来加强Windows作为家庭娱乐中心的作用。如果Microsoft继续保持其在操作系统特别是桌面操作系统的垄断地位的话，Windows Media的未来肯定是一片光辉。

图表 - 最新的Windows Media Player 9，带有大量的网络特性

电脑与电子乐器的桥梁 – MIDI

　　MIDI技术本来不是为了电脑发明的。该技术最初应用在电子乐器上用来记录乐手的弹奏，以便以后重播。不过随着在电脑里面引入了支持MIDI合成的声音卡之后MIDI才正式地成为了一种音频格式。有很多人都误以为MIDI是用来记谱的，这是错的。MIDI的内容除了乐谱之外还记录了每个音符的弹奏方法，所以有些MIDI文件播放起来不好听，而某些则有良好的效果。MIDI本身也有两个版本，General MIDI和General MIDI 2。在MIDI上还衍生了许多第三方的非标准技术，比如非常著名的：X-MIDI（或者叫XG），这是由日本YAMAHA公司（http://www.yamaha.com）发明的，在原有的MIDI具有128种乐器的基础上扩充到了512种，并增加了更多的演奏控制，配合YAMAHA自己的波表播放软件或支持X-MIDI的硬件可以还原出非常动听和接近真实乐器效果的音乐。另外就是为了弥补MIDI中通过声音合成得到的乐器声音始终比不上真实乐器声音这一缺点而由 General MIDI Association（MIDI规范的国际组织，http://www.midi.org）推出的DLS(Downloadable Sound)技术，该技术通过给MIDI文件附带上真实乐器的录音（采样）而使MIDI文件能营造出接近真实乐器效果的声音，不过该技术的主要问题是带上乐器采样之后的MIDI文件实在是太大了，通常情况下都有4兆字节以上（这样的大小用户当然是去找mp3了）,影响了该技术的普及。

　　由于MIDI具有的优点和特殊性，因此可以相信这是一种在相当长的时间里都会继续存在的技术。普通的MIDI 文件许多播放器都支持，但要达到好的效果就必须安装软波表，比如曾经很出名的WinGroove、Roland Virtual Sound Canvas和YAMAHA S-YXG Player。随着Microsoft与Roland（http://www.roland.com）合作在DirectX里面增加了 DirectMusic之后软波表就变成了Windows系统的标准配置了。需要注意的是对于X-MIDI格式来说必须使用YAMAHA自己推出的播放器才能得到良好的播放效果。比如当年曾经卖得很火的使用YAMAHA YMF724/740做芯片的声音卡便带有X-MIDI的播放器S-YXG100。

图表 - Roland Virtual SoundCanvas软音源界面

图表 - YAMAHA S-YXG50软音源播放器界面，怎么看都觉得比Roland的好看。

图表 - YAMAHA S-YXG50 XGPlayer软音源播放器界面，这个版本支持的播放控制更多。

　　如果要对MIDI文件进行编辑，可以使用的比较出名的软件是Cake Walk Pro和Sonar（http://www.cakewalk.com）； X-MIDI则要使用YAMAHA XGWorks。另外还有一些曲谱软件，比如Sibelius（http://www.sibelius.com）。不过这些软件都是非常昂贵的。国产的相关软件都有一些，而且支持简谱，比如TT作曲家（http://www.centrmus.com）。