声音的产生

学过初中物理的我们知道，声音是一种机械波，由物体振动产生，需要介质来传播。所以，从本质上讲，声音就是一段时间轴上的波形，就像下面这样。

（图片截取自Adobe Audition）

声音有三要素：音调、响度和音色，波形是怎么反映这三要素的呢？

• 音调由声波的频率决定，频率越高音调越高。
• 响度由声波的振幅决定，振幅越高响度越大。
• 音色是由波形的“形”决定的。

举个直观的例子。

上面的4张图中，图1、图2是方波，图3、图4是三角波。

• 图1比图2的振幅大，因此图1波形表示的声音比图2的响度大。
• 图3比图4的频率高，因此图3波形表示的声音比图4的音调高。
• 图1和图2都是方波，方波的声音听起来像是“嗒——”；图3和图4都是三角波，三角波的声音听起来像是“嘟——”。

了解了以上几点之后，我们就可以知道：如果我们想生成一段声音，音调和响度都很容易控制，至于音色，我们可以自由选择，除了方波和三角波，我们还可以用正弦波，甚至是我自己画的波形，只要它是周期的。当然我们也可以从真实世界中对声音进行采样，这样就可以得到任何音色的声音了。

但是到目前为止我们讨论的都是单一波形的情况，那真实世界中的声音是什么样的呢？事实上，它们也只是基本波形的叠加而已，形成了第一张图那样的波形。傅里叶变换告诉我们，任何波都可以表示成正弦波的叠加。也正是因为这样，我们可以得到一段声音的频谱图。其中，横坐标代表时间，纵坐标代表频率，颜色代表振幅。因此，它实际上是一个三维的图。

另外，人耳只可以听到频率在20Hz-20000Hz之间的声音。事实上，随着年龄的增长，人对高频信号的感知力是在下降的，因此你可能听不到20000Hz的声音。

乐音的音高与频率

既然讲了声音的产生，就不得不说一下乐音。

以钢琴为例，我们知道，钢琴上有88个键，相邻的键之间相差一个半音，12个键构成一个八度，这叫做十二平均律。相差八度的音的频率是2倍关系，也就是每个音的频率为前一个音的2的12次方根。

于是根据这个规律，我们可以得到一个钢琴键频率对照表。

也就是说，只要我们规定了一些音的频率，也就确定了它们的音高，再使用这些音的组合创作出乐曲就可以了。

声音的数字化

声音的采样

人耳接收到的声波是连续的，而计算机只能存储离散的信息，怎么解决呢？这就要我们对声波进行采样。

所谓采样，就是每隔单位时间获取一次当前时刻声波的y值。如上图，每个用小正方形标出来的点就是一个采样点。

因此，采样就是将连续的数据离散化的过程。

这种采样方法叫做脉冲编码调制（PCM）。

数模转换

我们不禁要问几个问题：

• 采样采完了，我们还得知道怎么还原吧？
• 为什么离散的信息可以还原成连续的信息？
• 我们采样需要多精细才能做到不遗漏信息？

这几个问题的本质就是数模转换的问题。奈奎斯特定理告诉我们，只要采样率超过样本中最高频率的两倍，就可以借助傅里叶变换完全还原出波形。

也就是说，由于人耳只能听到20000Hz以下的声音，因此采样率只要超过40000Hz就可以了。

在计算机中，振幅被量化为一个数值，而在3.5mm音频口还原出的模拟信号中，是使用电平的高低来表示的。

音频文件的参数

一个音频文件，一般有5个重要参数：编码方式、声道数、采样率、位深、码率。

• 编码方式：这个格式是怎么组织二进制数据的以及压缩方式等。
• 声道数：单声道、双声道还是5.1声道等。
• 采样率：每秒采样的次数。
• 位深：用来存储采样点y值所使用的二进制位个数。
• 码率：该文件每秒的所需的二进制位个数。

我们知道WAV格式是不存在压缩的，因此，它的编码方式就是直接把所有采样的点按顺序排列写到文件里。而且只要它的声道数、采样率和位深确定了，那它的码率也就固定了，我们也很容易计算出它的容量。

WAV文件大小(B)=声道数*采样率(Hz)*位深(bit)/8+文件头的大小(B)

WAV文件头一般是44B。

其他格式的音频文件由于使用不同的压缩算法，即使使用同样的声道数、采样率和位深，也可能会存在不同码率的区别，例如192Kbps和320Kbps的mp3文件，甚至还存在变长的码率。

采样率只要超过40000Hz就可以完整还原出所有人能听到的波形，常见的采样率有44100Hz和48000Hz。

位深常见的有8bit、16bit和24bit等，当然最常见的还是16bit。虽然振幅是相对的，8bit的255和16bit的65535都代表了振幅的最大值，但是它们在粒度上的表现力是不一样的。

古董电脑如何产生声音

你可以看看这个the8bitguy的视频How Oldschool Sound/Music worked或者B站的这个有字幕的版本。其核心就是使用简单的波形产生所需的音调。

以任天堂红白机为例，它使用两个方波通道产生主旋律和副旋律，一个三角波通道产生低音BASS，一个噪声通道产生鼓点节奏。

你可以使用FamiTracker这个软件，轻松做出这种效果的音乐。

现在我们通常将这个风格的音乐统称为8bit音乐，因为他们几乎都使用8bit的位深。但实际上产生这种声音效果的根本在于音乐使用的波形比较单一，而不是位深8bit和16bit的区别。其实如果你把一个位深为16bit的mp3转成8bit的wav（因为不能转成其他格式，其他格式可能就是以此为基础做的压缩），你基本上是听不出来差别的。

如果你对这篇文章很感兴趣的话，建议你读一读下一篇文章。