【音视频】音频的有损压缩技术、无损压缩技术与音频的常见编码器

前言

在数字音频和视频领域，压缩技术是至关重要的，它可以显著减少文件大小，节省存储空间和传输带宽。压缩技术分为两大类：有损压缩和无损压缩。这两种技术各有其独特的应用场景和优缺点，理解它们的区别对于选择合适的压缩方案至关重要。

为什么需要音频压缩

音频压缩的主要目的是为了减少音频文件的大小，这样可以节省存储空间和传输时间。以下是几个简单易懂的原因：

1. 节省存储空间：原始音频文件通常非常大，会占用大量的存储空间。通过压缩，文件变得更小，可以在设备上存储更多的音乐或音频文件。

2. 提高传输效率：压缩后的音频文件更小，上传和下载速度更快。在网络速度有限的情况下，压缩音频可以更快地传输，减少等待时间。

3. 节省带宽：对于在线音乐流媒体服务和广播来说，压缩音频可以节省带宽成本，允许更多用户同时收听。

4. 方便分享和传输：较小的文件更容易通过电子邮件、消息应用程序或其他平台进行分享，不会因为文件太大而受到限制。

5. 提高设备兼容性：许多设备和应用程序对大文件的处理能力有限，压缩音频可以提高这些设备和应用程序的兼容性和性能。

简单来说，音频压缩就是让音频文件变小，方便存储、传输和分享，同时在不同的设备上更好地播放。

压缩的原理

有损压缩

有损压缩通过丢弃或简化一些音频数据来显著减少文件大小。这种方法利用了人耳对某些声音不敏感的特点。以下是几种主要的有损压缩技术原理：

1. 频域分析：

   • 傅里叶变换：将音频信号从时间域转换到频域，以便分析各个频率成分。
   • 掩蔽效应：利用人耳的掩蔽效应，去除被更强信号掩蔽的弱信号。例如，一个强烈的低频声可以掩盖附近的高频声，这些高频声就可以被去除而不被人耳察觉。

2. 量化：

   • 量化器：将连续的音频信号值转换为离散的数值，较小的数值范围可以进一步减少数据量。
   • 量化噪声：通过心理声学模型，将量化噪声控制在听觉阈值以下，使其不被人耳察觉。

3. 熵编码：

   • 霍夫曼编码：根据数据出现的频率分配不同长度的编码，频率高的数据分配较短的编码，从而减少整体数据量。
   • 游程编码：将连续重复的数值压缩为数值和重复次数的组合。

无损压缩

无损压缩通过重新排列或优化音频数据存储方式，在不丢失任何信息的情况下减少文件大小。以下是几种主要的无损压缩技术原理：

1. 预测编码：

   • 线性预测编码（LPC）：使用前几个采样点来预测当前采样点的值，只存储预测误差。这些误差通常比原始数据要小，便于进一步压缩。

2. 熵编码：

   • 霍夫曼编码：同有损压缩中使用的霍夫曼编码一样，根据数据出现的频率分配不同长度的编码。
   • 算术编码：将整个数据序列编码为一个范围内的小数，通过不断细分这个范围来表示数据序列，达到压缩目的。

3. 块编码：

   • Run-length Encoding（RLE）：将连续重复的数值压缩为数值和重复次数的组合。
   • 差分编码：存储相邻采样点之间的差值，这些差值通常比原始数据要小，便于进一步压缩。

常见编码器

音频编码器是将音频数据压缩成特定格式的软件或硬件。不同的编码器使用不同的压缩技术和算法，以满足不同的需求。以下是一些常见的音频编码器及其作用和区别：

常见的音频编码器

1. MP3 (MPEG-1 Audio Layer III)：

   • 作用：最广泛使用的有损音频编码器，主要用于音乐和音频流媒体。
   • 特点：通过去除人耳不易察觉的音频信息来压缩数据，提供相对较小的文件大小和较好的音质。
   • 优点：高兼容性，几乎所有的音频播放器和设备都支持MP3格式。
   • 缺点：音质不如某些现代编码器（如AAC），特别是在低比特率下。

2. AAC (Advanced Audio Coding)：

   • 作用：比MP3更先进的有损音频编码器，广泛用于流媒体和便携设备，如Apple的iTunes。
   • 特点：在相同比特率下，提供更高的音质和更小的文件大小。
   • 优点：更高的音质，特别是在低比特率下；支持多种采样率和通道配置。
   • 缺点：兼容性不如MP3，但在现代设备和播放器中已经非常普遍。

3. OGG Vorbis：

   • 作用：开源有损音频编码器，常用于开源软件和某些游戏音频。
   • 特点：在相同比特率下，通常比MP3有更好的音质。
   • 优点：高音质，开源免费，无需支付专利费用。
   • 缺点：兼容性不如MP3和AAC，主要在开源社区和特定应用中使用。

4. FLAC (Free Lossless Audio Codec)：

   • 作用：无损音频编码器，用于高保真音频存储和传输。
   • 特点：压缩音频数据而不丢失任何信息，可以完全还原为原始音频。
   • 优点：高音质，适用于音乐存档和专业音频制作；开源免费。
   • 缺点：文件大小较大，比有损格式大得多。

5. ALAC (Apple Lossless Audio Codec)：

   • 作用：Apple公司开发的无损音频编码器，用于Apple设备和iTunes。
   • 特点：在音质和压缩率上与FLAC相当。
   • 优点：高音质，适用于音乐存档和专业音频制作；与Apple生态系统高度兼容。
   • 缺点：文件大小较大，主要用于Apple设备。

6. WAV (Waveform Audio File Format)：

   • 作用：无压缩音频编码器，常用于录音和音频编辑。
   • 特点：保留所有音频细节，音质最高。
   • 优点：最高音质，无任何压缩损失；广泛用于专业音频制作和编辑。
   • 缺点：文件非常大，不适合流媒体和便携设备存储。

上面这些编码，我们都可以使用ffmpeg进行转换

C:\Users\wyj\Music>ffmpeg -i "Joel Hanson_Sara Groves-Traveling Light.mp3" T.flac
ffmpeg version 2024-07-15-git-350146a1ea-full_build-www.gyan.dev Copyright (c) 2000-2024 the FFmpeg developers
  built with gcc 13.2.0 (Rev5, Built by MSYS2 project)
  configuration: --enable-gpl --enable-version3 --enable-static --disable-w32threads --disable-autodetect --enable-fontconfig --enable-iconv --enable-gnutls --enable-libxml2 --enable-gmp --enable-bzlib --enable-lzma --enable-libsnappy --enable-zlib --enable-librist --enable-libsrt --enable-libssh --enable-libzmq --enable-avisynth --enable-libbluray --enable-libcaca --enable-sdl2 --enable-libaribb24 --enable-libaribcaption --enable-libdav1d --enable-libdavs2 --enable-libopenjpeg --enable-libquirc --enable-libuavs3d --enable-libxevd --enable-libzvbi --enable-libqrencode --enable-librav1e --enable-libsvtav1 --enable-libvvenc --enable-libwebp --enable-libx264 --enable-libx265 --enable-libxavs2 --enable-libxeve --enable-libxvid --enable-libaom --enable-libjxl --enable-libvpx --enable-mediafoundation --enable-libass --enable-frei0r --enable-libfreetype --enable-libfribidi --enable-libharfbuzz --enable-liblensfun --enable-libvidstab --enable-libvmaf --enable-libzimg --enable-amf --enable-cuda-llvm --enable-cuvid --enable-dxva2 --enable-d3d11va --enable-d3d12va --enable-ffnvcodec --enable-libvpl --enable-nvdec --enable-nvenc --enable-vaapi --enable-libshaderc --enable-vulkan --enable-libplacebo --enable-opencl --enable-libcdio --enable-libgme --enable-libmodplug --enable-libopenmpt --enable-libopencore-amrwb --enable-libmp3lame --enable-libshine --enable-libtheora --enable-libtwolame --enable-libvo-amrwbenc --enable-libcodec2 --enable-libilbc --enable-libgsm --enable-libopencore-amrnb --enable-libopus --enable-libspeex --enable-libvorbis --enable-ladspa --enable-libbs2b --enable-libflite --enable-libmysofa --enable-librubberband --enable-libsoxr --enable-chromaprint
  libavutil      59. 28.100 / 59. 28.100
  libavcodec     61. 10.100 / 61. 10.100
  libavformat    61.  5.101 / 61.  5.101
  libavdevice    61.  2.100 / 61.  2.100
  libavfilter    10.  2.102 / 10.  2.102
  libswscale      8.  2.100 /  8.  2.100
  libswresample   5.  2.100 /  5.  2.100
  libpostproc    58.  2.100 / 58.  2.100
Input #0, mp3, from 'Joel Hanson_Sara Groves-Traveling Light.mp3':
  Metadata:
    title           : Traveling Light
    artist          : Joel Hanson/Sara Groves
    album           : Traveling Light
    date            : 2002
  Duration: 00:03:28.64, start: 0.025056, bitrate: 333 kb/s
  Stream #0:0: Audio: mp3 (mp3float), 44100 Hz, stereo, fltp, 320 kb/s
      Metadata:
        encoder         : Lavc58.13
  Stream #0:1: Video: mjpeg (Baseline), yuvj420p(pc, bt470bg/unknown/unknown), 3000x3000 [SAR 72:72 DAR 1:1], 90k tbr, 90k tbn (attached pic)
      Metadata:
        title           : Traveling Light
        comment         : Cover (front)
Stream mapping:
  Stream #0:1 -> #0:0 (mjpeg (native) -> png (native))
  Stream #0:0 -> #0:1 (mp3 (mp3float) -> flac (native))
Press [q] to stop, [?] for help
[flac @ 00000286e0af1440] encoding as 24 bits-per-sample, more is considered experimental. Add -strict experimental if you want to encode more than 24 bits-per-sample
[swscaler @ 00000286e2672940] deprecated pixel format used, make sure you did set range correctly
    Last message repeated 3 times
Output #0, flac, to 'T.flac':
  Metadata:
    title           : Traveling Light
    artist          : Joel Hanson/Sara Groves
    album           : Traveling Light
    date            : 2002
    encoder         : Lavf61.5.101
  Stream #0:0: Video: png, rgb24(pc, gbr/unknown/unknown, progressive), 3000x3000 [SAR 1:1 DAR 1:1], q=2-31, 200 kb/s, 90k fps, 90k tbn (attached pic)
      Metadata:
        title           : Traveling Light
        comment         : Cover (front)
        encoder         : Lavc61.10.100 png
  Stream #0:1: Audio: flac, 44100 Hz, stereo, s32 (24 bit), 128 kb/s
      Metadata:
        encoder         : Lavc61.10.100 flac
[out#0/flac @ 00000286e0f41440] video:5556KiB audio:43044KiB subtitle:0KiB other streams:0KiB global headers:0KiB muxing overhead: 0.016965%
frame=    1 fps=0.0 q=-0.0 Lsize=   48608KiB time=00:00:00.00 bitrate=36199656000.0kbits/s speed=2.66e-05x

并使用ffplay进行播放，因为有些格式播放器不支持，所以我们直接使用ffplay

作用和区别

• 有损编码器（MP3, AAC, OGG Vorbis）：

  • 作用：通过丢弃部分音频信息来减小文件大小，适合需要节省存储空间和带宽的应用，如音乐流媒体、在线广播和便携设备。
  • 区别：MP3最为普及，但音质相对较低；AAC在低比特率下音质更好，兼容性逐渐提高；OGG Vorbis在开源社区和某些特定应用中表现优异。

• 无损编码器（FLAC, ALAC, WAV）：

  • 作用：压缩音频数据而不丢失任何信息，适合需要高保真音质的应用，如音乐存档、专业音频制作和编辑。
  • 区别：FLAC和ALAC都提供无损压缩，但FLAC开源且适用更广泛的设备，而ALAC则主要用于Apple生态系统；WAV不进行压缩，音质最高，但文件非常大。

通过理解这些编码器的作用和区别，可以根据具体需求选择合适的编码器，以实现最佳的音质和文件大小平衡。

总结

有损压缩技术通过牺牲一些细节和数据精度来实现高压缩率，例如音频领域中的MP3格式。尽管有损压缩会导致一定程度上的信息丢失，但它在大多数情况下提供了令人满意的音质，尤其适合于音乐流媒体和在线广播等应用。相比之下，无损压缩技术能够在不损失音频或视频质量的前提下减小文件大小，如FLAC音频格式。这种技术常用于音乐制作和录音工作流程中，确保了最高质量的音频保真度。综上所述，选择压缩技术应根据具体需求来定，权衡文件大小和质量要求，以达到最佳的用户体验和技术实现。