數字音頻中合理精度轉換的重要性

劉 棟

[內容提要]在數字音頻中，數據的準確是很重要的，適當的選用恰當的量化比特數和運用抖動處理是非常必要的，抖動處理不能給原有的聲音帶來什么好的變化，但是恰當的使用抖動處理可以保持相對良好的音質也是非常重要的。合理的精度轉換處理，會使數字音頻產生的誤差變的更小，并且能保持非常高質量的音質，會讓數字音頻盡可能的像模擬音頻那樣的線性和平順。

音頻的制作從創作到成品，過程沒有太大的改變，但是聲音和格式確實在改變。自20世紀中期，模擬磁帶錄音機在唱片工業中擔負著重大的作用，并廣泛的運用于專業錄音棚等錄音中，當時的錄音幾乎完全依靠模擬磁性媒體將聲音存儲在磁帶上。因為其價格昂貴損耗嚴重，模擬磁帶錄音的使用已經越來越少了，但是也因為模擬錄音的特殊聲音特點是現在數字錄音無法替代的，那種豐滿有力自然的聲音，使得它仍被高度的關注。但是模擬磁帶錄音的局限性原因,導致它很有可能在未來行業內逐漸消失。到了大概80年代數字錄音的出現，數字錄音技術迅速的從模擬格式轉變成磁帶或硬盤的數字格式，大型多軌數字音頻錄音系統的出現，建立了當時數字音頻的工業標準。多軌錄音技術是以整個錄音系統為核心，將所有的音頻信號，通過模擬數字轉換器，轉換成數字音頻信號，通過數字多軌錄音工作站,記錄與保存下來的。由于當時各種條件的限制，這種多軌的數字錄音系統，價格也是非常昂貴，但是帶來的強大的處理能力和便捷優勢。多軌錄音技術的迅速發展，改變了模擬錄音的基本結構和格式。進入21世紀，這樣的局面產生了一些變化，多數的數字音頻工作放棄了操作復雜笨重的硬件工作站開始依賴電腦和軟件，很多的傳統硬件上的功能，被轉移到了數字音頻軟件中去。這樣既大大降低了工作強度和成本，還把以前只能簡單操作和調節的功能變得更加細化和復雜。因為電腦技術的發展和數字化制作技術產生，改變了我們之前在模擬設備上使用的錄制編輯和處理技術，使之在制作上更為便捷和準確。數字音頻也被推到了史無前例的高度，一些音頻廠家開發大量的數字音頻接口與電腦構建成數字音頻工作站。數字音頻的精度迅速的提升，出現了更高的24比特、32比特浮點采樣深度和96kHz、192kHz的采樣頻率。

CD唱片很可能是第一個也是最后一個，專業的數字音頻實體唱片。雖然有更好的DVD-A，但是對于其在國內的發展及大多人們的聽覺理念和聽覺環境及設備，面對高解析和大容量多數人還會選擇便捷、高性價比的數據播放格式。CD唱片比起黑膠或模擬的磁帶，更容易制作和生產，甚至是可以完全通過一個人完成制作的。人們開始對聲音的要求越來越高，在剛有錄音的年代，人們可能認為聲音已經很好了，還原度已經很高了，和現實中的聲音沒有什么不一樣的，但隨著聲音制作工藝質量及播放設備的不斷提高，人們開始覺得以前的聲音是有缺陷的。如果你常使用一些壓縮音頻設備或者是低采樣頻率的聲音來聽音樂，習慣了你不會感覺它有什么問題，但如果使用更高的解析度來聽聲音，你會發現原來差別是非常明顯的。隨著互聯網的迅速發展，音樂的傳播范圍也發生了巨大的變化。現在，我們只需要在電腦或者智能手機上安裝音樂軟件，我們就可以完成從試聽到購買新的音樂產品的全部過程，這使得音樂的儲存、購買和制作更加便捷。互聯網唱片的格式也因為網速的快速提升，從壓縮嚴重的MP3變成高流速MP3或者無損音頻格式，甚至是DSD編碼的高采樣音頻格式。CD唱片將會漸漸地過時并消失在歷史的舞臺，但是它的16比特44.1kHz的工業標準也漸漸成為了數字音頻行業的最常用的數字音頻標準。

一、數字音頻的量化

(一)模擬音頻與數字音頻

模擬錄音的主要原理是將聲音的物理振動形態通過電聲轉換并以模擬信號轉換成磁信號記錄和保存的，聲音是從振動形態及能量完全的轉變成電信號，并且是連續不斷的，模擬信號是直接而簡單的物理形態上的轉換個過程。在模擬系統中，信號是連續不斷的，聲音的物理振動形態通過電信號的轉換得以完整的記錄。而在PCM數字系統中，數字音頻信號則對電信號進行大幅度的簡化和篩選。數字采樣過程中隨時間的連續變化模擬信號被換算成二進制，數字音頻信號的振幅會被限制在一定的固定值上，這個過程叫量化。

隨著數字時代的到來，音樂制作工作室及錄音棚大多以電腦為核心，數字音頻技術改變了錄音的傳統形式。數字音頻技術的產生改變了整個聲音領域的存在形態，新一代的數字音頻及周邊設備因為其便捷準確和強大的處理能力很快的替代了傳統的音頻錄制及制作形式。數字音頻的產生既給我們帶來了諸多的好處，但是處理的復雜性也是比較明顯的，在處理上和模擬音頻有著極大的區別。數字音頻是一門比較復雜的學科，但工作原理實際是相對簡單的量值運算關系，如何處理好需要我們理解工作原理才能準確的把握好聲音。

(二)數字音頻中量化產生的誤差

數字音頻信號是將模擬音頻信號進行人為的篩選和量化，數字音頻信號對電信號進行篩選后進行大幅度的簡化采樣，如果說真實運動的模擬信號是一條連續的光滑運動曲線的話，數字信號是由大量篩選后的點組成和模擬音頻信號非常相近的曲線，它不是連續的而是階梯狀的。按照CD唱片的標準16比特44.1kHz實際上是1秒鐘采樣了44100個采樣點，這些點連成了接近于連續的聲波曲線讓人聽起來感覺是連續的聲音，但實際上每個采樣點之間會有一定的距離，而不是連續不斷的。數字錄音過程是將模擬音頻波形來進行周期的采樣，然后計算每一個采樣瞬間的數字，瞬間電壓的變化用計算機二進制數字形式來表示，那采樣周期越短就意味著采樣密度越高，聲音質量就越高。量化是采樣過程中對電平信號幅度進行數字化的過程，將連續模擬信號的幅值電平轉化成數字音頻信號，量化深度決定著數字音頻的動態范圍，量化深度越高數字音頻的動態范圍越大，分辨率越高，記錄就會越精確。量化比特深度對于數字音頻的質量來說是很重要的，在專業音頻領域最普遍使用的比特深度是16比特、20比特或24比特。比特深度決定了數字采樣過程中振幅的精度范圍，決定了數字聲音樣本的動態，也就是最低電平到最高電平的范圍。每增加1比特深度動態范圍就增加6dB，用比特率乘以6得到16比特的動態范圍是96dB，而24比特是144dB。但是無論精度如何，數字音頻信號和模擬聲音之間還是存在著一定程度的誤差，但是如果一個信號被量化而不去合理的轉換或者處理，就會與原始輸入信號的量化產生失真。這樣產生了諧波、次諧波、疊加諧波等諧波，這或是一種非常不好的失真類型，它們的滋滋的聲音聽上去像摩擦聲，讓聲音變得尖銳刺耳，沒有了溫暖和縱深感。為了防止這種情況的發生，信號是可以通過一些處理幾乎完全消除這些諧波或者其他不需要的失真，并可以有一個定量的固定噪聲電平來替代它。

二、數字音頻工作站中數字量化失真的形成

在90年代初，數字音頻工作站（DAW）已經開始大量的進入數字音頻領域，人們很快放棄了工作效率慢的硬件編輯器，DAW工作站使用強大的原處理編輯模式，編輯器及更高的數據完整性更讓大家喜歡，而且也可以通過使用非常靈活的交叉漸變編輯器來編輯那些音頻的淡入淡出。在當時只有少數的幾個工作站或軟件程序適合后期制作的使用，因為不是每個工作站都有能力做多通道和高采樣率的工程。選擇適合的DAW數字音頻工作站的標準包括軟件和硬件的可靠性以及使用的穩定性。在此之前很多一些制作的音頻大多使用的是實時調整的方法做處理，但越來越多的數字音頻處理器是可以通過信息進行遠程控制，這使它們的調制可以被自動化。在工作中，我們大量使用自動化，因為高級音頻工作站都會提供自動化的均衡、淡出、動態、甚至自動化的插件。如果需要進行修改，我們也可以直接在DAW工作站中對其參數和時間進行修改。這種技術除了可以自動化插件還可以控制外部數字音頻設備，自動化的最大優點是便于修改處理是以非破壞性的方式應用的。

我們在編輯音頻或使用軟件（DSP）效果器調整均衡、使用壓縮或使用其他的算法運算處理后，音頻的數值字節長度就會有變化，甚至一個16比特的音頻被處理后字節長度可能會超過24比特的字節長度，如果我們簡單的去除那些多余的低位字節數值，那么音質一定會有損失會下降。很多較新的數字音頻處理器插件或數字音頻工作站系統開始使用浮點運算來處理、編輯數字音頻，浮點運算能夠較容易的改變數據中的低位字節位置，將它變成更小的值，處理器就能夠在內部用更大的數值來精準的計算處理結果。如果在32比特浮點或是64比特浮點運算的軟件中，要最終生成導出16比特標準的音頻文件，我們會損失很多的比特率，損失很多的動態范圍。這些動態范圍的損失是無法挽救的，就算我們重新導入這個文件數據會再次轉換成浮點計算，那么動態范圍也不可能恢復到以前一樣。這種降低比特率的處理方式還會帶來不必要的量化失真和噪聲。通常情況下，在數字音頻系統中進行任何的處理都會產生失真誤差，我們在一些軟件里進行效果處理或者是編輯處理計算精度都會達到32比特浮點，甚至更高的64比特浮點。這些處理出現的數字失真一般會非常低的電平上，但是為了讓其他系統能夠辨認，我們必須在信號輸出的時候降低比特率，這種處理無論是否使用了抖動都會產生是新的噪音或失真。一些效果處理器，因為是32比特浮點或64比特浮點運算的，所以很多插件效果器會頻繁的使用抖動。隨意的加入抖動處理是沒有任何好處的，只能為原信號添加更多的噪聲而不能真正的糾正產生的誤差失真，這些失真不僅在輸出16比特標準時產生，甚至在輸出24比特時仍然會產生失真。

三、數字音頻信號中抖動處理器的運用

在模擬信號轉換成數字信號或是數字信號轉換到模擬信號的過程中，這一過程總是會存在一定程度的誤差，對于這些誤差產生的失真，通常會在AD/DA轉換器上額外的加入一些干擾噪聲，而這些干擾波是為了強行的糾正這些因為量化后產生的誤差。這些額外的干擾噪聲可能是不會被聽見的，并且是可以有效的改變的，因為轉換后出現的波形量化失真可以被干擾波補充并消除失真。抖動實際上是擴展的數字系統的分辨率，除了能夠記錄和再現模擬信號中高電平和中電平的數值外，抖動讓我們在低電平的信號中進行編碼。如果不使用抖動處理音樂的音質，會丟掉很多的聲音，將會變差聽起來是冷而粗糙的，每種不同類型的噪聲形成的聲音聽起來都不一樣，要比較每一種類型來確定哪一種類型更適合我們的音樂類型。

眾所周知，數字音頻處理的量化深度越高和更高轉換速率聲音也會更好，使用高量化深度和采樣頻率錄制，然后采用往下采樣的方法轉換到44.1 kHz的CD采樣頻率，進行抖動處理到16比特。為了保證錄音質量和精度，我們通常用24比特48kHz或更高的Wav或Aiff文件進行記錄，因為這樣我們可以保證有足夠高的采樣密度和動態范圍，使聲音盡可能的保持原樣并減少噪聲。但是，因為大多的民用系統分辨率達不到專業設備的精度、CD唱片或常用的數字音頻的格式要求，我們通常要把錄制后經過縮混的高精度的音頻向下轉換。轉換過程中，采樣的量化深度進行向下轉換，數字設備大多會把低位字節的數據四舍五入的簡單的去除，而產生的誤差就是被去除掉的那些信號。實際上聲音細節是有較大的損失的，去除的信號再也沒有辦法恢復，產生量化失真。如果反復的進行，這些誤差的信號會積累很明顯的量化失真，導致低電平的信號聲音色彩偏離。人們通常會對這些去掉的低位字節信號來建立一個空間感，當數字音頻的低位字節信號被損失掉后，聲音聽起來會缺乏空間感和通透感。除非我們要以高精度的文件播放，但是大多數的時候我們要降低采樣精度，如果沒有精準的處理，運算的結果一定不會讓我們滿意，也就是會產生很多的失真。

(一)模擬信號的抖動處理

(二)數字信號的抖動處理

我們將最終的音頻文件使用高采樣率D/A轉換器進行數字模擬轉換以進行模擬處理，然后讓信號通過多個模擬效果器，比如：模擬均衡器、模擬壓縮器、模擬限制器等。如果有可能也會把信號發送給高質量的模擬調音臺通過調音臺的電平、均衡器進行調整，然后將材料記錄到高采樣率A/D轉換器可選進一步數字處理。如果需要，還要把轉換過來的數字信號發送給各種數字效果器。因為我們最終要制作的大多是16比特44.1kHz的標準，所以，我們要進行抖動處理（Dither），最后翻錄到數字音頻工作站（DAW）中。但是，由于大多數數字音頻工作站（DAW）只能在一個單一環境下的工作，源材料不能以目標采樣率記錄，所以可能需要兩個步驟（和兩個DAW）。首先，將聲音在新的DAW文件上以24位/ 44.1 kHz錄制，然后在最后一步中將其抖動到16比特。如果使用的是數字效果器，因為大多的數字效果器經過核心運算處理后字長會增加很多，甚至達到32比特浮點，那如果不去進行處理，就會產生一定的誤差失真。不僅是數字效果器，一些大型的數字調音臺每一個通道、每一次處理都會出現超字符運算的疊加，數值結果也大大的超過了AES/EBU數字音頻傳送標準的24比特的傳送能力，其他多余的信號都會產生錯誤。在不斷進行的數字信號處理過程中，錯誤不斷積累，帶來了不必要的失真，所以添加抖動處理器可以盡量的避免這些誤差產生的失真。

那么對于處理更高的采樣精度的數字音頻保留低位字節的信息或者讓其計算的更加合理，抖動處理是必要的，這樣大多的低位字節信息得以保留，當這些信號轉化成模擬大多表現為噪聲，我們可以使用高清晰耳機仔細的分辨，但是抖動不是簡單的加入了一個噪聲。如果音樂越豐富那么所產生的誤差頻率就會越多，諧波失真和頻率倍數產生的關系都是成倍的關系，但是抖動產生的失真不是倍數關系，這樣就會出現一些極度不和諧的聲音，所以選擇合理的整形抖動噪聲也是必要的。抖動越大引起的噪音越大越強烈，那有時我們就要選擇超低電平抖動了，因為這個抖動會直接影響最后播放聲音的質量，抖動大噪音大而頻率越豐富質量越差。比如：我們輸出一個添加混響的16比特音頻可以聽到混響尾音產生低電平的失真非常清晰，如果是用了限制器處理來大幅提升信號，低電平的失真變得非常明顯。如果加入了抖動，音頻中的失真聽不到了，但是能夠聽到加入了抖動噪聲，如果我們對抖動噪聲整形，這些噪聲會因為掩蔽效應而不易聽到了。

四、無整形抖動處理和高頻整形抖動處理的運用

大部分的數字音頻工作站自身都會自帶抖動處理器，可能是一個單獨的插件，也可能是輸出導出中的一個選項，也有很多廠家插件提供抖動處理功能，尤其是那些限制器和音量最大化效果器。在我們熟悉的抖動處理器中，最常見的是軟件的抖動處理器，比如：DAW軟件自帶的Dither或者Waves L2、L3的IDR、POW-r Dither、iZotope等等，又或者硬件的AD/DA轉換器中的Dither比如：Apogee的UV22系統等等，Apogee的UV22系統只是在22kHz上添加了一個抖動。噪音在數字音頻信號轉換時，要用一些抖動信號來填補在精度轉換時被去掉損失的部分信號，這樣會使聲音更平滑飽滿。一般的抖動處理器都會有無整形抖動和不同類型整形（Shaping）抖動，一個16比特的無整形抖動的信號電平在-91dBFS，抖動噪聲非常明顯，而且可能會對一些音色產生掩蔽或衰弱，是一些聲音變得模糊，讓聲像變得更窄降低了聲像深度。整形抖動是在無整形抖動電平上的抖動噪聲基礎上進行整形濾波，使掩蔽效應最小化，把聽覺最敏感區域的噪聲減弱。不同類型的整形抖動頻率曲線不同，對于適合的聲音選擇不同的頻率曲線的抖動噪聲來提高部分聲音的清晰度，將添加的抖動噪聲分不到聽覺不容易察覺到的頻率上去，既能保證聲音的平順通透，又聽不到那么多的噪聲。一些原始類型的整形抖動處理是加入一定的抖動噪聲，來完全低消低電平信號誤差失真，這種類型的抖動處理對信號處理后效果比較明顯，可以將低電平的信號變得非常干凈并且有較高的解析度。而一些深度的整形抖動噪聲可以較大程度的降低信號中噪聲，但是也會影響之前的音頻信號出現不好的聲音。有的時候我們也經常使用無整形的抖動，尤其是在比較激烈或吵雜的音樂風格中，加入一些噪音也是不錯的。

圖1.

我們以軟件抖動處理器為例，我們擴大了最后的抖動噪聲，可以在頻譜上清晰地看到，Waves L3中IDR 量化選擇16比特量化，抖動選擇TYPE 1的無整形抖動，可以看到明顯的噪聲音頻曲線（圖：1）

同樣，我們選擇16比特量化，抖動選擇TYPE 1的整形Moderate,比較柔和的抖動噪聲，就已經明顯的避開了中高頻頻率，把這部分頻率噪聲移到了更高的頻率。

圖2.

選擇16比特量化，抖動選擇TYPE 1的整形Ultra比較極端的抖動噪聲，看到了中高頻明顯下潛，高頻率噪聲被移到了更高的頻率而且很大（圖2）。

圖3.

使用POW-r Dither的三種不同的整形抖動，噪聲在不同頻率上的變化。

圖4.

圖中iZotope 6 的抖動處理器，其中包含采樣深度量化、抖動強度、噪聲整形類型強度等。

我們必須使用大增益的耳機來做聲音的比較，如果監聽聲音不夠理想那必須使用耳機來對聲音的質量進行控制，一個耳機的使用會比監聽音箱聽到更多的噪音或聲音的細節變化，如果發現了不能接受的聲音和噪音，所有的都必須重新修改。監聽耳機的作用主要和監聽音箱一樣，由于離耳朵更近，不受環境干擾，聲音更清晰，并且聲場定位更準確，所以能夠聽到聲音的更多細節，可以非常準確的檢查音頻中的瑕疵。高質量的抖動和低質量的抖動所帶來的音質上的差別很大，尤其是在低電平時，能夠聽出數字信號的截斷或者抖動不當帶來的音質下降，有的會有明顯的噪聲，有的可能出現一些顆粒感，這說明選擇的抖動類型不太適合或者抖動處理器計算精度不夠。在模擬設備上峰值超過0dB表頭就會進入紅區，但不會失真，模擬設備上通常會在這一限度的基礎上再留出一定的動態范圍。而在數字設備上凡超過0dB的聲音信號會被削平形成削波失真。如果數字音頻已經進行過峰值限制了，并且是響度電平很高的數字音頻，在最后加入抖動時，峰值電平會增大，一些峰值電平會超過0dB產生削波失真，所以一定要注意最后加入抖動的電平。

結 語

因為在有些時候對于數字音頻來說16比特的標準可能是必須的，我們沒有辦法只能采取降低比特率的方式得到聲音質量降低的數字信號。在我們的音頻工作站軟件中雖然由運算誤差所導致的失真是非常弱的，但是這些失真不斷的疊加累計之后會產生很大的問題。抖動處理可以在很低的電平上添加一個隨意性的噪聲，但這個噪聲并不是一種很簡單的噪聲，而是經過概率運算出來的隨機噪聲。這種處理，會使產生的誤差變的很隨意，可以去除這些聲音與信號之間的關聯來消除失真，這些處理會讓數字音頻變回模擬音頻那樣線性和平順，但是代價就是不得不要添加一些噪聲進去。在數字音頻中，數據的準確是很重要的，適當的選用恰當的量化比特數和運用抖動處理是非常必要的，抖動處理不能給原有的聲音帶來什么好的變化，但是恰當的使用抖動處理可以保持相對良好的音質也是非常重要的。精度和抖動是數字音頻中最小，最微不足道的問題，也是最重要的問題，我們必須了解如何處理利用精度和適當的抖動，但是我們也必須把問題放在正確的角度。如果我們想讓所有的都準確，并且能保持非常高質量的音質，那么正確的合理的精度轉化是非常重要的。但是，如果縮混的不好，或者音樂聲音本身就沒有這么好，那么這些處理就可能并不那么重要了。