时间戳

首页 > 解决方案 > 不同的 AVAudioQuality 选项对生成的录音有什么影响？

ios - 不同的 AVAudioQuality 选项对生成的录音有什么影响？

问题描述

我正在构建的应用程序的一部分涉及录音。以下是相关代码：

let settings = [
            AVFormatIDKey: Int(kAudioFormatMPEG4AAC),
            AVSampleRateKey: 12000,
            AVNumberOfChannelsKey: 1,
            AVEncoderAudioQualityKey: AVAudioQuality.high.rawValue]

audioRecorder = try AVAudioRecorder(url: self.audioFilename, settings: settings)

我希望质量尽可能好，但如果可以节省空间，我希望允许用户更改设置中的质量。

AVAudioQuality 的不同值实际上有什么作用？随着质量下降，他们会使文件变小吗？采样率也是如此吗？我看到的很多教程都使用大约 12000 的采样率，虽然我知道专业录音通常是 44100，有理由不使用 44100 吗？

标签： iosswiftavfoundationaudio-recording

解决方案

我将把上面的图形翻译成它在实践中的工作方式[在录制的声音上]。音频采样率影响将要记录的频率范围，采样率越高，可能记录的音频频率就越高。

该采样数基于用于数字化声音的 PCM（脉冲编码调制）。越高，曲线定义越好（如上图所示）

但更好的曲线在实践中意味着什么？更好的曲线意味着更多关于高频音频的细节。您可以录制更清晰的声音，特别是在高音频率上。

为什么是 44100，这个数字是什么意思？有没有办法让您在脑海中弄清楚使用较低 [22050, 11000, 8000] 采样率的录音听起来会如何？

就在这里。

人耳能够听到 20Hz 到 20000Hz 的频率 [一个完美的耳朵，在一个非常年轻的人身上，可以达到 20000Hz，例如孩子]

所有其他成年人可以听到大约 20Hz 到 17500Hz（这是平均值）

当我们将声音数字化时，如果我们希望它对人耳听觉最完美，我们需要能够将人耳能够听到的整个频率范围数字化。即从 20Hz 到 20000Hz。

在这里简短，无需深入了解 PCM 的工作原理，数学和实用规则是：“采样率必须是音频频率的两倍，才能以数字方式记录该音频频率”

这意味着：为了能够以数字方式录制 18000Hz 的高音，您需要 36000Hz 的采样率（总是两倍）

这就是数字 44100 是 44100 的原因：它是 20000Hhz [人类最大听觉容量] 的两倍（加一点）

所以 44100 的采样率能够数字化和记录从 20Hz 到 22000Hz 的音频频率，这刚好高于人类的最大能力，这意味着：完美的声音！（*对于我们人类）

如果您将应用程序采样率设置为 12000 左右，它将允许您录制高达 6000Hz 的声音频率。你会失去大部分的高音。

例如，电话通话以 8000 的频率进行数字采样，这使其能够传输高达 4000Hz 的声音频率。它很适合说话，但它错过了很多高于 4000Hz 的更高频率。因此，电话上没有高音。

现在您可以在脑海中弄清楚采样率如何影响录制的声音。从电话音质的 4000Hz，到任何 FM 广播电台的 15200Hz，到任何 CD 音质的 20000Hz。

选择您希望/需要能够记录的所需最大音频频率范围，并将值加倍：您将知道必须在应用程序中调整的正确采样率。

您问是否有任何理由不成为 44100。这取决于录制声音的最终性。对于声音，只是声音，要记录人们说话，12000就足够了：它不像电话那么糟糕，它可以记录高达6000Hz的声音频率，这是大多数声音的音调，它会切断所有其他更高的频率6000Hz（鸟鸣声、分散注意力的声音、金属声等）。所以 12000 比 44100 更适合录制人声。让我们考虑在一家餐厅，所有的饮食噪音和玻璃噪音，录制声音最好采用较低的采样率，以消除所有那些高音并更好地记录声音。

对于音乐，请始终选择 44100。

关于文件大小，是的，采样率越低，生成的音频文件就越小。但是您使用的是 AAC 压缩，因此无需担心文件大小：

  • 44100 1分钟AAC录音【2通道】约950KB
  • 12000 1分钟AAC录音【2通道】约280KB
  • 1 小时 AAC 录制 [2 通道] 在 44100 大约是 57MB

大于 44100 的采样呢？有 48000、96000 甚至更多。

48000 的采样将允许高达 24000hz 的声音频率（没有超人能够听到这种高频声音）你最终会得到一个更大的文件。

96000 的采样将允许高达 48000Hz 的声音频率，只有狗能够听到高达 45000Hz 的高音。96000 的采样非常适合录制声音，当再现时听起来与真实声音完全一样，但对于狗的耳朵。对我们来说，与 44100 采样率没有区别。我们的耳朵分不清。（PS：对于这种情况，有效的是，您需要一个能够再现 20000Hz 以上声音的扬声器，这很难找到..）

PS：采样率以赫特为单位，就像声音频率一样。我在提及采样率时故意省略了上面的“Hz”，而在提及声音频率时提及，以避免与许多看起来相似但代表两个不同事物的数字混淆。

因此，44100 的采样意味着 44100Hz [采样率].. 等等..

_

  • 1 赫特意味着 1（一）次振荡/旋转/事件在 1（一）秒间隔内
  • 20000Hz 表示声音的频率每秒振荡 2 万次。
  • 44100Hz 意味着我们正在通过以每秒 44000 次的速率对声音进行采样来将声音数字化。

推荐阅读