FFmpegWebRTCRTMP

什么是音視頻 ？

什么是聲音

聲音是由物體振動而產(chǎn)生的（已報(bào)名零聲音視頻 底部評）。聲音是一種壓力波，振動時使空氣產(chǎn)生縱波，由此產(chǎn)生了聲

2. 聲波的三要素

聲波的三要素是頻率、振幅和波形，頻率代表音階的高低，振幅代表響度，波形代表音色。

頻率：頻率越高，波長越短。低頻聲響的波長則較長，所以其可以更容易地繞過障礙物，因此能量衰減就小，聲音就會傳得遠(yuǎn)，反之則會得到完全相反的結(jié)論。

振幅：響度其實(shí)就是能量大小的反映，用不同的力度敲擊桌子，聲音的大小勢必也會不同。在生活中，分貝常用于描述響度的大小。聲音超過一定的分貝，人類的耳朵就會受不了。

音色：音色其實(shí)也不難理解，在同樣的音調(diào)（頻率）和響度（振幅）下，鋼琴和小提琴的聲音聽起來是完全不相同的，因?yàn)樗鼈兊囊羯煌?。波的形狀決定了其所代表聲音的音色，鋼琴和小提琴的音色不同就是因?yàn)樗鼈兊慕橘|(zhì)所產(chǎn)生的波形不同。

?

3. 數(shù)字音頻

數(shù)字音頻涉及到三個概念：采樣，量化和編碼。

采樣：采樣就是在時間軸上對信號進(jìn)行數(shù)字化。根據(jù)奈奎斯特定理（也稱為采樣定理），按比聲音最高頻率高 2 倍以上的頻率對聲音進(jìn)行采樣（也稱為 AD 轉(zhuǎn)換）。

量化：量化是指在幅度軸上對信號進(jìn)行數(shù)字化，比如用 16 比特的二進(jìn)制信號來表示聲音的一個采樣，而 16 比特（一個short）所表示的范圍是[-32768，32767]，共有 65536 個可能取值，因此最終模擬的音頻信號在幅度上也分為了 65536層。

編碼：所謂編碼，就是按照一定的格式記錄采樣和量化后的數(shù)字?jǐn)?shù)據(jù)，比如順序存儲或壓縮存儲。編碼里面涉及了很多種格式，通常所說的音頻的裸數(shù)據(jù)格式就是脈沖編碼調(diào)制（Pulse Code Modulation，PCM）數(shù)據(jù)。描述一段 PCM 數(shù)據(jù)一般需要以下幾個概念：量化格式（sampleFormat）、采樣率（sampleRate）、聲道數(shù)（channel）。以 CD 的音質(zhì)為例：量化格式（有的地方描述為位深度）為 16 比特（2字節(jié)），采樣率為44100，聲道數(shù)為2，這些信息就描述了 CD 的音質(zhì)。還有一個概念用來描述它的大小，稱為數(shù)據(jù)比特率，即1秒時間內(nèi)的比特?cái)?shù)目，它用于衡量音頻數(shù)據(jù)單位時間內(nèi)的容量大小。

??