Audio coding format 音频编码格式 - 媒体理论

Audio coding format音频编码格式（或有时Audio compression format音频压缩格式）是用于存储或传输数字音频（例如在数字电视、数字广播以及音频和视频文件中）的内容表示格式。音频编码格式的示例包括 MP3、AAC、Vorbis、FLAC 和 Opus。能够对特定音频编码格式进行音频压缩和解压缩的特定软件或硬件实现称为音频编解码器；音频编解码器的一个示例是 LAME，它是在软件中以 MP3 音频编码格式实现音频编码和解码的几种不同编解码器之一。

一些音频编码格式由称为音频编码规范的详细技术规范文档记录。一些这样的规范由标准化组织编写并批准为技术标准，因此被称为音频编码标准。 “标准”一词有时也用于事实上的标准和正式标准。

以特定音频编码格式编码的音频内容通常封装在容器格式内。因此，用户通常没有原始 AAC 文件，而是有一个 .m4a 音频文件，它是包含 AAC 编码音频的 MPEG-4 Part 14 容器。该容器还包含元数据，例如标题和其他标签，或许还包含用于快速查找的索引。一个值得注意的例外是 MP3 文件，它们是没有容器格式的原始音频编码。将标题和艺术家等元数据标签添加到 MP3（例如 ID3）的事实上的标准是通过将标签附加到 MP3，然后依靠 MP3 播放器将块识别为格式错误的音频编码并因此跳过它来实现的 hack。。在带有音频的视频文件中，编码的音频内容与视频（以视频编码格式）捆绑在多媒体容器格式内。

音频编码格式并不规定实现该格式的编解码器使用的所有算法。根据心理声学模型，有损音频压缩工作原理的一个重要部分是以人类听不到的方式删除数据。编码器的实现者可以自由选择要删除的数据（根据其心理声学模型）。

无损、有损和未压缩的音频编码格式Lossless, lossy, and uncompressed audio coding formats

无损音频编码格式减少了表示声音所需的总数据，但可以解码为其原始的未压缩形式。有损音频编码格式在压缩的基础上还会降低声音的比特分辨率，从而导致数据量大大减少，但代价是信息无法挽回地丢失。

消费类音频通常使用有损音频编解码器进行压缩，因为较小的尺寸更便于分发。最广泛使用的音频编码格式是 MP3 和高级音频编码 (AAC)，这两种格式都是基于改进的离散余弦变换 (MDCT) 和感知编码算法的有损格式。

有时可以使用无损音频编码格式，例如 FLAC 和 Apple Lossless，但代价是文件较大。

有时也会使用未压缩的音频格式，例如脉冲编码调制（PCM 或 .wav）。 PCM 是光盘数字音频 (CDDA) 的标准格式，后来有损压缩在 MP3 推出后最终成为标准。

历史History

1950年，贝尔实验室申请了差分脉冲编码调制（DPCM）专利。自适应 DPCM (ADPCM) 由贝尔实验室的 P. Cummiskey、Nikil S. Jayant 和 James L. Flanagan 于 1973 年提出。

感知编码首先用于语音编码压缩，即线性预测编码（LPC）。 LPC 的最初概念可以追溯到 1966 年 Fumitada Itakura（名古屋大学）和 Shuzo Saito（日本电报电话公司）的工作。在 20 世纪 70 年代，贝尔实验室的 Bishnu S. Atal 和 Manfred R. Schroeder 开发了一种称为 LPC 的形式自适应预测编码 (APC) 是一种利用人耳掩蔽特性的感知编码算法，随后在 20 世纪 80 年代初出现了码激励线性预测 (CELP) 算法，该算法在当时取得了显着的压缩比。 MP3 和 AAC 等现代音频压缩格式使用感知编码。

离散余弦变换 (DCT) 由 Nasir Ahmed、T. Natarajan 和 K. R. Rao 于 1974 年开发，为 MP3 和 AAC 等现代音频压缩格式使用的改进离散余弦变换 (MDCT) 提供了基础。 MDCT 由 J. P. Princen、A. W. Johnson 和 A. B. Bradley 于 1987 年提出，继 Princen 和 Bradley 于 1986 年开展早期工作之后。现代音频压缩格式（例如杜比数字、MP3 和高级音频编码 (AAC)）都使用 MDCT。