音視頻中，這樣幾個名詞你需要知道:

（1） 采樣率（samplerate）

采樣就是對一個模擬信號每過一段時間取一個值，采樣的根據(jù)是根據(jù)采樣定理確定的，即采樣信號的最小頻率不小于被采樣信號帶寬的二倍，否則有原信號就會有所丟失，不再能還原成原來的號，一般采樣信號要比被采樣信號的帶寬大，如間頻信號的帶寬是20KHZ，實際采樣頻率則為44.1KHZ.采樣就是把模擬信號數(shù)字化的過程，不僅僅是音頻需要采樣，所有的模擬信號都需要通過采樣轉(zhuǎn)換為可以用0101來表示的數(shù)字信號，示意圖如下所示：

藍色代表模擬音頻信號，紅色的點代表采樣得到的量化數(shù)值。

采樣頻率越高，紅色的間隔就越密集，記錄這一段音頻信號所用的數(shù)據(jù)量就越大，同時音頻質(zhì)量也就越高。

根據(jù)奈奎斯特理論，采樣頻率只要不低于音頻信號最高頻率的兩倍，就可以無損失地還原原始的聲音。

通常人耳能聽到頻率范圍大約在20Hz～20kHz之間的聲音，為了保證聲音不失真，采樣頻率應在40kHz以上。常用的音頻采樣頻率有：8kHz、11.025kHz、22.05kHz、16kHz、37.8kHz、44.1kHz、48kHz、96kHz、192kHz等。

（2） 量化精度（位寬）

上圖中，每一個紅色的采樣點，都需要用一個數(shù)值來表示大小，這個數(shù)值的數(shù)據(jù)類型大小可以是：4bit、8bit、16bit、32bit等等，位數(shù)越多，表示得就越精細，聲音質(zhì)量自然就越好，當然，數(shù)據(jù)量也會成倍增大。

常見的位寬是：8bit 或者 16bit

（3） 聲道數(shù)（channels）

由于音頻的采集和播放是可以疊加的，因此，可以同時從多個音頻源采集聲音，并分別輸出到不同的揚聲器，故聲道數(shù)一般表示聲音錄制時的音源數(shù)量或回放時相應的揚聲器數(shù)量。

單聲道（Mono）和雙聲道（Stereo）比較常見，顧名思義，前者的聲道數(shù)為1，后者為2

（4） 音頻幀（frame）

這個概念在應用開發(fā)中非常重要，網(wǎng)上很多文章都沒有專門介紹這個概念。

音頻跟視頻很不一樣，視頻每一幀就是一張圖像，而從上面的正玄波可以看出，音頻數(shù)據(jù)是流式的，本身沒有明確的一幀幀的概念，在實際的應用中，為了音頻算法處理/傳輸?shù)姆奖悖话慵s定俗成取2.5ms~60ms為單位的數(shù)據(jù)量為一幀音頻。

這個時間被稱之為“采樣時間”，其長度沒有特別的標準，它是根據(jù)編解碼器和具體應用的需求來決定的，我們可以計算一下一幀音頻幀的大小：

假設(shè)某通道的音頻信號是采樣率為8kHz，位寬為16bit，20ms一幀，雙通道，則一幀音頻數(shù)據(jù)的大小為：

int size = 8000 x 16bit x 0.02s x 2 = 5120 bit = 640 byte