🎤 第一步：采集模拟信号

声音在物理上是一种连续波，通过空气等介质的振动传播。采集声音的第一步，是用麦克风（学名“传声器”）将这种物理振动转换成连续的模拟电信号。麦克风内部的振膜会随着声波振动，从而产生与声波波形变化一致的电流或电压信号。这就完成了从声波到模拟信号的转换。

🔄 第二步：模数转换（ADC）

模拟信号是连续的，而计算机只能处理离散的数字信号（0和1）。模数转换（Analog-to-Digital Conversion, ADC）就是这个“翻译”过程，它通常包含三个核心环节：采样、量化和编码。

1. 采样

采样就是在时间轴上，每隔一段时间对模拟信号“抓取”一个瞬间的样本值。这就像用相机进行高速连拍，将连续的动作分解为一连串的静态照片。

• 采样率：指每秒采样的次数，单位是赫兹（Hz）。采样率越高，对原始声音的记录就越密集，还原出的声音也越真实。
• 关键定理：奈奎斯特-香农采样定理指出，采样率必须高于原始信号中最高频率的两倍，才能无失真地还原出原始信号。人耳的听觉范围大约在20Hz到20kHz，因此CD品质的音频采用44.1kHz的采样率（略高于40kHz），这能保证完美还原人耳可闻的所有频率。

2. 量化

采样得到的样本点在幅度（振幅）上仍然是连续值。量化就是将这些连续的幅度值“四舍五入”到有限个离散的等级上，使其能够用数字表示。

• 位深度：也叫采样精度，指用多少个二进制位来表示一个采样点的幅度值。常见的位深度有16bit（CD标准）或24bit（DVD标准）。
• 量化等级：一个16bit的精度，可以将幅度划分为 (2^{16} = 65536) 个不同的等级。位深度越高，划分的等级越精细，表示声音的强弱（振幅）就越精确，量化过程中引入的失真（量化噪声）也就越小。

3. 编码

编码是将量化后的一系列离散的整数值，按照一定的格式转换为二进制码流（由0和1组成）的过程。最常用、最基础的编码方式是PCM（脉冲编码调制）。经过PCM编码后得到的数据，就是最原始的数字化音频数据，常被称为PCM音频数据。

📊 关键参数与数据量

了解以下几个概念，有助于你把握音频质量与文件大小之间的平衡：

• 声道数：指采集或播放声音时使用的独立音频通道数量。单声道（Mono）使用一个通道，立体声（Stereo）使用两个通道，能营造空间感。
• 比特率：也称为码率，指每秒音频数据所占的比特数，单位是bps。对于未压缩的PCM音频，其计算公式为：比特率 = 采样率 × 位深度 × 声道数。例如，CD音质（44.1kHz, 16bit, 立体声）的比特率约为1411.2 Kbps。
• 文件大小：一段音频的原始数据量（字节）可以通过 采样率 × (位深度/8) × 声道数 × 时长（秒） 来计算。

下面的流程图总结了从模拟声音到数字文件的完整转换过程：

💡 实际应用与格式

• PCM与“无损”：PCM编码本身可以认为是一种“无损”格式，因为它直接保留了采样和量化后的原始数据，是高质量音频处理和存储的理想选择。常见的WAV文件格式，就是在PCM数据前加上一个包含采样率、位深度等参数的文件头而形成的。
• 从数字回模拟：当播放数字音频时，计算机会通过数模转换（DAC） 过程，将数字信号重新转换为模拟电信号，这个信号再驱动扬声器振动，还原成我们听到的声音。