首先，声音是如何形成的？声音就是 介质振动 在听觉系统中产生的反应，其中有两个非常重要的属性
- 振幅：声音的振幅就是音量
- 频率：声音的频率就是音调的高低单位 Hz
音频又分为：
- 模拟音频：上图蓝色曲线，在时间和振幅都是连续的。比如：磁带，唱片等。
- 数字音频：上图红色点，通过采样和量化获得离散性数据。比如：CD，MP3 等数字格式。
通过上图来介绍一下几个基础的概念：
- 采样率 Sampling Rate：单位时间内的采样点，即上图一个区间内红点的个数，单位为 kHz，每秒千个采样。（采样率越高越接近声音真实的频率）
- 量化深度 Depth ：每个样本的二进制位数，即上图红点的 Y 坐标的值，位数越多，振幅能区分的更细，通常量化深度为 4,8,16,32 bit
- 声道数 Channel Num ：每次生成一个采样数据，为单声道，多个声道可以重现出声音的位置。
对声音进行采样、量化过程被称为脉冲编码调制（Pulse Code Modulation），简称PCM。PCM数据是最原始的音频数据完全无损，所以PCM数据虽然音质优秀但体积庞大，为了解决这个问题先后诞生了一系列的音频格式，这些音频格式运用不同的方法对音频数据进行压缩，其中有无损压缩（ALAC、APE、FLAC）和有损压缩（MP3、AAC、OGG、WMA）两种。
人耳听到的是模拟信号，PCM是把声音从模拟信号转化为数字信号的技术。
是的，我们通常说的音频格式，amr，aac, mp3其实就是指的 音频压缩格式 Audio Coding Format ：如 MP3, AFLAC,FLAC等
播放音频
既然有这么多音频压缩类型了，我们只能用其中的一种或者几种，因此，我针对目前客户端内流通的音频类型，做了一个调查，如下
音频类型的选型
压缩格式多种多样，压缩率越高，体积就越小，但是音质就越差； 压缩率越低，体积就越大，也就越接近真实音质。所以，我们需要找到一个平衡
咱们的业务中（客户端，平台，以及后台业务）中一共涉及到了三种音频类型，最早的应该是 AMR，然后就是语音房那边的 Mp3，再到客户端提出的 AAC，下面一种一种开始介绍
AMR
什么是AMR？AMR（Adaptive Multi-Rate）自适应多速率音频压缩音频编码格式，是一个使语音编码最优化的专利，专用于有效地压缩语音频率。是 一种应用在手机上的一种语音压缩格式，也就是说我们用手机录音而成的文件就是这种格式的，或者一些彩铃都是这种格式的，体积小，音质要求不高
优点
- AMR-NB（AMR-NarrowBind），也就是常说的AMR窄带，语音带宽范围：300-3700Hz，8KHz采样频率，每20ms编码一帧，每个帧中包含160个语音样点；
- AMR-WB（Adaptive Multi-Rate - Wideband Speech Codec），也就是常说的AMR宽带，语音带宽范围50-7000Hz，16KHz采样频率。但考虑语音的短时相关性，每帧长度均为20ms；
- AMR-WB+（Extended Adaptive Multi-Rate - Wideband Speech Codec）：amr-nb和amr-wb都属于speech codec，对audio的编码效果并不好，为了提高对audio的编码效果，出现了amr-wb+。amr-wb+可以支持更高的采样率，对speech和audio采用不同的编码算法，对speech采用ACELP编码，对audio采用变换编码。amr-wb+在低比特率上对audio的编码效果与he aac＋相当。amr-wb+包含amr-wb，但复杂度更高。
AMR-NB一共有16种编码方式。0-7对应8种不同的编码方式，每种编码方式的采样频率不同；8-15 用于噪音或者保留用。
AMR-WB支持9种不同的编码方式：6.6kb/s、8.85kb/s、12.65kb/s、14.25kb/s、15.85kb/s、18.25kb/s、19.85kb/s、23.05kb/s、23.85kb，提供的语音带宽范围达到50~7000Hz，人声感觉比以前更加自然、舒适和易于分辨。
这个简单介绍一下，大家不需要深入了解，之后的代码里应该会提到这个
MP3
MP3 是著名的有损音频压缩编码方式 （FLAC，著名的 无损音频压缩编码，它不会破坏任何原有的音频资讯，所以可以完美地还原音乐光盘音质）
MP3是利用MPEG Audio Layer 3的技术，将音乐以1:10甚至1:12 的压缩率，压缩成容量较小的file，换句话说，能够在音质丢失很小的情况下把文件压缩到更小的程度。而且还非常好的保持了原来的音质。
优点
-
缺点
MP3 在 128KBitrate 及以下时，会出现明显的高频丢失
AAC
Advanced Audio Coding。翻译过来就是高级音频编码，一种专为声音数据设计的文件压缩格式，目的是取代MP3格式, 与MP3不同，它采用了全新的算法进行编码，更加高效，具有更高的“性价比”。利用AAC格式，可使人感觉声音质量没有明显降低aac标准的前提下，更加小巧。
AAC编码的主要扩展名有三种：.AAC, .MP4, .M4A
优点
- AAC是一种高压缩比的音频压缩算法，但它的压缩比要远超过较老的音频压缩算法，如AC-3、MP3等。并且其质量可以同未压缩的CD音质相媲美。
- 相对于mp3，AAC格式的音质更佳，文件更小。
AAC支持更宽的声音频率范围，最低可达8KHz, 最高可达到96kHz，远宽于MP3的16KHz-48kHz的范围。
缺点
设备支持率和普及率低于mp3
- 属于有损压缩，与APE、FLAC等无损格式相比，音质有“本质上”差距，同时USB3.0和大容量存储空间等技术的普及，AAC的优势不明显。
为什么这么说呢？以前可能一部手机的存储空间不足，想要听更多数量的歌，那就必须进行压缩，把质量降低，数量提升，现在动不动就是128G，256G的手机，各种原声，黑胶唱片等等的音质，真的是想存多少存多少，也就没有必要去压缩音频了
WAV
这里额外介绍一种格式，在之后的解码音频的时候，最终会 统一转成 wav 进行播放（微软公司Microsoft 开发）WAV是录音时用的标准的windows文件格式，文件的扩展名为“.wav”，WAVE文件作为最经典的Windows多媒体音频格式，应用非常广泛。
优点
WAV是最接近无损的音乐格式，所以文件大小相对也比较大，早期的时候压缩方式不多，几乎都是wav。
音质和压缩比对比
压缩比
aac>ogg>mp3(wma)>ape>flac>wav（同一音源条件下）
mp3和wma以192kbps为分界线，192kbps以上mp3好，192kbps以下wma好。
音质比较：
硬件支持比较：
MP3播放器：mp3>wma>wav>flac>ape aac ogg
手机：mp3>wma>aac wav>flac ogg>ape
选型之后开始解码播放
下面我会分成两部分来进行说明，一个是H5播放，一个是后台播放
H5页面
H5页面的音频播放目前有两种方案，一个是客户端辅助播放，一个是H5自主播放
与客户端通信进行播放【目前大部分页面采用的方式】
H5 自主播放音频
所以这里的一个重要思路就是 传输/保存的时候，使用的是较合适的压缩格式；然后解码，重新编码 成 wav格式 来播放，就做到了兼顾音质和兼容性双方。
文件缓存，加载速度优化
文件体积大
解决方案：
- 进行gzip压缩，减小文件体积
- 传到CDN服务器上，缩短初次加载时间
文件存在缓存
由于.min.js 如果放到src 下，eslint校验以及代码格式化工具都会影响内部代码，因此只能放到 common的文件夹下，这样就不会走webpack打包和相关校验了，可以直接引入
但是这样就造成了一个问题，我如果修改了一些功能，然后再次生成 .min.js ，发布到jenkins 上之后，手机再次打开页面，由于和之前的文件名一模一样，因此浏览器会选择走缓存，导致新页面用的旧功能
解决方案：
- 引入文件的适合，手动加后缀
- document.write() 可以一劳永逸，但是不安全
后台
后台的话，限制就少很多， 毕竟PC端的浏览器，移动端的浏览器/webView和 这个 比起来性能，兼容性，局限性不是一个层次的，之前移动端需要顾虑的一些问题，到了这里，就不再是问题了
录音相关
时间够的话，来简单讲一录音相关的业务场景以及技术方案
目前，客户端内的录音，主要方式依然是依赖客户端
H5页面录音（依赖客户端）
H5自主录音（暂未投入使用）
目前存在较多兼容性的问题，头大
若有收获，就点个赞吧
0 人点赞
