第3章 聲音媒體信息

聲音是人們用來傳遞信息的一種方式，是攜帶大量信息的及其重要的媒體，因此音頻信息的處理在多媒體技術(shù)中是十分重要的。3.1聲音及其分類3.2數(shù)字音頻基礎(chǔ)知識(shí)3.3聲卡及其應(yīng)用3.4音頻信息的采集3.5音頻信息處理編輯3.6MIDI音樂的合成3.7語音識(shí)別技術(shù)與語音合成3.1聲音及其分類3.1.1聲音的概念

聲音是通過空氣傳播的一種連續(xù)的波，當(dāng)物體振動(dòng)時(shí)會(huì)激勵(lì)它周圍的空氣質(zhì)點(diǎn)振動(dòng)，由于空氣的慣性和彈性，在空氣質(zhì)點(diǎn)的相互作用下，振動(dòng)就會(huì)逐漸向外傳播而產(chǎn)生聲波。聲音屬于聽覺媒體，其頻率范圍大約在20Hz~20KHz。幾個(gè)重要參數(shù)：1.周期：聲波每完成一次振動(dòng)需要的時(shí)間稱為周期，通常用T表示，單位是秒。2.頻率：每秒鐘所完成的振動(dòng)次數(shù)稱為頻率，用來體現(xiàn)音調(diào)的高低，單位是赫茲(Hz)。3.振幅：振幅是指聲波的高低幅度，表示聲音的強(qiáng)弱。振幅用來定量研究空氣受到壓力的大小。4.帶寬：帶寬指頻率覆蓋的范圍。3.1.2聲音的分類在多媒體技術(shù)中，將聲音媒體分為語言、音樂和音響三類。1.語言：指具有人類約定成俗的和語言內(nèi)涵的特殊媒體。2.音樂：是指規(guī)范的符號(hào)化了的聲音。3.音響：是指人們熟悉的其他聲音，包括自然界的風(fēng)聲、雨聲以及機(jī)器發(fā)出的聲音等。3.1.3聲音的要素1.音調(diào)：人耳對(duì)聲音頻率高低的感覺稱為音調(diào)。音調(diào)由聲源振動(dòng)頻率所決定。2.音色：音色是用來描述聲音品質(zhì)的，主要決定于聲音頻譜結(jié)構(gòu)中的泛音多少。3.音強(qiáng)：音強(qiáng)是衡量聲波在傳播過程中聲音強(qiáng)弱的物理量，即與聲音信號(hào)的幅度成正比。3.2數(shù)字音頻基礎(chǔ)知識(shí)3.2.1聲音信號(hào)數(shù)字化過程1．采樣（sampling）采樣是將聲音信號(hào)在時(shí)間上離散化，即每隔一定的時(shí)間間隔對(duì)模擬信號(hào)進(jìn)行取樣。2.量化(quantization)是對(duì)采樣后的聲音樣本在幅值上離散化，即把信號(hào)強(qiáng)度劃分為不同的等級(jí)，然后將每一個(gè)樣本歸入預(yù)先編排的量化等級(jí)上。3.編碼：是將量化后的離散值用二進(jìn)制代碼表示。3.2.1數(shù)字化聲音的技術(shù)指標(biāo)1.采樣頻率：單位時(shí)間內(nèi)采樣的個(gè)數(shù)稱為采樣頻率，用fs表示。奈奎斯特定理，即fs≥2fmax。2.量化位數(shù)：每個(gè)取樣點(diǎn)能夠表示的數(shù)據(jù)范圍。3.聲道數(shù)：指一次同時(shí)產(chǎn)生的聲波組數(shù)。4.數(shù)據(jù)文件格式：數(shù)據(jù)量（Byte）=(采樣頻率×量化位數(shù)×聲道數(shù)×聲音持續(xù)時(shí)間)/8表采樣頻率、量化位數(shù)、聲道數(shù)及存儲(chǔ)容量采樣頻率(KHz)量化位數(shù)(bit)單聲道(MB/min)雙聲道(MB/min)11.02580.631.2622.0581.262.5222.05162.525.0444.1165.0410.08表數(shù)字音頻等級(jí)聲音類型頻率范圍（Hz）采樣率（kHz）量化位數(shù)（bit）電話話音200~340088調(diào)幅廣播50~70001616調(diào)頻廣播20~15k22.0516高質(zhì)量音頻20~20k44.1163.2.3聲音質(zhì)量的度量聲音質(zhì)量的兩種方法：一種是客觀評(píng)價(jià)，即音頻信號(hào)的技術(shù)指標(biāo)，如：頻帶寬度、動(dòng)態(tài)范圍和信噪比；另一種是主觀評(píng)價(jià)。對(duì)于語音和圖像信號(hào)使用主觀評(píng)價(jià)更恰當(dāng)一些。1.音頻信號(hào)的技術(shù)指標(biāo)：頻帶寬度：音頻信號(hào)的頻率范圍，是衡量音質(zhì)的標(biāo)準(zhǔn)。動(dòng)態(tài)范圍:音頻信號(hào)最大強(qiáng)度與最小強(qiáng)度之比。信噪比：有用信號(hào)的平均功率與噪音的平均功率之比。2.主觀評(píng)價(jià)法：聲音質(zhì)量主觀評(píng)價(jià)評(píng)分標(biāo)準(zhǔn)分?jǐn)?shù)質(zhì)量級(jí)別失真級(jí)別5優(yōu)(Excellent)無察覺4良(Good)(剛)察覺但不討厭3中(Fair)(察覺)有點(diǎn)討厭2差(Poor)討厭但不反感1劣(Bad)極討厭(令人反感)3.2.4數(shù)字音頻的文件格式1.波形文件擴(kuò)展名為*.wav，是通過對(duì)模擬音頻以不同的采樣頻率、不同的量化位數(shù)進(jìn)行數(shù)字化而得到的數(shù)字信號(hào)存入磁盤而形成的波形文件。適用于：記錄講話語音、CD音質(zhì)的音樂、單聲道或立體聲的聲音信息，并能保證聲音不失真。缺點(diǎn)是未經(jīng)壓縮的聲音文件占用存儲(chǔ)盤空間太大。2.PCM：由模擬音頻信號(hào)直接通過A/D轉(zhuǎn)換而形成的二進(jìn)制序列文件，特點(diǎn)是保真度高，解碼速度快，但編碼后數(shù)據(jù)量大。3.AIFF文件：.AIF/.AIFF蘋果公司開發(fā)的一種聲音文件格式，被Mac平臺(tái)及其應(yīng)用程序所支持，NetscapeNavigator瀏覽器中的LiveAudio也支持AIFF格式，SGI及其他專業(yè)音頻軟件包也同樣支持這種格式。4.VOC：多用于保存CreativeSoundBlaster系列聲卡所采集的聲音數(shù)據(jù)，被Windows平臺(tái)和DOS平臺(tái)所支持。5.AU：SunMicrosystems公司推出的一種經(jīng)過壓縮的數(shù)字聲音格式，在Internet中經(jīng)常使用。6.RM：RealNetworks公司開發(fā)的一種適合于網(wǎng)絡(luò)實(shí)時(shí)流技術(shù)的音頻文件格式，主要用于在低速率的廣域網(wǎng)上實(shí)時(shí)傳輸音頻信息。7.MP3：MPEGAudioLayer3的簡寫，壓縮率高達(dá)10∶1～12∶1，音質(zhì)基本保持不失真。8.CD：一種數(shù)字化的聲音，其采樣頻率為44.1KHz，量化位數(shù)為16bit，可以高質(zhì)量地重現(xiàn)原始聲音。9.MIDI：文件本身不包含任何的音頻信息，主要記錄指令和數(shù)據(jù)，文件所占用的空間非常小。MIDI文件與Wave文件的區(qū)別：首先，Wave文件是通過直接對(duì)模擬聲波進(jìn)行數(shù)字化得到的音頻信號(hào)數(shù)據(jù)。而MIDI文件只是記錄了一系列樂譜指令。其次，Wave文件是直接通過聲卡輸入端口獲取的音源，并可從輸出端口直接播放。而MIDI是通過MIDI接口由音序器記錄電子樂譜的指令數(shù)據(jù)。最后，采用MIDI格式記錄比采用Wave格式記錄的數(shù)據(jù)量小兩個(gè)數(shù)量級(jí)以上。3.2.5音頻信號(hào)處理的特點(diǎn)⑴由于音頻信息是在時(shí)間上連續(xù)的信號(hào)，因此在處理時(shí)對(duì)時(shí)序性的要求很高。⑵由于人有左耳和右耳，類似于兩個(gè)通道，因此計(jì)算機(jī)輸出的聲音應(yīng)該是立體聲的。⑶由于語音信號(hào)攜帶了情感意向，因此對(duì)語音信號(hào)的處理還要抽取語意等其它信息。3.3音頻卡及其應(yīng)用3.3.1音頻卡功能聲卡主要是用來對(duì)不同來源的音頻信號(hào)進(jìn)行采集與回放，其功能就是使計(jì)算機(jī)能夠處理音頻信號(hào)。聲卡的功能主要有以下幾點(diǎn)：⑴錄制、編輯與回放聲音文件。⑵在采集和回放過程中對(duì)文件進(jìn)行壓縮和解壓縮。⑶編輯與合成音樂文件。⑷文本轉(zhuǎn)換和語音識(shí)別。⑸MIDI音樂的合成。3.3.2音頻卡工作原理聲卡的主要作用是實(shí)現(xiàn)對(duì)音頻信息的采集與回放。音頻信息有很多來源，如磁帶錄音機(jī)、CD、錄像機(jī)等等。聲卡的工作原理1.聲卡處理需要的基本條件：⑴采樣頻率：一般的聲卡均支持雙聲道立體聲信號(hào)的采集。⑵量化位數(shù)：聲卡中的量化位數(shù)一般為8位、16位、32位以及64位，量化位數(shù)越高，聲音質(zhì)量越好。⑶聲道數(shù)：單聲道或立體聲。⑷實(shí)時(shí)硬件壓縮/軟件壓縮：2.混音器音頻卡上的混音器Mixer主要目的是將不同輸入音源的信號(hào)進(jìn)行混音，并且提供音量的軟件控制功能。通過I/O端口（地址和數(shù)據(jù)端口）可對(duì)混音器的各種功能進(jìn)行可編程設(shè)置。3.MIDI合成器與接口MIDI是一種用于在不同制造商的電子樂器設(shè)備和計(jì)算機(jī)之間進(jìn)行數(shù)據(jù)交換的國際標(biāo)準(zhǔn)。它指定硬件接口，同時(shí)指定通信協(xié)議，可以將數(shù)據(jù)從一個(gè)設(shè)備傳輸?shù)搅硪粋€(gè)設(shè)備。3.3.3聲卡的安裝和使用1.硬件安裝與使用聲卡的接口及與外部設(shè)備的連接硬件安裝步驟：首先關(guān)閉電源，拔下電源插頭，然后打開機(jī)箱外殼，將聲卡插入空閑的16位擴(kuò)展槽內(nèi)，連接好外部的音頻輸入/輸出線，如麥克風(fēng)、線路輸入等。如果有CD-ROM驅(qū)動(dòng)器，將驅(qū)動(dòng)器的接口電纜插在卡的相應(yīng)接口上，并將CD-ROM的音頻輸出線接到聲卡的針形輸入線上。最后蓋上機(jī)箱外殼，插好電源插頭即可。2.軟件安裝包括驅(qū)動(dòng)程序和應(yīng)用軟件。當(dāng)安裝完聲卡并重新啟動(dòng)計(jì)算機(jī)后，系統(tǒng)能夠自動(dòng)識(shí)別聲卡，并且提示需要安裝驅(qū)動(dòng)程序。3.聲卡的技術(shù)指標(biāo)⑴采樣頻率和量化位數(shù)采樣頻率與量化位數(shù)越高，聲音的質(zhì)量越好。⑵FM合成與波表合成一般較好的聲卡采用的都是波表法合成。⑶總線類型⑷即插即用能力⑸DSP數(shù)字信號(hào)處理器⑹兼容性⑺音效⑻外圍接口⑼音頻壓縮3.4音頻信息的采集音頻文件的采集方法有以下幾種：1.音頻文件的直接采集2.利用Windows自帶的“錄音機(jī)”來錄制聲音。利用錄音機(jī)錄音的操作步驟如下：⑴準(zhǔn)備一份需要錄制的材料。⑵將麥克風(fēng)插到聲卡上的MICIN接口上。⑶選擇Windows中的【開始】菜單，在【程序/附件/娛樂】下面選擇【錄音機(jī)】，打開錄音機(jī)，單擊紅色的【錄音】按鈕開始錄音。當(dāng)錄制結(jié)束后單擊【停止】按鈕。⑷執(zhí)行菜單中【文件/另存為】命令，在出現(xiàn)的【另存為】對(duì)話框中單擊【格式】選項(xiàng)，選擇【更改】。在【聲音選定】對(duì)話框中選擇【屬性】項(xiàng)更改聲音的采樣頻率、量化位數(shù)、聲道數(shù)和數(shù)據(jù)率，單擊【確定】按鈕返回。選擇文件保存的路徑、保存的類型，并命名。記錄失敗時(shí)檢查一下系統(tǒng)右下角任務(wù)欄中聲音圖標(biāo)是否設(shè)置正確。將【回放】選項(xiàng)改為“錄音】，并在下方【顯示下列音量控制】中選擇【麥克風(fēng)】選項(xiàng)，就可以正常錄音了。3.用其它音頻設(shè)備輸入錄像機(jī)、磁帶錄音機(jī)、電視機(jī)等都能提供不同內(nèi)容的音頻節(jié)目。這些設(shè)備需要通過線路輸入的方式（LINEIN）連接到計(jì)算機(jī)的聲卡上，通過相應(yīng)的軟件將音頻信號(hào)采集進(jìn)來，并以數(shù)字音頻的形式存儲(chǔ)在計(jì)算機(jī)中。4.MIDI音樂合成

3.5音頻信息處理編輯AdobeAudition是一款功能強(qiáng)大的音頻編輯軟件，其前身是CoolEditPro?？梢詫?shí)現(xiàn)：音頻的錄制：波形文件的存儲(chǔ)：文件的編輯：利用軟件制作音頻節(jié)目時(shí)需要注意以下幾點(diǎn)：⑴一般大段的旁白和背景音樂采用MIDI格式存儲(chǔ)，這樣不僅可以減少存儲(chǔ)空間，而且處理的速度比較快。⑵注意音樂和音響效果的選擇應(yīng)該和節(jié)目的主題相一致，特別是背景音樂，一定不要喧賓奪主。下面就介紹AdobeAudition的使用方法。實(shí)例一：聲音的降噪處理：在這個(gè)實(shí)例中要將錄制好的一段帶有噪聲的語音做降噪處理。操作步驟：1.選擇【開始/程序/AdobeAudition1.5】啟動(dòng)軟件，AdobeAudition1.5基本的文件操作包括新建，打開，保存，剪切、復(fù)制和粘貼等。2.降噪處理。降噪處理是將噪音的樣本特征提取出來，然后將噪音從原始音頻信號(hào)中去除，使聲音清晰自然。通常用于錄制的音頻信號(hào)，特別是通過麥克風(fēng)錄制的人聲或者是磁帶錄音中的噪聲。最關(guān)鍵的一步就是選擇噪聲樣本。為了便于觀察，將波形放大，選擇窗口下面的縮放工具即可。將噪聲區(qū)內(nèi)波形最平穩(wěn)且最長的一段選中。然后執(zhí)行菜單中【效果/降噪/降噪】命令，進(jìn)入降噪窗口。單擊【捕捉線圖】按鈕采集噪聲樣本，幾秒鐘后就會(huì)出現(xiàn)噪聲樣本輪廓圖。在降噪控制面板中將“降噪電平”數(shù)值改為80，“FFT大小”數(shù)值改為8192?！熬认禂?shù)”數(shù)值改為9。“平滑總計(jì)”數(shù)值改為9左右。當(dāng)各個(gè)參數(shù)都設(shè)置好之后，單擊【OK】按鈕，就開始進(jìn)行降噪處理了。3．進(jìn)行多軌混音編排。選擇【編輯/混合粘貼】命令，在這個(gè)功能中提供了混合時(shí)的音量設(shè)置和混合方式。其混合方式共有4種：插入、覆蓋（