第四章：音频格式与编解码 —— 听懂格式背后的取舍逻辑

你有没有想过，为什么同一首歌要准备 MP3、AAC、OGG 三个版本？为什么同样是"高质量"，有人说 320kbps MP3 够了，有人说必须用 FLAC？这些问题的答案，藏在音频编解码的底层原理里。本章从原理到实践，帮你彻底搞清楚 Web 音频格式的选择逻辑。

一、音频数字化的基础：从声波到比特

在讲格式之前，必须先理解音频是怎么变成数字数据的。这是所有编解码知识的地基。

采样率（Sample Rate）

声音是连续的模拟波形，要存进计算机，必须每隔一段时间"采一个样"，记录当前振幅值。每秒采样的次数就是采样率，单位是 Hz（赫兹）。

根据奈奎斯特定理，要完整还原一个频率为 $f$ 的信号，采样率必须至少达到 $2f$。人耳能听到的频率上限约为 20000 Hz，所以 CD 音质采用 44100 Hz 的采样率（略高于 40000 Hz，留有余量）。

常见采样率对比：

位深度（Bit Depth）

每个采样点用多少个二进制位来表示其振幅，就是位深度。位深度决定了动态范围（最大音量与最小可分辨音量之间的差距）。

$$\text{动态范围（dB）} \approx 6.02 \times \text{位深度}$$

• 16-bit：动态范围约 96 dB，CD 标准，足够日常听音
• 24-bit：动态范围约 144 dB，录音棚标准，保留更多后期处理空间
• 32-bit float：音频处理中间格式，Web Audio API 内部使用

声道数（Channels）

• 单声道（Mono）：1 个声道，语音通话、播客常用
• 立体声（Stereo）：2 个声道（左右），绝大多数音乐
• 环绕声（Surround）：5.1、7.1 等多声道，影院/游戏音效

未压缩 PCM 的体积计算

$$\text{文件大小（字节）} = \frac{\text{采样率} \times \text{位深度} \times \text{声道数} \times \text{时长（秒）}}{8}$$

以一首 4 分钟的 CD 质量立体声音乐为例：

$$\frac{44100 \times 16 \times 2 \times 240}{8} = 42{,}336{,}000 \text{ 字节} \approx 40 \text{ MB}$$

40 MB 只是 4 分钟！这就是为什么需要压缩编码。

二、有损压缩 vs 无损压缩：核心原理

所有音频压缩技术都围绕一个核心问题：哪些信息可以扔掉？

有损压缩：利用听觉心理学

有损编码的核心是感知音频编码（Perceptual Audio Coding），利用人耳的以下特性来丢弃"听不出来的数据"：

掩蔽效应（Masking）：一个强烈的声音会"掩盖"同时出现的较弱声音，被掩盖的部分可以用更少的比特表示甚至直接丢弃。掩蔽分两种：

• 频率掩蔽：强音频会掩盖同一时刻附近频率的弱音
• 时间掩蔽：强音之后约 200ms 内，人耳对弱音不敏感

听觉临界频带（Critical Bands）：人耳对不同频段的分辨率不同，高频区域分辨率低，可以用更粗糙的方式编码。

MP3、AAC、OGG Vorbis、Opus 都基于这套原理，只是具体算法实现不同。

无损压缩：只做统计冗余去除

无损编码不丢弃任何信息，只利用数据中的统计冗余进行压缩（类似 ZIP 压缩文本文件），解码后能完美还原原始 PCM 数据。代表格式：FLAC、ALAC、WAV（不压缩）。

三、主流 Web 音频格式深度解析

3.1 MP3（MPEG-1 Audio Layer III）

MP3 是互联网音频的"历史遗产"，1993 年发布，2017 年专利到期后完全免费。

编码原理：将音频分成 576 个采样点的帧，对每帧做改进型离散余弦变换（MDCT），结合心理声学模型决定每个频带的量化精度，再用霍夫曼编码压缩。

比特率与音质关系：

MP3 的缺陷：

• 编码延迟（encoder delay）导致开头和结尾有静默帧，循环播放时会有"咔哒"声
• 低比特率下高频"金属感"明显（俗称"蚊鸣"）
• 算法相对老旧，同等比特率下质量不如 AAC 和 Opus

浏览器支持：全平台全浏览器支持，是兼容性最好的格式。

3.2 AAC（Advanced Audio Coding）

AAC 是 MP3 的正统继承者，1997 年由 Fraunhofer、Dolby、Sony 等联合制定，是 iTunes、YouTube、流媒体的主流格式。

相比 MP3 的改进：

• 更宽的频带（最高 96 kHz 采样率）
• 更好的立体声编码（M/S 立体声、强度立体声）
• 更精细的量化噪声控制
• 同等比特率下音质优于 MP3，或同等音质下体积更小

AAC 的几个子规格：

MIME 类型：audio/aac 或 audio/mp4; codecs="mp4a.40.2"

浏览器支持：Chrome、Safari、Edge、Firefox（部分平台需要系统解码器）全面支持。iOS/macOS 上是首选格式。

3.3 OGG Vorbis

Vorbis 是 Xiph.Org 基金会开发的完全开源免专利的有损编码格式，容器格式为 OGG。

技术特点：

• 使用 MDCT + 心理声学模型，算法与 MP3/AAC 类似但实现更现代
• 支持可变比特率（VBR），默认就是 VBR 模式
• 质量参数 -q 从 -1 到 10，q5（约 160 kbps）是常用的高质量设置
• 没有专利顾虑，完全免费

局限性：Safari 长期不支持（直到 macOS Ventura 才部分支持），iOS 至今支持有限，这是它没有成为 Web 主流的主要原因。

MIME 类型：audio/ogg; codecs="vorbis"

3.4 Opus

Opus 是目前技术上最先进的有损编码格式，2012 年由 IETF 标准化，融合了 Skype 的 SILK（语音编码）和 Xiph 的 CELT（音乐编码）技术。

核心优势：

• 极宽的比特率范围：6 kbps（语音）~ 510 kbps（高质量音乐），一个编码器覆盖所有场景
• 超低延迟：最低 2.5ms 帧长，适合实时通话（WebRTC 默认使用 Opus）
• 同等比特率下音质最优：在 64 kbps 以上时，Opus 的音质优于同比特率的 MP3 和 AAC

实测对比（主观音质，相同比特率 128 kbps）：

$$\text{Opus} > \text{AAC-LC} > \text{Vorbis} \approx \text{MP3}$$

浏览器支持：Chrome、Firefox、Edge 全面支持；Safari 从 macOS Catalina（2019）开始支持，iOS 从 iOS 16 开始支持。

MIME 类型：audio/ogg; codecs="opus" 或 audio/webm; codecs="opus"

3.5 FLAC（Free Lossless Audio Codec）

FLAC 是最流行的无损压缩格式，压缩率约为原始 PCM 的 50~60%，完全开源免费。

适用场景：

• 音乐收藏、归档
• 需要后期处理的原始素材
• Hi-Fi 发烧友场景

浏览器支持：Chrome 56+、Firefox、Edge 支持；Safari 11+ 支持。

MIME 类型：audio/flac

体积参考（4分钟 CD 质量立体声）：

$$\text{WAV（无压缩）} \approx 40\text{ MB} \quad \text{FLAC} \approx 20\text{ MB} \quad \text{MP3 320kbps} \approx 9\text{ MB}$$

3.6 WAV（Waveform Audio File Format）

WAV 是微软和 IBM 联合制定的容器格式，通常存储未压缩的 PCM 数据。

特点：

• 无压缩，体积最大，音质无损
• 格式极简单，兼容性最好（几乎所有软件都支持）
• 适合游戏音效（需要极低延迟、随机访问）
• 不适合 Web 传输（体积太大）

MIME 类型：audio/wav 或 audio/x-wav

3.7 WebM（with Opus/Vorbis）

WebM 是 Google 主导的开放容器格式，音频部分通常使用 Opus 或 Vorbis 编码。

特点：

• 专为 Web 设计，流式传输友好
• 配合 Opus 编码，是 Web 实时音频的最佳组合
• Chrome 和 Firefox 原生支持，Safari 支持较晚

MIME 类型：audio/webm; codecs="opus"

四、浏览器格式支持矩阵

// 用代码检测浏览器支持情况
function checkFormatSupport() {
  const audio = new Audio();
  const formats = {
    'MP3':        audio.canPlayType('audio/mpeg'),
    'AAC':        audio.canPlayType('audio/aac'),
    'OGG Vorbis': audio.canPlayType('audio/ogg; codecs="vorbis"'),
    'OGG Opus':   audio.canPlayType('audio/ogg; codecs="opus"'),
    'WebM Opus':  audio.canPlayType('audio/webm; codecs="opus"'),
    'FLAC':       audio.canPlayType('audio/flac'),
    'WAV':        audio.canPlayType('audio/wav'),
  };
  console.table(formats);
  return formats;
}

各主流浏览器支持情况（2025 年）：

✅ 完全支持 ⚠️ 部分版本支持 ❌ 不支持 * Firefox 的 AAC 支持依赖操作系统解码器

五、实战：Web 音频格式最优策略

5.1 生产环境多格式方案

根据上面的支持矩阵，生产环境推荐的格式策略是：

<audio controls>
  <!-- 优先：WebM Opus，现代浏览器最优选择 -->
  <source src="music.webm" type='audio/webm; codecs="opus"' />
  <!-- 备选：AAC，覆盖 Safari 和 iOS -->
  <source src="music.aac" type="audio/aac" />
  <!-- 兜底：MP3，覆盖所有浏览器 -->
  <source src="music.mp3" type="audio/mpeg" />
</audio>

5.2 用 JavaScript 动态选择最优格式

function selectBestFormat() {
  const audio = new Audio();
 
  // 按优先级排列，返回第一个支持的格式
  const candidates = [
    { src: 'music.webm', type: 'audio/webm; codecs="opus"' },
    { src: 'music.ogg',  type: 'audio/ogg; codecs="opus"' },
    { src: 'music.aac',  type: 'audio/aac' },
    { src: 'music.mp3',  type: 'audio/mpeg' },
  ];
 
  for (const candidate of candidates) {
    const support = audio.canPlayType(candidate.type);
    if (support === 'probably' || support === 'maybe') {
      return candidate.src;
    }
  }
 
  return null; // 没有支持的格式
}
 
const audioEl = document.getElementById('player');
const bestSrc = selectBestFormat();
if (bestSrc) {
  audioEl.src = bestSrc;
} else {
  showUnsupportedMessage();
}

5.3 用 FFmpeg 批量转码

在服务端准备多格式文件，推荐使用 FFmpeg：

# 原始文件 → WebM Opus（128kbps，Web 最优）
ffmpeg -i input.wav \
  -c:a libopus -b:a 128k \
  output.webm
 
# 原始文件 → AAC（覆盖 Safari/iOS）
ffmpeg -i input.wav \
  -c:a aac -b:a 128k \
  output.aac
 
# 原始文件 → MP3（兜底兼容）
ffmpeg -i input.wav \
  -c:a libmp3lame -b:a 192k -q:a 2 \
  output.mp3
 
# 原始文件 → FLAC（无损归档）
ffmpeg -i input.wav \
  -c:a flac \
  output.flac
 
# 一次性输出所有格式（批处理脚本）
for f in *.wav; do
  base="${f%.wav}"
  ffmpeg -i "$f" -c:a libopus  -b:a 128k "${base}.webm"
  ffmpeg -i "$f" -c:a aac      -b:a 128k "${base}.aac"
  ffmpeg -i "$f" -c:a libmp3lame -b:a 192k "${base}.mp3"
done

5.4 不同场景的格式推荐

音乐流媒体平台（优先音质和兼容性）：

主力：AAC-LC 128~256kbps（兼容 iOS）
辅助：WebM Opus 128kbps（现代浏览器）
兜底：MP3 192kbps

播客/有声书（语音内容，优先低体积）：

主力：Opus 32~64kbps（语音质量极佳）
备选：AAC-HE 48kbps
兜底：MP3 96kbps

游戏音效（优先低延迟随机访问）：

短音效：WAV（无压缩，最低延迟）
背景音乐：OGG Vorbis / WebM Opus

实时通话/直播（优先极低延迟）：

WebRTC 默认：Opus（6~510kbps 自适应）

音乐收藏/归档（优先无损）：

FLAC（开源无损）
ALAC（Apple 生态无损）

六、比特率、采样率、音质的关系：常见误区澄清

误区一："采样率越高越好"

对于普通听音场景，44100 Hz 已经足够覆盖人耳听觉范围（20~20000 Hz）。96 kHz 或 192 kHz 的高采样率，更多是为录音后期处理留余量，而非提升听音体验。更高的采样率反而会带来更大的文件体积和更高的 CPU 解码负担。

误区二："无损就是最好的"

无损格式保留了原始 PCM 的全部信息，但"原始信息"本身可能就是有损压缩的产物（比如从 MP3 转成 FLAC，并不会提升音质，只是体积变大）。无损的价值在于归档和后期处理，而非"听起来更好"。

误区三："比特率越高音质一定越好"

不同编码格式的比特率不能直接横向比较。Opus 64 kbps 的主观音质通常优于 MP3 128 kbps。选格式时应该先选编码器，再选比特率。

误区四："VBR 不如 CBR 稳定"

可变比特率（VBR）在简单段落用低比特率，在复杂段落用高比特率，总体上同等平均比特率下音质优于 CBR，且文件体积更小。Web 场景下 VBR 完全可用，只有需要精确文件大小预测的场景才需要 CBR。

七、本章知识图谱

小结

音频格式的选择，本质上是音质、体积、兼容性、延迟四个维度的权衡。没有"最好的格式"，只有"最适合场景的格式"。理解了编解码的底层原理，你才能在这四个维度之间做出有依据的决策，而不是人云亦云地"一律用 MP3"。

下一章我们进入流媒体音频协议——当音频文件大到无法一次性下载，或者需要实时推送（直播），就需要 HLS、DASH、WebSocket 这些流媒体协议登场了。协议层的理解，是构建直播和点播系统的必备基础。