由于保存空间和数据传输速度的限制,我们可能没办法将很多声音完好无损地保存或是发送。声音是给人听的,但是人类的耳朵的听力有限,非常细微的信号差异其实感受不太出来,因此可以使用一些会改变原本声音频号的方式来将其重新编码(Encode)成和原始声音频号听起来差异不大的格式,减少保存声音频号所占用空间和加快发送声音频号时的速度,而这种压缩声音频号的方式就称为有损压缩(Lossy Compression)。有损压缩声音频号的方式有很多种,常见的格式为 MP3、Ogg、AAC,另外还有比较后来才出现的 HE-AAC、HE-AACv2、Opus 格式。究竟这些格式哪些音质比较好,在不同条件下又应该要选择使用什么样的格式才适合,在本篇文章中将会实地进行转档测试,并将结果转成频谱来分类讨论。
有损音频压缩
有损压缩的原则
有损(Lossy)音频压缩,顾名思义就是将声音频号使用破坏性压缩,使用较少、有限的数据量来还原出接近原始的声音频号,以缩小保存声音频号所需的空间。
由于声音是给人听的,因此理论上只需要完美保留人类可以听得到、分辨得出来的信号,即便声音频号会改变,但实际听起来声音也还可以和原始的声音频号没有差别。声音是一种震动介质而产生出来的纵波,振幅愈大,音量愈大;频率愈高,音调愈高。人类的耳朵可捕捉到 20~20,000 赫兹(Hz)的声波。以人耳为基准,大于 20,000Hz 的波称为超声波(超声波);小于 20Hz 的波称为次声波。
虽然每个有损音频压缩的格式压缩声音频号的方式都不太一样,但大致上都会优先保留 20~20,000Hz 频率范围内的声音频号,再根据心理声学来调整声音频号,尽量减少压缩过的声音频号和原本信号听起来的差异。
压缩后的音质
相同的压缩格式在固定的采样频率(Sampling Rate)下,所使用的比特率(Bitrate)是影响声音频号音质的主要因素。比特率的单位常使用「每秒多少比特(bps, bits per second)」来表示,也就是每一秒的声音频号使用了多少个比特来保存。比特率愈高表示每秒可以保存的声音频号愈多,保存的声音频号愈多也就愈接近原始的声音频号,音质听起来自然会愈好。相反地,比特率愈少,表示每秒可以保存的声音频号愈少,必须要丢掉更多的原始声音频号才有办法保存,保存的声音频号就会和原始的声音频号愈差愈多,音质听起来自然会愈差。
虽然比特率愈高,可以使得压缩后的声音频号愈接近原始的声音频号,但比特率并不完全是愈高就愈好。使用高比特率来保存声音频号,相对地需要更多的保存空间。当比特率高到一个程度之后,实际听起来就已几乎和原始的声音频号没有差异了,此时再增加比特率,只是多浪费保存空间而已。
比特率不一定是固定的
压缩声音频号时所使用的比特率,大致上可分为「固定比特率(CBR, Constant Bitrate)」和「变动比特率(VBR, Variable Bitrate)」两种。
「固定比特率」顾名思义就是从头到尾都使用固定的比特率来保存声音频号,用这种方式所压缩出来的声音频号,虽然可以很容易控制其所占用的保存空间大小,但它的比特使用率将会是最差的。譬如很简单的声音,像是「哔──」,和复杂的声音,像是「哺吱喀─吱吱吱哺─喀吱」,都会使用固定的比特率来保存,有可能会造成简单的声音使用的比特率过高,或是复杂的声音使用的比特率过低,导致音质和占用的保存空间无法平衡。
而「变动比特率」基本上就没有这个问题存在,它可以根据声音频号的复杂度来自行决定该段声音所使用的比特率。这样的编码方式是比较有效率的,只是在编码的过程中会需要比较多的时间来计算。不同编码器(Encoder)计算变动比特率的方式皆有所不同,即使是在相同的变动比特率下,音质也可能会有很大的差异。因此建议使用公认较优良的编码器来进行编码,才可以达到较佳的成果。
声音压缩后所占用的保存空间
声音频号压缩后所需占用的保存空间,可以使用以下公式计算:
举个例子,长度为 4 分钟,比特率为 128kbps 的 MP3 文件,其所占用的保存空间计算方法如下:
经由以上算式得知,长度为 4 分钟,比特率为 128kbps 的 MP3 文件,其所占用的保存空间约为 3.66MB。
声音压缩前所占用的保存空间
看到这里您可能会很好奇声音压缩前所占用的保存空间要如何计算,在此就顺便说明一下。
未压缩的声音频号,会有很明确的采样频率(Sampling Rate)与采样深度(Sampling Depth)的数值。在文章前面有提到过,声音是一种震动介质而产生出来的纵波,它会在连续时间内让介质不间断地改变状态,因此在任意的瞬间点,介质都可以对应到某种状态,可将介质状态的变化以波形来表示。为了要使用有限的数字空间来记录不同时间点下的波形对应的数值,只好对声音进行「采样(Sampling)」,每隔一段时间才将该时间点下的波形数值(声音强度)记录下来。这个间隔的时间倒数,即为采样频率;而记录每个数值所使用的空间,即为采样深度。
采样频率常用的单位为「赫兹(Hz)」,表示每秒记录几次状态。如 44100Hz,即表示每秒记录 44100 个时间点的状态。愈大的采样频率,愈可以还原出愈原始的声音波形。但是由于过高的频率对人类来说只是听不到的超声波,因此采样频率通常会接近两倍于人耳所能感受的最大声音频率,如 44.1kHz 或是 48kHz。至于为什么采样频率要两倍于真实的最大声音频率,又为什么不直接使用 40kHz 作为采样频率呢?
根据奈奎斯特定理(Nyquist Theorem),采样频率两倍大于被采样信号的最大频率,即可重构出原始的被采样信号。但实际上,重构出原始信号所用来抗混叠(Anti-Aliasing)、消除某频率以上信号的低通滤波器(Low Pass Filter)并非是理想的,它有个过渡带宽(Transition Band)会导致在这个带宽内的信号仍被衰减通过。因此,如果采样频率不足于被采样信号的最大频率加上其低通滤波器的过渡带宽的两倍,最大频率附近的声音频号依然会有混叠现象,将会导致信号失真(Distortion)。为了完整保留最大声音频率,必须预留过渡带宽,典型的过渡带宽大小为 2050Hz,这也是为何 CD 是使用 44100Hz 作为采样频率的原因,算法如下:
CD 的 44100Hz 只是声音采样频率的「最低需求」,有些人可以稍微听到比 20kHz 还要高一点的频率,甚至还可以用耳朵之外的器官来感受超过 20kHz 的高频声音,因此也有在使用比 44100Hz 更高的采样频率,像是 48000Hz 或是 96000Hz。当然,愈高的声音频率人类愈感受不到就是了。
采样深度常用的单位是「比特(bit)」,如 16 比特可以表示出 216 种不同的数值,也就是 65536 种不同的声音强度。虽然还有 24bit 甚至是 32bit 的采样深度,但一般人的耳朵连 16 比特的 65536 种不同的声音强度都不能完全分辨出来,基本上不太需要用到那么高的采样深度。
了解采样频率和采样深度之后,就可以算得出声音压缩前所占用的保存空间了,公式如下:
举个例子,长度为 4 分钟,采样频率为 44100Hz,采样深度为 16 比特,双声道的 WAV (PCM)文件,其所占用的保存空间计算方法如下:
经由以上算式得知,长度为 4 分钟,采样频率为 44100Hz,采样深度为 16 比特,双声道的 WAV (PCM)文件,其所占用的保存空间约为 40.37MB。
常见的压缩格式
有损音频压缩的格式有许多种,不同的有损音频压缩格式会使用不同的算法来对声音频号进行破坏压缩,因此各有不同的音质表现。
MP3
网络上最常流传的音乐格式为 MP3 (MPEG-1 Audio Layer 3),它可以大幅降低音频数据量,减少文件大小,方便传输。对于大多数的用户来说,经由 MP3 压缩后的音质和原本的音质差异并不大,但 MP3 文件大小却比源文件少占用了约 4~10 倍的空间,故能受到许多用户的青睐。
有关 MP3 格式的编码方式,可以参考以下文章:
Ogg
Ogg 是开源、自由、免费的音频编码格式,没有麻烦的专利授权问题,也因此应用程序和游戏的音效很多都是使用 Ogg 格式来编码。
有关 Ogg 格式的编码方式,可以参考以下文章:
AAC
AAC(高级音频编码,Advanced Audio Coding)是基于 MPEG-2 的音频编码技术,用来取代 MP3 格式。相较于 MP3 格式,AAC 支持更多的声道,更高的采样率和比特率,以及更精确的声音频号。本篇文章所提到的 AAC 如果没有特别说明,即表示 AAC-LC。
有关 AAC 格式的编码方式,可以参考以下文章:
FAAC不太稳定,不再使用
HE-AAC (AAC+)与 HE-AACv2
HE-AAC (High-Efficiency AAC)是 AAC 加上 SBR (Spectral Band Replication),用于低比特率的编码格式,HE-AACv2 是 AAC 加上 SBR 和 PS (Parametric Stereo),用于更低比特率的编码格式,两者都属于 MPEG4 的技术。
有关 HE-AAC 与 HE-AACv2 的编码方式,可以参考以下文章:
Opus
Opus 是比 MP3、OGG、AAC、HE-AAC (AAC+)还要新的音频编码格式,它集成了 Skype 开发的语音编码格式─SILK,与超低延迟的 CELT (Constrained Energy Lapped Transform)编码格式,因此 Opus 非常适合用于实时(Real-Time)的网络语音传输。
有关 Opus 的编码方式,可以参考以下文章:
既然有「有损压缩」,那有无损压缩吗?
有的。FLAC (Free Lossless Audio Codec)、ALAC (Apple Lossless)、APE(Monkey's Audio) 和 WMA Lossless (Windows Media Audio 9 Lossless)是近年非常受欢迎的格式,因为它们不会以破坏性数据压缩的方式来保存声音频号,而导致信号无法完整还原成原始的样子,使得播放出来的音乐会失真。而 FLAC、ALAC、APE 和 WMA Lossless 就不同了,它们采用无损压缩法(Lossless Compression),常称其为「无损压缩」,不会破坏原有的声音频号,能将声音频号压缩为原本的一半,但经过解码(Decode)也依然可以百分之百还原出原始的声音频号。
有关 FLAC 的编码方式,可以参考以下文章:
「音乐」是如何产生的?
一个规律、有周期性的声音称为乐音,反之则称为噪音。如果想知道音乐是如何产生,以及如何有音调、音量、音色上的变化,可以参考这里的文章:
MP3、Ogg、AAC、HE-AAC、HE-AACv2、Opus 大比拼
接下来才是本篇文章的重头戏,笔者将会使用一个采样深度 24 比特,采样频率 96kHz,长度为 3 分 36 秒,文件大小为 124.9MB 的 WAV 音乐档来实际对 MP3、Ogg、AAC、HE-AAC、HE-AACv2 和 Opus 格式进行转档测试。
测试用的音乐档
编码器
为了编码出不同格式的文件,笔者使用了多种不同的编码器。列表如下:
- FFmpeg 4.2.2:用来重新采样原始 24 比特 96kHz 的 WAV 文件,以及将重新采样的 MP3 转回 WAV 文件,以利频谱分析。
- LAME 3.100:用来将 16 比特 48kHz 的 WAV 文件转成 MP3 文件。
- Vorbis Tools 1.4.0:用来将 24 比特 96kHz 和 16 比特 48kHz 的 WAV 文件转成 Ogg 文件。
- FAAC 1.29.7.7:用来将 24 比特 96kHz 和 16 比特 48kHz 的 WAV 文件转成采用 AAC 编码格式的 M4A 文件。
- fdkaac 0.6.3 (libfdk-aac 0.1.5):用来将 24 比特 96kHz 和 16 比特 48kHz 的 WAV 文件转成采用 AAC、HE-AAC、HE-AACv2 编码格式的 M4A 文件。
- Opus Tools 0.1.10 (libopus 1.1.2):用来将 16 比特 48kHz 的 WAV 文件转成 Opus 文件。
频谱分析工具
为了比较音乐文件之间的音质差异,笔者使用了一些软件来描绘出它们的频谱图,使我们可以直接从频谱图来比较音质差异。以下列出笔者所使用的工具:
- Adobe Audition 2020:Adobe Audition 会将所有单位时间下的声音频号,分别计算出不同频率下的信号强度,并以颜色来表示信号强度。
- ImageDifferencer 1.0.2:ImageDifferencer 可以比较 Adobe Audition 所截取的频谱图之间的差异。可以参考这篇文章来使用。
原始 WAV 文件的频谱
原始采样深度 24 比特,采样频率 96kHz 的 WAV 文件频谱如下:
不同的采样深度和采样频率下的 WAV 文件
在开始进行有损压缩之前,我们先使用 FFmpeg 转出不同采样深度和采样频率的 WAV 文件来比较看看。
16bit, 96kHz
将原始的声音频号保留原先的采样频率,但是将其采样深度从 24 比特降到 16 比特。其频谱如下:
使用 ImageDifferencer,比较 16bit, 96kHz 的频谱图跟原始声音频号频谱图的差异,得到以下的结果:
从上图的乌漆墨黑可以发现,将采样深度从 24 比特降到 16 比特对频谱几乎完全没有影响,更不用说有听出其中的音质差异的可能了。我们之所以要采用 24 比特来录制音乐不是为了要让音质更好,而是要让声音更容易被后制。
16bit, 48kHz
基于以上理由,我们其实可以安心地将声音频号的采样深度从 24 比特降到 16 比特,而不破坏音质。将原始的声音频号的采样深度从 24 比特降到 16 比特后,再将采样频率从 96kHz 降到 48kHz。其频谱如下:
48kHz 的声音频号经有损压缩后的比较
48kHz 是 MP3、Ogg、AAC、HE-AAC、HE-AACv2 和 Opus 都支持的采样频率,也是目前较常见的采样频率。底下将实际转档测试在不同比特率下时,这些格式的频谱及音质表现。
536kbps
将 FAAC 的品质参数设置为最高的 -q 5000。转换出来的 M4A 文件之平均变动比特率为 536kbps,频谱如下:
同样使用 ImageDifferencer,比较跟原始的声音频号频谱的差异,得到以下的结果:
从上图可以看出,FAAC 把 21kHz 以上的信号几乎都丢掉了,并且 21kHz 以下的信号有明显的更动,看起来应该是时间上的改变,导致转档后的频谱无法跟原始频谱完全对齐。不过从前几秒的频谱差异来看,21kHz 以下的信号几乎完全被保留下来了,所以才会呈现一片黑。
502kbps
将 Opus Tools 的 opusenc,设置最大的变动比特率参数 --bitrate 512 可以转出其所能支持的最高音质。转换出来的 Opus 文件之平均变动比特率为 502kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 3800,转换出来的 M4A 文件之平均变动比特率为 502kbps,频谱如下:
比较以上同样为 502kbps 的 AAC 和 Opus 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
Opus
从上图可以看出,虽然 Opus 把 20.1kHz 以上的声音频号完全过滤掉,但它近乎完美地把低于 20.1kHz 以下的声音频号保留住了!
AAC
FAAC 在 502kbps 的频谱表现则和 536kbps 时差异不大,完全听不出差异。
在 502kbps 下,Opus 和 AAC 的音质几乎一样。
443kbps
将 Vorbis Tools 的 oggenc,设置最大的变动比特率参数 -b 500 可以转出其所能支持的最高音质。转换出来的 Ogg 文件之平均变动比特率为 443kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 442,转换出来的 Opus 文件之平均变动比特率为 443kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 2320,转换出来的 M4A 文件之平均变动比特率为 443kbps,频谱如下:
比较以上同样为 443kbps 的 Ogg、AAC 和 Opus 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 19kHz 以上,甚至到 22kHz 的声音频号,且它在 19kHz 以下的声音频号几乎完美地保留了原始声音频号。
AAC
FAAC 在 443kbps 的频谱表现则和 536kbps 时差异不大,完全听不出差异。
Opus
Opus 在 443kbps 的频谱表现则和 502kbps 时差异不大,完全听不出差异。
在 443kbps 下,音质的排序是,Ogg>AAC=Opus。
320kbps
使用 LAME 音质最高的内置配置 --preset insane 可以转出其所能支持的最高音质。转换出来的 MP3 文件之固定比特率为 320kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 333,转换出来的 Ogg 文件之平均变动比特率为 320kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 312,转换出来的 Opus 文件之平均变动比特率为 320kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 770,转换出来的 M4A 文件之平均变动比特率为 320kbps,频谱如下:
比较以上同样为 320kbps 的 MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
MP3
从上图可以看出,虽然 LAME 把 20.5kHz 以上的声音频号几乎完全过滤掉,但它其实从 16kHz 开始频谱就已经有明显的变化。
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 18kHz 以上,甚至到 21kHz 的声音频号,不过它在 18kHz 以下的声音频号已经开始与原始声音频号有稍微不同了。
Opus
从上图可以看出,虽然 Opus 把 20.1kHz 以上的声音频号完全过滤掉,但它几乎把低于 20.1kHz 以下的声音频号都保留住了!
AAC
由于 FAAC 会改变声音频号的时间,我们只能从前几秒的频谱来做参考。从上图可以看到在 11kHz 以上时,声音频号便已和原始声音频号有点不同了。
所以在 320kbps 下,音质的排序是,Opus>Ogg=AAC>MP3。
252kbps
使用 LAME 音质次高的内置配置 --preset extreme 可以转出其所能支持的最高变动比特率音质。转换出来的 MP3 文件之平均变动比特率为 252kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 272,转换出来的 Ogg 文件之平均变动比特率为 252kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 243,转换出来的 Opus 文件之平均变动比特率为 252kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 395,转换出来的 M4A 文件之平均变动比特率为 252kbps,频谱如下:
比较以上同样为 252kbps 的 MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
MP3
从上图可以看出,MP3 在 252kbps 变动比特率下 16kHz 以上的信号要比 320kbps 固定比特率变化要来得大很多。
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 18kHz 以上到 20kHz 的声音频号,不过它在 18kHz 以下的声音频号已经开始与原始声音频号明显不同了。
Opus
从上图可以看出,Opus 把 20.1kHz 以上的声音频号完全过滤掉,且 20.1kHz 以下的声音频号只与原始声音频号稍微不同而已!
AAC
由于 FAAC 会改变声音频号的时间,我们只能从前几秒的频谱来做参考。从上图可以看到在 8kHz 以上时,声音频号便已和原始声音频号有点不同了,尤其是在 13kHz 以上时变化更为明显。
所以在 252kbps 下,音质的排序是,Opus>Ogg=AAC>MP3。看起来 Ogg 着重在中低频的保留,而 AAC 则着重在低频的保留。
242kbps
将 fdkaac 的变动比特率等级参数设置为最高的 -m 5,并将规格参数设置为 -p 2 (AAC-LC),可以输出 fdkaac 所能支持在变动比特率下 AAC-LC 的最高音质。转换出来的 M4A 文件之平均变动比特率为 242kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 355,转换出来的 M4A 文件之平均变动比特率为 242kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 262,转换出来的 Ogg 文件之平均变动比特率为 242kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 233,转换出来的 Opus 文件之平均变动比特率为 242kbps,频谱如下:
比较以上同样为 242kbps 的 AAC、Ogg 和 Opus 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
AAC
fdkaac 转出的声音频号跟原始的声音频号频谱的差异如下图:
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
FAAC 转出的声音频号跟原始的声音频号频谱的差异如下图:
242kbps 比特率下的 FAAC 之中高频衰减要比 252kbps 比特率下的 FAAC 要来得明显。
直接从频谱图来观察的话,可以发现 fdkaac 转出的声音保留了高频信号,且在 11kHz 以上的信号有明显的衰减现象。实际听起来,FAAC 转出来的声音更为浑厚好听,应该是保留较多中低频信号的关系。
Ogg
242kbps 比特率下的 Ogg 之全频段差异比 252kbps 比特率下的 Ogg 要来得明显一些。
Opus
242kbps 比特率下的 Opus 之全频段差异比 252kbps 比特率下的 Opus 要来得明显一些。
所以在 242kbps 下,音质的排序是,Opus>Ogg=AAC。
186kbps
使用 LAME 的内置配置 --preset standard,转换出来的 MP3 文件之平均变动比特率为 186kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 195,转换出来的 Ogg 文件之平均变动比特率为 186kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 176,转换出来的 Opus 文件之平均变动比特率为 186kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 194,转换出来的 M4A 文件之平均变动比特率为 186kbps,频谱如下:
比较以上同样为 186kbps 的 MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
MP3
从上图可以看出,LAME 把 16kHz 以上的声音频号几乎完全过滤掉了,但 16kHz 以下的信号保留得还算不错。高音的地方听起来会有压缩感。
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 17.5kHz 以上到 18.5kHz 的声音频号,而且它在 17.5kHz 以下的声音频号已经与原始声音频号有明显不同了。此时的 Ogg 在 16kHz 以下的表现不如 MP3。不过实际听起来还是 Ogg 的临场感更好,比较好听。
Opus
186kbps 比特率下的 Opus 之全频段差异比 242kbps 比特率下的 Opus 要来得明显一些。此时的 Opus 在 16kHz 以下的表现不如 MP3。不过实际听起来还是 Opus 的临场感更好,比较好听。
AAC
186kbps 比特率下的 AAC 之全频段差异比 242kbps 比特率下的 AAC 要来得明显一些,尤其是中高频的部份,且此时 AAC 的中高频信号已经受损严重,整体听起来的感觉不如 Ogg 了。
所以在 186kbps 下,音质的排序是,Opus>Ogg>AAC>MP3。
150kbps ~ 151kbps
使用 LAME 的内置配置 --preset medium,转换出来的 MP3 文件之平均变动比特率为 151kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 159,转换出来的 Ogg 文件之平均变动比特率为 151kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 141,转换出来的 Opus 文件之平均变动比特率为 150kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 134,转换出来的 M4A 文件之平均变动比特率为 151kbps,频谱如下:
比较以上同样为 150kbps 或 151kbps 的 MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
MP3
从上图可以看出,LAME 把 16kHz 以上的声音频号几乎完全过滤掉了,且 13.7kHz ~ 16kHz 的信号也有很大的衰减,但 13.7kHz 以下的信号保留得还算不错。高音的地方听起来会很有压缩感。
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 17kHz 以上到 18kHz 的声音频号,而且它在 17kHz 以下的声音频号已经与原始声音频号有明显不同了,尤其是 11.5kHz 以上的信号更是如此。此时的 Ogg 在 13.7kHz 以下的表现不如 MP3。不过实际听起来还是 Ogg 的临场感更好,比较好听。
Opus
150kbps 比特率下的 Opus 之全频段差异比 186kbps 比特率下的 Opus 要来得明显一些。此时的 Opus 在 13.7kHz 以下的表现稍逊于 MP3。实际听 Opus 的临场感明显更好,比较好听。
AAC
151kbps 比特率下的 AAC 之全频段差异比 186kbps 比特率下的 AAC 要来得明显一些,尤其是中高频的部份。
所以在 150kbps ~ 151kbps 下,音质的排序是,Opus>Ogg>AAC>MP3。
122kbps ~ 125kbps
将 fdkaac 的变动比特率等级参数设置为最高的 -m 5,并将规格参数设置为 -p 5 (HE-AAC),可以输出 fdkaac 所能支持在变动比特率下 HE-AAC 的最高音质。转换出来的 M4A 文件之平均变动比特率为 122kbps,频谱如下:
将 LAME 的品质参数设置为 -V 5,转换出来的 MP3 文件之平均变动比特率为 125kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 122,转换出来的 Ogg 文件之平均变动比特率为 122kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 113,转换出来的 Opus 文件之平均变动比特率为 122kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 98,转换出来的 M4A 文件之平均变动比特率为 122kbps,频谱如下:
比较以上同样为 122kbps ~ 125kbps 的 HE-AAC、MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AAC
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AAC 会保留高频信号到 22kHz,且全频段都没有太明显的衰减现象。
MP3
从上图可以看出,LAME 把 16kHz 以上的声音频号几乎完全过滤掉了,且 13.7kHz ~ 16kHz 的信号也有极大的衰减,另外在 11.5kHz ~ 13.7kHz 的信号也有很大的衰减,但 11.5kHz 以下的信号保留得还算不错。中、高音的地方听起来会很有压缩感。
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 16kHz 以上到 18kHz 的声音频号,而且它在 16kHz 以下的声音频号已经与原始声音频号有明显不同了,尤其是 7kHz 以上的信号更是如此,但 7kHz 以下的信号保留得还算不错。
Opus
122kbps 比特率下的 Opus 之全频段差异比 150kbps 比特率下的 Opus 要来得明显一些,尤其是 16kHz 以上的部份。此时的 Opus 在 7kHz 以下的表现稍逊于 MP3 和 Ogg。
AAC
122kbps 比特率下的 AAC 之全频段差异比 151kbps 比特率下的 AAC 要来得明显一些,尤其是中高频的部份已经衰减到严重影响音质了,听起来压缩感十足。
实际试听,在 122kbps ~ 125kbps 下,音质的排序是,Opus=HE-AAC>Ogg>MP3>AAC。
93kbps ~ 96kbps
将 fdkaac 的变动比特率等级参数设置为 -m 4,并将规格参数设置为 -p 5 (HE-AAC),转换出来的 M4A 文件之平均变动比特率为 94kbps,频谱如下:
将 LAME 的品质参数设置为 -V 7,转换出来的 MP3 文件之平均变动比特率为 96kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 104,转换出来的 Ogg 文件之平均变动比特率为 94kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 87,转换出来的 Opus 文件之平均变动比特率为 93kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 67,转换出来的 M4A 文件之平均变动比特率为 94kbps,频谱如下:
比较以上同样为 93kbps ~ 96kbps 的 HE-AAC、MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AAC
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AAC 会保留高频信号到 22kHz,且在 16kHz 和 8.5kHz 左右的频段有明显衰减现象。
MP3
从上图可以看出,LAME 把 15.2kHz 以上的声音频号几乎完全过滤掉了,且 12.5kHz ~ 15.2kHz 的信号也有极大的衰减,另外在 10kHz ~ 12.5kHz 的信号也有很大的衰减,10kHz 以下的信号与原始声音频号也有明显的不同。
Ogg
从上图可以看到,Ogg 格式把 16.8kHz 以上的声音频号几乎完全过滤掉了,而且在 16.8kHz 以下的声音频号与原始声音频号明显不同。
Opus
93kbps 比特率下的 Opus 之全频段差异比 122kbps 比特率下的 Opus 要来得明显一些。
AAC
94kbps 比特率下的 AAC 之全频段差异比 122kbps 比特率下的 AAC 要来得明显一些,尤其是中高频的部份早就已经衰减到严重影响音质了,听起来压缩感十足。
实际试听,在 93kbps ~ 96kbps 下,音质的排序是,Opus>HE-AAC>Ogg>MP3>AAC。
64kbps ~ 74kbps
将 fdkaac 的变动比特率等级参数设置为最高的 -m 5,并将规格参数设置为 -p 29 (HE-AACv2),可以输出 fdkaac 所能支持在变动比特率下 HE-AACv2 的最高音质。转换出来的 M4A 文件之平均变动比特率为 64kbps,频谱如下:
将 fdkaac 的变动比特率等级参数设置为 -m 2,并将规格参数设置为 -p 5 (HE-AAC),转换出来的 M4A 文件之平均变动比特率为 74kbps,频谱如下:
将 LAME 的品质参数设置为 -V 9,转换出来的 MP3 文件之平均变动比特率为 69kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -b 73,转换出来的 Ogg 文件之平均变动比特率为 64kbps,频谱如下:
将 Opus Tools 的 opusenc 的变动比特率参数设置为 --bitrate 60,转换出来的 Opus 文件之平均变动比特率为 64kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 33,转换出来的 M4A 文件之平均变动比特率为 64kbps,频谱如下:
比较以上同样为 64kbps ~ 74kbps 的 HE-AACv2、HE-AAC、MP3、Ogg、Opus 和 AAC 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AACv2
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AACv2 会保留高频信号到 20.3kHz,13.7kHz 以上开始有些频段有被衰减的现象(呈条纹状)。
HE-AAC
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AAC 会保留高频信号到 22kHz,且全频段依旧都没有太明显的衰减现象。
MP3
从上图可以看出,LAME 把 10kHz 以上的声音频号几乎完全过滤掉了,但 10kHz 以下的信号保留得还算不错。已经没有中高频的部份,让整首音乐听起来都很有压缩感。
Ogg
从上图可以看到,Ogg 格式把 15.7kHz 以上的声音频号几乎完全过滤掉了,而且在 15.7kHz 以下的声音频号与原始声音频号明显不同。中、高音的地方听起来会有压缩感。
Opus
64kbps 比特率下的 Opus 之全频段差异比 93kbps 比特率下的 Opus 要来得明显一些。
AAC
64kbps 比特率下的 AAC 之全频段差异比 94kbps 比特率下的 AAC 要来得明显一些。
实际试听,在 64kbps ~ 74kbps 下,音质的排序是,Opus>HE-AACv2>HE-AAC>Ogg>MP3>AAC。
48kHz 的声音频号经有损压缩后的比较结果
在这个测试中,比特率 443kbps 左右就差不多是最顶的音质了,因此可以认为音质最好的有损格式为 Ogg。但是,当比特率在 320kbps 以下时,Opus 格式的表现都不会比其它格式要来得差,它充分地将人耳听得到的声音频号平均地保留住,不会跟 MP3、AAC 和 Ogg 一样,为了保留低频而丢了高频;也不会跟 HE-AAC 和 HE-AACv2 一样,为了保留高频而丢了中、低频。然而,Opus 只支持 48kHz 的采样频率,如果声音频号本身的采样频率就低于 48kHz,重新采样后,Opus 会多花一些保存空间来保存声音频号。同样地,如果声音频号本身的采样频率高于 48kHz,重新采样后,Opus 就会把高频的部份整个过滤掉。
许多人认为 AAC 的音质比 Ogg 来得好,但笔者的测试结果是 Ogg 比 AAC 还要来得好。也许可能有人会质疑笔者使用的 FAAC 和 fdkaac 编码器品质不好,其实不然,笔者也试过 Nero AAC Codec,它们在 AAC-LC 的表现都不如 FAAC。至于 iTunes 和 QAAC 转 AAC-LC 的效果就不知道有没有比 FAAC 好了,笔者手边没有 macOS 和 Windows 系统能做测试。
HE-AAC 和 HE-AACv2 只适合在低比特率下使用,可以用来取代低比特率下音质甚至会比 MP3 还要来得差的 AAC (AAC-LC)。
如果要用比特率,在 48kHz 采样频率的条件下来选择适当的有损压缩格式的话,可以这样选:
小于或等于 320kbps:Opus
懒得选择的话,通通都用 Opus 也可以。
96kHz 的声音频号经有损压缩后的比较
只有 Ogg、AAC、HE-AAC 和 HE-AACv2 能支持 96kHz 的采样频率。底下将实际转档测试在不同比特率下时,这些格式的频谱及音质表现。
762kbps
将 FAAC 的品质参数设置为最高的 -q 5000。转换出来的 M4A 文件之平均变动比特率为 762kbps,频谱如下:
同样使用 ImageDifferencer,比较跟原始的声音频号频谱的差异,得到以下的结果:
FAAC 似乎会改变声音频号的时间,导致转档后的频谱无法跟原始频谱完全对齐。不过从前几秒的频谱差异来看,所有的信号几乎完全被保留下来了,所以才会呈现一片黑。
467kbps
将 Vorbis Tools 的 oggenc,设置最大的变动比特率参数 -q 10 可以转出其所能支持的最高音质。转换出来的 Ogg 文件之平均变动比特率为 467kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 1077,转换出来的 M4A 文件之平均变动比特率为 467kbps,频谱如下:
比较以上同样为 467kbps 的 AAC 和 Ogg 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 19kHz 以上,甚至到 22kHz 的声音频号,且它在 19kHz 以下的声音频号完美地保留了原始声音频号。
AAC
从前几秒的频谱差异来看,所有的信号几乎完全被保留下来了。
在 467kbps 下,由于人耳听得到的部份,也就是 20kHz 以下的声音频号 Ogg 保留得比较好,因此 Ogg 的音质听起来会比 AAC 来得好。
346kbps
将 fdkaac 的变动比特率等级参数设置为最高的 -m 5,并将规格参数设置为 -p 2 (AAC-LC),可以输出 fdkaac 所能支持在变动比特率下 AAC-LC 的最高音质。转换出来的 M4A 文件之平均变动比特率为 346kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 445,转换出来的 M4A 文件之平均变动比特率为 346kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -q 9.12,转换出来的 Ogg 文件之平均变动比特率为 346kbps,频谱如下:
比较以上同样为 346kbps 的 AAC 和 Ogg 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
AAC
fdkaac 转出的声音频号跟原始的声音频号频谱的差异如下图:
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
FAAC 转出的声音频号跟原始的声音频号频谱的差异如下图:
346kbps 比特率下的 FAAC 之中高频衰减要比 467kbps 比特率下的 FAAC 要来得明显。
直接从频谱图来观察的话,可以发现 fdkaac 转出的声音频号不会保留 23.5kHz 以上的高频信号,这点很好,毕竟留着高频信号人耳也听不到。实际与 FAAC 转出的声音频号做试听比较的话,其实听不出二者的差异。不过由于 FAAC 留了太多人耳听不到的高频信号,或许 fdkaac 的音质是比较好的。
Ogg
从上图可以看到,Ogg 格式在一定程度上保留了 18kHz 以上,甚至到 21kHz 的声音频号,且它在 18kHz 以下的声音频号完美地保留了原始声音频号。
从频谱上来看,在 346kbps 下,AAC 的音质表现和 Ogg 应是差不多的。
194kbps ~ 196kbps
将 fdkaac 的变动比特率等级参数设置为最高的 -m 5,并将规格参数设置为 -p 5 (HE-AAC),可以输出 fdkaac 所能支持在变动比特率下 HE-AAC 的最高音质。转换出来的 M4A 文件之平均变动比特率为 196kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 115,转换出来的 M4A 文件之平均变动比特率为 196kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -q 5.99,转换出来的 Ogg 文件之平均变动比特率为 194kbps,频谱如下:
比较以上同样为 194kbps ~ 196kbps 的 HE-AAC、AAC 和 Ogg 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AAC
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AAC 会保留高频信号到 25kHz,且全频段都没有太明显的衰减现象。
AAC
196kbps 比特率下的 AAC 之全频段差异比 346kbps 比特率下的 AAC 要来得明显一些,尤其是中高频的部份,且此时 AAC 的中高频信号已经受损严重,整体听起来的感觉不如 Ogg 了。
Ogg
从上图可以看到,Ogg 格式把 18kHz 以上的声音频号几乎完全过滤掉了,而且在 18kHz 以下的声音频号已经与原始声音频号明显不同了。
实际试听,在 194kbps ~ 196kbps 下,音质的排序是,HE-AAC>Ogg>AAC(FAAC)。
129kbps
将 fdkaac 的变动比特率等级参数设置为 -m 4,并将规格参数设置为 -p 5 (HE-AAC),转换出来的 M4A 文件之平均变动比特率为 129kbps,频谱如下:
将 fdkaac 的变动比特率等级参数设置为 -m 3,并将规格参数设置为 -p 2 (AAC-LC),转换出来的 M4A 文件之平均变动比特率为 129kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 53,转换出来的 M4A 文件之平均变动比特率为 129kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -q 3.45,转换出来的 Ogg 文件之平均变动比特率为 129kbps,频谱如下:
比较以上同样为 129kbps 的 HE-AAC、AAC 和 Ogg 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AAC
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AAC 会保留高频信号到 25kHz,且在 20kHz 和 14kHz 左右的频段有些许衰减现象。
AAC
fdkaac 转出的声音频号跟原始的声音频号频谱的差异如下图:
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
FAAC 转出的声音频号跟原始的声音频号频谱的差异如下图:
FAAC 转出的声音频号在 129kbps 比特率下之全频段差异比在 196kbps 比特率下要来得明显一些。此时已让整首音乐听起来都很有压缩感。
直接从频谱图来观察的话,可以发现 fdkaac 转出的声音频号不会保留 14.2kHz 以上的高频信号。实际与 FAAC 转出的声音频号做试听比较的话,fdkaac 转出的 AAC 比 FAAC 转出来的 AAC 音质要好得多,但还是不如 Ogg。
Ogg
从上图可以看到,Ogg 格式把 18kHz 以上的声音频号完全过滤掉了,而且在 18kHz 以下的声音频号与原始声音频号有着更明显的不同。
实际试听,在 129kbps 下,音质的排序是,HE-AAC>Ogg>AAC。
112kbps ~ 115kbps
将 fdkaac 的变动比特率等级参数设置为最高的 -m 5,并将规格参数设置为 -p 29 (HE-AACv2),可以输出 fdkaac 所能支持在变动比特率下 HE-AACv2 的最高音质。转换出来的 M4A 文件之平均变动比特率为 115kbps,频谱如下:
将 fdkaac 的变动比特率等级参数设置为 -m 1,并将规格参数设置为 -p 2 (AAC-LC),转换出来的 M4A 文件之平均变动比特率为 115kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 43,转换出来的 M4A 文件之平均变动比特率为 115kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -q 2.99,转换出来的 Ogg 文件之平均变动比特率为 112kbps,频谱如下:
比较以上同样为 112kbps ~ 115kbps 的 HE-AACv2、AAC 和 Ogg 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AACv2
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AACv2 会保留高频信号到 24kHz。
AAC
fdkaac 转出的声音频号跟原始的声音频号频谱的差异如下图:
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
FAAC 转出的声音频号跟原始的声音频号频谱的差异如下图:
FAAC 转出的声音频号在 115kbps 比特率下之全频段差异比在 129kbps 比特率下要来得明显一些。
直接从频谱图来观察的话,可以发现 fdkaac 转出的声音频号不会保留 13kHz 以上的高频信号。实际与 FAAC 转出的声音频号做试听比较的话,fdkaac 转出的 AAC 比 FAAC 转出来的 AAC 音质要好得多,但还是不如 Ogg。
Ogg
从上图可以看到,Ogg 格式把 17.5kHz 以上的声音频号完全过滤掉了,而且在 17.5kHz 以下的声音频号与原始声音频号明显不同。
实际试听,在 112kbps ~ 115kbps 下,音质的排序是,HE-AACv2>Ogg>AAC。
94kbps ~ 95kbps
将 fdkaac 的变动比特率等级参数设置为 -m 4,并将规格参数设置为 -p 29 (HE-AACv2),转换出来的 M4A 文件之平均变动比特率为 94kbps,频谱如下:
将 fdkaac 的变动比特率等级参数设置为 -m 3,并将规格参数设置为 -p 5 (HE-AAC),转换出来的 M4A 文件之平均变动比特率为 95kbps,频谱如下:
将 FAAC 的品质参数设置为 -q 29,转换出来的 M4A 文件之平均变动比特率为 94kbps,频谱如下:
将 Vorbis Tools 的 oggenc 的变动比特率参数设置为 -q 1.8,转换出来的 Ogg 文件之平均变动比特率为 94kbps,频谱如下:
比较以上同样为 94kbps ~ 95kbps 的 HE-AACv2、HE-AAC、AAC 和 Ogg 的声音频号跟原始的声音频号频谱的差异,得到以下的结果:
HE-AACv2
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AACv2 会保留高频信号到 24kHz,且在 12kHz ~ 17kHz 的频段有明显衰减的现象。
HE-AAC
fdkaac 转出的声音频号似乎完全与原始声音频号无法对齐,无法参考差异图。
直接从频谱图来观察的话,可以发现 fdkaac 转出的 HE-AAC 会保留高频信号到 26kHz,且在 21kHz 和 14kHz 左右的频段有些许衰减现象。
AAC
94kbps 比特率下的 AAC 之全频段差异比 115kbps 比特率下的 AAC 要来得明显一些。
Ogg
从上图可以看到,Ogg 格式把 16.5kHz 以上的声音频号完全过滤掉了,而且在 16.5kHz 以下的声音频号与原始声音频号明显不同。
实际试听,在 94kbps ~ 95kbps 下,音质的排序是,HE-AAC>HE-AACv2>Ogg>AAC。
96kHz 的声音频号经有损压缩后的比较结果
高比特率时,最接近原始声音频号的格式为 AAC,但是 AAC 保留太多无用的超声波,对音质完全没有帮助,反而导致人耳听得到的中低频部份和原始声音频号有所差异。而 Ogg 的频谱虽然看起来和原始声音频号的频谱差异很大,但它却完美保留住人耳听得到的频率范围,因此在这个测试中,可以认为音质最好的有损格式为 Ogg。这样的情形一直在下降至 200kbps 以上都还是一样,音质方面 Ogg 都是比 AAC 还要来得好。
但是到了低比特率时,Ogg 和 AAC 就会开始完全过滤掉人耳听得到的声音频率,此时着重于保留高频信号的 HE-AAC 的音质就要好很多。HE-AACv2 如 HE-AAC 同样也有保留高频信号,但是可能是 HE-AACv2 高频的部份保留太多吧,它在人耳更敏感的中频段的声音频号反而有明显衰减的现象,导致 HE-AAC 听起来的音质较佳。
如果要用比特率,在 96kHz 采样频率的条件下来选择适当的有损压缩格式的话,可以这样选:
小于 200kbps:HE-AAC
虽然这篇文章没有测试到,但如果比特率非常低(< 56kbps),用 HE-AACv2 应是较好的选择。
结果总结
只要比特率足够高,Ogg 可以说是在这个不同采样频率的测验中音质最好的有损音频压缩格式,它的采样频率也还可以支持到 192kHz,比 AAC 的 96kHz 上限还多了一倍。
很多人可能会觉得应该要是 AAC 夺冠才对,网络上的数据不是都说 AAC 才是最好的有损音频压缩格式吗?其实笔者觉得还是要根据比特率来选择适当的 AAC 的 Profile,像是在 300kbps 左右的时候,AAC-LC 和 Ogg 的音质其实是差不多的,而在 200kbps 以下时,HE-AAC 和 HE-AACv2 就会比 Ogg 要来得好。Ogg 是比较无脑的格式,给它多少比特率就有多少表现,简单易用,而且还是免费、开源的。
另外,新颖的 Opus 格式在 48kHz 的采样频率中表现非常优异,完全没有保存超声波的问题,比特的使用率极高。故能在中低比特率的时候,音质远胜其它有损压缩格式。

































































































































