你是不是和我一样，一段时间把所有的零花钱都花在光盘上？

上一次买CD是在鼓楼西的这家唱片店。那是2017年4月，我买了三本。三个月后，唱片店被拆除。说实话，在这之前，我已经很久没有买过CD了！

在这个时期，评价的不是感受，而是横向评价。莫扎特D大调小提琴协奏曲的DSD文件被下转换为高格式W***(24bit/192kHz)、W***(24bit/96kHz)、标准CD格式W***(16bit/44.1kHz)和Mp3(192kbps)。

本视频以看为主，听为辅，网络视频质量不能代表片源质量。

先说最常用的。

Mp3

大部分MP3都是CD制式的W***压缩，一张16bit/44.1kHz的CD，比特率1411.2kbps，所以192kbps的Mp3相当于CD的1/7，128kbps的Mp3相当于CD的1/11。

Mp3是怎么压缩的？首先，我们来看下图。

这是人耳的等距曲线，反映了人耳对频率的敏感程度。一般我们听音乐，会在80 dB SPL和100 dB SPL之间，所以只看最下面两行。

人耳对低频和高频的敏感度下降，尤其是16kHz以上的高频，所以这部分是最先从Mp3中提取出来的部分。高比特率的Mp3先去掉这个区域(比如256kbps的Mp3)。

左边是16bit/44.1kHzW***，右边是Mp3。

科学家认为这个Mp3文件仍然太大，跟不上拨号环境。为了增加提取，他们开始研究音乐。

看频率和音高对照表。

由于音乐中使用了十二平均律，因此可以计算出音乐中每个音调的频率。中央A为440Hz，所以向上降B等于440×12√2=466.1***。

最低的A(27.5Hz)和下降的B(29.1Hz)之间只有1.6Hz 空的差距，而最高的B(3951Hz)和C(4186Hz)之间有235Hz 空的差距。很明显，高频留给科学家更多可提取的空空间，于是就有了我们最常听到的128k和192kMP3。

他们认为提取部分内容不会影响听力，所以比特率越低，提取的中高频声音越多，随着比特率越低，提取会向下延伸到中频。它的名字叫心理声学模型。

下图的Mp3波形明显失真，动态严重不足。

这极大地影响了音乐的完整性。对于人声来说，音高和谐波频率只是一个方面。喉音、胸共鸣、鼻音、牙音、呼吸音都是音乐表达的一部分，都包含了大量的情感成分，会因为Mp3的压缩而变形。

这里补充一句题外话。

自动调谐

因为工作原因，我经常给一些主持人录音(你懂的)。混音的时候经常发现原项目(24bit/48kHz或者96kHz)修出来的音高已经很准了，但是一旦压进Mp3，还是显得不准，所以要稍微用力修一下。和Mp3的提取方式有关吗？

德国Mp3“弗劳恩霍夫IIS”的发明人和专利持有人表示，Mp3的所有专利已经于2017年4月16日到期。他们终止了Mp3相关软件的专利授权，直接建议大众使用一种效率更高、音质更好的格式。

当然压缩格式是AAC等。差不多。

这些压缩格式大大减少了我们听到的关于音乐的信息量，细节不复存在，而细节才是情感真实而持续的表达。压缩格式让音乐在很大程度上失去了打动人心的能力。

CD

先说一道数学题。

25(视频帧)×2(视频场)×294(视频行)× 3 = 44100。

没错，这就是44.1kHz的由来，为了使声音和画面对齐，声音必须记录在录像带上，每个视频场上要记录三个音频采样点。

如果两个采样点的采样频率设计为29400，那么根据奈奎斯特采样定理，频率只能满足人耳的要求，显然不能满足人耳的要求。乘以4被认为是磁带录音的浪费，乘以3正好满足人耳对20kHz的要求。

没有问题。毕竟录像带是用来做新闻，录音和博彩转播的，甚至综艺节目都是完全可以的。但是这个标准和模拟时代的音频指标相比，作为音乐的载体，就显得有点低了。

下面是我的声卡以32bit/192kHz转录的黑胶唱片和CD的音轨。左图的黑胶30kHz-50kHz清晰可见，谐波甚至可以达到65kHz。

要知道天籁之音可以随便达到50kHz。20kHz以上对于模拟设备来说是一个缓慢下降的过程，而对于CD来说则是硬***，也就是截止频率(右图)在22kHz以上，一点不剩。

来说说bit吧。早期的8bit声音，80后很熟悉。8bit采样256阶，小霸王音质48dB，远远不够。要知道80年代卡带的信噪比大概是60dB左右。

精度决定信噪比，所以飞利浦提出14bit可以让CD的信噪比达到前所未有的84dB(1bit≈6dB)，而索尼坚持16bit，也就是65536阶的信噪比，很有远见。最后通过了索尼的标准，保留了额外珍贵的12dB动态范围。

16位至24位

那么24位有意义吗？当然了。信噪比提高到144dB。我用同一个文件24bit/48kHz对比了16bit/48kHz。声音的底部，音乐片段的交界处，空空气感和混响，这是真正的动态提升，用耳机更容易听出来。可以这样理解，在0到-96dB之间，两者是差不多的，区别就存在于这些-96到-144dB的微小信号中。说实话，我不确定我听到了-96dB以下的声音，但一定是这些微小的向下的信号在声音整体上起了作用。在听交响乐这种动感音乐时，24bit优势明显。

推而广之，32位理论上信噪比192dB。会不会好一点？对于浮点运算的混合项目肯定是有意义的。比如动态信号经过压缩器，原来的-145dB信号被压缩到-110dB，音色当然会更饱满。但是说到用户，我个人觉得没什么用。要知道，144dB的信噪比已经是一个不小的数字了。

相比较而言，24位声音背景的内容确实更丰富，因为这里有16位不存在的声音内容，是可以识别的。

位数越高，信号拾取能力越强，抗干扰能力越差，设备制造成本越高。

所以对于用户来说，16位是基础，24位需要设备支持，32位只适合生产工艺。设备上的DAC必须具备24位解码能力，扬声器和耳机要有更好的动态性能，音量要调大。

24 bit的订单巨大，超过1000万，但所谓的精度提升对音质的作用有限。24bit的意义更多在于信噪比和动态范围。

44.1千赫-192千赫

再来看另一个指标——采样频率。从视频中的频谱可以看出，16bit/44.1kHz的频谱真的很惨。对于高质量的音乐录制，24bit/96kHz真的应该是一个低标准。96kHz和192kHz的采样率大大缓解了截止频率带来的听觉问题，高频趋于自然。

92 kHz采样率的高频确实更丰富，60kHz以上有UHF量化噪声(与DSD源文件有关)。我觉得这可以算是录音的频率上限了。96kHz采样率的频率上限没有达到这个频率，但是192kHz采样率突破了这个频率。可以看出，声音信号在40kHz后逐渐减弱，而60kHz是声音信号和超高频噪声的分水岭。

这种UHF量化噪声在PCM和DSD中都会有，DSD更明显。***厂商会设计一个低通滤波器，具体是50kHz和60kHz，高一点还是低一点，取决于厂商对指标和音质的考虑。

说白了，把20kHz-40kHz放在整个频响里，其实就是一个八度，20Hz-20kHz是10个八度，20Hz-40kHz是11个八度。一个八度可以让声音有很好的高频延伸，丰富泛音信息和空

人的耳朵不是用来听音乐的，而是用来感受大自然的。麻木不仁不代表没有。不是说人的耳朵听不到20kHz以上的声音。17kHz以上的声音没有刺耳的感觉，没有音高的概念，更多的是空之间的信息，很难记忆和描述。

可以明显感觉到从44.1kHz到96kHz再到192kHz，能量在增加，高频越来越平滑，瞬间爆发力越来越丰富，空感更真实。

96kHz的采样频率是保留声音信息的基本保证。从放大的波形可以看出，96kHz的锯齿还是比较明显的，而192kHz的锯齿则趋于平滑。

同段192kHz、96kHz、44.1kHz的波形对比

我们在主观比较两个不同指标的同一段时，首先要评价频率，然后再评价动态。因为频率高，动态变化存在于底部，听起来采样频率的增加比位数的增加更明显。但是随着采样频率的逐渐提高，我们感受到的实际音质变化非常小。

24bit/192kHz能否完全还原，除了DAC，扬声器和喇叭是关键。索尼刚刚推出了可以回放100kHz的耳机，相当一部分音箱可以还原到50kHz以上。

从16bit/44.1kHz到24bit/192kHz，从频率到动态到细节表现，音质确实在提升；从图形上看，采样频率越高越接近平滑，但始终不是模拟的味道。在采样规范上做文章，有利于音质的提升，但也是有限的。有什么问题？

24bit/96kHz是高质量录音的基本标准，那么192kHz是高标准吗？

说到底还是PCM。采样频率决定了声音的频率上限。16bit相当于设置了65536个小网格。为了在网格中找到对应的位置，对每个采样点进行四舍五入，产生量化失真，使得量化噪声均匀分布在所有频段。这不是几个样本的问题，而是整个情况。归根结底，这是一个保真的问题。

著名混音器之父尼夫***1995年在中国接受采访时曾说:在我看来，未来的数字标准应该是1bit的采样频率，高达MHz或更高，这样才能和现在的模拟技术相媲美。

本文转载地址如下:内夫***1995年在北京——永恒的主题一个参照点。

DSD(1位2.8224MHz)

不出Neve***所料，一年后的1996年，索尼和飞利浦联合提出了1-1bit DSD作为SACD的编码方式。

PCM是脉冲编码调制，DSD是脉冲密度调制。DSD***的采样率为2.8224MHz，并不是为了得到超高频的声音，而是为了更真实的记录波形。由于只使用了1比特，即0和1，所以省略了比特转换程序，量化失真和噪声大大降低。

D的采样频率至少是CD的***倍，密度极高。动态描述不像PCM直接定位在网格中，而是一个最小固定值(delta)δ-σ。如果下一个样本和上一个样本的相减大于δ，则为1，小于δ或为负，则为0(具体规则复杂得多，我只简单描述一下)。

每一个PCM样本都是独立存在的，而每一个DSD样本都是从上一个样本中减去的，所以采样点是不可分割的，不能断开和离散使用，这就使得DSD的声音听起来是模拟的。

PCM为非线性，DSD为线性；PCM是非线性的，DSD是线性的；

PCM是绝对值，DSD是相对值；

PCM像爬楼梯，DSD更像滚链条。

DS***，***倍于CD的采样率，但只记录1bit，数据量是CD的4倍左右。DSD***接近24bit/96kH的数据量，一点也不夸张。

D***是DSD的最低标准格式，其次是DSD128、DSD256和DSD512。顾名思义，后缀数字是CD采样频率的倍数。

在DSD的指标上，频率响应轻松超过100kHz是不言而喻的。动态范围也足够大，但是没有像96dB、144dB这样的理论指标。动态范围直接取决于真实电平值。回到我说的问题，120dB是人耳的疼痛区域。从前置麦克风到后置扬声器，没有模拟音频设备的动态范围真的达到130dB，因为那是不现实的。

频率和动态我讲了很久，但决定DSD特征的并不是这些硬指标(后面再讲)。

当然，DSD也有弊端，就是不能直接编辑，你连画体积线或者裁剪都想不到，尤其是VST和自动调优。

还有一种方式，就是录制的DSD音轨，每一条轨线输出到模拟混音器，在模拟混音器上完全进行音量调节、EQ、压缩、合并、下混，然后将总线的输出信号录制到DSD中。过程很像30年前的模拟录音，国家大剧院就有一套这样的DSD录音系统。

瑞士的合并公司也有一个折中方案。即依靠24bit/352.8kHz，用超高采样率的PCM打开编辑DSD文件，称为DXD，编辑后重新生成DSD文件。实际上，DXD是目前可以编辑的最高质量的PCM标准文件，许多高质量的数字记录都是由DXD直接录制和分发的。

这是索尼在2018年推出的Hi-res精选音乐APP，可以提供DXD音源和DSD音源的付费下载。

为了还原声音的原貌，不知道有多少人花费了多少精力。

今天到此为止吧。如果这篇文章有什么错误，请帮我指出来。让我们一起学习，不要让我犯错。在接下来的评测中，我会和大家分享DSD的声音特点、优缺点以及应用体验。请注意！