ios - 不同的AVAudioQuality选项对生成的录音有什么影响？

Question

我正在开发的应用程序的一部分涉及音频录制。以下是相关代码：

let settings = [
            AVFormatIDKey: Int(kAudioFormatMPEG4AAC),
            AVSampleRateKey: 12000,
            AVNumberOfChannelsKey: 1,
            AVEncoderAudioQualityKey: AVAudioQuality.high.rawValue]

audioRecorder = try AVAudioRecorder(url: self.audioFilename, settings: settings)

我希望质量尽可能好，但如果可以节省空间，我希望允许用户在设置中更改质量。
不同的价值观实际上是做什么的？随着质量的下降，他们会把文件变小吗？抽样率也一样吗？我看过的很多教程都使用12000左右的采样率，虽然我知道专业录音通常是44100，有理由不使用44100吗？

Answer 1

我将把上面的图形翻译成它在实践中的工作方式[对录制的声音]。
音频采样率影响要记录的频率范围，采样率越高，可能记录的音频频率越高。
该采样数基于用于对声音进行数字化的PCM（脉冲编码调制）。它越高，曲线定义越好（如上图所示）
但在实践中，更好的曲线意味着什么呢？
更好的曲线意味着更详细的高频音频。你可以录制更清晰的声音，特别是在高音频率。
为什么是44100这个数字意味着什么？有没有一种方法可以让你从心理上弄明白，使用较低的采样率（220501110008000）录制的声音会怎么样？
是的，有。
人的耳朵能从20Hhz到20000Hz[一个完美的耳朵，对一个非常年轻的人来说，可以达到20000Hz，例如孩子们]
所有其他成年人类都能听到大约20hz到17500hz（这是平均值）
当我们对声音进行数字化时，如果我们想让它成为最适合人类听觉的声音，我们需要能够对人类耳朵能够听到的全部频率范围进行数字化。从20Hhz到20000Hhz。
简而言之，在不深入讨论PCM工作原理的情况下，数学和实用规则是：“采样率必须是音频的两倍，才能以数字方式记录音频。”
这意味着：为了能够数字记录18000Hhz的高音，你需要36000Hz的采样率（总是双倍的采样率）
这就是为什么第44100个数字是44100：它是人类最大听觉容量的加倍（加上一点点）。
因此，44100的采样率能够在20Hz到22000赫兹的范围内数字化和记录音频频率，这是最大的人类容量之上的，这意味着：一个完美的声音！（*对于我们人类）
如果您将应用程序采样率设置为12000左右，它将允许您录制高达6000Hhz的声音频率。你将失去大部分高音。
例如，电话通话是以8000的数字采样，这使得它能够传输高达4000Hz的声音频率。它很适合说话，但它会错过很多高于4000Hz的高频。因此电话里没有高音。
现在，您可以从心理上了解采样率如何影响最终录制的声音。从4000Hz的电话音质，到15200Hz的任何调频电台，到20000Hz的任何CD音质。
选择所需的最大音频范围，您需要/能够记录，并加倍值：您将知道正确的采样率，您将不得不调整您的应用程序。
你问有没有理由不去44100。这取决于录制的声音的最终效果。对于声音，仅仅是声音，记录人们的谈话，12000已经足够好了：它不像电话那么糟糕，它将记录高达6000Hz的声音频率，这是大多数声音的调子，它将削减所有高于6000Hz的其他更高频率（鸟鸣、分心的声音、金属声音等）。所以12000，比44100更适合录制人声。让我们考虑一个餐厅，所有的饮食噪音和玻璃噪音，记录声音更好一个较低的采样率，消除所有的高音和记录更好的只是声音。
对于音乐，请始终选择44100。
关于文件大小，是的，采样率越低，生成的音频文件就越小。但您使用的是AAC压缩，因此不必担心文件大小：
44100的1分钟AAC记录[2个通道]约为950KB
12000下1分钟AAC录制[2个频道]约为280KB
44100的1小时AAC录音[2个频道]为abt 57MB
大于44100的抽样怎么办有48000，96000，甚至更多。
48000的采样将允许高达24000hz的声音频率（没有超人能够听到这样的高频声音），你只会得到一个更大的文件。
一个96000的采样将允许声音频率高达48000赫兹，只有狗能够听到这样的高音高达45000赫兹。一个96000的采样是很好的记录声音，当再现将听起来完全像真实的声音，但狗耳朵。对我们来说，与44100的抽样评级没有区别。我们的耳朵听不清。（注：在这种情况下，有效的说法是，你需要一个扬声器能够再现20000赫兹以上的声音，这是很难找到的。）
注：采样率是以赫兹为单位测量的，就像声音频率一样。
我在提到采样率时故意省略了上面的“Hz”，而在提到声音频率时，我故意省略了“Hz”，以避免与这么多看起来相似的数字混淆，但代表了两个不同的东西。
所以，44100的采样意味着44100Hz[采样率]。。等等。。
_
1赫兹表示1（一）秒间隔内的1（一）次振荡/旋转/事件
20000Hz意味着声音频率每秒振荡20000次。
44100Hz意味着我们以每秒44000次的速度采集声音样本，从而对声音进行数字化处理。