（1）音频数字化过程

声音信号的数字化是将模拟声音信号转换成数字编码形式，以便于计算机进行处理的过程，包括取样、量化、编码三个步骤。如图4.1所示为数字化音频过程。

取样（Sampling）就是在某些特定的时刻对模拟信号进行测量。每秒钟的取样次数称为取样频率。取样频率越高，采集到的样本就越多，被取样的声音信号的还原性就越好。

量化（Quantization）是把采样后的信号转换成相应的数值表示。转换后以几位二进制形式表示，即为量化位数。量化位数一般为8位、16位。量化位数越大，采集到的样本的精度和声音的质量就越高，但量化位数越多，需要的存储空间也就越大。

编码（Encoding）就是将量化后的整数值用二进制数来表示。采样频率越高，量化数越多，数字化的信号就越能逼近原来的模拟信号，而编码用的二进制位数也就越多。

采样和量化过程中使用的主要硬件是模拟／数字转换器（A／D转换器）和数字／模拟转换器（D／A转换器）。

图4.1　数字化音频过程

（2）音频获取设备

如图4.2所示，波形声音的获取设备包括麦克风（将声波转换为电信号）、声卡（进行数字化）等。声卡以数字信号处理器（DSP）为核心，DSP在完成数字声音的编码、解码及声音编辑操作中起着重要的作用。使用数码录音笔可离线（Off－Line）获取声音，然后再通过USB接口直接将已经数字化的声音数据送入计算机中。

图4.2　声音获取设备

（3）声音的播放

声音的播放通常分为两步，包括声音重建和发音。声音重建是把声音从数字形式转换成模拟信号形式，具体分为解码、数模转换、插值处理三个步骤。声音重建也是由声卡来完成的。发音是将模拟声音信号经过处理和放大送到扬声器（音箱、耳机等）发出声音。其中普通音箱接收的是重建的模拟声音信号，数字音箱可直接接收数字声音信号，声音失真更小。

（4）波形声音的主要参数(www.daowen.com)

波形声音的主要参数包括取样频率、量化位数、声道数目、使用的压缩编码方法。数码率指的是每秒钟的数据量，也称比特率、码率（单位：bit／s）。数字声音未压缩前，其计算公式为：波形声音的码率＝取样频率×量化位数×声道数。数字声音压缩编码以后，其计算公式为：波形声音的码率＝压缩前的码率÷压缩倍数。

（5）语音合成

语音合成是根据语言学和自然语言理解的知识，使计算机模仿人的发声，自动生成语音的过程。目前主要是按照文本（书面语言）进行语音合成，这个过程称为文语转换（Text－To－Speech，简称TTS）。文语转换过程包括文本分析、韵律分析、语音生成。

（6）常见的声音文件格式

存储声音文件的格式有很多种，常见的声音文件格式有如下几种：

①WAV文件

WAV文件又称波形文件，数字波形声音是使用二进制位表示的一种串行比特流，其数据按时间顺序进行组织，文件扩展名为.WAV。数字波形声音文件的数据量很大，其大小近似地等于大量的声音数据所占用的存储空间。

②MIDI文件

MIDI（Musical Instrument Digital Interface）乐器数字接口是计算机中描述乐谱的一种标准描述语言，规定了乐谱的数字表示方法（包括音符、定时、乐器等）和演奏控制器、音源、计算机等相互连接时的通信规程。它将所要演奏的乐曲信息用字节进行描述。譬如，在某一时刻，使用什么乐器，以什么音符开始，以什么音调结束，加以什么伴奏等，也就是说，MIDI文件本身并不包含波形数据，不是实际的声音。所以MIDI文件非常小巧，易于编辑、处理。一首乐曲对应一个MIDI文件，其文件扩展名为.MID或.MIDI。播放MIDI音乐时，它先从磁盘上读入.MID文件，解释其内容，然后以MIDI消息的形式向声卡上的音乐合成器发出各种指令。

③MP3文件

简单地说，MP3就是一种音频压缩技术，由于这种压缩方式的全称叫MPEG Audio Layer 3，所以人们把它简称为MP3。MP3音乐文件是利用MPEG Audio Layer 3的技术，将音乐以1∶10甚至1∶12的压缩率，压缩成容量较小的文件，换句话说，能够在音质丢失很小的情况下把文件压缩到更小的程度，而且还非常好地保持了原来的音质。正是因为MP3体积小、音质高的特点使得MP3格式几乎成为网上音乐的代名词。

④其他格式声音文件

WMA文件是微软公司的流式声音文件，PCM文件是使用PCM编码的声音文件，AIF文件是苹果公司的声音文件格式，VOC是声霸卡使用的音频文件格式，AU文件主要用在UNIX工作站上。