56、音频压缩：语音编码技术解析

音频压缩：语音编码技术解析

1. MLP编码相关

MLP编码在音频压缩中有着重要作用。其熵编码器基于特定假设为音频样本分配可变大小的代码。接着是缓冲步骤，它能平滑因被压缩声音变化导致的比特率波动。比如，均匀声音段落或静音可能与复杂、类似随机的声音交替出现，缓冲能确保编码器以恒定速率向压缩流输出数据，这在实时传输压缩音频时尤为重要。

压缩流除了包含压缩数据，还包括给解码器的指令和CRC校验位。输入音频文件被分成通常40 - 160个样本长的块，块再组装成长度在640 - 2560个样本之间、由用户控制的数据包。每个数据包都有自我检查功能并包含重启信息，若解码器检测到坏数据无法继续解压缩一个数据包，可直接跳到下一个数据包的开头，通常仅损失7ms播放时间，听众几乎察觉不到。

MLP还有有损选项，如将所有音频样本从24位减少到22位，或让部分音频通道通过低通滤波器，这能降低音频信号的熵，使编码器实现更好的压缩，在一张DVD - A上记录超过74分钟音频的情况下很有用。

2. 语音压缩概述

某些音频编解码器专门用于压缩语音信号。由于人类语音的特性，其具有可用于压缩的属性。下面先探讨人类语音的特性，再介绍各种语音编解码器。

3. 语音的特性

人类通过将空气从肺部经声带压入声道来产生声音，声音在声道中由振动产生，就像空气通过长笛发声一样。声道形状（主要通过移动舌头）和嘴唇的移动控制音高，肺部送出的空气量控制声音的强度（响度）。由于人类发声器官运作缓慢，语音的音高和响度变化缓慢，相邻样本甚至相隔20ms的样本都有很强的相关性，这种相关性是语音压缩的基础。

声带可开合，其开口称为声门，声门和