第五篇 · 第12章
第12.2節 MP3 播放器與心理聲學模型：聽覺掩蔽效應與數位訊號處理器（DSP）#
Fraunhofer 的賭注：把「聽不見」壓掉#
1980 年代末，德國埃爾朗根的夫朗和斐積體電路研究所（Fraunhofer IIS）的一小組研究員——卡爾海因茨·布蘭登堡（Karlheinz Brandenburg）、迪特·塞策（Dieter Seitzer，自愛爾蘭根-紐倫堡大學加入）等人——參加了 ISO MPEG-1 音訊標準的競標。他們的提案編號 l3，最終成為 MPEG-1 Layer III，即 MP3。布蘭登堡曾回憶，壓縮 Suzanne Vega 的〈Tom's Diner〉清唱片段時，最初版本聽起來像「水下說話」，他反覆調校心理聲學模型，直到 1991 年版本通過盲測——這首歌因此被暱稱為「MP3 之母」。
MP3 的核心理念來自心理聲學（psychoacoustics）：人耳並非線性頻譜分析儀，而是沿著基底膜以約 25 個臨界頻帶（critical bands，Bark 尺度）做非均勻頻率分析。在一個臨界頻帶內，強訊號會掩蔽（masking）弱訊號：
- 頻域掩蔽：一個 90 dB 的 1 kHz 純音，會把附近 800 Hz–2 kHz、低於約 60 dB 的訊號完全蓋掉；
- 時間掩蔽：強音之前約 5–20 ms（前向掩蔽）與之後約 50–200 ms（後向掩蔽）內的弱訊號也聽不見。
MP3 的策略是：把 PCM 訊號經改良離散餘弦變換（MDCT，32 個子帶再各做 18 點 MDCT）變到頻域，套用心理聲學模型計算每個頻帶的「掩蔽門檻」，再以各頻帶的允許雜訊位準（mask-to-noise ratio, MNR）分配位元——凡低於門檻者，不編碼或粗略編碼。結果是：CD 的 1,411 kbps 可壓到 128 kbps（約 1:11），多數聽者盲測難辨。
位元率、位元池與音質#
| 位元率 | 相對 CD | 常見用途 | 心理聲學損失 |
|---|---|---|---|
| 32 kbps | 1:44 | 語音 | 嚴重，高頻盡失 |
| 64 kbps | 1:22 | 早期網路 | 可辨失真 |
| 128 kbps | 1:11 | Napster 主流、早年預設 | 多數人難辨 |
| 192 kbps | 1:7 | 發燒友下限 | 邊際可辨 |
| 256–320 kbps | 1:5 | 現行串流上限 | 幾乎透明 |
| FLAC（無損） | 1:2 | 封存母帶 | 無 |
MP3 使用「位元池」（bit reservoir）機制：允許某一幀向相鄰幀「借位元」，處理瞬態打擊樂——這是變動位元率（VBR）思想的前身。1995 年 Fraunhofer 把 .mp3 副檔名與免費的 Winplay3 播放器推向網路，MP3 從 ISO 標準檔案變成文化現象。
硬體：哈佛架構的 DSP#
即時解碼 MP3 需要每秒上千萬次乘加運算（MAC）。1980 年由德州儀器 TMS32010 開創的數位訊號處理器（DSP）提供了完美載體，其哈佛架構——程式記憶體與資料記憶體分離、各有匯流排——允許同一週期內取指、取兩個運算元、寫回結果，配合同迴路乘加指令與位址指標自動增減（modular addressing），讓 MDCT 與濾波器組以接近理論峰值的效率執行。1997 年韓國世韓（Saehan）推出首款隨身 MP3 播放器 MPMan F10（32 MB 快閃記憶體，約可存 8 首歌）；1998 年帝盟（Diamond）Rio PMP300 引發 RIAA 訴訟，美國法院裁定 MP3 播放器屬「空白音訊錄製裝置」而非侵權設備——判例打開了硬體市場。1999 年一顆可即時解碼 MP3 的 DSP 或專用 ASIC（如 MAS3507D）售價數十美元，2005 年降至數美元，蘋果 iPod（2001）正是建立在「東芝 1.8 吋硬碟＋PortalPlayer 雙核 DSP」的供應鏈上。
Napster、撥接網路與產業制度的崩解#
1999 年肖恩·帕克與肖恩·范甯寫出 Napster：中央索引＋點對點傳輸，高峰期同時 8,000 萬用戶。撥接網路 56 kbps 的頻寬（下載一首 4 分鐘 MP3 約 10 分鐘）本來是障礙，卻因「一首歌約 3–4 MB、燒錄一張 CD-R 僅需幾毛錢」的成本結構，形成大規模的盜版經濟。唱片工業全球營收從 1999 年的 238 億美元跌至 2014 年的約 140 億。2001 年 Napster 被法院勒令關閉，但蘋果於 2003 年推出 iTunes Store（每首 0.99 美元、FairPlay DRM），證明「便利可以打敗免費」；Fraunhofer 則靠 MP3 專利池（至 2017 年到期）收取數億歐元授權金。標準組織的 FRAND 授權與專利池，讓學術實驗室的數學成為一個產業的稅基。
前因後果與延伸思考#
MP3 的心理聲學思想直接孕育 AAC（MPEG-2/4 的後繼）、杜比數位與今日所有串流音訊；而「音樂變成檔案」的社會後果——單曲購買、播放清單文化、串流訂閱——徹底重寫了唱片業的商業制度。
- 「透明音質」（聽不出失真）的盲測門檻為何因人、因音樂類型而異？心理聲學模型是對「人耳」建模，還是對「統計聽眾」建模？
- 若 1998 年的法院判決相反（MP3 播放器被禁），數位音樂的歷史會走向何種制度？
- DSP 的哈佛架構如今已被 SIMD 強化的通用 CPU 與 GPU 吸收；專用訊號處理晶片還有存在價值嗎——低功耗場景（助聽器、耳機）給了什麼答案？