第6章 音訊壓縮#

CD 音質的未壓縮資料量是每分鐘約 10 MB，若沒有壓縮，串流音樂與反正規化的行動通訊都不可能存在。音訊壓縮的核心問題是：在計算與位元率受限下，如何讓耳朵聽起來「幾乎一樣」甚至「一樣」？答案藏在我的大腦裡——心理聲學（psychoacoustics）。

本章先建立心理聲學的基礎：耳朵是一個非線性、有選擇性的頻譜分析器，響亮的聲音會「遮蔽」鄰近頻率上聽不見的細節。我們將介紹絕對聽覺門檻曲線、同時遮蔽與前後向遮蔽，並用簡化模型估計一段混合訊號中可以丟棄的部分。接著以 MP3 與 AAC 為例拆解感知編碼器的完整流水線：子帶/MDCT 分析、心理聲學模型、位元分配、量化與霍夫曼編碼，說明為什麼 128 kbps 的 MP3 可以聽起來近似 CD。最後談到現代編碼器 Opus 與 EVS：如何在即時通訊場景下以 6 kbps 得到可懂語音、在 128 kbps 得到全頻帶音樂，以及機器學習編碼器的最新發展。

理解壓縮，就理解了「聲音品質」與「頻寬成本」之間的交易價格表。