閃電配音

今天的故事要從最后一個(gè)流程「保存聲音」說起。2014 年的現(xiàn)在，人們最常使用的保存聲音的方式，就是「聲音檔案」（Audio File）了，您在網(wǎng)絡(luò)上聽到的所有聲音，包含 MUZIK ONLINE 上的每一首音樂，YouTube 上影片的聲音部分，都是使用某種聲音文件格式來儲(chǔ)存的。所以，聲音檔案里面到底裝的是什么東西？為什么它可以儲(chǔ)存聲音？

首先我要來厘清一下名詞。這系列文章的標(biāo)題其實(shí)是三個(gè)字組成的：「數(shù)字」、「音樂」和「科技」，我想大家比較會(huì)有疑慮的是「數(shù)位」這個(gè)字，「數(shù)字」到底是什么意思？

「數(shù)位」這個(gè)字的簡(jiǎn)單的定義是：「用數(shù)字，來描述、處理、保存事情」。也就是說，這一系列的文章也會(huì)跟數(shù)字和數(shù)學(xué)很有關(guān)聯(lián)喔！

為了讓您更能想象聲音檔案的運(yùn)作方式，我想先介紹一下圖片檔案。

現(xiàn)在網(wǎng)絡(luò)上最流行的圖片文件格式叫做 JPEG，您在 Facebook 上看到的每一張照片，都是使用這個(gè)方式儲(chǔ)存的。JPEG 檔案（以及其他大部份的圖片檔案）里面裝的是什么呢？它里面有很多「畫素」（pixel）。

您在計(jì)算機(jī)或手機(jī)屏幕上，看到的所有東西，都是由一個(gè)一個(gè)細(xì)小的小方格組成的，因?yàn)檫@些小方格太小了，平常您不會(huì)注意到它們的存在，所以我要把它們放大給您看清楚。

首先，您可能會(huì)發(fā)現(xiàn)一個(gè)有趣的事情：在屏幕上你看起來像是全黑的文字，其實(shí)它的邊緣不是真正全黑的。

在這里您看到的每一個(gè)小方格，就是一個(gè)「畫素」?，F(xiàn)代計(jì)算機(jī)儲(chǔ)存一張黑白圖片檔案的方式，就是測(cè)量每一個(gè)畫素的亮度，然后給它一個(gè)范圍是 0 到 255 的數(shù)字，0 表示最暗（也就是純黑），255 表示最亮（純白），中間的數(shù)值代表各種不同深淺的灰色。

所以，在黑白圖片檔案中，每一個(gè)畫素，就是一個(gè)范圍是 0 到 255 的數(shù)字（注 1），集合夠多的畫素，您就得到了一張圖片。

在聲音檔案中，與「畫素」相對(duì)應(yīng)的東西叫做「取樣」（sample）。您可以想樣，一個(gè)「取樣」就是一小小小小小段聲音，跟「畫素」一樣，也是用一個(gè)數(shù)字來代表。不過您可能會(huì)想，我們要怎么用數(shù)字來形容聲音呢？就像在圖片檔案里，我們用一個(gè)數(shù)字來描述一小塊圖片的「亮度」；在聲音檔案里，我們用一個(gè)數(shù)字來描述一小段時(shí)間內(nèi)的「空氣密度」。

聲音檔案的運(yùn)作方式其實(shí)超乎想象地簡(jiǎn)單：您可能還記得在高中物理課的時(shí)候?qū)W到的，聲音是一種「疏密波」，也就是說您大腦覺得的「聲音」，其實(shí)只是您的耳朵偵測(cè)到周遭空氣分子的密度變化，傳送訊號(hào)給大腦后產(chǎn)生的幻覺而已。

如上圖，當(dāng)左方的喇叭在震動(dòng)的時(shí)候，會(huì)造成周圍的空氣分子在某些地方的密度比較高、有些地方比較低。然后您只要拿一個(gè)「空氣分子密度偵測(cè)器」（俗稱「麥克風(fēng)」），去測(cè)量當(dāng)下的空氣密度，當(dāng)空氣密度高的時(shí)候，給它一個(gè)大數(shù)字，而密度低的時(shí)候，給它一個(gè)小數(shù)字就可以了。

然后當(dāng)您不斷地、一直一直重復(fù)測(cè)量空氣密度之后，您就會(huì)得到??一大堆數(shù)字。沒錯(cuò)，您每天聽到的網(wǎng)絡(luò)上的聲音、下載的每一首 MP3 音樂檔案，就只是一大堆敘述空氣密度的數(shù)字而已，計(jì)算機(jī)可以讀取這些數(shù)字，然后再透過您的音響重現(xiàn)記錄好的空氣密度變化。

聲音檔案的質(zhì)量基本上由兩個(gè)因素決定：第一是我們用多大的數(shù)字范圍來敘述一個(gè)當(dāng)下的空氣密度，第二是我們每一秒鐘敘述空氣密度幾次。我們剛開始說了，一般的黑白圖片檔案，是用 0 到 255 的數(shù)字來表達(dá)一個(gè)畫素的亮度，也就是說，從全黑到全白，圖片檔案可以記錄 256 種不同深淺的灰色。

一般聲音檔案的分辨率比這高得多，從空氣最稀疏到最密集，我們是用范圍 0 到 65,535 的數(shù)字來表示，而在專業(yè)用途的聲音文件，數(shù)字的范圍更大（注 2）。

我們把每一秒鐘，聲音檔案記錄空氣密度的次數(shù)，稱為「取樣頻率」（sample rate）?，F(xiàn)在最常被使用的取樣頻率是 44,100 Hz，也就是每秒鐘記錄空氣密度 44,100 次。

換句話說，在一般您每天使用的聲音檔案，每一秒鐘的聲音，就是 44,100 個(gè)、范圍是 0 到 65,535 的數(shù)字。那是非常非常多的數(shù)字耶，這也就是我們?yōu)槭裁唇兴笖?shù)字」音樂的原因了。

還有更多所以您現(xiàn)在知道了，您每天聽的聲音檔案，里面裝的只是一大堆、敘述空氣密度的數(shù)字而已。那么，在人類發(fā)明計(jì)算機(jī)來儲(chǔ)存一大堆數(shù)字之前，我們又是怎么儲(chǔ)存聲音的呢？