很簡單地補充一下MP3壓縮中關於聽覺心理學的部分， 對於音訊壓縮技術已有涉獵的人可以直接略過這篇， 有錯誤或不清楚的部分願意補充當然更感激。 MP3 以及其他音訊壓縮法，演算法的設計不盡相同， 其中除了資料壓縮技術外，很重要的一環在於聽覺心理學模型的使用， 也就是 "盡可能捨棄人耳不敏感的部分，將信息量保留人耳易感知的部分" 以mp3壓縮為例，這並不是單純地在頻率響應上砍掉極高頻跟極低頻， 有兩個主要的聽覺特性會被考慮， (1) ？(Absolute threshold of hearing) 不知道怎麼翻... 這個指的是對於不同頻率的聲音，感知能力不同， 如果把"可以聽到"的音量對頻率做成一張圖， 它的曲線類似一個不對稱的碗公，人耳在2~4khz最敏感，所以可感知音量最小， 越往極高頻跟極低頻的感知能力越差，也就是可感知音量越高； 所以對於mp3是砍極高頻跟極低頻的說法， 其實只對了一部份，因為基於此效應，極高頻跟及低頻的訊號確實較容易被捨棄。 (2)遮蔽效應(masking effect) 音量大的聲音，會遮蔽音量小的聲音，這又可分為頻率上跟時間上兩種。 頻域上， 大音量的單頻率訊號出現，可能為遮蔽者(masker)，會造成鄰近頻率較小聲的訊號無法被察覺， 也就是說，對於鄰近頻率訊號的敏感度，因為這個大音量的單頻訊號而降地了， 遮蔽的範圍又會遮蔽者發生的頻段不同而有差異。 時域上， 一個大音量的訊號，會遮蔽前後數十微秒內的小音量訊號， 向後遮蔽的時間長短又會受該遮蔽者存在時間影響。 所以， MP3壓縮演算法中，有一部份是對原音訊作傅立葉轉換(Fourier Transform)， 將之從時域轉換至頻域上分析，也就是： 聲量對時間的分佈 --> 聲量在頻率上的分佈 依聽覺心理學模型去分析並計算出會被遮蔽、人耳難以察覺的部分， 再行捨棄，當然，使用的bit rate越高，需要被捨棄的也就越少。 除了這兩個效應外， MP3壓縮其實還有一些其他演算法設計，會盡量將訊號量用在比較多訊息的部分； 而這篇提到的聽覺心理學模型，也只是一個統計的結果， 每個人的聽覺能力跟傾向都略有差異，但大致上不會離這個模型太遠。 講這麼多，針對原po的問題， 有損壓縮技術一定會帶來失真，但聽不聽得出來就不一定了， 這跟壓縮演算法、音樂類型、錄音品質、壓縮轉檔品質、器材、個人聽力都很有關係！ 以我個人感覺， 例如一些流行音樂不是現場收音，較少空間訊息存在， 如果編曲不要太複雜，使用合成樂器多一些， 事實上壓縮所造成的差異並不會很大。 最後， 不需要看到有損壓縮就認為一定要聽出差異， 也不是聽出差異的就是金耳朵，（更甭說可能有誇大的成分在內） 音樂重播品質的影響因子很多，除了忠於自己的耳朵之外， 多涉獵一些基本知識，尤其聽覺心理學，可以更瞭解人耳的限制與特性， 而避免落入人云亦云或是無謂強求的情況。 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.224.43.76 ※ 編輯: Zenta 來自: 118.168.47.84 (06/27 17:05)