CD 音訊的標準為什麼是 44.1kHz / 16-bit？96kHz / 24-bit 的「高解析音訊」到底是真有用還是噱頭？
CD 音訊的標準是 44.1kHz 取樣率、16-bit 位元深度、雙聲道立體聲。為什麼是這些數字，不是別的？「高解析度音訊」宣傳的 96kHz / 24-bit 到底有沒有意義？為什麼語音錄音存 48kHz 完全沒必要？答案藏在數位音訊的三個基礎參數裡——它們共同決定了數位聲音的天花板和代價。
從類比到數位：取樣與量化的兩步
電腦無法直接儲存連續的聲波。把聲音從類比訊號變為數位訊號需要兩步：
- 取樣（Sampling）：以固定的時間間隔測量聲波的幅度，把連續的時間軸變為離散的樣本序列；
- 量化（Quantization）：用有限精度的數字表示每個樣本的幅度值。
取樣率和位元深度分別對應這兩步的精度。
取樣率：每秒鐘測量多少次
取樣率（Sampling Rate） 指每秒鐘採集多少聲音樣本，單位是 Hz 或 kHz。
奈奎斯特-香農取樣定理
數位音訊最底層的物理定律：為了無損地恢復一個連續訊號，取樣率必須至少是該訊號最高頻率的兩倍。
人耳理論上能聽到的頻率範圍是 20 Hz - 20 kHz（隨年齡和聽力狀況遞減），因此要完整記錄人耳能聽到的全部聲音，取樣率至少應為 20 kHz × 2 = 40 kHz。這解釋了為什麼 CD 取樣率被定為 44.1 kHz——比 40 kHz 多留了一點餘量，並且與當時視頻設備的時鐘頻率兼容。
常見取樣率速查：
| 取樣率 | 可記錄的頻率上限 | 典型用途 |
|---|---|---|
| 8 kHz | 約 4 kHz | 電話語音 |
| 16 kHz | 約 8 kHz | 寬頻語音（VoIP、語音辨識） |
| 22.05 kHz | 約 11 kHz | 低位元率 AM 廣播級音訊 |
| 44.1 kHz | 約 22 kHz | CD 音訊、音樂分發 |
| 48 kHz | 約 24 kHz | 電影、視頻製作配樂（行業標準） |
| 96 kHz | 約 48 kHz | 高解析度音訊、專業錄音 |
| 192 kHz | 約 96 kHz | 極高解析度錄音（超聲波錄音） |
超過 44.1 kHz 有意義嗎
就人類聽覺回放而言，44.1 kHz 已經能覆蓋全部聽覺範圍。48 kHz 額外多出的頻寬主要是為了方便視頻製作（與 24/48fps 幀率對齊）和在 DSP 處理（濾波器設計）中留出餘量。96 kHz 和 192 kHz 對回放來說人耳聽不出與 44.1 kHz 的差異——但對於錄音和製作環節有意義：更高的取樣率在後期編輯時提供了更大的時間精度，且降取樣到 44.1/48 kHz 時的抗混疊濾波器設計更容易。
一個經常被忽略的現實：大多數消費者根本區分不出 44.1 kHz 與 96 kHz。盲聽實驗中，聽眾對兩者正確辨別率接近隨機猜測。
位元深度：每次測量用多少格
位元深度（Bit Depth） 決定每個樣本的幅度精度——用多少位元來表示一個取樣點的电平值。
位元深度直接決定了動態範圍——一個數位音訊系統能記錄的最安靜與最響亮聲音之間的差值。動態範圍的理論近似值：
動態範圍 (dB) ≈ 位元深度 × 6.02 + 1.76
常見位元深度速查：
| 位元深度 | 動態範圍 | 訊噪比 | 使用場景 |
|---|---|---|---|
| 8-bit | 約 48 dB | 類似磁帶 | 老式遊戲機、低品質語音 |
| 16-bit | 約 96 dB | 優秀 | CD 音訊、標準分發 |
| 24-bit | 約 144 dB | 極佳 | 錄音、製作、存檔 |
| 32-bit float | 約 1528 dB (理論上) | 無敵 | 以受控浮點數編碼，後期安全餘量極大 |
16-bit 能覆蓋 96 dB 的動態範圍，而典型音樂節目的動態範圍在 40-60 dB，所以 16-bit 對回放來說是足夠的。但錄音必須用 24-bit，原因在於餘量（Headroom）：24-bit 的 144 dB 動態範圍意味著不需要在錄音時把增益調得太精確——不用擔心訊號太小被量化噪聲淹沒，也不怕意外峰值削波。這是專業錄音行業的一條鐵律。
32-bit float 進一步把餘量推到極致：記錄的不是量化的整數值，而是浮點數，因此只要不削波就沒有噪聲問題，在後期可以隨意調整增益。越來越多的錄音機支援 32-bit float 錄製，讓現場調增益幾乎變成多餘的步驟。
聲道布局：聲音從哪裡來
聲道（Channel） 描述錄音或回放時聲音的空間分布，聲道數越多，對聽音環境的沉浸感要求越高。
| 布局 | 聲道數 | 典型場景 |
|---|---|---|
| 單聲道（Mono） | 1 | 語音錄音、播客、電話 |
| 立體聲（Stereo） | 2 | 音樂、電視、一般視頻 |
| 5.1 環繞聲 | 6 | 家庭劇院、電影 |
| 7.1 環繞聲 | 8 | 高端影音 |
| 7.1.4 / 杜比全景聲 | 12+ | 沉浸式音訊 |
立體聲到環繞聲的聲道數遞增意味著檔案體積線性增長——一部 5.1 電影的音軌資料量是立體聲的 3 倍（但編碼後的差異通常由於壓縮而縮小）。
三者的組合：檔案大小公式
數位音訊的未壓縮資料量可以精確計算：
每秒資料量 (KB/s) = 取樣率 (kHz) × 位元深度 (位元) × 聲道數 ÷ 8
一些參考值：
| 格式配置 | 每分鐘資料量 |
|---|---|
| 44.1 kHz / 16-bit / 立體聲 (CD) | 約 10.6 MB |
| 48 kHz / 24-bit / 立體聲 | 約 17.3 MB |
| 48 kHz / 24-bit / 5.1 聲道 | 約 51.8 MB |
| 96 kHz / 24-bit / 立體聲 | 約 34.6 MB |
上面是未壓縮的資料量。實際儲存時 FLAC 或 ALAC 等無損格式可以把體積壓縮到 50-70%，有損格式（MP3、AAC、Opus）則可以壓到 5-20% 甚至更低，代價是不可逆的資訊損失（詳見本系列《有損與無損》）。
取樣率轉換與位元深度調整
取樣率轉換（SRC）
把音訊從一種取樣率變到另一種（如 96→44.1 kHz），在數位域透過內插完成。SRC 的品質取決於算法——好的 SRC 算法在降取樣前會做抗混疊濾波、在使用合理內插階數，引入的失真極小；粗糙的 SRC 算法則可能留下高頻噪聲或模糊。專業音訊軟體通常使用高品質的 SRC 算法（如 SoX、r8brain），消費級硬體中的 SRC 晶片有時品質一般。
位元深度調整
- 升位元深度（16-bit → 24-bit）：無損但無增益——增加的位元只是用零填充，不會憑空增加動態範圍。相當於把一張小照片放到大相框裡，相框變大了但照片本身沒變。
- 降位元深度（24-bit → 16-bit）：有損失——24-bit 記錄的細微噪聲可能被截斷為靜音，最末端的 8 個位元被捨棄。專業流程在降位元深度時會施加抖晃（Dither）：在丟棄低位之前加入微量的噪聲，讓量化誤差轉化為隨機的背景噪聲而非可聞的失真。
常見誤區
- 「取樣率越高音質越好」：在回放環節，44.1 kHz 已覆蓋全聽覺範圍。更高取樣率對人耳聽感的改善幾乎不可測。
- 「16-bit 就夠，錄音也用 16-bit」：16-bit 回放夠用，但錄音不夠——餘量太少，無法容忍增益偏差。錄音標準是 24-bit。
- 「24-bit 轉 16-bit 就是直接丟棄 8-bit 資料」：專業人士使用 Dither 來讓這個過程更無害化。不加 Dither 的直接截斷會產生可聞的量化失真。
- 「48 kHz 的音訊比 44.1 kHz 的更清晰」：清晰度主要來自頻響和動態，而不是微小的取樣率差異。48 kHz 對視頻製作的便利大於對聽感的提升。
- 「單聲道就是一半立體聲」：單聲道不僅僅是「半個立體聲」。混音時將立體聲素材強制合併為單聲道會引起相位抵消——這在創建單聲道版本時是一個需要審慎的操作。
實用建議
- 錄音用 48 kHz / 24-bit：兼顧品質與兼容性的黃金標準。與視頻製作對齊、後期餘量充足。
- 分發用 44.1 kHz / 16-bit：CD 標準，所有平台無差別接受。
- 語音獨白內容：16 kHz 或 22.05 kHz 已足夠，不必用 48 kHz 浪費儲存和頻寬。
- 製作 5.1 音訊：保持與視頻相同的取樣率（通常 48 kHz），所有聲道參數統一。
- 音樂存檔用 48 kHz / 24-bit 或更高：保留未來重新製作的空間，分發時再降取樣為 CD 規格。
- 不要盲目追高取樣率：96/192 kHz 的高解析度音訊在消費者回放環境中的收益微乎其微，生產環境中 48 kHz 已能滿足絕大多數需求。
相關閱讀
- 音訊剪輯與合併：聲音的裁剪與拼接 —— 取樣率、位元深度與格式的實操選擇
- 有損與無損：壓縮哲學的兩條路線 —— 取樣率和位元深度決定了原始資料量，也間接決定了有損編碼的品質上限
- 音量、增益與響度：讓聲音「恰到好處」 —— 另一個決定聽感的重要音訊參數
本站的音訊轉換工具會顯示來源檔案的取樣率、位元深度和聲道數——讀完本文，你應該能看懂這些參數的含義，也知道如何為不同場景選擇合適的配置了。