speex演算法

『壹』 紐曼MP3和MP4哪個好

mp3
1.便攜MP3播放器的俗稱.
用來播放MP3格式音樂(現在可以兼容wma,wav等格式)的一種攜帶型的播放器.攜帶型MP3播放器最初由韓國人文光洙和黃鼎夏(Moon & Hwang)於1997年發明，並申請了相關專利.

2.MP3作為一種音樂格式
MPEG-1 Audio Layer 3，經常稱為MP3，是當今較流行的一種數字音頻編碼和有損壓縮格式，它設計用來大幅度地降低音頻數據量，而對於大多數用戶來說重放的音質與最初的不壓縮音頻相比沒有明顯的下降。它是在1991年由位於德國埃爾朗根的研究組織Fraunhofer-Gesellschaft的一組工程師發明和標准化的。

概觀

MP3是一個數據壓縮格式。它丟棄掉脈沖編碼調制（PCM）音頻數據中對人類聽覺不重要的數據（類似於JPEG是一個有損圖像壓縮），從而達到了小得多的文件大小。

在MP3中使用了許多技術其中包括心理聲學以確定音頻的哪一部分可以丟棄。MP3音頻可以按照不同的位速進行壓縮，提供了在數據大小和聲音質量之間進行權衡的一個范圍。

MP3格式使用了混合的轉換機制將時域信號轉換成頻域信號：

* 32波段多相積分濾波器(PQF)
* 36或者12 tap 改良離散餘弦濾波器(MDCT)；每個子波段大小可以在0...1和2...31之間獨立選擇
* 混疊衰減後處理

根據MPEG規范的說法，MPEG-4中的AAC（Advanced audio coding）將是MP3格式的下一代，盡管有許多創造和推廣其他格式的重要努力。然而，由於MP3的空前的流行，任何其他格式的成功在目前來說都是不太可能的。MP3不僅有廣泛的用戶端軟體支持，也有很多的硬體支持比如攜帶型媒體播放器（指MP3播放器）DVD和CD播放器。

歷史

發展

MPEG-1 Audio Layer 2編碼開始時是德國Deutsche Forschungs- und Versuchsanstalt für Luft- und Raumfahrt（後來稱為Deutsches Zentrum für Luft- und Raumfahrt, 德國太空中心）Egon Meier-Engelen管理的數字音頻廣播（DAB）項目。這個項目是歐盟作為EUREKA研究項目資助的，它的名字通常稱為EU-147。EU-147 的研究期間是1987年到1994年。

到了1991年，就已經出現了兩個提案：Musicam（稱為Layer 2）和ASPEC（自適應頻譜感知熵編碼）。荷蘭飛利浦公司、法國CCETT和德國Institut für Rundfunktechnik提出的Musicam方法由於它的簡單、出錯時的健壯性以及在高質量壓縮時較少的計算量而被選中。基於子帶編碼的Musicam 格式是確定MPEG音頻壓縮格式（采樣率、幀結構、數據頭、每幀采樣點）的一個關鍵因素。這項技術和它的設計思路完全融合到了ISO MPEG Audio Layer I、II 以及後來的Layer III（MP3）格式的定義中。在Mussmann教授（University of Hannover）的主持下，標準的制定由Leon van de Kerkhof（Layer I）和Gerhard Stoll（Layer II）完成。

一個由荷蘭Leon Van de Kerkhof、德國Gerhard Stoll、法國Yves-François Dehery和德國Karlheinz Brandenburg 組成的工作小組吸收了Musicam和ASPEC的設計思想，並添加了他們自己的設計思想從而開發出了MP3，MP3能夠在128kbit/s達到MP2 192kbit/s 音質。

所有這些演算法最終都在1992年成為了MPEG的第一個標准組MPEG-1的一部分，並且生成了1993年公布的國際標准ISO/IEC 11172-3。MPEG音頻上的更進一步的工作最終成為了1994年制定的第二個MPEG標准組MPEG-2標準的一部分，這個標准正式的稱呼是1995年首次公布的ISO/IEC 13818-3。

編碼器的壓縮效率通常由位速定義，因為壓縮率依賴於位數（:en:bit depth）和輸入信號的采樣率。然而，經常有產品使用CD參數（44.1kHz、兩個通道、每通道16位或者稱為2x16位）作為壓縮率參考，使用這個參考的壓縮率通常較高，這也說明了壓縮率對於有損壓縮存在的問題。

Karlheinz Brandenburg使用CD介質的Suzanne Vega的歌曲Tom's Diner來評價MP3壓縮演算法。使用這首歌是因為這首歌的柔和、簡單旋律使得在回放時更容易聽到壓縮格式中的缺陷。一些人開玩笑地將Suzanne Vega稱為「MP3之母」。來自於EBU V3/SQAM參考CD的更多一些嚴肅和critical 音頻選段(glockenspiel, triangle, accordion, ...)被專業音頻工程師用來評價MPEG音頻格式的主觀感受質量。

MP3走向大眾

為了生成位兼容的MPEG Audio文件（Layer 1、Layer 2、Layer 3），ISO MPEG Audio委員會成員用C語言開發的一個稱為ISO 11172-5的參考模擬軟體。在一些非實時操作系統上它能夠演示第一款壓縮音頻基於DSP的實時硬體解碼。一些其它的MPEG Audio實時開發出來用於面向消費接收機和機頂盒的數字廣播（無線電DAB和電視DVB）。

後來，1994年7月7日Fraunhofer-Gesellschaft發布了第一個稱為l3enc的MP3編碼器。

Fraunhofer開發組在1995年7月14日選定擴展名.mp3（以前擴展名是.bit）。使用第一款實時軟體MP3播放器Winplay3（1995年9月9日發布）許多人能夠在自己的個人電腦上編碼和回放MP3文件。由於當時的硬碟相對較小（如500MB），這項技術對於在計算機上存儲娛樂音樂來說是至關重要的。

MP2、MP3與網際網路

1993年10月，MP2(MPEG-1 Audio Layer 2)文件在網際網路上出現，它們經常使用Xing MPEG Audio Player播放，後來又出現了Tobias Bading為Unix開發的MAPlay。MAPlay於199年2月22日首次發布，現在已經移植到微軟視窗平台上。

剛開始僅有的MP2編碼器產品是Xing Encoder和CDDA2WAV，CDDA2WAV是一個將CD音軌轉換成WAV格式的CD抓取器。

Internet Underground Music Archive（IUMA）通常被認為是在線音樂革命的鼻祖，IUMA是網際網路上第一個高保真音樂網站，在MP3和網路流行之前它有數千首授權的MP2錄音。

從1995年上半年開始直到整個九十年代後期，MP3開始在網際網路上蓬勃發展。MP3的流行主要得益於如Nullsoft於1997年發布的Winamp和Napster於1999年發布的Napster這樣的公司和軟體包的成功，並且它們相互促進發展。這些程序使得普通用戶很容易地播放、製作、共享和收集MP3文件。

關於MP3文件的點對點技術文件共享的爭論在最近幾年迅速蔓延—這主要是由於壓縮使得文件共享成為可能，未經壓縮的文件過於龐大難於共享。由於MP3文件通過網際網路大量傳播一些主要唱片廠商通過法律起訴Napster來保護它們的版權（參見知識產權）。

如iTunes Music Store這樣的商業在線音樂發行服務通常選擇其它或者專有的支持數字版權管理（DRM）的音樂文件格式以控制和限制數字音樂的使用。支持DRM的格式的使用是為了防止受版權保護的素材免被侵犯版權，但是大多數的保護機制都能被一些方法破解。這些方法能夠被計算機高手用來生成能夠自由復制的解鎖文件。一個顯著的例外是微軟公司的Windows Media Audio 10格式，目前它還沒有被破解。如果希望得到一個壓縮的音頻文件，這個錄制的音頻流必須進行壓縮並且帶來音質的降低。

MP3的音頻質量

因為MP3是一種有損格式，它提供了多種不同「位速」的選項—也就是用來表示每秒音頻所需的編碼數據位數。典型的速度介於每秒128和320kb之間。與此對照的是，CD上未經壓縮的音頻位速是1411.2 kbit/s（16 位/采樣點 × 44100 采樣點/秒 × 2 通道)。

使用較低位速編碼的MP3文件通常回放質量較低。使用過低的位速，「壓縮雜訊（:en:compression artifact）」（原始錄音中沒有的聲音）將會在回放時出現。說明壓縮雜訊的一個好例子是壓縮歡呼的聲音：由於它的隨機性和急劇變化，所以編碼器的錯誤就會更明顯，並且聽起來就象回聲。

除了編碼文件的位速之外，MP3文件的質量也與編碼器的質量以及編碼信號的難度有關。使用優質編碼器編碼的普通信號，一些人認為128kbit/s的MP3以及44.1kHz的CD采樣的音質近似於CD音質，同時得到了大約11:1的壓縮率。在這個比率下正確編碼的MP3能夠獲得比調頻廣播和卡式磁帶更好的音質，這主要是那些模擬介質的帶寬限制、信噪比和其它一些限制。然而，聽力測試顯示經過簡單的練習測試聽眾能夠可靠地區分出128kbit/s MP3與原始CD的區別。在許多情況下他們認為MP3音質太低是不可接受的，然而其他一些聽眾或者換個環境（如在嘈雜的車中或者聚會上）他們又認為音質是可接受的。很顯然，MP3 編碼的瑕疵在低端計算機的揚聲器上比較不明顯，而在連接到計算機的高質量立體聲系統，尤其是使用高質量的headphone時則比較明顯。

Fraunhofer Gesellschaft（FhG）在他們的官方網站上公布了下面的MPEG-1 Layer 1、2和3的壓縮率和數據速率用於比較：

* Layer 1: 384 kbit/s，壓縮率 4:1
* Layer 2: 192...256 kbit/s，壓縮率 8:1...6:1
* Layer 3: 112...128 kbit/s，壓縮率 12:1...10:1

不同層面之間的差別是因為它們使用了不同的心理聲學模型導致的；Layer 1的演算法相當簡單，所以透明編碼就需要更高的位速。然而，由於不同的編碼器使用不同的模型，很難進行這樣的完全比較。

許多人認為所引用的速率出於對Layer 2和Layer 3記錄的偏愛而出現了嚴重扭曲。他們爭辯說實際的速率如下所列：

* Layer 1: 384 kbit/s 優秀
* Layer 2: 256...384 kbit/s 優秀, 224...256 kbit/s 很好, 192...224 kbit/s 好
* Layer 3: 224...320 kbit/s 優秀, 192...224 kbit/s 很好, 128...192 kbit/s 好

當比較壓縮機制時，很重要的是要使用同等音質的編碼器。將新編碼器與基於過時技術甚至是帶有缺陷的舊編碼器比較可能會產生對於舊格式不利的結果。由於有損編碼會丟失信息這樣一個現實，MP3演算法通過建立人類聽覺總體特徵的模型盡量保證丟棄的部分不被人耳識別出來（例如，由於noise masking），不同的編碼器能夠在不同程度上實現這一點。

一些可能的編碼器：

* Mike Cheng在1998年早些時候首次開發的LAME。 與其它相比，它是一個完全遵循LGPL的MP3編碼器，它有良好的速度和音質，甚至對MP3技術的後繼版本形成了挑戰。
* Fraunhofer Gesellschaft：有些編碼器不錯，有些有缺陷。

有許多的早期編碼器現在已經不再廣泛使用：

* ISO dist10 參考代碼
* Xing
* BladeEnc
* ACM Procer Pro.

好的編碼器能夠在128到160kbit/s下達到可接受的音質，在160到192kbit/s下達到接近透明的音質。所以不在特定編碼器或者最好的編碼器話題內說128kbit/s或者192kbit/s下的音質是容易引起誤解的。一個好的編碼器在 128kbit/s下生成的MP3有可能比一個不好的編碼器在192kbit/s下生成的MP3音質更好。另外，即使是同樣的編碼器同樣的文件大小，一個不變位速的MP3可能比一個變位速的MP3音質要差很多。

需要注意的一個重要問題是音頻信號的質量是一個主觀判斷。Placebo effect is rampant, with many users claiming to require a certain quality level for transparency.許多用戶在A/B測試中都沒有通過，他們無法在更低的位速下區分文件。一個特定的位速對於有些用戶來說是足夠的，對於另外一些用戶來說是不夠的。每個人的聲音感知可能有所不同，所以一個能夠滿足所有人的特定心理聲學模型並不明顯存在。僅僅改變試聽環境，如音頻播放系統或者環境可能就會顯現出有損壓縮所產生的音質降低。上面給出的數字只是大多數人的一個大致有效參考，但是在有損壓縮領域真正有效的壓縮過程質量測試手段就是試聽音頻結果。

如果你的目標是實現沒有質量損失的音頻文件或者用在演播室中的音頻文件，就應該使用無損壓縮演算法，目前能夠將16位PCM音頻數據壓縮到38%並且聲音沒有任何損失，這樣的壓縮工具有Lossless Audio LA、Apple Lossless、TTA、FLAC、Windows Media Audio 9 Lossless (wma) 和Monkey's Audio 等等。對於需要進行編輯、混合處理的音頻文件要盡量使用無損格式，否則有損壓縮產生的誤差可能在處理後無法預測,多次編碼產生的損失將會混雜在一起，在處理之後進行編碼這些損失將會變得更加明顯。無損壓縮在降低壓縮率的代價下能夠達到最好的結果。

一些簡單的編輯操作，如切掉音頻的部分片段，可以直接在MP3數據上操作而不需要重新編碼。對於這些操作來說，只要使用合適的軟體（mp3DirectCut和MP3Gain），上面提到的所關心的問題可以不必考慮。

位速

位速對於MP3文件來說是可變的。總的原則是位速越高則聲音文件中包含的原始聲音信息越多，這樣回放時聲音質量也越高。在MP3編碼的早期，整個文件使用一個固定的位速。

MPEG-1 Layer 3允許使用的位速是32、40、48、56、64、80、96、112、128、160、192、224、256和320 kbit/s，允許的采樣頻率是32、44.1和48kHz。44.1kHz是最為經常使用的速度（與CD的采樣速率相同），128kbit/s是事實上「好品質」的標准，盡管192kbit/s在對等文件共享網路上越來越受到歡迎。MPEG-2和[非正式的]MPEG-2.5包括其它一些位速：6、12、24、32、40、48、56、64、80、96、112、128、144、160kbit/s。

可變位速（VBR）也是可能的。MP3文件的中的音頻切分成有自己不同位速的幀，這樣在文件編碼的時候就可以動態地改變位速。盡管在最初的實現中並沒有這項功能，VBR現在已經得到了廣泛的應用。這項技術使得在聲音變化大的部分使用較大的位速而在聲音變化小的部分使用較小的位速成為可能。這個方法類似於聲音控制的磁帶錄音機不記錄靜止部分節省磁帶消耗。一些編碼器在很大程度上依賴於這項技術。

高達640kbit/s的非標准位速可以使用LAME編碼器和自由格式來實現，但是幾乎沒有MP3播放器能夠播放這些文件。

MP3的設計局限

MP3格式有一些不能僅僅通過使用更好的編碼器繞過的內在限制。一些新的壓縮格式如Vorbis和AAC不再有這些限制。

按照技術術語，MP3有如下一些限制：

* 位速最大是320 kbit/s
* 時間解析度相對於變化迅速的信號來說太低
* 對於超過15.5/15.8 kHz的頻率沒有scale factor band
* Joint stereo 是基於幀與幀完成的
* 沒有定義編碼器/解碼器的整體時延，這就意味著gapless playback缺少一個正式的規定

然而，即使有這些限制，一個好好的調整MP3編碼器能夠非常有競爭力地完成編碼任務。

MP3音頻編碼

MPEG-1標准中沒有MP3編碼器的一個精確規范，然而與此相反，解碼演算法和文件格式卻進行了細致的定義。人們設想編碼的實現是設計自己的適合去除原始音頻中部分信息的演算法（或者是它在頻域中的修正離散餘弦（MDCT）表示）。在編碼過程中，576個時域樣本被轉換成576個頻域樣本，如果是瞬變信號就使用192而不是576個采樣點，這是限制量化雜訊隨著隨瞬變信號短暫擴散。

這是聽覺心理學的研究領域：人類主觀聲音感知。

這樣帶來的結果就是出現了許多不同的MP3編碼器，每種生成的聲音質量都不相同。有許多它們的比較結果，這樣一個潛在用戶很容易選擇合適的編碼器。需要記住的是高位速編碼表現優秀的編碼器（如LAME這個在高位速廣泛使用的編碼器）未必在低位速的表現也同樣好。

MP3音頻解碼
另一方面，解碼在標准中進行了細致的定義。

多數解碼器是bitstream compliant，也就是說MP3文件解碼出來的非壓縮輸出信號將與標准文檔中數學定義的輸出信號一模一樣（在規定的近似誤差范圍內）。

MP3文件有一個標準的格式，這個格式就是包括384、576、或者1152個采樣點（隨MPEG的版本和層不同而不同）的幀，並且所有的幀都有關聯的頭信息（32位）和輔助信息（9、17或者32位元組，隨著MPEG版本和立體聲或者單通道的不同而不同）。頭和輔助信息能夠幫助解碼器正確地解碼相關的霍夫曼編碼數據。

所以，大多數的解碼器比較幾乎都是完全基於它們的計算效率（例如，它們在解碼過程中所需要的內存或者CPU時間）。

ID3和其它標簽

Main articles: ID3 and APEv2 tag

「標簽」是MP3（或其它格式）中保存的包含如標題、藝術家、唱片、音軌號或者其它關於MP3文件信息等添加到文件的數據。最為流行的標准標簽格式目前是ID3 ID3v1和ID3v2標簽，最近的是APEv2標簽。

APEv2最初是為MPC 文件格式開發的（參見 APEv2規范）。APEv2可以與ID3標簽在同一個文件中共存，但是它也可以單獨使用。

音量歸一化（normalization）

由於CD和其它各種各樣的音源都是在不同的音量下錄制的，在標簽中保存文件的音量信息將是有用的，這樣的話回放時音量能夠進行動態調節。

人們已經提出了一些對MP3文件增益進行編碼的標准。它們的設計思想是對音頻文件的音量（不是「峰值」音量）進行歸一化，這樣以保證在不同的連續音軌切換時音量不會有變化。

最流行最常用的保存回放增益的解決方法是被簡單地稱作「Replay Gain」的方法。音軌的音量平均值和修剪信息都存在元數據標簽中。

可選技術

有許多其它的有損音頻編解碼存在，其中包括：

* MPEG-1/2 Audio Layer 2 (MP2)，MP3的前輩；
* MPEG-4 AAC, MP3的繼承者，Apple的iTunes Music Store和iPod使用；
* Xiph.org Foundation的Ogg Vorbis，自由軟體和沒有專利的編解碼器；
* MPC，也稱作Musepack（以前叫MP+），由MP2派生出來；
* Thomson Multimedia的MP3和SBR的組合mp3PRO；
* AC-3，Dolby Digital和DVD中使用；
* ATRAC，Sony的Minidisc使用;
* Windows Media Audio（WMA）來自於微軟公司；
* QDesign, 用於低速QuickTime；
* AMR-WB+ 針對蜂窩電話和其它有限帶寬使用進行了優化的增強自適應多速寬頻編解碼器（Enhanced Adaptive Multi Rate WideBand codec）；
* RealNetworks的RealAudio，經常用於網站的流媒體；
* Speex，基於CELP的專門為語音和VoIP設計的自由軟體和無專利編解碼器。

mp3PRO、MP3、AAC、和MP2都是同一個技術家族中的成員，並且都是基於大致類似的心裡聲學模型。Fraunhofer Gesellschaft擁有許多涵蓋這些編解碼器所用技術的基本專利，Dolby Labs、索尼公司、Thomson Consumer Electronics和AT&T擁有其它一些關鍵專利。

在網際網路上有一些其它無損音頻壓縮方法。盡管它們與MP3不同，它們是其它壓縮機制的優秀範例，它們包括：

* FLAC 表示'自由無損音頻編解碼（Free Lossless Audio Codec）'
* Monkey's Audio
* SHN，也稱為Shorten
* TTA
* Wavpack
* Apple Lossless

聽覺測試試圖找出特定位速下的最好質量的有損音頻編解碼。在128kbit/s下，Ogg Vorbis、AAC、MPC和WMA Pro性能持平處於領先位置，LAME MP3稍微落後。在64kbit/s下，AAC-HE和mp3pro少許領先於其它編解碼器。在超過128kbit/s下，多數聽眾聽不出它們之間有明顯差別。什麼是「CD音質」也是很主觀的：對於一些人來說128kbit/s的MP3就足夠了，而對於另外一些人來說必須是200kbit/s以上的位速。

盡管如WMA和RealAudio這些新的編解碼器的支持者宣稱它們各自的演算法能夠在64kbit/s達到CD音質，聽覺測試卻顯示了不同的結果；然而，這些編解碼器在64kbit/s的音質明顯超過同樣位速下MP3的音質。無專利的Ogg Vorbis編解碼器的開發者宣稱它們的演算法超過了MP3、RealAudio和WMA的音質，上面提到的聽覺測試證實了這種說法。Thomson宣稱它的mp3PRO 在64kbit/s達到了CD音質，但是測試者報告說64kbit/s的mp3Pro文件與112kbit/s的MP3文件音質類似，但是直到 80kbit/s時它才能接近CD音質。

專門為MPEG-1/2視頻設計的、優化的MP3總體上在低於48kbit/s的單聲道數據和低於80kbit/s的立體聲上表現不佳。

授權和專利問題

Thomson Consumer Electronics在認可軟體專利的國家控制著MPEG-1/2 Layer 3 專利的授權，這些國家包括美國和日本，歐盟國家不包括在內。Thomson積極地加強這些專利的保護。Thomson已經在歐盟國家被歐洲專利局（:en:European Patent Office授予軟體專利，但是還不清楚它們是否會被那裡的司法所加強。參見歐洲專利協定中的軟體專利（:en:Software patents under the European Patent Convention）。

關於Thomson專利文件、授權協議和費用的最新信息請參考它們的網站mp3licensing.com。

在1998年9月，Fraunhofer Institute向幾個MP3軟體開發者發去了一封信聲明「發布或者銷售編碼器或者解碼器」需要授權。這封信宣稱非經授權的產品「觸犯了 Fraunhofer和THOMSON的專利權。製造、銷售或者發布使用[MPEG Layer-3]標准或者我們專利的產品，你們需要從我們這里獲得這些專利的授權協議。」

這些專利問題極大地減慢了未經授權的MP3軟體開發並且導致人們的注意力轉向開發和歡迎其它如WMA和Ogg Vorbis這樣的替代品。Windows開發系統的製造商微軟公司從MP3專向它們自有的Windows Media格式以避免與專利相關的授權問題。直到那些關鍵的專利過期之前，未經授權的編碼器和播放器在認可軟體專利的國家看起來都是非法的。

盡管有這些專利限制，永恆的MP3格式繼續向前發展；這種現象的原因看起來是由如下因素帶來的網路效應：

* 熟悉這種格式，不知道有其它可選格式存在，
* 這些可選格式沒有普遍地明顯超過MP3的優勢這樣一個現實，
* 大量的MP3格式音樂，
* 大量的使用這種格式的不同軟體和硬體，
* 沒有DRM保護技術，這使得MP3文件可以很容易地修改、復制和通過網路重新發布，
* 大多數家庭用戶不知道或者不關心軟體專利爭端，通常這些爭端與他們個人用途而選用MP3格式無關。

另外，專利持有人不願對於開源解碼器加強授權費用的徵收，這也帶來了許多免費MP3解碼器的發展。另外，盡管他們試圖阻止發布編碼器的二進制代碼， Thomson已經宣布使用免費MP3編碼器的個人用戶將不需要支付費用。這樣，盡管專利費是許多公司打算使用MP3格式時需要考慮的問題，對於用戶來說並沒有什麼影響，這就帶來了這種格式的廣受歡迎。

Sisvel S.p.A. [1]和它的美國子公司Audio MPEG, Inc. [2]以前曾經以侵犯MP3技術專利為由起訴Thomson[3]，但是那些爭端在2005年11月最終以Sisvel給Thomson MP3授權而結束。Motorola最近也與Audio MPEG簽署了MP3的授權協議。由於Thomson和Sisvel都擁有他們聲稱編解碼器必需的單獨的專利，MP3專利的法律狀態還不清晰。

Fraunhofer的專利將在2010年4月到期，到了那時MP3演算法將不再受專利保護。

這是mp4：
mp4
目前，還有許多消費者對MP4的認識比較模糊，就簡單認為MP4，就是MP3的下一代，能夠播放MPEG-4的播放器， 後來，隨著知識的積累，才有比較系統的認識。關於MP4的准確概念，一言難盡，因為無論是從MP4的品牌、市場、產品規格、配置標准等各方面來說，都可以用一個字來形容——「亂」。不知是炒作還是趨勢 ，在現在商家眼裡，只要能視頻沾一邊的播放器，統統都叫MP4，這種說法簡單直觀，似乎和筆者當初模糊的認識基本一致。

關於MP4的概念眾說紛紜，下圖是筆者集百家之言，總結出來的關於MP4概念的認識，MP4既「軟」，又「硬」，紛繁復雜。

音頻MP4格式：AAC

MP4最初是一種，音頻格式，和MPEG-4沒有太大的關系，就像MP3和MPEG-3沒有關系一樣。MP3是MPEG-1 Audio Layer 3 的縮寫；而MP4是MPEG-2 AAC，完完全全是一種音頻壓縮格式， 增加了諸如對立體聲的完美再現、多媒體控制、降噪等新特性，最重要的是，MP4通過特殊的技術實現數碼版權保護，這是MP3所無法比擬的。

視頻MP4格式:MPEG-4

現在市面上的MP4多數偏向於多媒體播放器，能夠播放AAC的，可以說是鳳毛麟角。甚至有媒體把MP4說成是MPEG4的縮寫，這在以前看來是一個謬論，但是經過商家不斷的炒作，這個謬論也就成為了真理。現在若果你去電腦城聽到MP4這個詞，絕對是能播放視頻格式的多媒體播放器的概念，而不是能播放音頻MP4 AAC的隨身聽。出現這種怪現象不是毫無原因的，上面已提到AAC有版權保護功能，這也是眾多唱片公司支持AAC的原因，要使自己的播放器支持AAC，還得支持付一定的版權費或專利費，另外，AAC的來源也是個問題，不像MP3那麼開放，網上來源極少，所以目前音頻MP4播放器發展尚不成熟，鑒於以上現狀，眾商家乾脆「借屍還魂」，把MP4等同MPEG-4縮寫而論，這樣也恰好應了MP4是MP3的下一代這條規律，除了支持MP3所具有的音樂播放功能外，還具備強大的MPEG-4視頻播放能力，另外，恰好「4」在「3」後，從這點出發，把MP4等同MPEG-4是合理的。

能播放視頻的MP3

這種播放器其實不算是MP4，本質上是MP3，視頻播放只不過是其附件功能，被稱作MP4，純粹是商業炒作。這種播放器局限性極大屏幕很小（0.8~1.8英寸），快閃記憶體容量小，支持特定的格式（MTV、MP4、MPV和DMV等），而且大多數是採用OLED和CSTN等低端屏幕，所以准確地說，這只能稱作可播放視頻的MP3罷了。代表有：DEC F12R、金邦炫彩王、3E E1000和PISA 炫彩飛艇等。

硬碟式MP4

這類MP4是現階段發展的主流，產品數量也占絕對的優勢，對於硬碟MP4的概念，簡單來說就是以硬碟作媒介的隨身看。大肚能容天下，有了硬碟再也不用擔心不夠空間了。硬碟MP4一般來說還集成其它很多功能，例如， 數碼相機、攝像機、錄音筆、數碼伴侶...... 本次橫評有11款是硬碟MP4。

快閃記憶體式MP4

對比硬碟式MP4，快閃記憶體式MP4就是以快閃記憶體來作存儲媒介的隨身看，這種MP4一般都支持內接快閃記憶體卡擴充，一般都是SD卡。這次橫評有兩款是這類型MP4，分別是Govideo PMP-120 和 JXD-680。快閃記憶體式MP4相對小巧輕便得多，價格便

『貳』 有哪些開源的回聲消除演算法

免費的基本調試效果基本很差，調試費時費力，需要消回聲技術的可以與我交流。

『叄』 有哪些開源的回聲消除演算法

關於聲學回聲的演算法其實在美國貝爾實驗室60年代就有這方面的理論基礎，但是受到處理器元件的計算速度限制，一直到上世紀90年代才投入正式運用；聲學回聲消除演算法——分為線性消除和非線性消除兩個部分，線性部分最多能抵消40dB，剩下的就要靠非線性來處理了（目前能處理到20dB),國際上處理AEC（聲學回聲）的及格線是45dB，這方面比較專業的國外公司有POLYCOM，國內的有朗谷、速嵌，浙大也有此方面的研究。背景噪音消除演算法上世紀70年代就在使用雜訊門的辦法來處理，但是需要預先設置雜訊門的閥值，遇到環境改變的情況，往往需要重新設置；第二種是採用麥克風陣列的演算法來處理，典型的晶元有AUDIENCE（用於IPHONE4手機，華為、三星、摩托羅拉智能手機都在使用），國內的FORTMEDIA晶元，都是使用2-3支以上的麥克風來處理，一支麥克風來採集人聲，另外的麥克風用於採集背景噪，在DSP中產生一個等幅反向的波形來抵消背景噪音；還有一個就是源自日本理化學所為日本機器人做的研究，語音分離技術，從控制論角度出發使用AI（人工智慧演算法）來區分噪音和語音（兩種音源有不同的特徵信號），使用自適應濾波濾除背景噪音，最大能消除15dB的背景噪音，使用單麥克風就可以實現消噪。。另外webrtc現在用的是以前GIPS的，挺好使。還有skype的回聲消除做的不錯，另外雅馬哈和JBL的做的也不錯，但是消耗非常大。另外還有speex與webrtc的aec，aecm再比如：OpenSSL，CyaSSL，jsCrypto，pidCrypt ，Botan 等等。

『肆』 什麼是電話錄音管理軟體，錄音卡、錄音盒都具有什麼樣的特點...........

【基本介紹】
先鋒Pro系列錄音電話採用了Flash晶元存儲介質、安全、穩定、可靠。壓縮格式採用多碼率DSP語音演算法，碼率從4.8K---96K可變，語音音質超過了CD的音質，高保真。錄音時長達50小時，錄音條數達5500條，為通過PC、Internet存儲、傳輸提供了極大的方便。

先鋒Pro系列錄音電話採用自動、手動全程通話錄音、無人自動應答，可隨意單個或多個刪除語音、智能存儲、覆蓋功能，密碼管理、智能檢索、通話回放錄音、支持雙音頻模式、斷電數據不丟失。自主研發的嵌入式網路型錄音產品，目前國類還沒有此類產品。

【軟體功能】
智能錄音電話(專業型)VA-Pro 50E （錄音時長：50小時）
|| 錄音方式|
電話錄音:本機支持三種通話錄音模式：(出廠為強制錄音模式)
強制錄音：在此模式下，當使用手柄或免提呼入/呼出時，自動錄制雙方的全程通話。
應答錄音：在此模式下，當使用手柄或免提呼入/呼出時，當用戶決定錄制本次通話時，按「錄音」 鍵開始錄音，再次按「錄音」鍵或「退出」鍵停止錄音。
現場錄音：本話機可以錄制現場會議、交談內容等。在待機狀態下，按「錄音」 鍵錄制，按「退出」鍵結束當前錄音。
|| 放音管理|
在設置了放音密碼後，必須輸入正確的放音密碼，才能播放語音。
在線回放：在通話過程中，如果對方需要聽到本機錄制的某條信息時，可按「放音」鍵，雙方即可聽到最新的錄音，使用「▲」或「▼」鍵及「快進」、「快退」鍵可以快速定位到相關內容，按「退出」鍵退出「在線回放」功能，在線回放過程中，不影響雙方的通話。
在「強制錄音」模式下，啟動「在線回放」會自動停止本次通話錄音，退出「在線回放」之後，如需繼續錄制本次通話，則需按「錄音」鍵啟動。在線回放功能在免提下不支持
|| 錄音查詢|
日期查詢： 按」日期查詢」鍵，輸入日期，自動播放匹配日期的語音文件。
號碼查詢： 按」號碼查詢」鍵，輸入電話號碼，自動播放匹配的語音文件，支持縮位查詢，如輸入「010」即查詢到以010開頭的所有語音。
序號查詢： 按」序號查詢」鍵，輸入序號，自動播放匹配的語音文件。
|| 錄音刪除|
在使用「刪除」功能前一定要謹慎，以免誤刪除，一旦刪除則不可回復！
|| 密碼管理|
放音密碼設置：設置超級密碼後，其他人無法聽取錄音文件；
超級密碼設置：當設置超級密碼後，其他人無法對此錄音電話做任何修改；
|| USB2.0介面|
先鋒Pro系列錄音電話配備USB2.0全速介面，與PC機成功連接後，將所有錄音文件上傳電腦永久備份，查詢，播放，格式轉換等。
|| 電源功能|
先鋒Pro系列錄音電話需配備DC9V電源適配器使用，斷電後可安裝3節5號充電電池使用（正常待機時間為：3個小時左右）。
|| 無人自動應答|
在無人接聽的情況下，播放主人預先錄制好的信息，提示音播完之後，錄制對方的留言。
|| 其他功能|
先鋒Pro系列錄音電話支持普通電話功能，例如：重撥，30組來電、去電、未接來電號碼存儲，免提、手柄音量獨立調節，掉電智能記憶，日期時間設置，靜音，R鍵轉接，來電顯示（DTMF\\\\FSK）等。

【適應硬體】
電話機供電電壓：直流9V/300mA
電源適配器：220VAC/50Hz
最大功耗：1W
FSK來電顯示：接收靈敏度：> -40dBm
信噪比: >25dB
符合標准YDN 069 -1997《電話主叫信息傳送及顯示功能的技術要求和測試方法》
DTMF來電顯示：接收靈敏度：> -35dBm
信噪比: >15dB
高低電平差< 正負6dBm
符合TTL 02-1998《電話主叫識別信息傳送及顯示功能的檢驗規程 DTMF方式》
語音文件壓縮方式：基於CELP的Narrowband (8 kHz)語音壓縮speex演算法，是開放源碼GNU Project的組件之一。
最大錄音條數：VA-Pro 90F: 8192條
單條錄音時間長度：單條最長4.5小時，超過自動轉下一條錄音。
錄音電話文件格式：Spx格式
語音轉為WAV文件：標准WAV格式文件
自動上傳：FTP自動上傳

|| 應用范圍|—————————————————————————————————>
政府、軍事、電力、鐵路、通信、金融、消防、監獄、公安證券、物流等專用場所以及各類中小型企業、工廠、個人家庭。
可以用作：
紀檢監察電話錄音、稅務電話錄音、教育電話錄音、銀行電話錄音、領導電話錄音、秘書電話錄音、律師電話錄音、娛樂電話錄音、酒店電話錄音、商場電話錄音、房地產電話錄音、培訓電話錄音、親情電話錄音、公安電話系統錄音、免騷擾電話錄音、金融電話錄音、證券電話錄音、醫療電話錄音、貿易電話錄音、鐵路電話錄音、礦業電話錄音、旅遊電話錄音、采訪電話錄音、電力電話錄音、武警電話錄音、司法電話錄音...

『伍』 speex採用的是什麼壓縮演算法

由於項目需要做語音降噪處理，最近做了這方面的研究。但結果卻沒有達到，反而卻學得了基於Speex的語音壓縮和解壓，也算沒有白白浪費時間（300K的語音文件經過Speex壓縮後文件大小變為了30K左右，對於網路傳輸非常好）。