闪电配音

今天的故事要从最后一个流程「保存声音」说起。2014 年的现在，人们最常使用的保存声音的方式，就是「声音档案」（Audio File）了，您在网络上听到的所有声音，包含 MUZIK ONLINE 上的每一首音乐，YouTube 上影片的声音部分，都是使用某种声音文件格式来储存的。所以，声音档案里面到底装的是什么东西？为什么它可以储存声音？

首先我要来厘清一下名词。这系列文章的标题其实是三个字组成的：「数字」、「音乐」和「科技」，我想大家比较会有疑虑的是「数位」这个字，「数字」到底是什么意思？

「数位」这个字的简单的定义是：「用数字，来描述、处理、保存事情」。也就是说，这一系列的文章也会跟数字和数学很有关联喔！

为了让您更能想象声音档案的运作方式，我想先介绍一下图片档案。

现在网络上最流行的图片文件格式叫做 JPEG，您在 Facebook 上看到的每一张照片，都是使用这个方式储存的。JPEG 档案（以及其他大部份的图片档案）里面装的是什么呢？它里面有很多「画素」（pixel）。

您在计算机或手机屏幕上，看到的所有东西，都是由一个一个细小的小方格组成的，因为这些小方格太小了，平常您不会注意到它们的存在，所以我要把它们放大给您看清楚。

首先，您可能会发现一个有趣的事情：在屏幕上你看起来像是全黑的文字，其实它的边缘不是真正全黑的。

在这里您看到的每一个小方格，就是一个「画素」。现代计算机储存一张黑白图片档案的方式，就是测量每一个画素的亮度，然后给它一个范围是 0 到 255 的数字，0 表示最暗（也就是纯黑），255 表示最亮（纯白），中间的数值代表各种不同深浅的灰色。

所以，在黑白图片档案中，每一个画素，就是一个范围是 0 到 255 的数字（注 1），集合够多的画素，您就得到了一张图片。

在声音档案中，与「画素」相对应的东西叫做「取样」（sample）。您可以想样，一个「取样」就是一小小小小小段声音，跟「画素」一样，也是用一个数字来代表。不过您可能会想，我们要怎么用数字来形容声音呢？就像在图片档案里，我们用一个数字来描述一小块图片的「亮度」；在声音档案里，我们用一个数字来描述一小段时间内的「空气密度」。

声音档案的运作方式其实超乎想象地简单：您可能还记得在高中物理课的时候学到的，声音是一种「疏密波」，也就是说您大脑觉得的「声音」，其实只是您的耳朵侦测到周遭空气分子的密度变化，传送讯号给大脑后产生的幻觉而已。

如上图，当左方的喇叭在震动的时候，会造成周围的空气分子在某些地方的密度比较高、有些地方比较低。然后您只要拿一个「空气分子密度侦测器」（俗称「麦克风」），去测量当下的空气密度，当空气密度高的时候，给它一个大数字，而密度低的时候，给它一个小数字就可以了。

然后当您不断地、一直一直重复测量空气密度之后，您就会得到⋯⋯一大堆数字。没错，您每天听到的网络上的声音、下载的每一首 MP3 音乐档案，就只是一大堆叙述空气密度的数字而已，计算机可以读取这些数字，然后再透过您的音响重现记录好的空气密度变化。

声音档案的质量基本上由两个因素决定：第一是我们用多大的数字范围来叙述一个当下的空气密度，第二是我们每一秒钟叙述空气密度几次。我们刚开始说了，一般的黑白图片档案，是用 0 到 255 的数字来表达一个画素的亮度，也就是说，从全黑到全白，图片档案可以记录 256 种不同深浅的灰色。

一般声音档案的分辨率比这高得多，从空气最稀疏到最密集，我们是用范围 0 到 65,535 的数字来表示，而在专业用途的声音文件，数字的范围更大（注 2）。

我们把每一秒钟，声音档案记录空气密度的次数，称为「取样频率」（sample rate）。现在最常被使用的取样频率是 44,100 Hz，也就是每秒钟记录空气密度 44,100 次。

换句话说，在一般您每天使用的声音档案，每一秒钟的声音，就是 44,100 个、范围是 0 到 65,535 的数字。那是非常非常多的数字耶，这也就是我们为什么叫它「数字」音乐的原因了。

还有更多所以您现在知道了，您每天听的声音档案，里面装的只是一大堆、叙述空气密度的数字而已。那么，在人类发明计算机来储存一大堆数字之前，我们又是怎么储存声音的呢？