前言

前 12 天你已经学了很多音频概念。第 13 天要做一件很实际的事：把概念映射到代码里。

当你看一个 Qt + C++ + FFmpeg + QML 音频工具项目时，会经常看到：

• sampleRate
• channels
• bitsPerSample
• PCM buffer
• frame count
• byte offset
• Peak
• RMS
• export

这些不是孤立字段，而是前面所有概念在工程里的落点。

这篇在整套教程里的位置

• 这篇承接前面所有基础概念，尤其依赖 [第 3 天：理解声道和帧]、[第 5 天：理解音量增益和分贝]、[第 10 天：学习最基础的音频处理] 和 [第 11 天：理解重采样和格式转换]。
• 本文的核心任务是把“听感术语”和“音频概念”翻译成工程里真正会出现的字段、frame 计算、buffer、缓存和导出流程。
• 学完后建议继续看 [第 14 天：做一次完整复盘]，把局部概念重新串成完整链路。

今天学完后，你应该掌握什么

看完这篇文章后，你应该能说清：

• sampleRate在代码里表示什么
• channels为什么影响 frame 大小
• bitsPerSample如何决定 sample 字节数
• PCM buffer 为什么必须配合格式信息解释
• 为什么很多处理围绕 frame 数而不是字节数
• Peak/RMS 统计大致如何从 PCM 计算
• UI 参数如何传到后端处理
• 为什么非破坏性处理需要独立结果缓存

sampleRate映射到什么

sampleRate表示采样率，也就是每秒多少个采样时刻。

例如：

sampleRate = 48000

表示每秒 48000 frames。

在代码里，它常用于：

• 时间转 frame
• frame 转时间
• 计算音频时长
• 计算淡入淡出帧数
• 重采样参数
• 频谱分析频率换算

例如把毫秒转 frame：

frames = ms × sampleRate / 1000

channels映射到什么

channels表示声道数。

例如：

channels = 1 -> mono channels = 2 -> stereo channels = 6 -> 5.1

它决定一个 frame 里有多少个 sample。

在代码里，它常用于：

• 计算 frame 字节数
• 遍历每个 frame 内的声道
• 声道混合
• 多声道峰值统计
• 波形显示策略

如果忽略channels，多声道 PCM 很容易被处理坏。

bitsPerSample映射到什么

bitsPerSample表示每个 sample 用多少 bit 存储。

常见值：

• 8
• 16
• 24
• 32

它决定每个 sample 占多少字节：

bytesPerSample = bitsPerSample / 8

例如：

16-bit -> 2 bytes 24-bit -> 3 bytes 32-bit -> 4 bytes

在代码里，它影响：

• 如何读取 sample
• 如何写回 sample
• 最大最小值范围
• 是否需要特殊处理 24-bit
• 是否是整数 PCM 或 float PCM

frame 字节数如何计算

公式是：

bytesPerFrame = channels × bytesPerSample

例如：

48kHz / 16-bit / stereo bytesPerSample = 2 channels = 2 bytesPerFrame = 4

一旦有了bytesPerFrame，就可以做很多事情：

• 计算 frameCount
• 验证 PCM 长度是否对齐
• 时间位置转字节偏移
• 裁剪时按 frame 截取

PCM buffer 是什么

PCM buffer 可以理解成：

一段存放原始 PCM 字节的内存。

例如 C++ 里可能是：

QByteArray pcmData;

但只有pcmData本身是不够的。

你必须同时知道：

• 采样率
• 声道数
• 位深
• 采样格式
• 数据排列方式

否则同一串字节可能被解释成完全不同的声音。

这就是为什么工程里通常会同时传递：

pcmData + pcmInfo

而不是只传 PCM 字节。

为什么处理要围绕 frame

很多处理看起来可以按字节做，但正确逻辑应该围绕 frame。

裁剪

时间先转 frame，再转字节偏移。

淡入淡出

按 frame 计算当前淡化进度，同一 frame 内所有声道应用同一系数。

RMS 统计

通常按 sample 读取，但要知道每个 sample 属于哪个 frame 和声道。

波形绘制

可能按 frame 分块取峰值或 RMS，用于降采样绘制。

如果直接按字节处理，很容易破坏 sample 和 frame 对齐。

Peak 统计在代码里怎么想

Peak 是最大瞬时幅度。

代码思路通常是：

1. 遍历所有 sample
2. 转成统一数值范围，比如-1.0到1.0
3. 取绝对值
4. 记录最大值

伪代码：

peak = 0 for each sample: value = readSampleAsFloat(sample) peak = max(peak, abs(value))

多声道时，通常统计所有声道中的最大值，或者分别统计每个声道。

RMS 统计在代码里怎么想

RMS 更接近平均能量。

代码思路通常是：

1. 遍历一段 sample
2. 转成统一浮点范围
3. 每个值平方
4. 求平均
5. 开平方

伪代码：

sumSquares = 0 count = 0 for each sample: value = readSampleAsFloat(sample) sumSquares += value * value count += 1 rms = sqrt(sumSquares / count)

RMS 可以对整段算，也可以对小窗口算，用于静音检测或响度趋势。

时间、frame、字节之间的转换

工程中经常需要三者互转。

时间转 frame

frame = seconds × sampleRate

frame 转时间

seconds = frame / sampleRate

frame 转字节

byteOffset = frame × bytesPerFrame

字节转 frame

frame = byteOffset / bytesPerFrame

这些转换必须保持整数边界，尤其是字节偏移必须对齐到 frame。

UI 参数如何传到后端

在一个 Qt/QML 工具里，典型数据流可能是：

QML 页面输入参数 -> 调用 MediaAnalyzer 的 Q_INVOKABLE -> MediaAnalyzer 校验状态和参数 -> 调用 AudioToolProcessor 处理 PCM -> 保存结果或更新预览缓存 -> 发 signal 通知 QML 刷新

例如淡入淡出：

fadeInMs / fadeOutMs / curveType -> 转成 frame 数 -> 遍历 PCM 应用增益曲线 -> 输出新 PCM 或 WAV 文件

这就是概念进入代码的实际路径。

为什么需要参数校验

音频处理很容易遇到边界问题。

常见校验包括：

• PCM 是否为空
• sampleRate是否大于 0
• channels是否大于 0
• bitsPerSample是否支持
• PCM 长度是否能被 frame 大小整除
• 起止时间是否有效
• 输出路径是否为空

这些校验不是形式主义，而是为了避免错误数据导致崩溃、错位或输出损坏文件。

为什么非破坏性处理需要独立缓存

有些功能只是导出或预览，不应该直接替换当前 PCM。

例如：

• 导出淡入淡出结果
• 生成裁剪预览
• 频谱分析
• 静音检测

这类功能最好有独立结果缓存，例如：

xxxPcmData xxxPcmInfo xxxInfo

这样 UI 可以展示结果，但不会无提示覆盖当前编辑状态。

如果当前文件或当前 PCM 改变，相关缓存也应该清空，避免显示旧结果。

应用场景

写一个裁剪函数

你需要：

• 校验 PCM 和格式信息
• 时间转 frame
• frame 转字节偏移
• 按 frame 截取
• 输出新 PCM 和新时长

写一个归一化函数

你需要：

• 遍历 sample 计算 Peak
• 计算目标增益
• 再次遍历 sample 应用增益
• 钳位防止溢出

写一个静音检测函数

你需要：

• 按窗口计算 RMS
• 和阈值比较
• 合并连续低能量区间
• 输出静音段时间范围

初学者最容易混淆的几个点

误区 1：有 PCM buffer 就能处理

不够。必须有采样率、声道数、位深等格式信息。

误区 2：采样率乘声道数才是 frame 数

不对。采样率表示每秒 frame 数，乘声道数得到每秒 sample 数。

误区 3：裁剪按字节更直接

不安全。应该按 frame 计算，再转字节。

误区 4：Peak/RMS 可以直接对原始字节算

不对。必须先按位深和格式正确读取 sample。

误区 5：导出结果可以随便复用别的功能缓存

不应该。语义不同的结果要有独立缓存，避免 UI 显示和状态管理混乱。

今天建议这样练

练习 1：计算 frame 信息

给定48kHz / 16-bit / stereo，算出：

• bytesPerSample
• bytesPerFrame
• 1 秒字节数
• 500ms 字节偏移

练习 2：写出裁剪伪代码

按下面流程写：

校验参数 -> 时间转 frame -> frame 转 byte -> 截取 PCM -> 输出结果

练习 3：写出 Peak 统计伪代码

用自然语言或伪代码说明如何遍历 sample 找最大绝对值。

练习 4：解释为什么要清缓存

假设用户换了文件，说明为什么旧的分析结果不能继续显示。

今天的总结

今天要记住：

• sampleRate对应每秒 frame 数
• channels决定每 frame 有多少 sample
• bitsPerSample决定每个 sample 的字节数和范围
• PCM buffer 必须配合格式信息解释
• 多声道处理应围绕 frame
• Peak/RMS 要先正确读取 sample
• UI 参数传到后端后要校验并转换成工程单位
• 非破坏性处理需要独立结果缓存

自检问题

1. sampleRate在代码里常用于什么？
2. 为什么channels会影响 frame 大小？
3. 为什么 PCM buffer 不能脱离格式信息解释？
4. Peak 统计的大致步骤是什么？
5. RMS 统计的大致步骤是什么？
6. 为什么裁剪应该先算 frame 再算 byte offset？
7. 为什么当前文件变化后要清理旧结果缓存？

自检参考答案

1.sampleRate在代码里常用于什么

用于时间和 frame 的换算、时长计算、淡化帧数计算、重采样和频谱频率换算。

2. 为什么channels会影响 frame 大小

因为一个 frame 包含同一时刻所有声道的 sample，声道越多，每 frame sample 越多。

3. 为什么 PCM buffer 不能脱离格式信息解释

因为同一串字节在不同采样率、声道数、位深和排列方式下会代表完全不同的音频。

4. Peak 统计的大致步骤是什么

遍历所有 sample，转换成统一数值范围，取绝对值，并记录最大值。

5. RMS 统计的大致步骤是什么

遍历 sample，平方求和，除以数量取平均，再开平方。

6. 为什么裁剪应该先算 frame 再算 byte offset

因为 frame 是多声道的时间单位，先按 frame 计算能保证裁剪位置不破坏声道对齐。

7. 为什么当前文件变化后要清理旧结果缓存

因为旧结果来自旧 PCM 或旧文件，继续显示会误导用户，并可能导致导出错误。

明天会学什么

明天会做完整复盘，把声音、数字表示、PCM、波形、频域、格式和工程处理串成一条完整链路。