释放双眼，带上耳机，听听看~！

00:00

       当输入模拟波形是调制解调器信号、传真机信号或任意语音时，采用波形编码的效果最好。波形的形状越多，变化越没规律，就越有必要在量化噪声限制范围内尽可能贴切地模拟输入波形。

       不过，如果假定输入波形仅限于人的语音，为了进一步降低必需的数字语音比特率，还能除去更多的冗余吗？事实上，在语音中还有许多冗余，根据这一特性，在语音数字化过程中可以使其速率降至2.4kbit/s。
       声码器：对于模拟波形的信源特点人们作出了特定的假设，这些假定有：人的语音完全由清音和浊音组成，而且浊音和清音都有各自持续的时，间；不可能成串地出现许多清音和浊音；浊音中含有被称作“音程”的重复，形式，等等。根据这些假设，产生了被称为“源编码”的语音编码技术。

       这些特点使我们能够对语音进行预测。换句话说，如果一个说话人正在发出浊音，那么他（或她）很快就会发出清音。一旦有一个音程被检测出，就有理由预测它会重复出现三到四次。源编码或混合编码的实质就在于对语音进行预测，如今这两种编码方法都在VoIP中得到普遍运用。采用源编码或混合编码的设备称作语音编码器或简称为声码器。采用声码器这一名词是为了表明这种方法仅适用于语音的数字化，要复制任意的波形，就得采用编码解码器。

       在实践中，预测编码把语音波形描述为带有数个参数的模型。人们根据预测编码的特定规则设计出某种预测算法，信源和信宿的语音编码器都采用这一算法。发端和收端之间所要传送的是预测波形，与实际波形不同（不过有可能出现这种情况：当我们以为说话人会停止发出清音时，他们不但没有停下，反而继续发出清音！）。只要预测器能够很好地模拟说话人的发音机制，就可用许多参数值来表示这种体现波形差异的信息，从而天大减少发送语音的比特数。

       既然源编码有利于增加网络的容量，为什么多年前不使用它呢？这是因为声码器的成本较高，把它缩减比特长度的优点给抵销了。波形编码简单而快捷，源编码却不然，它必须对输入波形进行分析，还必须调整和发送参数。预测是发送器和接收器的基础，它必需连续地工作并在发送器和接收器之间保持同步。所有这些需要大容量存储器，对声码器芯片的处理能力要求很高，而且声码器中的软件相当复杂。

       直到80年代后期，声码器技术一直都很昂贵而且原始。声码器产生的声音尽管清晰可懂，但听起来却很机械化且感觉是人工合成的。得克萨斯仪器公司的老式“说话拼读”玩具内有一个芯片式的声码器，一按按钮，它就会把存在存储器中的比特以语音的形式发送出来。但是，除非迫不得以，没有人会愿意在电话中用那种方式交谈。

       现有几种形式的声码器，它们都假定语音通过一个线性系统（例如，个输出等于输入叠加的系统就是线性系统）产生，且人的声道正是这样个系统。线性系统不时地受到一系列脉冲的激励，它根据音程来判断输入的声音是不是语音。

       所有的线性系统都用不同的技术来模仿人的声道及其参数，所采用技术的不同形成了不同的声码器。但是它们的目的都是产生比特流，使得声音听起来与声源差不多，而不关心输出波形与输入波形到底有几分相似（这正是声码器听起来很不自然，却仍旧好懂的原因）。发送器分析输入的语，音并决定模型参数和激励，接收器则合成语音。

       声码器质量不尽如人意是因为所用的算法性能简单。所有的声音不是高幅就是低幅，在两者之间却什么也没有。更糟的是，人耳对浊音的音高十分敏感，但是所有的声码器的注意力都集中在音程上，且至今也未令人满意地解决好音程这个问题。声码器对差错很敏感，这些差错是由于声道模型参数的计算问题，以及线路上的比特差错而产生的。

       在语音和音乐合成器中都使用声码器，但这里的讨论只限于它在电话中的应用。关于声码器的构思早在1939年就有了，但只是简单的通道声码器；与此同时，数字语音也诞生了。注意到耳朵对较小的相位失真并不敏感，信道声码器把语音分成20ms长的一些小段，它只关心各段的幅度大小，最后产生2.4kbit/s的语音。对这种声码器改进后形成同型性声码器，它把音高信息加入了幅度之中，付出的代价是把比特率提高到4kbit/so如果芯片处理能力有了质的飞跃，还有一种共振峰声码器来处理语音，理论上可以获得1kbit/s或更低速率的语音。就有如语音的音程一样，共振峰也是语音的一个特征。然而，在实际中难以精确地测定语音共振峰，这使得共振峰声码器很难普及。