在這篇文章，我想要很簡短地跟你解說電腦到底是怎麼記錄聲音的。到底數位聲音檔案裡面到底裝了什麼？為什麼電腦可以把我講話的聲音存成檔案，然後在你家的喇叭或耳機上面播出來？

先聊聊圖片檔案好了

為了讓你更能想像聲音檔案的運作方式，在說聲音檔案之前，我想先提一下「圖片檔案」，圖片檔案裡面裝的是什麼阿？

現在網路上最常用的圖片檔案格式大概有三種：PNG、JPEG 和 GIF；你在網路上看到的每一張照片，幾乎都是使用這三種方式其中一種儲存的。

每一種圖片檔案格式的編碼和壓縮方式都不太一樣，不過那就不是好和弦要討論的範疇了；你只需要知道，網路上絕大部份的圖片檔案，裡面裝的都是一些我們叫做「畫素」，也就是英文叫做 picture element 或簡稱 pixel 的東西。

pix = 畫，el = 素

你一定常常聽到誰說某某手機的相機有多少「畫素」，畫素到底是什麼阿？

你在電腦或手機螢幕上，看到的所有東西，都是由一個一個細小的小方格組成的，因為這些小方格太小了，平常你不會注意到它們的存在，所以我要把它們放大讓你看清楚。

注意看這個「素」字的右下角。

首先，你可能會發現一件有趣的事情：在螢幕上看起來像是全黑的文字，其實邊緣不是真正全黑的。你的電腦會自動填一些灰色的格子，讓字的邊緣看起來平滑一點點，這個又是另外一個跟音樂無關的故事了。

在這裡的每一個小方格，就是一個「畫素」；現代電腦儲存一張黑白圖片檔案的方式，就是測量每一個畫素的亮度，然後給它一個範圍是 0 到 255 的數字。

• 如果某一格是純黑的，我們就把這一格記錄成數字 0，表示這一格的亮度超低。
• 如果某一格是純白的，我們就把這一格記錄成數字 255，表示這一格的亮度最高。
• 其他中間的數值，就可以代表各種不同深淺的灰色。

你只要收集每一小格，也就是每一個畫素的亮度資訊，合起來就可以變成一個圖片檔案了。所以，在一張黑白圖片檔案中，每一個畫素，就是一個範圍是 0 到 255 的數字。¹

聲音檔案的「畫素」

在聲音檔案裡面，與「畫素」相對應的東西叫做「取樣」（sample）。你可以想像一個「取樣」就是一小小小小小段聲音，跟「畫素」一樣，在檔案中也是用一個數字來代表。

不過要怎麼用數字來形容聲音呢？就像在圖片檔案裡，我們用一個數字來描述一小塊圖片的亮度一樣；在聲音檔案裡，我們是用一個數字來描述一個時間點的空氣密度或壓力。

聲音檔案的運作方式，其實超級簡單：你可能還記得在高中物理課的時候學到的，聲音是一種「疏密波」，也就是說你大腦覺得的「聲音」，其實只是你的耳朵偵測到周遭空氣分子的密度變化，傳送訊號給大腦後產生的幻覺而已。

如果你要把一段聲音變成聲音檔案，你就只要拿一個空氣分子壓力偵測器（或是一般人類都叫它「麥克風」）接上電腦並按下錄音鍵，然後電腦跟麥克風就會一直不斷有類似以下的對話：

電腦：「誒現在空氣壓力是多少？」

麥克風：「5487」

電腦：「誒，那現在空氣壓力是多少？」

麥克風：「42」

電腦：「誒，那現在空氣壓力是多少？」

麥克風：「58」

電腦：「誒，阿現在呢？」

麥克風：「3652」

電腦：「誒，那現在呢？」

麥克風：「46521」

…

然後電腦就把每一個時間點的空氣壓力紀錄到一張表格上，就變成聲音檔案了。

以 CD 音質的檔案來說，電腦每一秒鐘會問麥克風 44,100 次「空氣壓力有多大」，每問一次，麥克風就會回答它一個範圍是 0 到 65535 的數字。

每秒鐘記錄的次數叫做「取樣頻率」（sample rate），以剛剛的例子來說，取樣頻率就是 44,100 Hz。

每次記錄所用的數字範圍叫做「位元深度」（bit depth），以剛才的例子的來說，我們使用的數字範圍是 0 到 65535，也就是有 2 的 16 次方種可能，所以我們就說這個聲音檔案是一個「16 位元」的聲音檔案。

聲音檔案裡面是什麼？很多數字。

總結一下，我們每天使用的聲音檔案裡面，其實就是一張充滿記載空氣壓力大小數字的表格而已。

每一秒鐘的聲音，就是 44,100 個、範圍是 0 到 65,535 的數字。 ²

事實上，現在大部份網路上的聲音檔案都是所謂的「立體聲」，也就是有左邊和右邊，一共兩個聲道的；所以每一秒鐘數字的數量，應該還要算兩倍才對，那也就是每秒鐘有 88,200 個，範圍是 0-65,535 的數字。

以上就是今天的關於聲音檔案的課程，你也許會覺得這些技術性的事情很麻煩，但是了解聲音檔案的原理，真的就是踏入數位音樂製作、很重要的第一步喔！

喜歡這樣的文章嗎？

我的同名實體書《好和弦 - The NiceChord Book》，裡面有更多實用的樂理與音樂相關文章喔，到這裡看更多資訊，以及下載試閱本讀讀看吧！

也希望你可以使用 E-mail 訂閱我，這樣才不會錯過我的最新內容喔！