适合录制人声的AVAudioRecorder设置是什么？

Question

我正在使用AVAudioRecorder添加语音备忘录功能，需要知道最佳的录音设置。

不幸的是，我对音频一无所知，甚至不确定要搜索什么术语。

目前，为了测试目的，我正在使用以下设置，这是我从某个地方复制的：

recorderSettingsDict=[[NSDictionary alloc] initWithObjectsAndKeys:[NSNumber numberWithInt:kAudioFormatAppleIMA4],AVFormatIDKey,
                        [NSNumber numberWithInt:44100.0],AVSampleRateKey,
                        [NSNumber numberWithInt: 2],AVNumberOfChannelsKey,
                        [NSNumber numberWithInt:16],AVLinearPCMBitDepthKey,
                        [NSNumber numberWithBool:NO],AVLinearPCMIsBigEndianKey,
                        [NSNumber numberWithBool:NO],AVLinearPCMIsFloatKey,
                        nil];

或者：

defaultSettings =     {
    AVFormatIDKey = 1768775988;
    AVLinearPCMBitDepthKey = 16;
    AVLinearPCMIsBigEndianKey = 0;
    AVLinearPCMIsFloatKey = 0;
    AVNumberOfChannelsKey = 2;
    AVSampleRateKey = 44100;
};

这个可以用，但我不知道它在语音方面的质量、速度、文件大小等方面是否是最优的。

AVAudioRecorder类参考文献列出了许多设置常量，但我不知道哪些是用于语音的。

如果有人知道一个好的“白痴音频格式”资源，我也可以接受。（注意：我已经看过苹果文档，但他们假定我具备数字音频方面的知识，而我并没有。）

- TechZen

---

哎呀，我觉得在iPad发布的当天发这个帖子是个战术性错误。 - TechZen

Answer 1

你需要阅读名为“在iPhone OS中使用声音”的iPhone应用程序编程指南章节和音频队列服务编程指南。 （编辑：这些链接已过时，“在iPhone OS中使用声音”已从当前的应用程序编程指南中删除，但音频队列服务编程指南已更新和移动。）

人类语音中的大多数声音都处于人类听力的中间范围。即使以非常低的数据速率数字化，录制的语音也很容易理解。您可以践踏语音记录，但仍然拥有一个有用的文件。因此，您对这些记录的最终使用将指导您对这些设置的决策。

首先，您需要选择音频格式。您的选择将取决于录制后要对音频进行的操作。您当前的选择是IMA4。也许您会想要不同的格式，但IMA4是iPhone的一个不错的选择。它是一种快速编码方案，因此对于有限的iPhone处理器来说不会太过繁重，并且它提供4：1的压缩比，因此不会占用太多存储空间。根据您选择的格式，您将需要进行进一步的设置。

你当前的采样率为44.1 kHz，与CD音频的标准相同。除非你追求高保真录音，否则不需要如此高的采样率，但也不要使用任意的采样率。大多数音频软件只能理解32 kHz、24 kHz、16 kHz或12 kHz等特定步骤的采样率。

你的声道数设置为2，用于立体声。除非你使用额外的硬件，否则iPhone只有一个麦克风，1个单声道通道就足够了。这可以将你的数据需求减少一半。

你正在使用的三个线性PCM设置似乎只适用于线性PCM格式的录音。我认为它们对你的代码没有影响，因为你正在使用IMA4格式。我不太了解IMA4格式，无法告诉你需要进行哪些设置，如果你决定继续使用该设置，你需要进行一些额外的研究。

- Mr. Berna

---

好的，如果我要制作用于应用程序记录备忘录的语音备忘录，我会将AVFormatIDKey设置为kAudioFormatAppleIMA4，将AVSampleRateKey设置为16000.0，将AVNumberOfChannelsKey设置为1，并将其他所有设置保持默认。 - Mr. Berna

非常好的回答，谢谢。顺便说一下，2010年苹果全球开发者大会有一些非常好的演讲涉及了这个主题。特别是《数字音频基础》(Fundamentals of Digital Audio)，其中包含了很多有用的信息。那次演讲的幻灯片也非常有用。特别是看第51页和第52页。 - lambmj

我仍建议使用两个声道，因为用户可以使用耳机收听音频录音，更不用说通过电子邮件将文件发送到电脑了。 - Guntis Treulands

kiok45 - 在帖子发布6年后回复并抱怨链接失效是没有意义的；也许可以分享更新后的链接！否则，指出问题然后继续前进是最好的选择；这并没有错，只是苹果更改了他们的页面。 - TahoeWolverine

@GuntisTreulands 如果只有一个频道，用户将音频文件通过电子邮件发送给某人会发生什么？ - Lance Samaria

Answer 2

需要考虑的一件事是，自从传统的固定电话语音公司数字化以来，它们使用了8位、7KHz采样。这就是为什么干线的大小是它们的大小。T1有20个64k信道，留下一些空间来容纳56k的语音数据以及它们所需的任何管理元数据。

因此，如果您想要POTS质量，8b/7KHz应该就可以了。根据您的需求进行调整。

- Ben Carroll