【doc】手机游戏声音格式辨析：写给关注声音的非声音人员

【doc】手机游戏声音格式辨析：写给关注声音的非声音人员 手机游戏声音格式辨析:写给关注声音的非 声音人员 MOBILEWORLD掌上乾坤 手机游戏声音格式辨析 WAVVSMIDI 文/北京联动世纪科技发展有限公司魏晓凡 笔者是个声音制作人员,在和手 机游戏开发人员合作时,经常需要回 答和解释关于手机声音的一些技术问 题.有鉴于此,笔者特地撰写下这篇 文章,对三个工作中最常被问及的问 题作出解释. 一 MIDI和WAV的本质区别 MIDI和WAV是手机游戏中最常 使用的两种声音格式外行只能看出 扩展名不同,只有程序开发人员才会 进一步了解MIDI可以用较小的文件 来展现较长的声音,而WAV的音效往 往更真实,更自然.可是,这些表述 都没有触及它们之间最本质的区别 这种区别是存在于基本原理层面上 的,只有理解了本质的区别,才能真 正掌握它们在实际应用中迥然不同的 规律., 讲清这个问题要从用电脑记录声 音谈起.手机游戏的声音是用计算机 来制作和编辑的,所以从音频的原理 上与电脑多媒体使用的声音可以算作 同类(仅由于最终使用环境不同,而在 具体技术指标上有所差异).众所周 知,计算机的工作是数字化的(即"数 位化"的.与"模拟"技术相对应),所 以计算机所记录,处理的声音文件也 必须是数字声音. 数字声音与最传统的声音记录观 念是不同的中学物理讲过,声音是 在时间上连续着的媒质震动,强度 在随时变化.从数学上看,声音的函 数图像是一道震动的曲线.最传统 的声音记录,当然是将声音记录在 媒质上,然后再以其他载体原样模 仿这条曲线.传统卡式磁带上,是用 口l蕾n翻蕾 磁场强度的连续变化曲线来模仿声 音强度变化的曲线,以此实现了声 音的记录和还原.但是数字化打破 了这种理念,通俗地讲,它只按照诸 如几万分之一秒的很短的固定时间 周期,对某些时刻的声音强度进行 摘录(称为采样).采得的数值要"四 舍五入"到固定的整数值上(不允许 有小数点,这个步骤称为"量化"), 再将这些数值记录成声音文件.这 样做当然"丢失"了其他时刻的信 息,但是数学和信号学内存在的一 些公式,可以保证在重放时,根据众 多采样值把某些"丢失"的信息计算 回来,重新连结成连续的声音.如果 每秒采样N次,那么频率在N/2以下 的信号都可以被复原.即采样的频 率越高,数据量就越大,但能够还原 的信号范围也就越广.这种记录模 式称为脉冲编码调制,简称PCM,此 处限于篇幅,就不再深入探讨了.由 于采样过程的存在,这样的声音在数 字音频专业上叫作"采样声音. 这种数字化声音的特点是数据量 较大.例如CD唱片就是采用每秒 44100次的PCM,每个采样值量化为16 位二进制,记录两个声道(立体声)信 息,每秒的声音数据达172KB.即使后 来出现了各种压缩算法(被压缩就不 再称为PCM,常见的MP3就是一类着 名压缩算法),有时还会为了节约空间 而降低采样的各项指标,但总归是要 依赖"采样值的序列"记录声音.WAV 文件便是这样的文件,它的内部记录 着原本的样值(或经压缩的样值). MIDI文件则完全另辟蹊径(两者 的本质区别):它不做周期性采样,只 记录"关键信息"它内部记录的不是 样值而是对声音特性的参数描述,因 此在学术上也称为"参数声音"例如 要描述一个喇叭的声音,WAV会采下 几千个样值,MIDI却只记录"音色: 喇叭,音高:某个高度.时间长度;若 干秒".这样,数据量得到了极大的减 少.但WAV并没有被淘汰,因为MIDI 的局限性很明显:只适合记录较有规 律,较为定型的声音(例如乐曲中的音 符),并且重放效果依赖于"音色库" (比如喇叭声的例子,喇叭的音色在 MIDI文件内并没记载,需要用重放设 备上的音色库做参考).所以,MIDI和 WAV是具有本质区别且各有千秋的两 类文件.从更高的角度看,MIDI和 WAV的区别,主要是"参数声音"和 "采样声音"两种基本记录思想之间的 区别. 这种区别,可以与计算机图形方 面的基本知识做一个近似类比,(如 图O1). 该图左边是计算机记录图形的两 种基本思想矢量图和像素图.前 者抓住图形的主要特征,将其记录为 多个有方向值和长度值的"矢量"; 后者无论图形特征如何,都采取"像 素点阵"拼接的方式,记录每个位 置上的颜色(这里是黑,白二者之 一 ),记录的结果就是许多"像素 ,对同一图像而言,像 值".显然 素图的记录值总数一般要远大于矢量 图的记录值总数. 而右边就是计算机记录声音的两 种基本思想——"参数声音"(也叫矢 量声音)和"采样声音"(也叫样值声 音).MIDI是典型的参数声音,依靠分 析声音的关键特征.将其记录为多个 .声抒矢量"(也有长度值.另外还有 音商,音色等参数值)?WAV是典型的 采样声,光论声音内容如何.都采 用时『IjI轴上"采样时刻队列"的拼接 方式.记录每个位置上的声音强度 (声媒质的振幅).记录的结果是一申 样值"(类比干像素图形的像素值. 注意圈中样值的队列强时间上对应干 每个音符的进行)同理.采样声音的 记录值总数耍远夫于参数声爵的记录 值总数. ''然,小于示意图的考虑. M1DI在这咀被丽成"乐曾,实际上 电脑是不能读乐谱的.需将乐谱表示 为多个数组才行,际的WAV也不 是烈有正向的样值.而是lE,负值部 有,分别位下时间轴的l:方和下方. 二,用MIDI实现特殊 声效的问题 由,:MIDI文件的体积小.一然受 到手机游戏歼发人c=;{的街睐(据笔者 r.一些Java手L游戏的总文件最 小能超过64kB).对干游戏的背景乐 曲.MIDIl然大显身手.ffl磷戏经常 需要千变万化的非乐器音(也叫"特 效").这点却是M1DI的短处所征. MIDI编};茸可以尽量利音符特 性的技巧和音色奉身的特点(需要目 标手机的色库内确有相应的音色). 在一定程度上模仿出诸如武器碰击, 人物嘁叫和然界的声膏.1是这种制作难度往往较大.花贽时较睦, 逼真鹰也无法与网络E共串的wAV 音素材柏比所以有时必须使用 wAV声爵编辑可以通过截短和算 浊匿椎等手段,柜音质所世的垌尖尚 能辑忍的前提下.把WAV做得盐 小(每秒lOkB以下),但这样做难以 表现出征较妊时间内不断变化的声膏 内容. 对于很多奖洼f机游戏声音的人 来蜕,必须接受的一个事炎是: 纯的MIDI绝对无法袅现语言(哪怕 是以川:差的音质).这是MID1的原 理决定的,任何声音人员都l船不上选 个忙.值得一提的是.柯蝗Javu 机支持MMF格式的声爵.选种求自 I:1本YAMAHA公司SMAF技术的 格主弋允忤将M1DI武和采样式的内容封 浆往同一个文件巾.可支持晤亩声 和各种特效. 三,用采样声音转MlD 的问题 大家日常欣赏的数{:音乐多为 MP3,wMA等格式,它们都是基于 WAV采样声音的压缩格式,可以算 是wAv的"『剐族格式"或称"衔 坐格式.经常有人希望把选些格式 的精彩音乐转化为数据_圉=较小的MIDI 格式以应J=I{在币帆游戏中.于是求诸 干声音人员j褂到"需要等几小 时或一两天"的【l_|1答叫,难免会问 "转换一下格式需要那幺艮的时间 吗?"其实这是因为根本存在能略 实际成J_fi的"采样声音转M1D1"程 序.也就是根奉无法用"玛存为 的简雌方式去完成这剃t声暂格式的转 换.为了将一般膏乐文件变成 MID1,声音人员必须采取最"原 始的方式,依靠自己的听辨能力 将苷乐的构成分析出米(俗称扒 措),再盏新手动制作M1DI所以 花赞的时间然也就很长了.严格地 【兑这是"仿制而非转换. 如果懂褂上丈所说的"参数声 音"和采样芦膏的本质区别. 姚不难理解为什幺如此轻松美好的设 想在技术上却难以实现.因为参数声 音文件是需要"提}挈翎.抓住关键 情息才能构建出柬的.需錾人的主观 判断.选~11iE是仆算机的短处.我们 知道.t.1d.t辣机朗读文本(1Ts技术) 是很容易的,但厦过来的语音智能识 别输入文本技术却相当复杂.就目前 的阻别技术来瓣,当讲话者有【|评或 很多人同时讲话时,计算机就难以准 确的进行晰.而相反的,就算再多 人同时讲话,人脑却依然可眦很轻松 的进行识别.l百】理.大部分音乐由多 种乐器按不同音高,赛共同发声而 成,耍将总结为"歌谱"(UlJMID!所 需的荧键信息),埘于计算机简直是不 可能完成的任务.固然.当前已经出 现不少软pI:支持将WAV直接另存为 MIDI.但由干真正意义b的"计算机 人工智能还远来成熟,只要稍加实 践,就能发现它们转化出来的M1DI不 仪是_啦听.甚至已不像乐.柜这个 骷界性的难题得到微好解决之,我 们还JI能依靠贽时赞力的"仿制"手 法来进行陌者的转换.L 口日匿????l 哪眦伸啪删