category
音频是唯一被工程化程度严重低估的媒体类型：采样、编解码、缓冲与时钟任何一环出错，用户听到的都是爆音与延迟。本专题从原理到实现系统展开：数字音频采样与量化、Web Audio API 音频图、AudioWorklet 实时处理、Opus 与 AAC 编解码权衡、滤波器与效果器实现、FFT 与频谱分析、流传输与端到端延迟优化、空间音频与三维声场、混音与母带工程化、VST 插件开发，以及音频质量评估与自动化测试。后续补充的 6 篇进阶内容进一步覆盖房间声学与混响模拟、语音增强与麦克风阵列、音源分离、响度标准化与交付规范、音频硬件接口与驱动栈，以及音视频同步与时间码。
音视频同步要让画面与声音严格对齐。本文讲清 SMPTE 时间码的格式与帧率体系、drop-frame 时间码的补偿原理、genlock 与 PTP 时钟基准的建立、ITU-R BT.1359 的可感知偏移容差、流媒体场景的唇音同步与自适应、漂移补偿与重采样手段，以及编辑后期的时间码工作流与排障方法。
本地音频链路从芯片到扬声器跨越多个抽象层。本文讲清 I2S 与 TDM、PDM 三类数字接口的时序与配置、时钟主从与字时钟同步、采样率转换与抖动的取舍、ASIO 与 CoreAudio、ALSA、WASAPI 的驱动栈差异、缓冲区设置与 xrun 的成因，以及本地链路延迟的逐段分解与排障方法。
响度标准化让不同素材在播放时音量一致。本文讲清 ITU-R BS.1770 的 K 加权与门限算法、EBU R128 的真峰值与 LUFS 口径、各平台响度目标与归一化机制、动态范围与压缩的取舍、自动化批量测量校验的流水线，以及广播与流媒体交付规范中的元数据与文件格式要求。
音源分离要从混合音频中还原各个独立声源。本文讲清盲源分离与 ICA 的假设与局限、理想掩码到软掩码的演进、Conv-TasNet 时域分离与 Demucs 频域分离的结构差异、歌声提取与乐器分离的工程做法、SDR 与 SIR、SAR 的评估口径，以及音乐信息检索中的节拍与和弦识别与实时性约束。
语音增强要在噪声与混响中还原干净语音。本文讲清语音活动检测与双讲检测的判据、麦克风阵列几何与标定误差的影响、延迟求和与 MVDR、GSC 波束成形的实现、去混响的谱减法与 WPE、端到端神经增强的结构与实时约束，并给出嵌入式与浏览器端的工程落地要点。
房间声学决定听者感受到的空间感。本文讲清几何声学（镜像法、射线追踪）与波动声学（模态分析）的适用边界、吸声系数与 RT60 的计算、房间脉冲响应的三段结构、卷积混响的分块 FFT 实现、Schroeder 与 FDN 算法混响的参数映射，以及早期反射与扩散的工程处理与实时性能预算。
音频质量既要有客观指标也要有主观验证。本文讲解 SNR、THD+N、IMD 等客观指标的计算、PESQ 与 ViSQOL 等感知模型、MUSHRA 与 ABX 主观测试的设计、null test 与金样回归、响度与真峰值合规检查、实时链路的欠载与延迟测试，以及把音频回归接入 CI 的完整实践。
音频插件是宿主与 DSP 之间的契约。本文讲解 VST3、AU、AAX、CLAP 四种格式的差异与选择、处理器与编辑器分离的架构、process 块处理契约与总线布局、参数自动化与状态序列化、实时安全与无锁通信、JUCE 开发流程，以及插件验证、签名与分发。
混音与母带是一套可量化、可自动化的工程流程，而非纯艺术直觉。本文讲清增益结构与 dBFS 电平标准、总线与路由设计、EQ 与动态处理的工程用法、声像与深度布置、LUFS 响度标准与真峰值测量、限幅器与母带链、流媒体响度归一化，以及批量化处理的实现方法。
空间音频要让听者分辨声源的方向与距离。本文讲解 ITD、ILD 与 HRTF 三类定位线索、双耳渲染与 HRTF 数据获取、Ambisonics 从一阶到高阶的编码与解码、对象音频与基于声道的格式差异、房间声学建模与距离感知，并给出实时空间音频与 Web Audio 空间化节点的工程实现。
端到端音频延迟由采集、编码、网络、抖动缓冲、解码、播放六段构成，优化必须逐段量化。本文拆解抖动缓冲的自适应策略、RTP 与 WebRTC 的传输机制、拥塞控制驱动的码率切换、声学回声消除的原理与陷阱，并给出 ALSA、PipeWire、JACK 的系统层低延迟配置与实测调优方法。
FFT 是音频分析与频域处理的通用工具，但用错窗函数或分辨率会让结论完全失真。本文讲解 DFT 与 FFT 的复杂度、窗函数选择与谱泄漏、频率分辨率与栅栏效应、STFT 的重叠与重建、相位声码器的时间伸缩与变调、Mel 频谱与倒谱，以及实时频谱仪的实现与性能优化。
滤波器与效果器是音频处理的核心构件。本文从传递函数出发，讲清 biquad 与 RBJ Cookbook 的系数设计、FIR 与 IIR 的工程取舍、延迟线与梳状滤波、Schroeder 与 FDN 混响、压缩器与限幅器的实现、波形整形失真、参数平滑抑制拉链噪声，以及实时实现中的数值稳定性问题。
Opus 与 AAC 是当代音频分发的两大主力，但它们的适用边界完全不同。本文拆解 Opus 的 SILK/CELT 混合架构、AAC-LC 与 HE-AAC 的频带复制、帧长与算法延迟的换算、CBR/VBR/CVBR 码率控制、丢包隐藏与 FEC，并给出 WebRTC 与流媒体的选型、协商和 WebCodecs 实战。
AudioWorklet 让 JavaScript 进入音频渲染线程。本文讲解 AudioWorkletProcessor 的结构与 128 帧量子约束、process 的输入输出语义、实时安全规则、parameterDescriptors 参数自动化、主线程与 worklet 的通信模式、WASM 与 SIMD 加速，以及从 ScriptProcessorNode 迁移的实践。
Web Audio API 用有向图建模音频信号流。本文讲解 AudioContext 的生命周期与采样率行为、节点连接与声道数上混下混规则、AudioParam 的调度时间模型、常用内置节点的参数与适用场景、AudioBuffer 与解码、OfflineAudioContext 离线渲染，以及 autoplay 策略、音频焦点与 WASM 协作的工程实践。
采样率与位深决定了数字音频的质量上限。本文从奈奎斯特定理出发，讲清混叠的成因与听感、抗混叠滤波器的工程实现、量化噪声的 6.02N 公式、抖动与噪声整形如何把失真转成噪声、过采样与 ΔΣ 调制、采样率转换的多相滤波实现，以及 SNR、THD+N、动态范围的实测方法。
音频工程全景覆盖从模拟采集到扬声器播放的完整信号链：本文讲清 PCM 表示与采样参数、WAV/FLAC/Opus 等格式与容器的取舍、离线与实时处理的架构差异、音频图建模方式、端到端延迟预算拆解、时钟同步问题，以及 ffmpeg 与 sox 等工具链的实战用法和资源预算方法。