编码与格式 / 系统课时

比较 AAC 与 Opus 的音频场景

比较 AAC 与 Opus 的音频场景

为音频选择编码格式时,不能只看压缩率,还要考虑传输延迟、播放设备、网络波动和封装方式。本文通过文件播放、实时语音与音乐传输三个场景,对比 AAC 和 Opus 的适用条件,并给出可直接测试的编码参数与验证方法。

学习目标

  • 区分 AAC 与 Opus 在码率、延迟、音质和兼容性方面的特点。
  • 根据音乐文件、实时通话和网络直播场景选择编码格式。
  • 使用 FFmpeg 编码测试文件,并识别采样率、声道、码率和封装格式。

AAC 与 Opus 的主要区别

AAC(Advanced Audio Coding)和 Opus 都属于有损音频编码格式,通过去除或简化部分听觉信息降低数据量,但两者的设计侧重点不同。

AAC 广泛用于 MP4 视频、移动设备音乐播放、流媒体点播和传统直播分发。实际部署中最常见的是 AAC-LC(Low Complexity),它具有成熟的播放器和硬件解码支持。

Opus 面向互联网交互式音频设计,既能处理语音,也能处理高质量音乐,支持在较宽的码率范围内工作,并提供适合实时通信的低算法延迟。WebRTC 音频通常使用 Opus。

比较维度 AAC-LC Opus
典型应用 MP4、HLS、音乐点播 WebRTC、语音聊天、低延迟音频
常见立体声码率 128~256 kbps 64~160 kbps
常见语音码率 32~64 kbps,取决于声道和配置 16~32 kbps,单声道
算法延迟 AAC-LC 常见帧长为 1024 采样点 可选择 2.5~60 ms 帧时长
浏览器兼容性 广泛支持,但依赖容器与浏览器 WebRTC 广泛使用;文件播放取决于封装与浏览器
常见封装 MP4、M4A、ADTS Ogg、WebM

表中码率属于实践起点,不是编码器的固定限制,也不表示两种编码在相同码率下必然具有相同听感。

以 48 kHz 采样率为例,AAC-LC 的一个 1024 采样点音频帧约为 21.33 ms;Opus 可选择 20 ms 帧进行实时传输。这里比较的是编码帧时长,不能直接当成端到端延迟。真实延迟还包含音频采集、编码缓冲、网络传输、抖动缓冲、解码和设备播放。

按业务场景选择编码

本地文件和视频点播

如果目标是把一段音乐加入 MP4 视频,供手机、电视和网页播放器播放,优先考虑 AAC-LC。一个适合普通立体声内容的起始配置是 48 kHz、双声道、AAC-LC、128~192 kbps。

例如制作 1080p 教学视频,可以使用 H.264 视频加 AAC-LC 音频并封装为 MP4。该组合拥有较广泛的设备支持,适合下载文件、点播和常规视频分发。

如果平台明确支持 Ogg Opus 或 WebM Opus,并且希望降低音频带宽,也可以选 Opus,但不应假设所有电视、编辑软件或旧播放器都能直接打开。

实时语音通话

多人语音房或 WebRTC 通话通常优先选择 Opus。建议从 48 kHz 音频处理时钟、单声道、24 kbps、20 ms 帧时长开始测试,再根据语音质量和网络条件调整。

Opus 支持面向实时通信的丢包隐藏、带内前向纠错等机制。前向纠错不是自动消除丢包,它需要编码端与接收端配合,并会消耗额外比特;严重拥塞时仍需调整发送码率及网络策略。

需要特别注意,20 ms 帧时长并不意味着用户只能感受到 20 ms 延迟。假设采集与编码占 25 ms、网络单程 35 ms、抖动缓冲 40 ms、解码与播放 20 ms,则总单向延迟约为 120 ms。这个数值只是演算示例,实际还会受到设备和系统调度影响。

音乐直播与网络传输

音乐直播要同时考虑听感和接收端协议。如果使用常见 HLS + MP4/fMP4 分发,并要求广泛的终端兼容性,AAC-LC 128~192 kbps 立体声通常更方便。

如果是自建低延迟音乐互动系统,且客户端全部支持 Opus,可以从 Opus 96~128 kbps 立体声开始试听,根据音源复杂度、实际丢包和目标设备决定是否提高码率。

下面是一组可用于初选的配置:

业务 推荐起点 验收重点
教学视频 MP4 AAC-LC、48 kHz、立体声、128 kbps 手机、网页与电视可播放
单人语音通话 Opus、单声道、24 kbps、20 ms 弱网清晰度与交互延迟
音乐互动房 Opus、立体声、96 kbps 乐器细节、瞬态与网络稳定性
常规 HLS 音乐直播 AAC-LC、立体声、160 kbps 终端兼容性与持续播放

这些参数是测试起点,不是所有业务的最佳值。例如会议语音、现场演唱、古典音乐和高动态音乐,对码率及声道的要求可能明显不同。

使用 FFmpeg 编码并检查参数

准备一段至少 30 秒、包含人声和音乐的立体声 WAV 文件,命名为 input.wav。以下命令适用于包含 FFmpeg 原生 AAC 编码器及 libopus 编码器的构建版本。先执行 ffmpeg -encoders,确认编码器列表包含 aac 和 libopus。

使用 AAC-LC 编码为 M4A 文件:

bash
ffmpeg -i input.wav -c:a aac -profile:a aac_low -ar 48000 -ac 2 -b:a 128k -y output-aac.m4a

预期结果:命令成功退出后生成 output-aac.m4a。-profile:a aac_low 指定 AAC-LC,-b:a 128k 设置目标音频码率。

使用 Opus 编码为 Ogg 文件:

bash
ffmpeg -i input.wav -c:a libopus -ar 48000 -ac 2 -b:a 96k -frame_duration 20 -y output-opus.ogg

预期结果:命令成功退出后生成 output-opus.ogg,使用 Opus 编码,目标码率为 96 kbps,编码帧时长为 20 ms。

这里的 -frame_duration 是 FFmpeg libopus 编码器支持的私有选项,不能直接套用于所有 Opus 编码实现。

分别检查两个输出文件:

bash
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,profile,sample_rate,channels,bit_rate -of json output-aac.m4a
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name,profile,sample_rate,channels,bit_rate -of json output-opus.ogg

预期结果:AAC 文件的 codec_name 为 aac,通常可以看到 profile 为 LC、采样率为 48000、声道数为 2;Opus 文件的 codec_name 为 opus,声道数为 2,通常报告采样率为 48000。Ogg Opus 文件的流级 bit_rate 可能缺失,不能把字段缺失理解成零码率。

如果输入恰好为 60 秒,按照目标码率粗略估算,128 kbps AAC 音频数据约占 960 KB,96 kbps Opus 约占 720 KB。真实文件大小还受编码器码率控制、封装开销及元数据影响。

看懂编码参数与常见误区

选择音频编码时,至少记录编码器、Profile、目标码率、采样率、声道数、帧时长和容器格式。对于实时传输,还要记录传输协议、丢包策略及接收端抖动缓冲配置。

参数 含义 容易犯的错误
-b:a 设置目标音频码率 以为码率越高一定越清晰
-ar 设置音频采样率 把提高采样率误认为恢复原始高频细节
-ac 设置输出声道数 为单人语音强制使用双声道
-profile:a 指定 AAC 编码 Profile 只写 AAC,忽略 AAC-LC 与 HE-AAC 的差别
-frame_duration 控制 libopus 编码帧时长 把帧时长直接当成网络延迟

还有三个容易混淆的概念。

第一,编码格式不等于文件扩展名。AAC 是编码格式,M4A 是常见容器文件扩展名;Opus 是编码格式,Ogg 和 WebM 可以承载 Opus 音频。不能通过修改扩展名完成编码转换。

第二,较低码率不必然代表较差的音质。Opus 在不少低码率场景中具有良好的编码效率,但实际质量仍取决于输入内容、编码参数和编码器实现。比较时应让测试者进行音量匹配和盲听,避免被音量差异误导。

第三,音频能成功编码不等于能在目标播放器播放。MP4 文件能否播放,还取决于容器支持、音频 Profile、视频编码、操作系统和设备解码能力。

用实际测试确定最终配置

对同一段音源分别生成 AAC-LC 128 kbps、Opus 96 kbps 两个版本,保留原始 WAV 作为参考,然后进行以下验证:

  1. 使用目标手机、桌面浏览器和播放 SDK 打开文件,记录是否能正常加载、播放和拖动进度。
  2. 使用耳机对人声齿音、鼓点瞬态、复杂乐器和安静尾音进行音量匹配的盲听比较。
  3. 在实时通信测试环境中分别模拟 1%、3%、5% 的随机丢包,记录语音中断、卡顿和单向延迟。此项主要用于评价传输系统,不能简单归因于音频编码器。
  4. 记录输出文件大小、测得的平均码率和编码耗时,使用相同设备与原始文件重复测试。

验收时可以设置明确的工程门槛:目标终端播放成功率达到 100%,普通视频音频主观试听没有明显失真,实时语音在规定弱网条件下仍可理解且满足产品规定的延迟预算。实际门槛应由业务和测试样本确定。

对于需要广泛兼容的 MP4 点播与常规视频直播,优先用 AAC-LC 建立基线;对于 WebRTC 语音和受控客户端的低延迟音乐传输,优先测试 Opus。最终方案应以真实设备兼容性、盲听质量和端到端延迟测试结果为依据,而不是仅凭编码名称判断。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

比较 AAC 与 Opus 的音频场景

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通