为什么视频聊天应用程序中的音乐声音比语音声音差这么多？

Question

我的问题是，在使用 Skype、FaceTime、Facebook Messenger 等视频聊天应用时，人声和乐器（例如钢琴）的音质存在巨大差异。即使在最佳情况下，当连接良好且图像和音频质量足以进行通信时，音乐声音传输时也会出现巨大失真，效果从听起来像“水下”到极具打击感，更不用说延迟了。有什么办法可以解决这个问题吗？

Answer 1

互联网通信中使用的许多编解码器（例如 GSM 或 G.729 等音频压缩算法）都是针对语音而非音乐而设计的。它们可能基于人类声道模型（鼻腔、口腔、咽、喉、气管、软腭、舌头）。这种专门化可以实现高压缩比（= 低带宽使用）和相对较好的语音质量，但在处理其他声音时可能会产生可怕的效果。

另一个可能造成问题的是语音和（大概是）安静的背景音乐之间的音量差异。这种背景音乐可能被视为噪音，并通过降噪滤波器过滤掉或失真，或通过语音活动检测算法部分切断，该算法可以在信号低于特定水平时停止传输，或者发送所谓的“舒适噪音”——同样，以尽量减少使用的带宽。

Answer 2

如果你想要一款既有声音又有音乐效果的产品，可以尝试一下OPUS 编解码器。并非所有 VoIP 客户端都支持它，但由于其卓越的质量与带宽需求，如今它正迅速成为 VoIP 中最重要的编解码器。

Answer 3

Zoom 似乎是唯一一个可以选择不压缩声音的平台。这绝对是处理音乐信号的唯一方法。例如，这对于音乐课来说至关重要。