（本文部分观点已经在在各种旧文中发表过，如果有既视感为正常现象。）

Hi-Res音频（相比CD）是否有意义？首先要客观分析HR到底改变了什么。

Remastering / remix

之前提过，很多时候Hi-Res最大的意义并不在于“High”本身，而是给了厂牌一次re-release的机会。这本质上和是否HR是没有任何关系的，唱片公司如果愿意，完全可以发行remastered的CD（事实上，很多精选集CD里的旧曲都进行了remaster）。注意这里的remastering是指狭义的、即混音有明显的变化的情况，从物理角度来说就是波形或频谱有明显的变化，不包括单纯的音量、动态范围变化（compress），那个下面专门叙述。

当然，重新混音并不是单纯的技术问题，而且还有艺术发挥的成分，所以这个主观性就很大了。很多时候可能重混后的版本不如原版（个人喜好）。随便举个例子，Lantis的HR版的『U・N・M・E・I ライブ』和CD版混音有较为明显的区别，HR版声场重新调整过，但是我个人觉得人声偏小，更喜好CD版。另外就是上次说过的「THE IDOLM@STER MILLION THE@TER GENERATION 11 UNION!!」这张碟也有类似区别。

对于新发行的音乐，一般CD版和HR版不会也不应该有混音（狭义）的区别——几乎不存在某波形HR能发挥、CD发挥不出来的情形。如果厂商这么做，那只能认为是为了商业考虑故意劣化CD版，而不是什么技术限制。

高采样率

一般HR都是从CD的44100Hz提升到96000Hz。由于采样定理和人耳的频率听觉极限客观摆在那里，可以自信地说，高采样率应该是HR最无用的提升没有之一。

硬要说的话，有个小问题就是现在音乐大多在制作过程中使用96000Hz（或者48000Hz？），而CD的采样率由于历史原因是44100这个不能整除的数字，所以resample可能会有时域上的aliasing等问题。不过，有大量高质量的resampling算法的存在，这个问题在主观听感上的影响可以忽略不计。

高量化精度

CD的量化精度（位深）是16bit，HR一般提升到24bit或者32bit。虽然从听感上来说这个到底能否能产生肉耳可辨的区别也很难讲，但是考虑到类比图像的话，8bit/channel这个在当年被普遍认为绰绰有余的位深现在肉眼可见的捉襟见肘（更不要提当年为了work around这个位深在深色感知灰度不足的问题，搞出的遗毒万年的gamma空间，这里按下不表），这里我们还是保守点说高位深还是大概有用的。而且高量化精度最大的优点就是给响度/振幅调整留下了足够的空间——这点在下面详述。

动态范围

前面铺垫了这么多，重头戏其实就是想说这个。CD明明是一个各种指标上都优越于黑胶的介质，为什么许多人却在追求70、80年代的老唱片，而且两者确实有明显的听感区别？一言以蔽之：万恶的响度战争。

在追求“越来越响”的前提下，导致音乐的平均音量（我们用一个简单的客观指标：RMS）不断上升，而波形的振幅极限则是固定的0 dBFS，所以能做的只有不断压缩动态范围，使得音乐越来越平（再多不再展开，参见旧文）。

响度战争在进入21世纪之后已经基本进入一个平稳期，基本商业作品（指我一般听的日本ACG）稳定在单边动态范围（RMS->Peak）9-11dB这个数字上。

眼尖的可以发现，响度战争这个问题，和CD vs HR又是没有直接关系的：你完全可以塞高动态范围（因而平均音量也要小很多）的母带进CD（严谨地说，高动态范围配合高量化精度当然最好，但是CD的位深一般也绰绰有余了），只是厂商为了听起来够响不这么做而已。

幸好，HR一般是面向所谓audiophile的，所以比较重视这个问题，不会过度压缩动态范围。而这，也几乎是任何新发行音乐唯一值得追求HR的原因。

反过来讲，如果你发行的HR和CD完全一样的动态范围、更没有mastering上的区别，仅仅是数字96/24好看，那真的有意义么？请容我大言不惭地说一句，没有！

这里让我们有请Lantis选手：

不用多说什么了吧。下面两首是作为对比的哥伦比亚的最近发行的的HR。HR和CD完全一样的动态范围就不提了，更可怕的是烂铁的CD们的RMS已经拉到了-8.x这个水平，还剩多少动态范围可想而知了。

当然这个问题不是只有烂铁一家有，只不过一般没这么夸张。看看もちょ最近几张CD（这里同时列出单曲版和专辑版，因为部分有变化）：

もちょ早期几张也存在CD版和HR版动态范围完全一样的问题，不过最近发行的至少能多出2dB左右。另外比较搞笑的是同样是音雨人，制作还有细微的差别，もちょ这里可以看到HR版一般有很多余（正确制作的音频有没有headroom，并没有任何区别）的-0.2dB的headroom，而ナンス的碟则基本全都是CD、HR无论RMS/Peak都完全一样的。手头的CD没抓只存了HR版，就不贴数据了。

不过，不同动态范围听起来区别大不大？这个和个人听力、设备、以及更重要的音乐类型还是关系比较大的（例如交响乐一般很需要大动态），我一般听听日呆流行也听不太出区别（事实上，为了车上放歌方便，我放手机的音乐全都是手动压缩过的动态范围均衡过音量的，我有罪）。但这至少是一个实打实、肉眼可见（笑）的客观的区别。

外一则：Python的音频库

在写DR计算的脚本时，发现Python的音频处理库中，似乎并没有一个明显的first choice。当然，数学计算部分都是用Numpy做的，我这里需要的仅仅是一个解码read的库而已。

搜刮了一阵，大概有这么一下几个选择，这里简单介绍下区别：

def read_wavefile(f): 
    from scipy.io import wavfile
    samplerate, data = wavfile.read(f)
    return data, samplerate

最简单的scipy里的wavfile，基本不支持wave/PCM之外的任何类型。输出就是原始整型，取决于位深，int16或者32。注意输出顺序是采样率/值，我颠倒了下便于和别的几个一致。

def read_sf(f):
    import soundfile as sf
    return sf.read(f) 

SoundFile库。输出似乎永远是float64。支持的格式比上面多，但是不支持m4a（好像支持raw AAC？）。

def read_librosa(f, resampling=None):
    import librosa
    data, samplerate = librosa.load(f, sr=resampling, mono=False) #mono by default, resampling super slow
    data = np.transpose(data)
    return data, samplerate

librosa。其本质是调用SF（上述）或者audioread，所以支持的格式也有限。另外参见注释：默认是mono输出很迷惑，自带的resampling巨慢。值的矩阵要转置下和别的统一。好像永远是float32。

def read_pydub(f, normalized=True):
    import pydub
    a = pydub.AudioSegment.from_file(f)
    # a = a.set_frame_rate(44100)
    y = np.array(a.get_array_of_samples())
    if a.channels == 2:
        y = y.reshape((-1, 2))
    if normalized:
        if y.dtype == np.int16:
            power = 15 
        elif y.dtype == np.int32:
            power = 31
        else:
            raise Exception
        return np.float32(y) / 2**power, a.frame_rate # convert to float32 should be more than enough
    else:
        return y, a.frame_rate # y is same as PCM (int16 or 32)

pydub是我比较推荐使用的库了，他是调用FFMPEG来解码的，所以基本支持任何格式。可以通过set_frame_rate来resampling。唯一的问题就是他默认输出的格式和别人比较与众不同，所以要通过上面这一坨子来输出和别人一样的东西。

这里的normalized是指把PCM的整型normalize到[-1,1]的float，并不会改变振幅啦。因为我后面发现做数学计算的时候整型会比较烦，所以我直接在这里面转了float32。

题外话，int16转float [-1,1]无论是除以2^15还是2^15-1都会有小问题（前者会导致32767无法变成1，后者会导致-32768溢出，虽然业界惯例是前者），不是左右对称的辣鸡有符号整型真的超纠结……

另外一个巨坑是如何判断np.array的dtype，参见这个SO，辅助阅读这个。

最后前几天发现pydub有个bug：读取24bit的wav巨慢，比同样的FLAC慢几十倍，原因不明。