PCM、WAV、AMR 这三个格式，搞音频的人早晚得碰上
开头先扯两句：别被缩写吓住
说实话，我刚入行那会儿看到 PCM、WAV、AMR 这一串缩写，脑袋是嗡的。感觉都是「专业术语」，离自己特远。
后来真刀真枪剪了几年播客、抠过手机录音、折腾过通话类的东西，才发现这仨其实没那么玄乎——它们根本不是同一个层面的东西。很多人一上来就把它们当「三种音频格式」平着比，这就容易乱。
今天咱就按「从里到外」的顺序扒一遍：PCM 是那个最底层的 raw 数据，WAV 是给它套了个马甲的容器，AMR 则是完全另一条路——为打电话这种窄带宽场景专门磨出来的「瘦身怪」。
唠明白这层关系，你以后选格式就不会再抓瞎了。
一、PCM：所有音质的「祖宗」，也是最笨的那个
PCM，全称 Pulse Code Modulation，脉码调制。名字听着像通信原理课本里要考的重点，其实原理朴素得有点好笑。
你就想象：声音是条连续的波浪线（模拟信号），而 PCM 干的事儿就是——拿把刀，按固定间隔咔咔咔把这条线切成一段段，再每一段量一下高度，记成数字。
这三刀下来，就是 PCM 的三大步：
- 采样（Sampling）：每隔多久切一刀？这个「多久」就是采样频率
- 量化（Quantization）：量高度的时候精确到啥程度？这就是位深 / 量化精度
- 编码（Encoding）：把量出来的数存成二进制
做完这三点，模拟声音就变成了一堆数字，这就是 PCM 数据。
两个参数，记住就够吹牛了
采样率，单位 Hz，就是一秒钟切几刀。
- 22050Hz：语音级，能听清人说话
- 44100Hz：CD 标准，音乐就这个
- 48000Hz：视频和影视圈的标配
有个 Nyquist 定理（奈奎斯特，名字唬人），意思是想还原最高 f 的频率，采样率得至少是 2f。所以 CD 选 44.1k，是因为人耳上限差不多 20k，翻倍再多留点余量。这下你知道这数字是拍脑袋来的还是算出来的了吧。
位深，就是每个样本用几个 bit 记。
- 8bit：粗糙，早期电话、电子音那味儿
- 16bit：CD 级，动态范围够普通人晃悠了
- 24bit：录音棚混音用的，余地大，后期不容易爆
举个最经典的例子：CD 音质 = 44100Hz / 16bit / 双声道。拿这个当标尺，后面看啥格式心里都有数了。
PCM 的脾气：又纯又笨
纯在哪？它一滴水都没挤掉，就是原始数字音频本尊，无损到不能再无损，音质天花板就是它定义的。
笨在哪？它不压缩啊兄弟。算笔账：44100 × 16bit × 2 声道 ≈ 每秒 1411kbit，也就是一首歌 30MB 起步。你要是拿 PCM 存一集两小时播客，几个 G 就没了，硬盘当场哭给你看。
而且更坑的是：PCM 严格说不是「文件格式」，是一坨裸数据。你直接存成 .pcm，播放器压根不知道该按 44.1k 还是 48k 去读，经常放出来全是杂音或者快进一样的鬼声。所以才需要下面这位——WAV，给它把「说明书」钉上。
二、WAV：给 PCM 套了个壳，顺手成了行业老好人
WAV（Waveform Audio File Format），微软和 IBM 早年间搞的，基于 RIFF 这套文件结构（Resource Interchange File Format）。它的结构特好理解，就两坨：
[ 文件头 header ] ← 说明书
[ 数据块 data ] ← 真正的 PCM（或者别的编码）数据文件头里写满了「元数据」：采样率多少、位深几位、几个声道、数据块多长、用的是啥编码……播放器一读头，哦，44.1k、16bit、双声道，照这个节奏往下喂，声音就对了。
关键点：WAV ≠ 一定无损
这是个超级常见的误区，我得敲黑板。
WAV 是个容器，不是编码。它最常见的确是装着 PCM（那就是无损），但它也能塞进去压缩过的东西，比如某些 WAV 里装的是 ADPCM 或者别的。所以你看到 .wav 就喊「无损」，理论上不严谨——得看里头装的啥。
不过现实里嘛，99% 的 WAV 都是 PCM，大家默认它 = 无损，也懒得较真。
为啥它混得这么开？
两个字：通用。
从 Audition 到 Reaper，从 Premiere 到 FFmpeg，从 Windows 自带播放器到你的录音笔，几乎没谁不认 WAV。剪音频的人拿它当中转格式，录完先存 WAV，剪完再导 MP3 / FLAC 发出去——这条流水线几十年没怎么变过。
- 优点：无损音质顶；兼容性离谱，几乎不会「打不开」；头信息全，后期软件读着舒服
- 缺点：胖。跟 PCM 一样胖，因为里头装的本来就是那坨东西。所以 WAV 是「干活用的」，不是「发微信用的」
三、AMR：一条为「打电话」而生的窄路
前俩都是「保音质」路线，AMR 完全反过来——它只为语音、为省带宽活着。
AMR，Adaptive Multi-Rate，自适应多速率。这名字里的「自适应」是灵魂：它会盯着你说话的声音，动态调整码率。安静的时候、或者声音简单的时候，它狠狠压；突然细节多了，它往上抬一点。总之就是「能省则省，但别让你听不清」。
它当年是 3GPP 定给移动通信用的（GSM / WCDMA 那套），手机通话里那个语音编码，多半就是 AMR 或者它的亲戚。文件后缀 .amr，老安卓手机录音、微信早期语音、彩信里的声音，见过吧？
它到底有多省？
这么说吧，AMR 常见档位在 4.75kbps 到 12.2kbps 之间跳。你再回头看看 PCM 的 1411kbps——差了一百多倍。
所以一段 1 分钟的人声，AMR 可能就几十 KB，WAV 得十几 MB。这差距，就是它为啥能在 2G / 3G 那点破带宽里把话说明白。
代价？当然有，而且挺大
AMR 是有损里的有损，专门为「人声」调的算法，把音乐里的高频、和声细节全给扔了。你拿 AMR 存首歌试试，出来的感觉就是「电话里放歌」——糊、闷、没劲儿，乐器基本成一团。
所以它的定位特别清楚：
- 人声通话 / 录音备忘 / 极低带宽传输 → AMR 真香
- 音乐 / 后期 / 听歌 → 离它远点
还有个现实问题：现在桌面端的播放器和剪辑软件，对 AMR 的支持挺随缘。FFmpeg 能转，但有些软件直接拒绝导入。真拿到 amr 想剪，先转一道再说：
ffmpeg -i xx.amr xx.wav四、把仨放一起比一比，别再傻傻分不清
| PCM | WAV | AMR | |
|---|---|---|---|
| 是啥 | 裸数字音频数据（编码） | 装音频的文件容器 | 语音专用的压缩编码 |
| 有损/无损 | 无损 | 通常无损（看里头装啥） | 有损 |
| 体积 | 巨大 | 巨大 | 极小 |
| 音质 | 天花板 | 天花板（装 PCM 时） | 能听清人话就行 |
| 通用性 | 差，得配参数 | 极强 | 一般，偏移动端 |
| 典型场景 | 录音棚母带、底层开发 | 剪辑中转、采样素材 | 电话、手机录音、彩信 |
看出差别了吧？PCM 和 WAV 是一家子，一个裸奔一个穿衣服；AMR 是隔壁赛道来踢馆的。你拿 WAV 和 AMR 比音质，就像拿保温杯和矿泉水瓶比「谁更适合装开水」——场景都不一样嘛。
五、实际干活时，我咋选？
唠点能落地的。
录播客 / 配音 / 任何要后期的东西
录音软件里直接设成 44.1k / 16bit（或 24bit）WAV 录。别用 MP3 当素材，也别碰 AMR，那是给自己埋雷，剪三遍音质就糊成粥了。
中间存档
母带留 WAV 或 FLAC（FLAC 是无损压缩，省点空间，上一篇唠过），原始那份别删，以后想重剪还有底气。
发出去给人听
平台传 AAC，自己分发用 320k MP3。这时候再抱着 WAV 发，不是较真，是给自己找麻烦。
手机随手录个备忘、或者搞通话类应用
AMR 反而合理。小、快、省流量，人声够用。你要是做 App 开发，AMR-NB / AMR-WB 这俩档位还得再细看，窄带宽带区别挺大，别一概而论。
写代码 / 做音视频开发
你大概率会直接跟 PCM 打交道（比如 AudioTrack、Core Audio、FFmpeg 的 AV_SAMPLE_FMT_S16）。这时候采样率、位深、planar / interleaved 这些参数得门儿清，不然播出来就是杂音。WAV 头？自己写个 44 字节的 header 就能把 PCM 包成能播放的 wav，面试偶尔还考这玩意儿，挺值的练一遍。
最后
说到底，这三个格式背后其实是三条不同的取舍路线：
- PCM 说：我要最真，体积啥的滚一边去
- WAV 说：我要又真又能被所有软件认，胖就胖吧
- AMR 说：我只要人话能传过去，别的都砍
你搞清楚它们各自「忍痛放弃了什么」，就再也不会选错格式了。
哦对了，下次谁再跟你扯「WAV 一定比 MP3 音质好」，你可以淡定补一句：「得看 WAV 里装的啥编码。」——这句话出来，懂行的人会多看你一眼 😎
真要动手转，可以用 FreeConvertBox 的音频转换把录音在常见格式之间倒一遍、码率自己调；从视频里抽音轨则用视频转换。即开即用不留存，隐私安全有保障。
行了，我去把那段手机 amr 录音转成 wav 剪片子了，祝你们的文件都别再大得传不动 🫡
常见问题
WAV 就一定比 MP3 音质好吗？
不一定。WAV 是容器不是编码，最常见的情况是里面装 PCM，那就是无损；但它也能装 ADPCM 这类压缩编码。所以严谨说法是看 WAV 里装的是什么，不过现实中绝大多数 WAV 装的都是 PCM，默认当无损也没问题。
为什么直接存成 .pcm 的音频放出来是杂音？
因为 PCM 是一坨裸数据，没有文件头说明采样率、位深和声道数。播放器不知道该按 44.1k 还是 48k 去读，放出来就是杂音或者快进一样的鬼声。给它套上 WAV 的 44 字节文件头，写明参数，播放器就能正常读了。
AMR 和 MP3 比，谁更小？
AMR 小得多。常见档位在 4.75kbps 到 12.2kbps 之间自适应跳动，而 CD 级 PCM 每秒约 1411kbit，差一百多倍。一分钟人声 AMR 可能只要几十 KB，同样内容 WAV 要十几 MB。代价是它专为语音优化，存音乐会糊、闷、没细节。
拿到一个 amr 文件想剪辑，怎么办？
先转成 WAV 再剪。桌面端剪辑软件对 AMR 的支持很随缘，有些直接拒绝导入，用 FFmpeg 转一道最稳：ffmpeg -i xx.amr xx.wav。转成 WAV 之后，Audition、Reaper、Premiere 都能正常处理。
说明：部分素材由 AI 辅助生成。
