家里听音环境的信号路径笔记

因为发现自己听 Apple Music 的环境「设置好像不太对」，就借这个机会把 数字音频到底经过哪些环节、又在哪里被改写，整理成了这篇笔记。

0. 前提：我的环境

先确认一下自己的配置。后面所有说明都以此为基础。

各器材的定位

Steinberg UR22mk2 —— 音频接口 Steinberg 是雅马哈旗下的音频设备与软件厂商（Cubase 的开发商）。 UR22mk2 是他家入门级的 USB 音频接口， 本来是录音用的器材，但拆开来看，其实就是把

• DAC（数模转换器）
• 耳放
• 线路输出

塞进一个盒子里而已。它的底子比 PC 内置声卡好， 所以只拿来播放也有意义。最高支持 24bit/192kHz。

在 Windows 上使用需要专用驱动 Yamaha Steinberg USB Driver， 后面要讲的两个设置，其中一个就握在它手里。

Yamaha HS5 —— 监听音箱 内置功放（有源监听）。直接从 UR22mk2 的 MAIN OUT 接过来。 偏平直，低频克制。设计目标不是「让你听得舒服」，而是「让毛病暴露出来」。

Sony MDR-900ST —— 监听耳机 日本录音棚的事实标准。63Ω。 4〜8kHz 有明显凸起，同样是挑毛病取向的声音。

→ HS5 和 900ST 都属于「监听系」。 　 也就是说，这套环境从一开始就是「精度优先、愉悦性靠后」的性格。 　 觉得声音硬、听着累，那既不是坏了也不是设置错了，本来就是这么设计的。

1. 数字音频基础

声音是空气压力的变化（连续的模拟波形）。 为了让计算机处理它，就按固定间隔测量波形的高度，变成一串数值。

• 采样率 —— 每秒测量多少次。单位 Hz
  • 44,100Hz（CD 规格）／48,000Hz（影视）／96kHz／192kHz
• 位深 —— 一次测量值能分成多少级
  • 16bit = 65,536 级／24bit = 约 1,677 万级

用数组来比喻，采样率是元素个数，位深是单个元素类型的精度。

为什么是 44.1kHz

采样定理（奈奎斯特–香农）： 只能准确记录低于采样率一半的频率。

人耳可听上限约 20kHz → 乘以 2 需要 40kHz → 再加上抗混叠滤波器的余量 → 44.1kHz。

也就是说，44.1kHz 不是妥协值，而是理论上足以记录可听频段的数值。 这点很重要，因为在这个领域，「数字越大越好」的直觉并不成立。

2. 我这里的信号路径

Apple Music
      │  ← 音源本身的采样率（例：44.1kHz）
      ▼
Windows 音频混音器
      │  ← 强制转换为「默认格式」的采样率
      ▼
Yamaha Steinberg USB Driver
      │  ← 可能再次被转换为驱动设置的采样率
      ▼
UR22mk2 内部的 DAC
      │  ← 数字 → 模拟
      ▼
HS5 / 900ST

有两处彼此独立的设置

问题就出在这里。同一个叫「采样率」的设置项，存在于两个不同的地方。

这两个值不一致时，就会发生多余的采样率转换（SRC）。

3. 为什么要避免转换

SRC 是从已有的采样点出发，用插值造出本来不存在的中间点的处理。

44.1kHz → 48kHz 不是整数比（147:160）， 所以原有的采样点无法原样保留，全部会被重新计算。

如果 44.1 → 48 → 44.1 来回走一趟，这个处理就要跑两次。 劣化本身极其轻微。问题在于这么做什么好处都得不到。

在数字域里，「什么都不做」才是最高音质。 我们要追求的状态叫 bit-perfect（原始字节流原封不动地送到 DAC）。

4. 独占模式，以及 Apple Music 的限制

有一些机制可以绕开操作系统的混音器，让应用直接输出到设备。

※ ASIO 是 Steinberg 的规格并非巧合，UR22mk2 的驱动当然支持 ASIO。 　 但支持的是驱动这一侧，用不用则取决于应用。

这次的关键就在这里

Apple Music（Windows 版）既不能用 ASIO，也不能用 WASAPI 独占。

→ 永远是共享模式。经由混音器无法避免。

→ 因此对策不是「绕过去」，而是 　 把各级的采样率统一，做出实际上不发生转换的状态。

参考：其他环境的行为

• foobar2000 / JRiver → 支持 ASIO 和 WASAPI 独占，逐曲自动跟随
• Apple Music（macOS）→ 需要手动改 Audio MIDI 设置
• iOS → 系统自动跟随曲目的采样率（最省心）

5. Apple Music 的音质层级

这次首先查出来的，是 Lossless audio 处于 Off 状态。 也就是说我一直在听 AAC 256kbps。

• ALAC = Apple Lossless Audio Codec。无损压缩（和 ZIP 是一个思路）。 解压后的数据与原始数据逐比特完全一致
• 曲库大部分是 16bit/44.1kHz。Hi-Res 音源只是一部分
• 「Hi-Res 需要外置 DAC」这个提示 → UR22mk2 就是那个外置 DAC。 那是给用蓝牙或内置扬声器的人看的套话，直接往下走就行

6. 实际做的设置

方针：固定 44.1kHz

曲库大部分是 44.1kHz，对齐到这里，绝大多数曲子就是零转换。

如果固定成 96kHz，44.1kHz 的曲子就全部会被升采样。 升采样不会增加信息（只是插值造出不存在的点）， 理论上没有任何好处。

步骤

1. Yamaha Steinberg USB Driver 控制面板 → Sample Rate = 44.1kHz
2. Windows 声音设置 → UR22mk2 属性 → 高级 → 默认格式 = 24bit, 44100Hz
3. 把「音频增强」「空间音效」关掉
4. 把 Apple Music 的均衡器和音量校验（Sound Check）关掉
5. Windows 音量固定 100%。音量用 UR22mk2 的旋钮调

第 5 条的理由

数字音量调节会削掉位深。 调到 50% ≒ 丢掉约 1bit 的信息。 UR22mk2 的旋钮在模拟级，所以数字数据毫发无损。

UR22mk2 特有的注意点

• 把 MIX 旋钮打到 DAW 一侧到底。偏向 INPUT 的话，输入端子的静音噪声会混进来
• GAIN 关小（只做播放的话用不到输入）
• 接 HS5 用 MAIN OUT（TRS 平衡）。HS5 那边的 LEVEL 设在 -10dB 前后， 音量调节统一交给 UR22mk2 的 OUTPUT 旋钮

7. 效果的优先级（自省）

把这套环境里对音质的贡献度排个序，实际上是这样的。

1. HS5 的摆位 —— 离墙 20〜30cm、高音单元与耳朵齐高、垫脚
2. 房间声学 —— 反射、驻波
3. 900ST 耳罩的状态 —— 塌了之后高频扎耳、低频泄漏。换一副 2 千日元左右
4. 音源的品质 —— AAC 256k 还是 Lossless ← 这次发现是 Off，已修正
5. 采样率设置 ← 这次调查的内容
6. DAC・功放的品牌差异

越靠前越具支配性，差距是数量级的。

把第 5 条弄对，是为了「不把不正确的状态放着不管」， 而不是指望它带来戏剧性的变化。 连 AAC 256kbps 和 Lossless 的差别，能在这套环境里分辨出来就算不错了。

在添置器材之前，先把 1〜3 做好。 这就是结论。

8. 术语表

补充：用工程师的说法重述

理一理，做的事情其实是这样。

• 解压 ALAC 文件 → PCM 采样序列（字节流）
• 让它不经任何修改地抵达 UR22mk2 的 DAC，这个状态就是「bit-perfect」
• SRC、数字音量调节、EQ、效果器，都是改写这段字节流的处理
• 目标是「读出来的字节流，原样递过去」

这和透传（pass-through）一条流时， 不要中间夹一层多余的编码转换是同一回事。 Windows 的混音器是只要不显式绕开就一定会介入的中间层， 而从 Apple Music 又没法绕开它。 所以这次的对策就是「统一输入输出的格式，让它无从介入」。