去年笔者写过一篇《iMP3 adb玩音频(1)：音质名词的解释》，虽然使用尽可能通俗的语言去描述，但文字形式的表达多少还是枯燥与不易理解。后来笔者也在思考，认为在很多方面，声音与图像的道理是相似的，所以为何不用更直观的图像概念去表示音频概念呢？

　　视觉与听觉都是我们感知事物的重要方式，但中国有句俗话叫“耳听为虚眼见为实”，大概就是说我们更倚重眼睛看到的事物，并且对视觉体验的要求往往要比听觉体验更高，比如白纸黑字总要比口头约定更有效力，比如我们挑选手机，手机屏幕的尺寸、分辨率、画质都是重中之重，但手机的音质却鲜有关注，再比如花1万块买个单反相机与花1万块买个耳机，在大众看来前者是有追求、有品味，而后者则是神经病、败家子。

　　于是话题也就来了，既然对于照片、影像我们的感触更直接，判断的标准也更客观更统一，那么如果用画质的概念去形容音质，通过一些照片去比较，就可以更容易的理解某某音质名词究竟是怎么的含义，所以也就有了这篇文章。

三频

　　三频是指低频、中频、高频，有的器材低音很震撼，大概可以说它低频好；有些器材听起来很亮丽，从某种程度上也可以说是高频好。从真实的角度说三频分布均匀是最好的，但有些器材为了一些特殊听感与个性的需要，可能会刻意增强或削弱某一频段的表现，比如让低音残废或者高频暗淡。正如上面图片中锐腾 塞克斯风的黑、白、棕色三对耳塞，就是在三频的组成比例上下文章，有的注重均衡，有的注重低频，有的注重高频，于是造成了声音上的较大区别。

显示屏幕的色域

两块屏幕两种不同的颜色表现

　　在图像中，三原色大概相当于声音里的三频，色域范围大概相当于声音里的频率响应范围，所以显示屏幕的色域越广越好，而耳机、音箱同样是频率响应范围越广越优秀。在显示器的评测文章中我们基本都会看到有色域测试，消费级显示器的色域表现通常不是很好，颜色有偏颇，例如有些显示器红色表现不够好，有些绿色表现不够好，而我们看到的整体画面就会偏色，比如偏黄、偏蓝等等。音频器材也是同样的道理，比如一款正规的耳机往往会有频率响应曲线图，三频的多少分布上总会有所不同。但实际要求上却也有不同，比如一个三频不均衡的耳机，依然可能是一个声音好听的耳机。但是显示屏幕如果色彩有偏差，那应该不会是一个好的显示屏幕。

结像

　　不少耳机发烧友的听感文章里都会有结像这个词语，而结像是什么，是个很抽象、不容易理解的概念。如果用相机、照片的概念来表述，你可以把它理解为对焦，结像好的声音就相当于一张对焦清晰的照片。

对焦失败（结像不好）

对焦成功（结像好）

　　比如上面两张照片，一张是对焦失败的，一张是对焦成功的，拍摄的主体看上去一个模糊一个清晰。另外唠叨一句，这两张可不是手抖模糊，而是魅族MX4手机相机优化很糟糕，经常出现不会对焦与跑焦的情况，所以拍出来的大部分都是废片。

　　而结像好与坏，就与上面的两张照片类似，一首音乐如果你用某套器材听起来声音模糊、发虚，形体感不强，那就是结像不好，就像那张对焦失败的照片。所以对焦好坏对于照片还是至关重要，没对好焦的照片就是一张废片；而结像不够好的音频器材，也是废材，都没有什么卵用。

解析

高解析

低解析

　　解析比较容易理解一种素质，就是指声音的清晰度、对细节信息的还原能力，一方面与录音的质量、音乐文件的无损程度有关，一方面也与播放器、耳机的好坏有关系。在听较好质量的音乐时，耳机、播放器的好坏之分，很大的已经也是它的解析强弱。在图像中也有解析这个概念，意思也很相近，就是图片的清晰度、细节表现，它的好坏同样与图片本身的质量，以及显示屏幕的好坏有关系。

原图

　　锐化带来的高解析错觉，画面生硬，有细节损失

人声

适合人声的器材应该类似这张照片，适当的突出人物而弱化背景

　　大多数人听音乐，听的都是流行歌曲，所以人声表现好坏，往往关系到一款播放器、耳机的评价。怎么算人声好，一般说来大概就是人声距离近、清晰，如果再加一些音染就更好了，但是人声距离近、人声突出，也就意味着背景音乐会相对不突出，或者说容易被耳朵忽略。如果用照片的概念做比喻的话，也就是人像照片，一般都会用大光圈，把背景虚化掉，这样人物就会显得显眼。而音染，就相当于照片中的PS，比如磨皮呀、美白呀、瘦脸呀，所以听歌曲听到的人声，往往比歌手真人原汁原味出来的好听很多。同理那些美妙绝伦的人像题材照片，照片中人往往也比真人看起来漂亮的多。

　　无论是流行歌曲，还是人像题材的影视作品，很多时候追求的并不是100%的真实，而是加入了很多修饰、润色，一种高于现实的美。并且也正得益于过多的美化处理，它们对器材，比如耳机、音箱，或者是显示图像的显示屏幕的性能要求并不高，我们用普通的耳机听歌曲一样好听，用普通显示器显示美女照片一样美丽。相反，有时候太好的耳机听流行歌曲，因为解析过高、信息量太大，反而感觉出来录音中的不足，并听到很多影响人声的额外声音，反而不那么好听。

信息量与声场

　　信息量从字面上很容易理解，就是所包含的信息的多少，但是在音质描述里，也比较容易与解析混淆。它究竟与解析有怎么样的区别，下面笔者用2张图来表现一下。

有一定景深，画面信息量较多

浅景深，画面信息量较少

　　这两张照片拍摄的是同样的内容情景，但是景深不一样，上面的一张景深深一些，所以后面盒子上的文字大致还是能辨认出来。下面的照片景深浅，所以虚化的比较严重，后面盒子的文字完全无法辨别。如果抛开照片的拍摄意图、美感，单纯的以这两张照片所记录的信息量多少来说，无疑是上面那张景深深的照片信息更多，照片文件的大小也是深景深的那张大一些。

　　而解析呢，两张照片的主题都是小房子，小房子前面的部分也都是清晰的，所以就不能说景深浅的照片没有景深深的照片解析高，两张应该是同样细节表现力，解析是相同水平。但由于拍摄参数的不同，整张照片内容的信息量是不同的，这样就理解了吧。

　　还有，照片中的景深，也有些类似音质里里面声场的纵深，纵深不够好，声音听起来就比较平面，纵深好的话，那么听起来就显得深邃，层次感强。但是和照片景深不同的是，音频里面基本都是纵深越深越好。

　　另外，照片的信息量的大小，也不只是景深，还有分辨率、颜色等诸多方面。同样声音的信息量大小，也与音乐文件的无损程度，以及三频的多少有关系。比如某些耳机低频残缺，虽然对某一细节刻画很清晰，让人感觉解析很高，但从完整度上说音乐的信息是缺失的，也就是信息量不足。

　　最后，信息量是越大越好吗？笔者认为无论是音乐还是照片，都要根据具体情况来看。比如风景照片，有时候为了表现完整的大自然之美，那就需要景深，需要大的信息量，才能把景色全部记录下来。而人像作品，很多时候为了突出人，需要浅景深，前后的信息都虚化掉。而音乐中，像古典音乐、交响乐，需要的是真实重现，所以需要各种信息都要记录下来，这就需要播放器、耳机等音频器材的信息量，要求很高的硬素质，越高端的器材也就表现越好。而流行音乐，本身不需要那么多的信息量，甚至信息量过大还可能会出现顾此失彼，注意力不能很好的集中在人声上面，从而造成听觉疲劳等问题。

动态

　　动态又是个很不好理解的词语，就算对定义大致理解，但是实际听器材听音乐，依然可能把握不好究竟怎么是动态好，怎么是动态不好。而如果用图像来表达的话，也许能更好把握一些。

动态可以看成是灰阶、宽容度

一张平板电脑实拍照片

　　图像里也有动态这个概念，用来表示光线明暗的变化范围，也可以说是灰阶、宽容度什么的。比如上面的那张照片，是个平板电脑，当时笔者用相机拍摄后，在家里的一个显示器看的时候，下面屏幕与边框的界限分不清，似乎是平稳过度融为一体的。后来换了一台好一些的显示器，下部屏幕与边框的界限很明显可以看出来。也就是说，最初的那台显示器的动态很差，照片原本的信息无法很好的表现出来，或者是需要把显示器亮度调到很高时才能表现出来。

　　同理，我们用手机、相机拍夜景的时候，也有动态，或者是宽容度这个概念。有的机器拍出来的夜景，暗部是死黑一片，即便后期PS处理增加曝光，暗部依然细节很少看不到什么内容。而好的机器拍出来的照片，暗部的内容是可以保留下来的，即便原始照片直接看看不太出来，但经过曝光处理，也是可以还原出来的。另外，现在大多数相机、手机中开始加入了HDR高动态范围功能，意义就在于保持整体曝光适合的前提下，增强暗部的细节与内容。

　　音质中的动态，是声音响度的范围，与图像中的灰阶的级数范围很类似。用动态不够好的播放器、耳机，原本音乐有的内容感觉不到，或者说是正常音量下感觉不到，必须开大音量才能感觉到，但此时其他的声音就会变的太大而让整首音乐无法正常聆听，那就是动态不够好。而动态好的耳机，正常音量下该有的内容都可以被还原出来，都可以感受到。

　　不过总的来说，无论是照片还是音乐，动态不够好其实最主要是拍摄/录制设备不够出色，无法很好的记录下来，比如我们眼睛看到的夜景，和相机拍摄出来的夜景是非常不一样的，就算是很高端的相机也是如此，相机拍摄出来的暗部是真暗，亮的部分是真亮，成像性能远不如人眼。录音机也是如此，录制出来的声音与真实自然界的声音会有差距，所以一些包含高动态信息的作品，因为记录的时候不够完美，所以才要借助足够好的显示屏幕，或者音箱、耳机器材还原出来。

　　另外，动态是不是听起来有些像是解析，虽然不能说动态和解析没有联系，但还是有些区别的。我们可以理解为正常亮度、正常音量下的细节表现能力是解析，比如我们看到的大多数图像、照片都不会出现极暗的部分还包含很多内容与细节的情况，所以我们不能通过它们看出来显示器动态性能的好坏，但是亮度部分的细节我们却可以看出，解析好坏可以判断出来。同理，大多数音乐，特别是流行音乐，歌曲中各种声音的响度都是差不多的，不会出现极暗的部分好包含很多声音，所以也不需要耳机、播放器的动态性能多么好，因此听流行歌曲也基本无法判断出器材动态的好坏，但洪亮声音部分的细节表现，解析好坏我们依然可以判断出来。而要求真实还原，情景复杂的古典音乐则不同，它们就对动态要求就很高，好的耳机的音质优势就能表现出来，而且听上去的效果，真的很不一样的。

瞬态

　　音质名词里的瞬态可以理解为声音的速度、爆发力。音乐本身就是不断在变化的，而在需要变化时，如果可以马上做出反应，那么就是瞬态好。瞬态好的音频器材听起来会自然、真实，不好的就会拖泥带水，甚至音色都有些变味。

　　用图像去理解的话，可以想象成响应速度。响应速度是显示器、电视机的一个重要参数，一般用毫秒作为单位。响应速度慢的显示器，屏幕的变化速度跟不上图像需要的速度变化，就会出现拖影，比如用鼠标拖动一个窗口快速拖动，有些显示器就会出现拖影，看视频、玩游戏也一样容易出现拖影。

　　对于显示器来说，响应速度越快越好，因为很快响应速度的显示器，一样可以显示动作缓慢的视频内容，但是响应速度慢的显示器去显示快的内容就会拖影。音频里的瞬态也是如此，瞬态性能越强越好，越能应付各种类型的音乐，比如瞬态好的耳机可以很好的表达舒缓的音乐，但突如其来的响雷，如果瞬态不够好的话，那么就表现不出来晴天霹雳般的惊悚。

通透

　　通透是非常综合的一项素质，简单的说通透性越好，声音越真实，让人感觉不到你是在听耳机，所以真正的通透的耳机，所有方面的素质都应该很出色。但是通透一般我们也容易理解成声音的透彻度，不闷不是雾蒙蒙的就是通透。

原图

处理后的照片

　　还是用两张照片做个例子，上面的照片是原始照片，如果不对比的话，还是蛮清晰的，但是和下面那张处理过的照片对比的话，就会觉得它是雾蒙蒙的。所以我们可以认为下面处理过的照片更通透。但从另一方面说，处理过的照片有些做作，暗部与亮部的细节有明显损失，所以若以真实性为标准的话，第一张照片的通透性要好一些，虽然它的确有些雾蒙蒙的，但细节保留更多，看上去也相对自然，更接近真实。

声音风格、冷暖、各种味、各种感

　　诸如某两个耳机声音风格不同，或者模拟味、数码味、偏冷、甜美感什么的词语描述，经常能在评测、听感分享里见到。一般来说这些词语的主观偏好因素比较大，但这些词语其实也是声音素质综合起来的表现，比如说AKG K550线条感强、立体感好，但其实说白了就是低音残废，素质上有所不足才造成了这种声音。但是，这样残缺的音质，却也可以得到一部分用户的喜欢，所以可以说风格、听感无关乎音质好坏，而是一种主观偏好。

同一地点不同手机拍摄的照片1（照片来自Q群网友）

同一地点不同手机拍摄的照片2（照片来自Q群网友）

　　用摄影来做类比的话，就如同不同品牌相机、手机，同一时间同一地点拍摄同样的内容时，最后的照片看起来多少是有些不同的，比如有人说尼康的相机锐度高、色彩艳丽，适合拍风景，有人说佳能的相机柔和、色彩平淡，适合拍人像，说的也是风格。上面的两张手机拍摄照片就是如此，一眼看上去就有非常不同的色彩风格差异。

　　由于风格、听感这种东西主观性较强，所以无法绝对的评说谁好谁坏，所以在看评测一类的文章时，除去客观数据的测试外，风格这东西就要自己斟酌了。相机还好说，因为一般都会有照片样张，很直接可以看出来是不是自己喜欢的类型。但音频器材就不同，只能用文字描述，抛开作者是否说了真话这一因素，用没有标准的主观看法去衡量、界定，本身也是不靠谱的，比如一个播放器有人觉得是暖暖的、充满模拟味的，但换个人听也就会说是数码味冷声。

写在最后

　　虽然不是上一次所说的所有音质名词都找到了合适的图片、概念去解释，但像结像、动态、瞬态这些相对不好理解的音质名词，还是找到了直观、易懂的方式去解决，由此也可以看到视频与音频的确有不少共通的地方。但是相对来说，人的视觉更发达，我们也更倚重眼睛看到的事物，所以不管是相机，还是手机、电视机屏幕等等，却也不会像音频器材那样不透明，在利益驱使与YY中可以产生各种玄学。