一、先搞懂核心底层：语音原始数据是什么？

人声 → 麦克风 →模拟电压→ADC 采样→ 变成PCM 原始数据流所有语音格式，本质都是打包 / 压缩后的 PCM。

关键基础参数（所有格式都绕不开）：

1. 采样率：8k/16k/44.1kHz（语音常用8000、16000）
2. 位深：8bit/16bit/24bit（语音标配16bit）
3. 声道：单声道 Mono / 立体声 Stereo（语音几乎都是单声道）
4. 字节序：大端 / 小端（嵌入式多用小端）

二、两大类：裸流格式+封装格式

1. 裸流格式（纯 PCM，无文件头、无任何封装）

就是纯音频原始采样数据，直接存二进制，没有头信息。

① PCM

• 特点：无表头、无压缩、原汁原味
• 结构：连续的16bit 采样点挨个排列
• 优点：解析最快、CPU 占用最低、嵌入式最常用
• 缺点：必须外部记住采样率 / 位深 / 声道，不然打不开
• 用途：树莓派 / RK3568/3588实时语音算法、AI 模型输入、底层传输

② RAW

和 PCM 基本等价，行业习惯叫法：语音裸流常叫 RAW.raw= 就是 PCM 裸数据

举例：16k、16bit、单声道 PCM，就是工业语音最通用裸格式。

2. 带封装格式（有文件头，自带参数信息）

文件开头有头部，记录采样率、位深、时长等，播放器直接能识别。

① WAV（最常用、语音开发标配）

• 本质：WAV 头+ PCM 裸流
• 无压缩、无损
• 优点：通用、所有设备 / 算法都支持、不用记参数
• 用途：录音保存、语音数据集、调试、Python/PyAudio 默认存 WAV

② MP3

• 有损压缩，体积小
• 牺牲音质换压缩比
• 不适合语音模型训练、AI 识别（有损会破坏特征）

③ AAC

• 比 MP3 压缩更好，手机 / 物联网常用
• 同样有损，不适合语音算法原始数据

④ FLAC

• 无损压缩，保留全部语音特征
• 体积比 WAV 小，适合存档、语音数据集备份

三、语音专用压缩格式（嵌入式 IoT 最爱）

针对人声窄带 300Hz~3.4kHz专门优化，压缩率极高。

1. AMR-NB / AMR-WB

   • 手机通话、对讲机、低带宽语音标配
   • NB：8k 窄带；WB：16k 宽带语音
   • 极小体积，适合 4G / 物联网传输

2. OPUS

   • 目前最强语音格式
   • 低延迟、高压缩、音质好、支持 8k~48k 自适应
   • 微信语音、会议系统、远程对讲、AI 语音对讲首选
   • 树莓派 / RK 开发板做实时对讲必用

四、格式对比速查表（语音场景专用）

五、嵌入式开发板怎么选格式（树莓派 4B/5、RK3568/3588）

1. 实时采集、送入 AI 模型 / VAD→ 用16k 16bit 单声道 PCM
2. 调试保存、电脑直接播放→ 用WAV
3. 网络传输、对讲、低带宽→ 用OPUS
4. 超低功耗物联网设备→ 用AMR

六、补充：PCM 和 WAV 关系一句话

WAV = 头部信息 + PCM 裸数据把 WAV 前面 44 字节文件头去掉，剩下的就是纯 PCM 裸流。