[具身智能-632]：语音数据存储格式，一口气讲透（通俗 + 工程版）
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）：
- 采样率：8k/16k/44.1kHz（语音常用8000、16000）
- 位深：8bit/16bit/24bit（语音标配16bit）
- 声道：单声道 Mono / 立体声 Stereo（语音几乎都是单声道）
- 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。
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
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）
| 格式 | 是否压缩 | 有无文件头 | 适用场景 |
|---|---|---|---|
| PCM/RAW | 无 | 无 | 底层采集、AI 输入、实时算法 |
| WAV | 无 | 有 | 调试录音、数据集、通用保存 |
| OPUS | 有损高压缩 | 有 | 实时对讲、低带宽传输 |
| AMR | 有损高压缩 | 有 | 物联网、通话设备 |
| MP3/AAC | 有损 | 有 | 听歌，不适合语音 AI |
| FLAC | 无损压缩 | 有 | 语音数据存档 |
五、嵌入式开发板怎么选格式（树莓派 4B/5、RK3568/3588）
- 实时采集、送入 AI 模型 / VAD→ 用16k 16bit 单声道 PCM
- 调试保存、电脑直接播放→ 用WAV
- 网络传输、对讲、低带宽→ 用OPUS
- 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。