數字音頻工作站的時延問題及其應對□ 岳瑩瑩【摘 要】本文分析了數字音頻工作站系統時延形成的原因并提出了如何降低時延和避免其影響的方法。【關鍵詞】時延 延遲 監聽 采樣 緩沖數字音頻工作站（DAW, Audio Works ）是隨著數字音頻技術的發展和計算機技術的突飛猛進，將兩者相合的新型設備。顧名思義，它是一種主要用來處理、交換音頻信息的計算機系統。其出現，實現了廣播電視系統高質量的節目錄制和自動化播出，使廣播電臺、電視臺的音頻節目錄制、編輯和播出工作有了全面的改變，同時也創造了更加良好高效的工作環境。所以，數字音頻工作站的在廣播電視系統中的應用越來越廣泛。然而，數字音頻工作站有其固有的時延 ( la tency)，對于從熟悉模擬音頻技術轉而采用數字音頻技術的音響工程師說，仍然會有一些困惑。在這里，我們將討論如下幾個問題：什么是時延，為什么會發生時延，怎樣去應對時延。一、時延的定義什么是時延？簡單的來說，時延就是音頻信號輸入系統然后到系統有聲音輸出之間的延遲時間。當你對著系統輸入端的話筒講話，位于系統輸出端的揚聲器并不能立即回播放這個聲音。在中間處理的一系列的步驟上，聲音信號都會被延遲一點點。
結果就是人們從揚聲器或者耳機中聽到的聲音總是有些滯后。如果累積后的延遲達到一定的大小，就會對演奏或者演唱的效果產生影響。二、時延的成因任何數字處理系統都會有時延。比如數字調音臺，數字錄音機和數字攝像機等等。因為數字處理系統核心是對離散數據的處理即數學和邏輯運算。來自外界的模擬信號輸入如果需要被處理，都必須經過采樣這個過程。通過采樣，外界連續的模擬信號在輸入端被轉換成基于時間的離散數據，再送入數字處理系統的處理單元，運算后的結果—還是基于時間的離散數據在輸出端被重新轉換成模擬信號。所以，至少輸入 / 輸出的模數 / 數模轉換過程本身是會有一定的延遲產生。然而，關于時延問題的瓶頸在哪里呢？可以肯定的是，數模轉換 / 模數轉換本身所需要的時間并不多。用于音頻處理的 ADC/DAC 的采樣速圖 1 數字音頻處理系統時延音頻7視聽界廣播電視技術率一般可以達到最大值是 ，也就是說每個采樣，從模擬到數字的轉換，所需要的時間也就是不到6us。如果算上從數字到模擬的轉換的時間，也是不到6us。總體上，由于采樣，引入的延遲不會超過 12us。這是針對單一采樣來說的。事實上，采樣速率更高的ADC/DAC 比比皆是，有的甚至能夠以 1Gbit/s 來工作。
所以轉換時間本身可以做到非常小，只是在音頻處理系統中根本沒有必要用這么高的采樣率罷了。那為什么延遲在基于通用計算機的數字音頻工作站系統上就是問題了呢？數字調音臺也是計算機，只不過沒有通常意義上的電腦鍵盤，為什么就沒問題？表面上看的原因是，通用的計算機系統在任何時間都有一大堆的任務在運行，音頻處理及輸入和輸出只是其中一個任務。而數字調音臺專門用于處理音頻輸入輸出，看上去只有一個任務在運行。舉個形象的例子，一個老師上大課答疑，只能一個一個的應答眾多學生各自提出的問題；如果是家庭教師，只要專門應對一個學生的問題。背后的原因是，通用計算機操作系統本身無法快速響應高速數據處理請求。系統開銷見圖2，也就是中斷響應、現場保存和恢復及任務切換和調度的開銷，在通用操作系統上需要的時間在幾十毫秒到幾百毫秒之間。也就是說即使外部輸入一個簡單數據，CPU 也至少需要在操作系統調度上花費幾十毫秒到幾百毫秒才能夠真正開始執行處理這個數據的任務，即使處理這個數據本身只需要花費僅僅幾個微秒。為了解決這個問題，聲卡都有輸入輸出緩沖存儲器，單個采樣的數據將被暫時保存在緩沖器里，達到一定的數量后，聲卡才請求中央處理器（CPU）取走一組數據。
這樣中央處理器處理器就能夠按組來的處理數據，而不需要即時處理每個采樣。類似的情況在聲音的輸出上也發生。正是這種緩沖機制造成了信號通路上的額外延遲，也就是整個系統時延的瓶頸所在。舉個例子數字音頻工作站軟件，如果系統當前的采樣率為 44 . 1kHz，輸入輸出的緩沖是 512 個采樣，那么總的延遲—從輸入到輸出就是 512x2/44100 ,也就是 0 . 023 秒。這樣一個數量級的延遲已經是非常顯著了：計算機輸出的聲音和原聲混在一起聽，會有如同山谷回聲一般的效果。緩沖的大小在理論上必須滿足如下公式 1。其中α 為采樣個數，即通常意義上的緩沖大小定義。系統總緩沖時間 t 緩沖要至少與系統響應時間 t 系統響應及處理時間 t 數據批處理之和相當。這往往是需要經過試驗，綜合考慮機器性能和負載來設定緩沖大小。如果過小，雖然時延會比小，但是系統調度開銷太大，中央處理器主要忙于任務切換，只能有很少的 CPU 時間處理數據，聲音信號就會不連續。如果太大了，延遲就會隨之變大。當然，系統的緩沖大小不可能無限增大，受系統硬件，主要是寄存器數量和內存的限制。專業的數字調音臺系統通常基于實時操作系統RTOS (Real Time Sys tem )。
OS 本身短小精干，沒有通用系統必須的多用戶支持和復雜圖形化操作的要求。系統的設計專門為音頻處理作了優化。同時運行的任務不會太多。所以系統響應延遲時間可以小到幾十微秒到幾毫秒。常見的專業數字調音臺一般工作在 96kHZ，如果緩沖大小為 128 個采樣，總的輸入輸出的延遲一起也不會超過 5ms。多數人基本上對于這個延遲沒有感覺。所以通常不認為這類設備產生的延遲會制造麻煩。而且，專業的數字調音臺配備一個甚至多個 DSP 專門用于數據運算，提供合成和特效支持，在數據處理時間上有所保證。所以，它可以同時處理數十路輸入，時延卻非常低；而對比基于通用計算機的數字音頻系統，一般只同時處理一路立體聲信號，時延卻要高至少一個數量級，達到幾十毫秒到幾百毫秒之間。當然，在某些情況下，微小的延遲仍然會帶來問題。比如使用現場擴音系統而不是監聽耳機讓歌唱演員能夠聽見自己演唱的效果，通常總會有一些反聽信號被話筒重新拾回，如果這個時候擴音系統的前級是數字調音臺的話，再次進入系統的反聽信號會圖 2 系統響應延遲公式 1 緩沖大小和系統處理時間關系8圖 3 數字音頻工作站延遲 ( 低 高 )表 1 造成時延的原因及其影響圖 4 在前端應用模擬調音設備和原聲混合，對有梳狀濾波的效果，將對演出的質量產生一定的影響。
在數字音頻處理系統中產生還有一個可以產生時延因素。一些效果處理插件，如壓縮器、效果器、卷積器和限幅器等，都會產生時延。因為它們依賴一種稱之為前向分析的技術。舉個例子，前向限幅器需要分析當前采樣之后的幾百個采樣數據才能決定對于當前數據采取什么樣的處理規則。這也就是說，它會緩沖一定數量的從主程序收到的采樣數據之后才能有輸出結果返回給主程序，所以整個信號都會被延遲。更進一步的是，一些在 DSP 協處理板卡上運行的插件也會產生延遲。而即使這些插件不使用前向分析技術，也會有緩沖延遲。這是因為 DAW 軟件和這些協處理卡之間交換數據也需要緩沖機制以減少 CPU 響應的次數，來避免過大的系統開銷。通常情況下，這種延遲發生在應用插件的通道上或其對應的母線上。如果數字音頻工作站軟件打開插件延遲補償的功能以保證所有輸入信號在合成時是同步的，那么在任一通道上使用插件將會令系統給其他通道都自動賦予一個相同的延遲。三、如何應對時延如圖 3 所示，多種因素造成音頻信號在計算機輸入和輸出之間被延遲。表 1 列出四類常見因素及其影響。一般來說，避免時延給音頻錄制工作帶來影響的途徑有如下幾種：直接在前級監聽模擬信號避免時延影響最有效的辦法就是在錄制前段取模擬輸入信號作為監聽信號，避免從 DAW 的輸出端取監聽信號。
可以參考以下兩種方式實現：1） 前端級連模擬調音臺。調音臺的輸出接 DAW音頻輸入，在調音臺對應母線上取監聽信號送監聽耳機或者反聽音箱放大器。2）用音分將前級輸入信號復制一份送給監聽控制音頻9視聽界廣播電視技術器，比如 Big Knob。在前級直接監聽模擬輸入是唯一一種真正意義上的無時延監聽方式。系統配置起來相當直觀。輸入通道的聲像和平衡調整起來也很方便。這種方式的缺點是不能同步監聽 DAW 處理效果。如果 DAW 的硬件或者軟件除了問題，造成錄制的信號中有雜音或者破音，就不能及時發現。減少緩沖的大小以降低時延調整 DAW 輸入輸出的緩沖大小。嘗試盡可能小得數值，如前文所述，同時不會造成系統過忙而來不及處理，使聲音發生斷續的現象。在一些優化的通用計算機系統上，可嘗試將緩沖的大小調整到到 256 個采樣，如果系統在音頻錄制時仍然能夠流暢的回放輸出，相信大多數人已經分辨不出來延遲了。因為假設采樣率為 48kHZ，則系統延遲在 10 毫秒左右。不過在基于通用計算機的 DAW 上設置緩沖為 256 個采樣大小，同時系統還不至于負載過重這一點，是很不容易的。基于 Intel IA64 架構運行 XP 操作系統的通用計算機上，調整緩沖大小，使系統時延能夠減少到 30 毫秒左右已經是一個非常好的成績。
優化系統配置DAW 專機專用。刪除不需要的系統組件和應用程序，盡量避免運行不必要的后臺任務，比如連線登陸或者 MSN，執行后臺下載任務和開啟實時病毒監測等軟件功能。在條件允許的情況下，考慮更換到蘋果 (Mac )計算機，因為它的操作系統 OS X內嵌了用于音頻加速的 Core Audio 接口設計，一直以出色的多媒體音視頻處理性能著稱。避免錄制時使用效果插件簡單的說，不要在錄制時使用任何插件，除非必需要這樣做。在 DAW 上運行的軟件插件，即使不使用前向分析機制，也會占用較多的 CPU 時間。而使用 DSP協處理板卡的插件也至少會引入更多一個環節的緩沖延遲。將效果處理工作放到后期混音階段再做，雖然不能降低系統的緩沖延遲，但至少回避了插件這個環節所引入的時延。開啟直接監聽模式盡管即使計算機系統本身具有低延時的處理能力，一些外部設備接口如 或 USB 很難將時延控制到 20 毫秒以下。基于這個原因，許多音頻硬件廠家會提供低延遲監聽模式的支持。雖然各家的叫法是五花八門，有的叫低時延監聽（Low ），有的叫接近零時延 （Near Zero ），直接監聽（ ），或者更令人困惑的稱為零時延（Zero ）。
其實現的基本原理都是差不多的。從話筒或者拾音器過來的輸入信號被數模轉換后，采樣數據被復制成兩份拷貝。一份緩沖送 CPU，另外一份被直接送到聲卡的輸出單元。在那里，采樣數據又被直接還原成模擬信號。也就是說，省去了 CPU 參與中間處理的這個過程數字音頻工作站軟件，從而避免了這一環節引入的輸入輸出緩沖延遲。這種方式下，信號至少還是要經過模數 / 數模轉換的過程。所以它并不是真正意義上的一點延遲都沒有。和之前提到的監聽前級模擬信號的方式相比，這種方式更有優越性。其一，不需要額外再配置一臺模擬調音設備。其二，在大多數情況下能夠反映同期錄制的情況。如果聲卡有問題，比如說噪音過大等，還是能夠體現的。和監聽前級模擬信號的方式一樣，這種方式也不能實現同步監聽帶有 DAW 處理效果的輸出。在 提出 ASIO 協議之前，直接監聽模式的功能設置需要通過硬件產商提供的安裝在計算機控制面板內的專有軟件來完成。這個功能沒有和常用的 DAW軟件集成，所以你不得不在兩個軟件之間來回切換，來調整某些參數。所以，設置這種直接監聽功能的過圖 5 聲卡的直接監聽模式10程一度是很復雜的。弄不好，監聽耳機內就會突然充斥難聽的數字噪音，可是你卻很難發現這到底是怎么回事。
通過應用 ASIO 直接監聽協議，DAW 軟件能夠調用控制面板軟件設定參數，比如說打開或者關閉聲卡任一通道的直接監聽模式。你也可以直接在 DAW 的界面里打開或者關閉輸入監聽。理論上來說，再也不需要手工在輸入監聽或者回放監聽之間切換，因為錄音程序能夠自動完成這一控制功能。ASIO 直接監聽協議還覆蓋了聲像控制，增益和音量等其他調音功能，雖然不是所有的硬件制造商都會實現這部分功能。如果 DAW 的聲卡確實支持這部分功能，就能夠直接在 DAW 軟件界面里調整增益旋鈕和推子，達到調節監聽效果的目的，再也不需要切換到控制面板里的專用軟件來做到這一點了。四、總結基于數字音頻處理技術，特別是使用建立在通用計算機系統上的數字音頻工作站軟件開展錄音工作，就不得不考慮系統時延會給錄制工作帶來多大影響。通過一些技術手段，降低時延本身，或者回避時延問題，以期在最大限度內降低時延對音頻錄制工作的影響，是每一個音響師都希望做好的工作。時延在數字處理系統中普遍存在，即使專業的數字調音和錄音設備的也或多或少存在時延。希望本文不僅對那些主要使用構建于通用計算機之上的數字音頻工作站系統的音響師有所幫助，而且對于那些使用其他數字音頻處理系統參與音頻制作的工作人員來說，也能有一定的參考意義。
參考文獻[1 ] .音響技術與調音技巧[2 ] .音響技術[3 ] . http : // . com/ . html[4 ] . http : // . com//the- d ig ita l- age/2008//[5 ] . http : //audio . tutsp lus . com/ //how- to- - - - - audio- /（作者單位：江蘇教育電視臺）音頻11