格式知识 约 4 分钟
音频采样率：44.1kHz 与 48kHz 的来历
采样率是每秒给声音「拍照」的次数。44.1 与 48 的差别不在听感，而在出身：一个来自 CD 时代，一个来自影视标准。搞清来历，参数就不用纠结。
采样率是什么
声音是连续的声波，数字化就是每秒对它采样 N 次：44100Hz 意味着每秒记录 44100 个样本。样本越密，高频记录越完整——采样率的一半就是能记录的高频上限（奈奎斯特定理）。
44.1kHz 覆盖到 22kHz，48kHz 覆盖到 24kHz，都超出了人耳约 20kHz 的极限——这就是为什么两者听感没有差别：该听到的都在。
两个标准的来历
44.1kHz 是 CD 的遗产：80 年代制定 CD 标准时，为了兼容当时用视频录像机存放数字音频的方案（音视频信号分帧存放的数学约束），44100 是折中出来的值。它从此成为音乐工业的默认。
48kHz 是影视与广电体系的标准：数字电视与电影音频用它，与视频 24/30 帧的时钟整除关系更好，音画同步的时钟设计更简单。今天「音乐 44.1、视频 48」的分工，就是这两条历史线的延续。
转换口径：什么时候换、什么时候别换
44.1 与 48 互转需要重采样：信息无损（两者都完整覆盖人耳范围），只是多一步处理。给视频配音配乐，统一到 48kHz（视频管线默认）；做音乐文件保持 44.1。混着用会埋下音画时钟不齐的隐患。
两个方向要记牢：上采样没有意义——把 44.1 升到 96kHz 不增加任何信息（没有的高频变不出来），只涨体积；语音识别反而降到 16kHz——语音的能量集中在 8kHz 以内，16kHz 采样已完整覆盖，还能大幅减少计算量（Whisper 管线就是这么做的）。