數位音訊有兩個獨立的量化維度：時間軸上的取樣率，與振幅軸上的位元深度。兩者的行為完全不同——取樣率決定能記錄多寬的頻寬，是一條硬邊界；位元深度決定雜訊底，是一個可以用 dither 交換的連續量。把這兩件事混在一起談（例如說「24-bit 比較細膩」），是幾乎所有後續誤解的源頭。
取樣定理：不是逼近，是恆等
Nyquist–Shannon 取樣定理的陳述是：若一個訊號的頻譜完全落在 f_s/2 以下，則以 f_s 取樣得到的離散樣本，包含了原訊號的全部資訊，且原訊號可被唯一且完美地重建。
重建的方式是 sinc 內插：
x(t) = Σ x[n] · sinc( (t − nT) / T ) T = 1/f_s
n
這是等號，不是近似。給定的樣本點之間只有一條頻寬受限的曲線能穿過它們——不是「很多條裡挑最平滑的」，是唯一解。
這一點值得停下來確認，因為市面上最普遍的插圖——把取樣畫成階梯狀方塊、把高取樣率畫成「階梯更細所以更接近原波形」——是錯的。階梯只存在於 zero-order hold（樣本保持）的中間電壓，而重建濾波器的工作就是移除它。如果一台 DAC 的輸出真的是階梯狀，那是它的重建濾波器沒做好，不是數位格式的本質。
為什麼是 44.1 kHz
人耳的上限約 20 kHz，所以 Nyquist 頻率至少要 20 kHz，取樣率至少 40 kHz。44.1 kHz 給出 22.05 kHz 的 Nyquist 頻率，多出來的 2.05 kHz 是抗混疊濾波器的過渡帶——濾波器不可能在單一頻率上垂直下降，需要一段頻寬從通帶滾降到阻帶。
44.1 這個具體數字來自 1970 年代的錄音實務：當時的數位錄音機把音訊資料編碼成偽視訊訊號存進錄影帶。NTSC 制下 3 樣本 × 245 有效行 × 60 場/秒 = 44,100；PAL 制下 3 × 294 × 50 = 44,100。兩制殊途同歸，於是成為 CD 標準。它是工程與相容性的產物，不是聽覺研究的結論。
超過 20 kHz 的取樣率買到了什麼
只有兩樣：更寬的抗混疊／重建濾波器過渡帶（濾波器可以做得更緩、相位失真更小），以及記錄 20 kHz 以上內容的能力。
第一項是真實的工程好處，但它在製作端（ADC 的抗混疊）與 DAC 內部的 oversampling（見 DAC 架構）已經解決了——DAC 本來就會把 44.1 kHz 內插到數 MHz 再輸出。它不需要你的檔案是 192 kHz。
第二項則有一個反效果。任何非線性系統（擴大機、喇叭、耳機——全部都非線性）遇到兩個超音頻成分時，會產生它們的和頻與差頻。30 kHz 與 33 kHz 兩個超音頻音會生出 3 kHz 的互調產物，落在聽覺最敏感的區域。原本聽不到的內容，透過下游的非線性，變成了聽得到的失真。這是 Xiph.org 的 Monty 反對 192 kHz 發行的核心論證：它的播放保真度略遜於 16/44.1，同時佔六倍空間。
位元深度：雜訊底，不是解析度
每個樣本用 N 個位元表示振幅，量化步階 q = FS / 2^N（FS 為滿刻度峰對峰值）。量化誤差在 ±q/2 之間，若視為均勻分布的隨機量，其功率為 q²/12（RMS 值 q/√12）。
對滿刻度正弦波（RMS 為 (FS/2)/√2）：
SQNR = 20·log₁₀[ (FS/2/√2) / (q/√12) ] = 6.02·N + 1.76 dB
N=16 → 98.09 dB。N=24 → 146.2 dB。
常見的「16-bit = 96 dB」用的是另一個定義：20·log₁₀(2^N) = 6.02N，即滿刻度與一個 LSB 的振幅比。兩個數字都對，差在定義（正弦波 RMS vs 峰對峰、雜訊 RMS vs 單一 LSB）。看到規格表上的動態範圍數字，先確認它用哪個定義、量測頻寬多寬、有沒有 A 加權——這三項可以讓同一台機器的數字相差 6 dB 以上。
24-bit 的 146 dB 是理論值，實際上沒有任何電子電路達得到。室溫下一個 1 kΩ 電阻在 20 kHz 頻寬內的熱雜訊就有約 0.57 µV RMS；要在 2 Vrms 滿刻度下實現 146 dB，雜訊底必須低於 0.1 µV。世界上最好的 ADC/DAC 實測落在 120–130 dB。24-bit 的實際意義在製作端：錄音時可以留 20 dB 以上的 headroom 而不損失有效解析度，後製時多次運算的捨入誤差有地方可去。它是工作用的餘裕，不是播放時的音質。
量化誤差為什麼必須用 dither 處理
如果直接四捨五入，量化誤差與訊號相關。一個 1 kHz 的低振幅正弦波被 16-bit 量化後，誤差不是白雜訊，而是週期性的階梯狀波形——它的頻譜是 1 kHz 的一系列諧波與互調產物。聽起來不是「底噪」，是顆粒感、破碎感，訊號淡出時尤其明顯（低振幅時只用到少數幾個量化階，失真比例劇增）。
Dither 的作法是在量化前加入一個微小的隨機雜訊，讓量化決策變成機率性的。這把相關的失真換成不相關的雜訊。
三種常見分布：
| 類型 | 分布 | 振幅 | 特性 |
|---|---|---|---|
| RPDF | 矩形（均勻） | 1 LSB p-p | 能去相關，但殘留雜訊調變（底噪音量隨訊號起伏） |
| TPDF | 三角形（兩個 RPDF 相加） | 2 LSB p-p | 同時消除失真與雜訊調變。標準做法 |
| 整形 dither | TPDF ＋ noise shaping | 2 LSB p-p | 總雜訊功率不變，但重新分配到聽覺不敏感的頻段 |
TPDF 的代價可以精確計算。TPDF dither 的變異數是 2 × q²/12 = q²/6，加上原本的量化雜訊 q²/12，總雜訊功率為 q²/4——是未加 dither 的 3 倍，即 +4.77 dB。換句話說，正確 dither 的 16-bit 系統，雜訊底比理論值高約 4.8 dB，換來的是完全沒有相關性失真。 這筆交易在聽覺上壓倒性划算，因為人耳對穩態白雜訊的容忍度遠高於對諧波失真。
為什麼聽得到低於 LSB 的訊號
這是 dither 最違反直覺的後果。加了 dither 之後，一個振幅遠小於 1 LSB 的正弦波不會消失——它會調變量化決策的機率，使得輸出在長時間平均下仍保留該正弦波的資訊。Monty 的示範中，在 16-bit 系統裡編碼並成功還原了一個 -105 dB 的音——遠低於 -98 dB 的理論雜訊底。
這是因為訊號是相干的、雜訊不是。在窄頻帶內做長時間平均，訊號累加而雜訊互相抵消——與無線電從雜訊中撈出微弱載波是同一個原理。人耳的耳蝸本身就是一組窄帶濾波器（每個毛細胞只對一小段頻率敏感），所以人耳天然執行這種窄帶分析：全頻帶的雜訊底是 -98 dB，但單一臨界頻帶內的雜訊功率遠小於此。
配合 noise shaping（把雜訊推到 15 kHz 以上聽覺不敏感區），16-bit 的知覺動態範圍約達 120 dB。
那 16/44.1 到底夠不夠
把幾個數字放在一起：
- 安靜住宅的環境噪音約 30 dB SPL；專業錄音室約 20 dB SPL。
- 持續聆聽的痛閾約 120 dB SPL，一般人聽音樂的峰值約 95–105 dB SPL。
- 因此實際重播需要的動態範圍不超過 90 dB，而且這是在把最小聲的細節壓到環境噪音等高的極端假設下。
- 16-bit ＋ 整形 dither 給出約 120 dB 的知覺動態範圍。
Boston Audio Society 的對照試驗把高解析度音源經過即時 16/44.1 轉換再放回去做 ABX，受試者的正確率是 49.8%——與擲硬幣無異。
正確的結論不是「高解析度是騙局」，而是兩件事要分開：
- 母帶與製作：24-bit 有實質意義（headroom、多次運算）。高取樣率在 ADC 抗混疊與某些處理（時間伸縮、卷積殘響）上有實質意義。
- 發行與播放：16/44.1 已完整涵蓋人耳能力。高解析度發行版聽起來常常更好，但通常是因為它用了不同（更好）的母帶，而不是因為位元多。同一份母帶降到 16/44.1，差異落在可聞閾值之下。
這個「母帶差異被歸因給格式」的混淆，在 玄學與實證 裡還會反覆出現——它是這個領域最常見的歸因錯誤模式。
一句話重點
取樣定理是恆等式不是逼近，位元深度決定的是雜訊底而不是波形精細度，而 dither 用 4.77 dB 的雜訊代價買走全部的相關性失真——這三件事釐清之後，「更高的數字等於更好的聲音」這個直覺就失去了立足點。
下一篇：DAC 架構：R-2R ladder vs delta-sigma、oversampling、NOS 與重建濾波器 — 這些樣本要怎麼變回連續的電壓。