[心得] 簡談升頻

看板Headphone (耳機)作者pcjustin (退燒的駱駝)時間15小時前 (2026/01/21 06:40)推噓0(0推 0噓 0→)

留言0則, 0人參與討論串1/1

駱駝來簡談升頻，後面很技術，可以選擇性看。談 Oversampling 跟 Upsampling，真正該分的不是倍率，而是「這件事發生在 DAC 裡面，還是發生在 DAC 外面」。Oversampling 是 DAC 架構本身的一部分，目的是讓後端的轉換器能在物理上正常工作；Upsampling 則只是把資料在送進 DAC 之前重新取樣，本質上是前處理。Upsampling 會改變資料的取樣率與時間密度，但不會動到 DAC 內部的轉換邏輯；Oversampling 則直接參與了「數值怎麼變成電壓」這件事。兩者可以同時存在，但角色完全不同。在工程語境下，把軟體升頻直接叫做 Oversampling，其實是概念混用。在 Delta-Sigma DAC 裡，Oversampling 不是加分選項，而是存在前提。原始 PCM 會先被拉到非常高的取樣率，常見是幾十倍到幾百倍 fs，然後送進 Delta-Sigma Modulator 做 Noise Shaping。這個模組的目的不是讓解析度變高，而是把量化誤差往可聽頻段外推。取樣率越高，每個取樣點分到的誤差能量就越小，Noise Shaping 才能成立。最後輸出的是高速的 1-bit 或低 bit-depth pulse stream，類比端只要一個很溫和的低通濾波器就能把音頻拉出來。這整套 Oversampling 的意義，是讓類比濾波變得簡單，而不是為了時間精度；實際上，時間精度在這個架構裡是被拿去換頻域條件的。 Chord DAVE 走的是完全不同的路線。它既不是 Delta-Sigma，也不是傳統 R2R，而是以時間域重建為核心的 Pulse Array 架構。整個流程其實可以清楚地拆成兩個性質完全不同的 Oversampling 階段。第一段是把輸入提升到 16fs，進入 WTA（Watts Transient Aligned）Filter。這個階段關心的不是頻響有多平，而是瞬態在時間軸上的位置能不能對齊，也就是取樣點之間原本「應該發生什麼」。為了做到這件事，WTA 用的是極長的 tap，DAVE 等級是十萬級，這在一般 DAC 幾乎看不到。時間域重建完成之後，訊號再被推到 2048fs。這一步已經不是數學重建，而是為了後端 Pulse Array 的運作需求。Pulse Array 不是 1-bit，而是多位元的高速脈衝加權輸出，用大量極短、極準的 pulse 去逼近每一個瞬間的電壓值。2048fs 的意義在於，把單一大步階拆成很多細小、可控的時間片。這個階段的 Oversampling 完全是服務轉換器本身，和前面的 WTA 在角色上是刻意分離的。不同軟體升頻器之間的差異，其實更多反映的是設計取向，而不只是「好不好聽」。 Windows SRC 的目標很明確，就是低負載、穩定、不出問題，濾波器設計保守，時間域與頻域都不追求極限。SoX 提供高度可調的 sinc 與多項式濾波，在高品質或離線設定下，頻域表現非常好，但 tap 長度仍然受限於通用 CPU 能負擔的範圍。Roon 與 Audirvana 屬於整合型播放器，升頻品質取決於內建 SRC 的設定深度，整體取向偏安全與穩定，而不是演算法上的激進嘗試。 HQPlayer 則是另一個世界。它基本上假設算力不是問題，提供極長 tap 的 sinc、 poly-sinc、closed-form 濾波，甚至刻意模擬類比濾波行為。它的升頻不是為了「配合 DAC」，而是試圖在 DAC 之前，就把時間軸上的資訊推到接近連續波形的程度。這也是為什麼 HQPlayer 常常被拿來搭配 NOS 或極簡 DAC 使用。 HQPlayer 搭配 R2R NOS 的核心邏輯，其實是責任切割。NOS DAC 不做任何數位濾波，階梯狀輸出與影像頻譜完全攤在檯面上，但它保留了取樣點最原始的時間關係。當你在 DAC 前端用 HQPlayer 做高倍率、長 tap、以時間對齊為優先的升頻，相當於把「數位濾波與重建」交給一個算力幾乎不受限的系統，DAC 只負責忠實地把數值轉成電壓。前提只有一個：外部升頻的重建品質必須真的優於 DAC 內建濾波，否則只是把問題放大。所有數位處理完，一定會有Ringing，它不是實作瑕疵，而是理想低通濾波的數學必然，來自 sinc 函數本身。Pre-ringing 對人耳特別刺耳，因為能量出現在瞬態之前，違反直覺的因果感。Delta-Sigma 系統通常用高頻噪聲把這件事掩蓋掉；NOS 則完全不處理，讓影像頻譜自然存在。Chord 的做法是用極長 tap 把 Ringing 拉得很遠，讓它的時間密度低到不再干擾瞬態；HQPlayer 則透過 minimum-phase 或混合相位濾波，直接拿頻域對稱性換掉 Pre-ringing。回到本質來看，Oversampling 從來不是音質保證，而是架構選擇；Upsampling 也不是魔法，而是把責任往前移。真正拉開差距的，不是倍率數字，而是「在什麼階段、為了什麼目的、對時間軸做了什麼處理」。這個脈絡一旦看清楚，很多聽感差異其實都有跡可循。結論舉一個比較多人會用到的使用方法，使用HQPlayer加Roon加Roon ready串流機在 Roon + HQPlayer + Roon Ready 串流機這個架構裡，HQPlayer 一定要是唯一做升頻與濾波的人，其他全部當資料管道。升頻用整數倍，不要亂拉到最高。你可以把這套系統想成三個人分工。 Roon 是管庫存和點歌的，HQPlayer 是負責「算聲音」的，Roon Ready 串流機只是快遞員，負責把算好的東西送進 DAC。實際路徑應該是這樣： Roon → HQPlayer → Roon Ready 串流機（NAA 模式）→ DAC 不是 Roon 直接播到串流機，也不是串流機自己再做什麼升頻。所以第一件事是 Roon 裡面全部 DSP 關掉。不要開升頻，不要開 Headroom，不要 Volume leveling。Roon 在這裡只負責把原始 44.1k 或 48k 的檔案丟給 HQPlayer。你可以把 Roon 想成一個「只負責傳檔、不動內容」的播放器。接著是 HQPlayer，這裡才是真正重點。很多人第一次用 HQPlayer 會犯一個直覺錯誤：「我 DAC 支援 768k，那我就全部拉到 768k，這樣不是最好嗎？」實際上不是這樣。舉一個很實際的例子。一首 CD 是 44.1kHz，如果你直接拉到 768kHz，這中間一定會經過「非整數倍率」的重取樣。也就是 44.1 → 768 不是整數倍，HQPlayer 必須先在時間軸上重新對齊一次，才能湊出這個頻率。這一步本身就已經在「改時間關係」了。 HQPlayer 最強的地方不是幫你亂換頻率，而是用超長 tap 的濾波器，把原本就對齊的時間關係算得更細。所以最合理的做法是： 44.1k 的檔案，只升到 176.4 / 352.8 / 705.6 48k 的檔案，只升到 192 / 384 / 768 這樣每一步都是整數倍，時間軸是乾淨的。再舉一個更貼近聽感的例子。如果你用的是 R2R NOS DAC，本來 DAC 內部就沒有數位濾波，它看到什麼資料就老實吐什麼階梯波形。這時候你用 HQPlayer 把 44.1k 升到 352.8k，等於是先在電腦裡用很精細的方式把「取樣點之間應該發生的事情」補好，DAC 只是照單全收。你再硬拉到 705.6k，聽起來差異可能已經很小，甚至開始變得偏薄，因為你只是把同一件事算得更密，卻沒有新增資訊。所以實務上很多人會發現： 352.8k / 384k 常常是甜蜜點，不是極限值。接下來是濾波器，比倍率重要得多。再用一個實例來說。你如果覺得很多數位系統「瞬態有點假、鼓聲有點硬」，那通常不是頻響問題，而是 pre-ringing 讓瞬態前面多了一點不該有的能量。這時候你把 HQPlayer 的 filter 換成 minimum-phase 類型，聲音會立刻變得比較自然，但代價是頻域不再那麼對稱。反過來，如果你覺得系統聽起來很順，但少了一點定位和輪廓，那你可以用 poly-sinc-long 這類長 tap、線性相位的濾波器，把時間對齊做到極致。重點在於： filter 在決定「聲音長相」，倍率只是在決定「畫得夠不夠細」。最後講 Roon Ready 串流機。在這套架構裡，串流機真的不是調音工具。所有什麼內建升頻、reclock、DSP、音效，一律關掉。它只要能穩定跑 NAA，把 HQPlayer 算好的資料送進 DAC 就好。你可以把它想成一條高品質 USB 或網路線，而不是一台 DAC。整理成一句白話的用法是這樣：不要把 HQPlayer 當成「升到最高就會最好聽」的神器。把它當成一台超級強的數位濾波器工廠，專門負責時間域重建；升頻只用整數倍，用到「夠細」就停；讓 DAC 不再自己猜「取樣點中間發生了什麼」。這樣用，HQPlayer 的價值才會真正跑出來。 [A -- 沒貢獻的一群人 https://i.imgur.com/zXpW0is.jpg