第一部分:我為什麼要開發 Mossca
我的聽音情況
之前嘗試過線上流媒體。對於中國國內,最主要的 QQ 音樂和網易雲音樂,坦白說 90% 他們的功能我都用不到,我只想安靜聽歌,不社交不評論不看歌單不看其他和聽歌亂七八糟的功能以及廣告,受夠了臃腫不堪的大而全的功能,還有版權問題隨時可能喜歡聽的音樂就聽不了了。
相對來說,Spotify 還是最符合我要求的,我現在也同時在用,尤其是一些新專輯和小眾專輯的試聽,足夠方便簡單,除了音質差一些;主要是聽一些新鮮的音樂,喜歡後再去買專輯收藏;更像是我的試聽站;Spotify 的 UI 也是最符合我審美的。
Apple Music 也是個選擇,我中間也試用過一段時間,最早音樂覆蓋度不多,後來有了之後覺得一般聽不如 Spotify 方便(我用網頁端開啟即聽),客戶端功能和 UI 中規中矩,雖然也有號稱無損音質,我主要後面放棄了也是它整體還是面對大眾音樂群體,對我來說 Spotify 足夠了。
所以我的主戰場還是聽本地,就像小時候聽 Walkman 或者 CD,安安靜靜,就是屬於自己的音樂,沒人打擾,簡單而純粹;而且我是屬於很知道自己聽什麼的,對於喜歡的音樂來說,肯定還是想永久收藏。
我目前的一個三星 T7 2T 的作為臨時盤已經滿了,百度雲和夸克大概各有 4T 以上的無損專輯;而且還在持續增加,我也準備近期搭建 NAS 系統;音樂來源很多,格式也很多,DSD 和 WAV FLAC 居多;我聽得比較多的搖滾、流行、古典居多,從 90 年代到現代,從歐美到日本都聽。
本地無損播放器的調研選擇
開始聽無損之後我就去搜尋調研本地無損播放器的選擇。我的訴求很簡單:
- 音質要好;
- UI 要簡單有審美,不能太過時;
- 對於大音樂庫友好,因為我肯定不會只聽幾張專輯;
- 簡單,不要有太多複雜的無關的功能。
Audirvāna
最開始嘗試的是 Audirvāna,每個聽本地的都繞不過去的。UI 中規中矩,功能適中吧,不能說臃腫,也說不上簡約;很多設定還是偏工程化一些,其實對我來說用不上。對於大專輯庫支援還可以,匯入後滑動掃描還算順暢,只是部分專輯解析會有問題顯示???亂碼;以及我不太喜歡它預設的專輯列表,我覺得專輯封面很重要,就像黑膠封面,而不應該僅僅是功能列表縮圖。
最主要的就是音質,雖然是主打,但是我實際測試聽下來會感覺有些發悶發乾,我是從個人聽感上來說,沒有統一標準,就是聲音沒有給我留下深刻印象。
Roon
白色主題 UI 整體還是挺現代簡約的,實際用下來的感受是它更強調的是家庭媒體中心的場景而不是音質,主介面功能比較多,播放相關大差不差,它的解析準確度比 Audir 會更差一些在我的音樂庫識別上,然後列表頁會更差,感覺核心場景就不是主打圍繞我這種本地播放打造的;音質也是差不多吧,感覺它主打的也不是音質,雖然也有一些播放音質相關的功能。它的一些專輯資訊介紹補充還是挺好的;但對我現在來說,還體會不到他的好。
Swinsian
Swinsian 其實很像 iTunes。很好上手,雖然也不是主打音質,更像是一個當前版本的 iTunes;速度很快,不管是播放、大音樂庫的瀏覽體驗,這一點讓我印象深刻;聲音雖然沒有主打音質,但是聽起來聽感還是不錯的,比較溫暖有層次,預設聽感不錯;我開發階段如果需要背景音樂一般會開著它來聽。
有 2 點是我不夠喜歡的,1 是它的介面主佈局太複雜視窗區域太多,我的核心場景還是聽歌,不需要那麼多視窗控制檯,有些還管不了;和它的定位有關係吧,但畢竟編輯音樂庫後設資料不是我的核心場景,或者不是我的日常場景;另外就是它的功能也很多,但是坦白說的大部分對我用不到,我外接 DAC 播放的時候沒有找到 DoP 的支援,對於我來說聽 DSD 是接受不了的。
HQPlayer
看到很多發燒友論壇提及的,據說很硬核,音訊處理積累深厚;我下載安裝後體驗了一次就停留在電腦裡了,雖然有很多高質量演演算法,但是介面本身太過陳舊,更像是一臺陳舊的精密儀器,本身的介面 UI 和播放結構對於大音樂庫的支援就已經讓我放棄了,音質方面沒有深入體驗,我本身只是想聽音樂,不願意折騰。
foobar2000
作為老牌存在很久的經典播放器,Windows 平臺很早就用過,所以也安裝試了一下;但明顯是不如 Windows 的好用,雖然有很多外掛擴充套件,但是還是需要我鼓搗研究,和 HQPlayer 一樣更感覺像是工程師產品。
Apple Music 做本地庫播放器
是的,我也使用過 Apple Music,出於對於蘋果 UI 和體驗的信任,但是當我匯入我的音樂庫 3000+ 專輯的時候,列表就已經明顯示卡頓了,而且有些細節體驗會莫名其妙,我的感覺仍然是:它主打的一不是音質,二不是本地,線上流媒體才是核心。
所以決定自己來做
用了一輪下來,雖然還有些其他調研中看到的播放器,但是可能安裝環節就放棄了,就是整體感覺比較滿足我的很少,所以想了一下,那就自己做。
圍繞著自己的需求,就捋了一下核心要點:
- 音質很重要:雖然好的標準很多,我自己目前更傾向於做各種後期處理音染的音樂軟體甚至硬體很多,我更傾向於聽音樂本身該有的樣子,就像監聽耳機一樣,能儘可能減少任何自作聰明的聲音處理,原汁原味。
- UI 很重要:作為播放器,我始終認為不僅僅是聲音,介面的感受,對於一些視覺的傳達很重要,尤其是一個每天都要用的 App;就像黑膠的封面一樣重要。
- 簡單很重要:一切的存在都應該圍繞聽音樂本身,而不是什麼功能都往裡堆,都放出來給我設定和選擇。
- 大音樂庫很重要:要滿足的不僅僅是支援幾張專輯播放得好。
- 還有就是場景支援:本身我實際大部分時間是在電腦前工作,所以電腦本身肯定是第一優先順序,我桌面還放置了 DAC 和監聽耳機,所以對於外接 DAC 的支援很重要,不過是連線耳機和音箱;如果後面我購置了 NAS,那對於家庭音樂庫的支援就更重要。
其他就是附加的細節了,比如要支援 DSD,要支援歌詞。
所以我就開始開發 Mossca 了。
第二部分:Mac 平臺上如何實現好的本地播放器
接下來我會講一下按我的理解,Mac 平臺以及 iOS 平臺,如何能實現一個好的完整的本地播放器流程和關鍵點,我儘量講的通俗易懂;這裡面沒什麼玄學,看完之後理解了本質原理,面對各種概念廣告詞彙就都知道本質是什麼,以及哪些引數重要哪些不重要了。
先說 Mac
從使用者角度來說播放一首音樂到輸出是:
- 匯入本地音樂到 App 音樂庫。這個環節匯入都問題不大隻是快慢問題,核心是檔案解析的準確度和覆蓋度,比如解析出來的音樂庫的藝術家/專輯/封面資訊是否準確,整軌資訊是否解析分軌歌曲名稱;匯入之後瀏覽是否卡頓順暢,尤其是專輯數比較多。
- 點選播放。對使用者來說,這點就進入核心使用場景了,剩下就是覺得音質好不好了;看似簡單,背後的工程會比較複雜。
從工程角度來說 Mac 的核心播放背後是:
解碼 → App 音訊引擎處理 → Mac 系統的 Core Audio → 輸出
簡單說就是類比工廠:
- 解碼:把原材料拆包還原成可加工的基礎資料。
- App 音訊引擎:決定是否加工、如何排隊、如何送出。
- Core Audio / HAL:系統級傳送帶和排程層,負責把音訊流送到目標裝置;在共享模式下也可能參與混音和重取樣。
- 輸出裝置 / DAC:最終接收數字訊號並轉換成模擬聲音。
解碼
把壓縮或封裝的音訊流轉成播放器可以送給音訊引擎的資料。這個除非自研,不然大部分播放器都是沿用現成的能力,業界有成熟方案,只要解碼資料邏輯不錯,這塊兒大家都差不多,除非刻意做一些升降取樣的處理;這一層決定"檔案內容有沒有被正確還原"。這裡除非是播放器偷懶,沒有選對應格式的最佳解碼方案;這塊兒相對對音質的影響較小,只是第一步。
對於無損音樂來說:基本都是轉 PCM 格式:
- FLAC → PCM
- ALAC → PCM
- APE → PCM
- WAV/AIFF → 通常本來就是 PCM
- DSF/DFF → DSD bitstream 或轉成 PCM
對於 Mac 自身來說,DSD 沒法原生播放,所以也是轉 PCM 格式。
App 引擎處理
在音訊送到系統之前,播放器可能會對音訊做處理。播放器把解碼後的音訊資料送進自己的播放管線,管理播放、暫停、seek、切歌、緩衝、音量、播放狀態。就是 App 自己的引擎大腦,整體控制中樞;在這個環節,很多 App 會做一些聲音處理,策略差異比較大。
常見處理:
- EQ
- Crossfeed
- SRC —— 很多高質量 SRC 演演算法
- DSP
簡單理解為這塊兒是加工聲音的最常見所在,但是加工的好不好就看廚師了,或者說什麼都不加工儘量體現食材自身的味道,看各自播放器的取捨;這裡面的加工理論上可以做的很深。
Mac 系統的 Core Audio
真正到達這裡的時候就是系統的地盤了,是必須要經過的環節才能傳輸到裝置;這裡面常見的概念就是獨佔模式和共享模式,簡單來說前者就是告訴系統我這個 App 要獨佔音訊使用,好處就是減少系統層面的幹擾,後者自然就是和其他 App 共用;獨佔模式開啟後因為你自己獨佔,所以其他 App 涉及到聲音的會暫時失效或者如果是都輸出會被擠到其他輸出裝置;理論上講,純 Mac 播放的話聽感差異不一定那麼明顯,外接 DAC 對比可能會更明顯一些。
然後這個環節後面就是輸出裝置的選擇,就是最終播放走哪條道。
macOS 沒有像 Windows WASAPI Exclusive 那樣面向普通使用者統一命名的"Exclusive Mode"。播放器通常透過 Hog Mode、裝置佔用、Audio HAL 裝置繫結、取樣率切換等方式實現類似獨佔輸出體驗。這是兩個平臺的差異。
輸出
就是大家相對好理解的各種耳機音箱之類的,通常中間還可能夾雜 DAC 的硬體;這裡面關鍵是不同裝置能力差異比較大,適配尤其是 DAC 會有難度;嚴格意義上 DAC 不算輸出層,因為外接 DAC 取決於你傳輸給他的是 PCM 格式還是走 DoP 的 DSD 模式,就是直接傳輸給他的是 PCM 資料還是需要他解碼,扮演的角色是不一樣的;如果是 PCM 其實 DAC 就是數字模擬轉化到輸出,如果是 DSD 的 DoP,就是它來解碼 DSD 再做數字模擬轉換。
DoP 是把 DSD 資料包裝在看起來像 PCM 的 carrier 裡傳輸。DAC 識別 DoP marker 後,提取其中的 DSD bitstream,再按自己的 DSD 路徑進行數模轉換。理論上來說,這個比轉 PCM 播放 DSD 要好的多,近似實現無損還原播放。
兩個關鍵點
1. 什麼會影響音質
所有針對音樂檔案的本身處理,不管是升降取樣還是 SRC 以及是否走獨佔路徑的選擇,都會影響到音質,從這個角度來說,在傳輸鏈路上最少干涉是最好的;不過這就像廚師做菜,有人喜歡加很多調料,有人喜歡食材原本味道,除了一些明確負向的影響,其他就看播放器各自取捨。
SRC、數字音量、EQ、DSP 會直接改變數字音訊資料;獨佔/共享則更多影響音訊是否經過系統混音、是否被系統重取樣、是否能匹配裝置取樣率。
2. bit-perfect 的概念以及聲音傳輸過程中的取樣率處理
在整個鏈條過程中,輸入端格式常見的引數是 bit 和取樣率,比如 24bit 96kHz,輸出的時候因為硬體本身的限制以及過程中的處理操作,最後輸出的 bit 和 kHz 可能差異會很大,但是有 2 個細節會比較重要:
- 儘量輸入和輸出的取樣率保持一致,就是 bit-perfect 原則;
- 如果要改,也應該按族數處理,比如 44.1 按照 88.2 而不是 96;而且升取樣率處理不一定聲音自動更好。
取樣率不等於音質自動更好
取樣率可以理解為:數字音訊每秒鐘記錄多少個取樣點。取樣率越高,並不等於"聲音自動更好"。它主要影響的是:
- 可表示的最高頻率
- 數字濾波器設計空間
- 後期處理餘量
- 裝置與系統是否需要重取樣
按照奈奎斯特定理,44.1 kHz 理論上可以覆蓋到約 22.05 kHz,而人耳通常上限在 20 kHz 左右。所以 CD 的 44.1 kHz 並不是隨便來的,它本來就是為完整覆蓋人耳聽覺範圍設計的。
更高取樣率的價值更多在於:錄音/製作階段有更大處理餘量、濾波器可以更寬鬆、某些 DAC 或播放鏈路在特定取樣率下表現更穩定、減少某些處理環節的副作用。但這不等於"所有 192 kHz 都比 44.1 kHz 好聽"。也可能有心理作用,大家就覺得引數高就一定音質好,其實我也一樣,同等情況下我肯定會優選更高取樣率;有點像攝影上的畫素,雖然 2000W+ 畫素已經夠清晰了,但是如果有更高畫素,我當然更願意選擇。
為什麼 bit-perfect 重要
bit-perfect 的意思是:播放器輸出給裝置的數字音訊資料,儘可能與原始檔解碼後的原始 PCM 資料一致。
更具體一點:
- 沒有系統重取樣
- 沒有數字音量改變
- 沒有 EQ
- 沒有 ReplayGain
- 沒有 DSP
- 沒有格式強制轉換
- 沒有系統混音
- 取樣率與原始檔匹配
- 聲道、位深處理不引入不必要變化
bit-perfect 重要的原因不是"它一定最好聽",而是它提供了一個最乾淨、最可驗證的基準。就是簡單說,音樂原本是什麼樣子的,我儘量給你呈現出什麼樣。
它的價值有三個:
第一,減少不確定性。如果一首 44.1 kHz 的 FLAC 被系統強制轉成 48 kHz,再經過系統混音,再被數字音量縮放,你聽到的就不是檔案本身的直接結果,而是"檔案 + 系統處理 + 播放器處理 + 裝置處理"的結果。這不一定難聽,但不透明。
第二,避免低質量處理。重取樣、數字音量、DSP 本身不是原罪。問題是:誰在做、怎麼做、質量如何、是否必要。有些系統 SRC 質量不錯,有些場景下也沒明顯問題。但如果播放器能避免不必要的 SRC,就能避免一個潛在的失真來源。
第三,建立可信度。對本地音樂播放器來說,bit-perfect 是一種專業底線。沒有偷偷改音訊。如果發生了處理,我會告訴你。如果不能原樣輸出,我會明確顯示 fallback / resampled / degraded。
bit-perfect 不等於一定更好聽,就像監聽耳機和音箱大家往往也不覺得最好聽,有些人覺得不夠討喜耳朵很平淡一樣;還是那個問題,不同產品價值下的取捨。
為什麼要同族處理
"同族處理"指的是:
- 44.1 系原始檔儘量轉換到 88.2 / 176.4 / 352.8
- 48 系原始檔儘量轉換到 96 / 192 / 384
原因是數學關係更簡單。44.1 → 88.2 是 2 倍。44.1 → 176.4 是 4 倍。48 → 96 是 2 倍。48 → 192 是 4 倍。這種整數倍轉換相對直接。
但 44.1 → 48 是非整數比例轉換。比例是 160:147。也就是說,為了把 44,100 個取樣點變成 48,000 個取樣點,重取樣器需要做更復雜的插值、濾波和相位處理。這不是說 44.1 → 48 一定差。高質量 SRC 可以做得很好。
但原則上:整數倍/同族轉換更簡單;非整數倍/跨族轉換更復雜;複雜就意味著更依賴 SRC 演演算法質量;如果沒必要,就不要跨族。所以是"44.1 儘量到 88.2 / 176.4,而不是強行到 48 / 96"。
關於升取樣
升取樣是把低取樣率音訊轉換成更高取樣率。例如:44.1 → 88.2,44.1 → 176.4,48 → 96,96 → 192。
很多人會誤解:數字變大 = 資訊變多 = 音質變好。這個理解是錯的。升取樣不能創造原檔案裡不存在的資訊。一首 44.1 kHz 的音樂,裡面沒有 30 kHz、40 kHz 的真實錄音內容。你把它升到 192 kHz,不會憑空生成真實的超高頻資訊。
升取樣真正做的是:在原有采樣點之間插入新的取樣點、透過濾波器估算中間波形、把資料變成更高取樣率格式、有時把數字濾波壓力從 DAC 轉移到播放器。它可能帶來好處,但不是因為"資訊變多"。
可能的好處包括:播放器 SRC 演演算法比 DAC 內部升取樣更好、某些 DAC 在高取樣率輸入下濾波器表現更好、同族整數倍升取樣讓後續處理更方便、DSP / EQ 在高取樣率下工作餘量更大、避免系統做低質量 SRC。但也可能沒有幫助,甚至更差。很多假無損就是做了升取樣處理,簡單理解為訊號就這些,自己腦補了一堆 YY 訊號做補充。
然後講一下 iOS
iOS 平臺和 Mac 平臺的差異還是很大的,簡單說就 2 方面:
1. 手機端本來限制就多:電量、效能,和電腦端沒法比,支援的能力更受限更封閉。
2. 核心播放鏈路上和 Mac 有差異:iOS 沒法走獨佔輸出模式;iOS 系統音訊層 AVAudioSession,Mac 上核心是 Core Audio / HAL / 輸出裝置,這是 iOS 和 Mac 最大差異之一。
其實還有個核心差異,就是使用者場景和 Mac 差異很大:Mac 平臺大家覺得更是嚴肅播放音樂的終端,效能足夠,所以深度體驗要好,包括和家庭裝置的整合外接 DAC 等,更適合嚴肅深度音樂;但 iOS 端使用者天然會覺得移動場景,不要太耗電散熱,能夠輕量級使用音質相對夠好 UI 更符合手機端簡約風格不要造成負擔更好,不需要無腦極致音質,而且輸出裝置很多時候是藍芽耳機,音質本來受限較多,大部分移動場景戶外噪音也比較大,外接的話最多加個小尾巴,大部分小尾巴受限於功耗體積很少有獨立供電的,所以和臺式 DAC 效能沒法比。
所以這段時間我也在思考 Mossca Mobile 的價值,在儘可能保證音質的情況下,我們在考慮一個新的方向,等出來後再看需要驗證需求。
開發到目前 Mossca 的一些經驗教訓
1. 穩定節奏 穩定體驗
初期因為基礎功能建設比較多,所以開發節奏比較激進,官網的發版記錄能夠看到,基本是一週多一個版本,快速迭代的背後埋下了一些核心架構上的隱患,所以最近 2 個版本都相對保持穩定的節奏來,確保核心體驗穩定,把基準線提高到更高標準。
2. 聚焦在真正核心的功能體驗
之前為了顯得專業,加了一些非核心功能體驗,比如波形進度條,最近的版本我已經拿掉,本身做這些處理會額外增加程式碼複雜度,去除一切不必要的功能。
還有我們之前單獨做的 Radar,就是評估音樂庫質量的評分體系,本身是有價值的,但也不屬於核心播放範圍,所以目前路徑上也降級處理;但幫助評估音樂庫質量以及甄別真假無損這個價值我們還會保留。
3. 一些架構設計上的考慮失誤
主要是對於播放器的不同場景提前理解的不夠,所以導致有些初始設計架構做的不夠好,目前也在快速調;比如之前有些功能因為涉及到效能,所以會考慮妥協做一些體驗差一些的 fallback,目前這塊兒也都在逐一補欠賬。
Mossca 目前的進展到哪一步
Mossca 現在已涵蓋從音樂庫匯入、掃描解析到播放的核心流程,並支援 macOS、Windows 與 iPhone / iPad。
音樂庫與連線:除了本地音樂庫外,Mossca 也支援透過 SMB、WebDAV 連線音樂檔案,並可接入 Mossca Server、Navidrome / Subsonic、Jellyfin、Plex 與 Emby。格式涵蓋主流無損音訊,包括 DSD。
播放:在 macOS 上,Mossca 支援相容的外接 DAC、獨佔輸出、DSD DoP 與高品質取樣率轉換。iPhone 與 iPad 則遵循 iOS 的輸出能力與路由機制;關於獨佔與 Bit-Perfect 的實際邊界,已在 Listening Notes 中另文說明。現在也支援訊號路徑資訊展示與線上歌詞比對。
使用情境:Mossca Windows 已與 Mac、iPhone / iPad 版本一同提供。Mossca Server 已可免費部署在 NAS 或家庭伺服器上,提供 Web Player,並作為 Mossca 用戶端的音樂庫連線方式。
音樂庫管理:對於支援的檔案格式,現在已可編輯後設資料;整理標籤可以成為聆聽流程的一部分,而不必是另一項單獨的工作。
另外,核心的播放穩定,響應速度,UI 的細節體驗(尤其是多主題之後)還會持續打磨,目前的情況還不夠理想。
有任何反饋和想法,歡迎給我發郵件溝通討論,歡迎一切批評和建議;我也是在快速學習成長中,請多指教。