← 返回 Listening Notes

Listening Notes · Mossca Philosophy

作者:Mossca 创始人

发布日期:2026-05-29

我是为何以及如何开发一款Mac播放器的

这篇文章主要分享两部分内容:我为什么要开发 Mossca,以及开发 Mossca 过程中的关键理解和实现——从解码、App 音频引擎到 Core Audio 和输出设备的完整链路。


第一部分:我为什么要开发 Mossca

我的听音情况

之前尝试过在线流媒体。对于中国国内,最主要的 QQ 音乐和网易云音乐,坦白说 90% 他们的功能我都用不到,我只想安静听歌,不社交不评论不看歌单不看其他和听歌乱七八糟的功能以及广告,受够了臃肿不堪的大而全的功能,还有版权问题随时可能喜欢听的音乐就听不了了。

相对来说,Spotify 还是最符合我要求的,我现在也同时在用,尤其是一些新专辑和小众专辑的试听,足够方便简单,除了音质差一些;主要是听一些新鲜的音乐,喜欢后再去买专辑收藏;更像是我的试听站;Spotify 的 UI 也是最符合我审美的。

Apple Music 也是个选择,我中间也试用过一段时间,最早音乐覆盖度不多,后来有了之后觉得一般听不如 Spotify 方便(我用网页端打开即听),客户端功能和 UI 中规中矩,虽然也有号称无损音质,我主要后面放弃了也是它整体还是面对大众音乐群体,对我来说 Spotify 足够了。

所以我的主战场还是听本地,就像小时候听 Walkman 或者 CD,安安静静,就是属于自己的音乐,没人打扰,简单而纯粹;而且我是属于很知道自己听什么的,对于喜欢的音乐来说,肯定还是想永久收藏。

我目前的一个三星 T7 2T 的作为临时盘已经满了,百度云和夸克大概各有 4T 以上的无损专辑;而且还在持续增加,我也准备近期搭建 NAS 系统;音乐来源很多,格式也很多,DSD 和 WAV FLAC 居多;我听得比较多的摇滚、流行、古典居多,从 90 年代到现代,从欧美到日本都听。

本地无损播放器的调研选择

开始听无损之后我就去搜索调研本地无损播放器的选择。我的诉求很简单:

  • 音质要好;
  • UI 要简单有审美,不能太过时;
  • 对于大音乐库友好,因为我肯定不会只听几张专辑;
  • 简单,不要有太多复杂的无关的功能。

Audirvāna

最开始尝试的是 Audirvāna,每个听本地的都绕不过去的。UI 中规中矩,功能适中吧,不能说臃肿,也说不上简约;很多设置还是偏工程化一些,其实对我来说用不上。对于大专辑库支持还可以,导入后滑动扫描还算顺畅,只是部分专辑解析会有问题显示???乱码;以及我不太喜欢它默认的专辑列表,我觉得专辑封面很重要,就像黑胶封面,而不应该仅仅是功能列表缩略图。

最主要的就是音质,虽然是主打,但是我实际测试听下来会感觉有些发闷发干,我是从个人听感上来说,没有统一标准,就是声音没有给我留下深刻印象。

Roon

白色主题 UI 整体还是挺现代简约的,实际用下来的感受是它更强调的是家庭媒体中心的场景而不是音质,主界面功能比较多,播放相关大差不差,它的解析准确度比 Audir 会更差一些在我的音乐库识别上,然后列表页会更差,感觉核心场景就不是主打围绕我这种本地播放打造的;音质也是差不多吧,感觉它主打的也不是音质,虽然也有一些播放音质相关的功能。它的一些专辑信息介绍补充还是挺好的;但对我现在来说,还体会不到他的好。

Swinsian

Swinsian 其实很像 iTunes。很好上手,虽然也不是主打音质,更像是一个当前版本的 iTunes;速度很快,不管是播放、大音乐库的浏览体验,这一点让我印象深刻;声音虽然没有主打音质,但是听起来听感还是不错的,比较温暖有层次,默认听感不错;我开发阶段如果需要背景音乐一般会开着它来听。

有 2 点是我不够喜欢的,1 是它的界面主布局太复杂窗口区域太多,我的核心场景还是听歌,不需要那么多窗口控制台,有些还管不了;和它的定位有关系吧,但毕竟编辑音乐库元数据不是我的核心场景,或者不是我的日常场景;另外就是它的功能也很多,但是坦白说的大部分对我用不到,我外接 DAC 播放的时候没有找到 DoP 的支持,对于我来说听 DSD 是接受不了的。

HQPlayer

看到很多发烧友论坛提及的,据说很硬核,音频处理积累深厚;我下载安装后体验了一次就停留在电脑里了,虽然有很多高质量算法,但是界面本身太过陈旧,更像是一台陈旧的精密仪器,本身的界面 UI 和播放结构对于大音乐库的支持就已经让我放弃了,音质方面没有深入体验,我本身只是想听音乐,不愿意折腾。

foobar2000

作为老牌存在很久的经典播放器,Windows 平台很早就用过,所以也安装试了一下;但明显是不如 Windows 的好用,虽然有很多插件扩展,但是还是需要我鼓捣研究,和 HQPlayer 一样更感觉像是工程师产品。

Apple Music 做本地库播放器

是的,我也使用过 Apple Music,出于对于苹果 UI 和体验的信任,但是当我导入我的音乐库 3000+ 专辑的时候,列表就已经明显卡顿了,而且有些细节体验会莫名其妙,我的感觉仍然是:它主打的一不是音质,二不是本地,在线流媒体才是核心。

所以决定自己来做

用了一轮下来,虽然还有些其他调研中看到的播放器,但是可能安装环节就放弃了,就是整体感觉比较满足我的很少,所以想了一下,那就自己做。

围绕着自己的需求,就捋了一下核心要点:

  • 音质很重要:虽然好的标准很多,我自己目前更倾向于做各种后期处理音染的音乐软件甚至硬件很多,我更倾向于听音乐本身该有的样子,就像监听耳机一样,能尽可能减少任何自作聪明的声音处理,原汁原味。
  • UI 很重要:作为播放器,我始终认为不仅仅是声音,界面的感受,对于一些视觉的传达很重要,尤其是一个每天都要用的 App;就像黑胶的封面一样重要。
  • 简单很重要:一切的存在都应该围绕听音乐本身,而不是什么功能都往里堆,都放出来给我设置和选择。
  • 大音乐库很重要:要满足的不仅仅是支持几张专辑播放得好。
  • 还有就是场景支持:本身我实际大部分时间是在电脑前工作,所以电脑本身肯定是第一优先级,我桌面还放置了 DAC 和监听耳机,所以对于外接 DAC 的支持很重要,不过是连接耳机和音箱;如果后面我购置了 NAS,那对于家庭音乐库的支持就更重要。

其他就是附加的细节了,比如要支持 DSD,要支持歌词。

所以我就开始开发 Mossca 了。


第二部分:Mac 平台上如何实现好的本地播放器

接下来我会讲一下按我的理解,Mac 平台以及 iOS 平台,如何能实现一个好的完整的本地播放器流程和关键点,我尽量讲的通俗易懂;这里面没什么玄学,看完之后理解了本质原理,面对各种概念广告词汇就都知道本质是什么,以及哪些参数重要哪些不重要了。

先说 Mac

从用户角度来说播放一首音乐到输出是:

  1. 导入本地音乐到 App 音乐库。这个环节导入都问题不大只是快慢问题,核心是文件解析的准确度和覆盖度,比如解析出来的音乐库的艺术家/专辑/封面信息是否准确,整轨信息是否解析分轨歌曲名称;导入之后浏览是否卡顿顺畅,尤其是专辑数比较多。
  2. 点击播放。对用户来说,这点就进入核心使用场景了,剩下就是觉得音质好不好了;看似简单,背后的工程会比较复杂。

从工程角度来说 Mac 的核心播放背后是:

解码 → App 音频引擎处理 → Mac 系统的 Core Audio → 输出

简单说就是类比工厂:

  • 解码:把原材料拆包还原成可加工的基础数据。
  • App 音频引擎:决定是否加工、如何排队、如何送出。
  • Core Audio / HAL:系统级传送带和调度层,负责把音频流送到目标设备;在共享模式下也可能参与混音和重采样。
  • 输出设备 / DAC:最终接收数字信号并转换成模拟声音。

解码

把压缩或封装的音频流转成播放器可以送给音频引擎的数据。这个除非自研,不然大部分播放器都是沿用现成的能力,业界有成熟方案,只要解码数据逻辑不错,这块儿大家都差不多,除非刻意做一些升降采样的处理;这一层决定"文件内容有没有被正确还原"。这里除非是播放器偷懒,没有选对应格式的最佳解码方案;这块儿相对对音质的影响较小,只是第一步。

对于无损音乐来说:基本都是转 PCM 格式:

  • FLAC → PCM
  • ALAC → PCM
  • APE → PCM
  • WAV/AIFF → 通常本来就是 PCM
  • DSF/DFF → DSD bitstream 或转成 PCM

对于 Mac 自身来说,DSD 没法原生播放,所以也是转 PCM 格式。

App 引擎处理

在音频送到系统之前,播放器可能会对音频做处理。播放器把解码后的音频数据送进自己的播放管线,管理播放、暂停、seek、切歌、缓冲、音量、播放状态。就是 App 自己的引擎大脑,整体控制中枢;在这个环节,很多 App 会做一些声音处理,策略差异比较大。

常见处理:

  • EQ
  • Crossfeed
  • SRC —— 很多高质量 SRC 算法
  • DSP

简单理解为这块儿是加工声音的最常见所在,但是加工的好不好就看厨师了,或者说什么都不加工尽量体现食材自身的味道,看各自播放器的取舍;这里面的加工理论上可以做的很深。

Mac 系统的 Core Audio

真正到达这里的时候就是系统的地盘了,是必须要经过的环节才能传输到设备;这里面常见的概念就是独占模式和共享模式,简单来说前者就是告诉系统我这个 App 要独占音频使用,好处就是减少系统层面的干扰,后者自然就是和其他 App 共用;独占模式开启后因为你自己独占,所以其他 App 涉及到声音的会暂时失效或者如果是都输出会被挤到其他输出设备;理论上讲,纯 Mac 播放的话听感差异不一定那么明显,外接 DAC 对比可能会更明显一些。

然后这个环节后面就是输出设备的选择,就是最终播放走哪条道。

macOS 没有像 Windows WASAPI Exclusive 那样面向普通用户统一命名的"Exclusive Mode"。播放器通常通过 Hog Mode、设备占用、Audio HAL 设备绑定、采样率切换等方式实现类似独占输出体验。这是两个平台的差异。

输出

就是大家相对好理解的各种耳机音箱之类的,通常中间还可能夹杂 DAC 的硬件;这里面关键是不同设备能力差异比较大,适配尤其是 DAC 会有难度;严格意义上 DAC 不算输出层,因为外接 DAC 取决于你传输给他的是 PCM 格式还是走 DoP 的 DSD 模式,就是直接传输给他的是 PCM 数据还是需要他解码,扮演的角色是不一样的;如果是 PCM 其实 DAC 就是数字模拟转化到输出,如果是 DSD 的 DoP,就是它来解码 DSD 再做数字模拟转换。

DoP 是把 DSD 数据包装在看起来像 PCM 的 carrier 里传输。DAC 识别 DoP marker 后,提取其中的 DSD bitstream,再按自己的 DSD 路径进行数模转换。理论上来说,这个比转 PCM 播放 DSD 要好的多,近似实现无损还原播放。


两个关键点

1. 什么会影响音质

所有针对音乐文件的本身处理,不管是升降采样还是 SRC 以及是否走独占路径的选择,都会影响到音质,从这个角度来说,在传输链路上最少干涉是最好的;不过这就像厨师做菜,有人喜欢加很多调料,有人喜欢食材原本味道,除了一些明确负向的影响,其他就看播放器各自取舍。

SRC、数字音量、EQ、DSP 会直接改变数字音频数据;独占/共享则更多影响音频是否经过系统混音、是否被系统重采样、是否能匹配设备采样率。

2. bit-perfect 的概念以及声音传输过程中的采样率处理

在整个链条过程中,输入端格式常见的参数是 bit 和采样率,比如 24bit 96kHz,输出的时候因为硬件本身的限制以及过程中的处理操作,最后输出的 bit 和 kHz 可能差异会很大,但是有 2 个细节会比较重要:

  • 尽量输入和输出的采样率保持一致,就是 bit-perfect 原则;
  • 如果要改,也应该按族数处理,比如 44.1 按照 88.2 而不是 96;而且升采样率处理不一定声音自动更好。

采样率不等于音质自动更好

采样率可以理解为:数字音频每秒钟记录多少个采样点。采样率越高,并不等于"声音自动更好"。它主要影响的是:

  • 可表示的最高频率
  • 数字滤波器设计空间
  • 后期处理余量
  • 设备与系统是否需要重采样

按照奈奎斯特定理,44.1 kHz 理论上可以覆盖到约 22.05 kHz,而人耳通常上限在 20 kHz 左右。所以 CD 的 44.1 kHz 并不是随便来的,它本来就是为完整覆盖人耳听觉范围设计的。

更高采样率的价值更多在于:录音/制作阶段有更大处理余量、滤波器可以更宽松、某些 DAC 或播放链路在特定采样率下表现更稳定、减少某些处理环节的副作用。但这不等于"所有 192 kHz 都比 44.1 kHz 好听"。也可能有心理作用,大家就觉得参数高就一定音质好,其实我也一样,同等情况下我肯定会优选更高采样率;有点像摄影上的像素,虽然 2000W+ 像素已经够清晰了,但是如果有更高像素,我当然更愿意选择。

为什么 bit-perfect 重要

bit-perfect 的意思是:播放器输出给设备的数字音频数据,尽可能与源文件解码后的原始 PCM 数据一致。

更具体一点:

  • 没有系统重采样
  • 没有数字音量改变
  • 没有 EQ
  • 没有 ReplayGain
  • 没有 DSP
  • 没有格式强制转换
  • 没有系统混音
  • 采样率与源文件匹配
  • 声道、位深处理不引入不必要变化

bit-perfect 重要的原因不是"它一定最好听",而是它提供了一个最干净、最可验证的基准。就是简单说,音乐原本是什么样子的,我尽量给你呈现出什么样。

它的价值有三个:

第一,减少不确定性。如果一首 44.1 kHz 的 FLAC 被系统强制转成 48 kHz,再经过系统混音,再被数字音量缩放,你听到的就不是文件本身的直接结果,而是"文件 + 系统处理 + 播放器处理 + 设备处理"的结果。这不一定难听,但不透明。

第二,避免低质量处理。重采样、数字音量、DSP 本身不是原罪。问题是:谁在做、怎么做、质量如何、是否必要。有些系统 SRC 质量不错,有些场景下也没明显问题。但如果播放器能避免不必要的 SRC,就能避免一个潜在的失真来源。

第三,建立可信度。对本地音乐播放器来说,bit-perfect 是一种专业底线。没有偷偷改音频。如果发生了处理,我会告诉你。如果不能原样输出,我会明确显示 fallback / resampled / degraded。

bit-perfect 不等于一定更好听,就像监听耳机和音箱大家往往也不觉得最好听,有些人觉得不够讨喜耳朵很平淡一样;还是那个问题,不同产品价值下的取舍。

为什么要同族处理

"同族处理"指的是:

  • 44.1 系源文件尽量转换到 88.2 / 176.4 / 352.8
  • 48 系源文件尽量转换到 96 / 192 / 384

原因是数学关系更简单。44.1 → 88.2 是 2 倍。44.1 → 176.4 是 4 倍。48 → 96 是 2 倍。48 → 192 是 4 倍。这种整数倍转换相对直接。

但 44.1 → 48 是非整数比例转换。比例是 160:147。也就是说,为了把 44,100 个采样点变成 48,000 个采样点,重采样器需要做更复杂的插值、滤波和相位处理。这不是说 44.1 → 48 一定差。高质量 SRC 可以做得很好。

但原则上:整数倍/同族转换更简单;非整数倍/跨族转换更复杂;复杂就意味着更依赖 SRC 算法质量;如果没必要,就不要跨族。所以是"44.1 尽量到 88.2 / 176.4,而不是强行到 48 / 96"。

关于升采样

升采样是把低采样率音频转换成更高采样率。例如:44.1 → 88.2,44.1 → 176.4,48 → 96,96 → 192。

很多人会误解:数字变大 = 信息变多 = 音质变好。这个理解是错的。升采样不能创造原文件里不存在的信息。一首 44.1 kHz 的音乐,里面没有 30 kHz、40 kHz 的真实录音内容。你把它升到 192 kHz,不会凭空生成真实的超高频信息。

升采样真正做的是:在原有采样点之间插入新的采样点、通过滤波器估算中间波形、把数据变成更高采样率格式、有时把数字滤波压力从 DAC 转移到播放器。它可能带来好处,但不是因为"信息变多"。

可能的好处包括:播放器 SRC 算法比 DAC 内部升采样更好、某些 DAC 在高采样率输入下滤波器表现更好、同族整数倍升采样让后续处理更方便、DSP / EQ 在高采样率下工作余量更大、避免系统做低质量 SRC。但也可能没有帮助,甚至更差。很多假无损就是做了升采样处理,简单理解为信号就这些,自己脑补了一堆 YY 信号做补充。


然后讲一下 iOS

iOS 平台和 Mac 平台的差异还是很大的,简单说就 2 方面:

1. 手机端本来限制就多:电量、性能,和电脑端没法比,支持的能力更受限更封闭。

2. 核心播放链路上和 Mac 有差异:iOS 没法走独占输出模式;iOS 系统音频层 AVAudioSession,Mac 上核心是 Core Audio / HAL / 输出设备,这是 iOS 和 Mac 最大差异之一。

其实还有个核心差异,就是用户场景和 Mac 差异很大:Mac 平台大家觉得更是严肃播放音乐的终端,性能足够,所以深度体验要好,包括和家庭设备的集成外接 DAC 等,更适合严肃深度音乐;但 iOS 端用户天然会觉得移动场景,不要太耗电散热,能够轻量级使用音质相对够好 UI 更符合手机端简约风格不要造成负担更好,不需要无脑极致音质,而且输出设备很多时候是蓝牙耳机,音质本来受限较多,大部分移动场景户外噪音也比较大,外接的话最多加个小尾巴,大部分小尾巴受限于功耗体积很少有独立供电的,所以和台式 DAC 性能没法比。

所以这段时间我也在思考 Mossca Mobile 的价值,在尽可能保证音质的情况下,我们在考虑一个新的方向,等出来后再看需要验证需求。


开发到目前 Mossca 的一些经验教训

1. 稳定节奏 稳定体验

初期因为基础功能建设比较多,所以开发节奏比较激进,官网的发版记录能够看到,基本是一周多一个版本,快速迭代的背后埋下了一些核心架构上的隐患,所以最近 2 个版本都相对保持稳定的节奏来,确保核心体验稳定,把基准线提高到更高标准。

2. 聚焦在真正核心的功能体验

之前为了显得专业,加了一些非核心功能体验,比如波形进度条,最近的版本我已经拿掉,本身做这些处理会额外增加代码复杂度,去除一切不必要的功能。

还有我们之前单独做的 Radar,就是评估音乐库质量的评分体系,本身是有价值的,但也不属于核心播放范围,所以目前路径上也降级处理;但帮助评估音乐库质量以及甄别真假无损这个价值我们还会保留。

3. 一些架构设计上的考虑失误

主要是对于播放器的不同场景提前理解的不够,所以导致有些初始设计架构做的不够好,目前也在快速调;比如之前有些功能因为涉及到性能,所以会考虑妥协做一些体验差一些的 fallback,目前这块儿也都在逐一补欠账。


Mossca 目前的进展到哪一步

Mossca 目前已经覆盖从音乐库导入、扫描解析到播放的核心流程,并支持 macOS、Windows 与 iPhone / iPad。

音乐库与连接:除本地音乐库外,Mossca 还支持通过 SMB、WebDAV 连接音乐文件,并可接入 Mossca Server、Navidrome / Subsonic、Jellyfin、Plex 与 Emby。格式覆盖主流无损音频,包括 DSD。

播放:在 macOS 上,Mossca 支持兼容外接 DAC、独占输出、DSD DoP 与高质量采样率转换。iPhone 与 iPad 则遵循 iOS 的输出能力与路由机制;关于独占与 Bit-Perfect 的实际边界,已在 Listening Notes 中单独说明。现在也支持信号路径信息展示与在线歌词匹配。

场景支持:Mossca Windows 已与 Mac、iPhone / iPad 版本一同提供。Mossca Server 已可免费部署在 NAS 或家庭服务器上,提供 Web Player,并作为 Mossca 客户端的音乐库连接方式。

音乐库管理:对于支持的文件格式,现已可以编辑元数据;整理标签可以成为聆听流程的一部分,而不必是另一项单独的工作。

另外,核心的播放稳定,响应速度,UI 的细节体验(尤其是多主题之后)还会持续打磨,目前的情况还不够理想。


有任何反馈和想法,欢迎给我发邮件沟通讨论,欢迎一切批评和建议;我也是在快速学习成长中,请多指教。

[email protected]


← 返回 Listening Notes