小智输出的音频比特率是 24000？

[jkwang-a]

我用的火山双流 TTS，小智源码中这个的意思是 输出的音频 比特率是 24000 吧？

[Sakura-RanChen]

火山双流TTS当前指定的编码格式为PCM，根据文档则计算方法为：采样率 × 位深度 × 声道数

文档链接：https://www.volcengine.com/docs/6561/1329505#:~:text=req_params.audio_params.bit_rate

所以最终计算：

• 采样率：16000 Hz
• 位深度：16 bit（标准值）
• 声道数：1（单声道）
• 比特率 = 16000 × 16 × 1 = 256 kbps

[jkwang-a]

@Sakura-RanChen

比特率 怎么看着像不是固定的，生成的 opus 数据每帧的大小是变化着的，是不是 比特率不是固定的？

pcm 每帧 60ms ,样本数 960， 然后进行 opus 编码，生成的 opus 音频数据的大小每帧大小不固定

[jkwang-a]

找到原因了，因为 opus 编码时 使用的是 非固定比特率的编码方式

[Sakura-RanChen]

找到原因了，因为 opus 编码时 使用的是 非固定比特率的编码方式

当前opus编码时没有设置 VBR/CBR 模式，所以使用的是 默认的 VBR 模式（不固定大小）

对于 VBR 模式：

理论平均帧大小 = (比特率 × 帧长) / 8

以火山TTS配置为例（16kbps，60ms）：
平均大小 = (16000 bps × 0.06s) / 8 = 120 字节/帧

但实际每帧大小会在这个值附近波动：

• 静音或简单音频：可能只有 20-60 字节
• 正常语音：100-150 字节
• 复杂音频/音乐：150-200+ 字节