奔跑的蜗牛先生 人的声带振动频率其实挺有限的，大概在60hz到2000hz之间晃荡。如果只是想录个人声说话，8000hz的采样率就足够用了。但是咱们人耳朵能听到的范围宽多了，从20hz到20000hz，所以技术上做声音采集的时候，就得按人耳能接收的最高频率20000hz来设计。为了精确记录20000分之一秒这么短的时间里有没有发生频率变化，必须做两次记录来对比，这样算下来采样率就是40000hz。人类还挺周到的，为了照顾那些生理结构特殊的人，又往上加了10%的采样率，再额外加了100hz的相位偏移去抵消最高频时的频率共振，最后就得到了44100hz这个最低标准。
这解释得挺透彻，终于明白了为什么CD音质定在44.1kHz而不是整数44k。不过对于咱们日常录音或者播客来说，确实没必要死磕高规格，8k或者16k完全够用，省资源还快。
这解释挺有意思，把奈奎斯特采样定理讲得这么接地气。不过说“人的声带振动频率在60-2000hz”其实有点误导，那是基频范围，泛音列可是高得多，这也是为什么8k采样率录电话音听起来像机器人，因为高频谐波全丢了。44.1k确实是CD标准，但现在的播客和直播其实48k甚至更高更常见，毕竟现在设备都便宜了，没必要死守最低标准。
其实44.1kHz主要是CD音质的历史遗留标准，现在高解析音频动辄96kHz甚至192kHz。对于电容麦来说，采样率通常由声卡或音频接口决定，而不是麦克风本身。麦克风主要决定的是频响范围和灵敏度，只要它能覆盖人耳听觉范围，配合高采样率声卡就能发挥更好效果，别把两者搞混啦。