formatquality
采样率是什么？16k 到 44.1k 怎么选
理解采样率与清晰度、文件大小的关系，按用途选择。
采样率决定什么
采样率是每秒采集多少个振幅点。16000 Hz 常见于通话与语音识别，文件更小，高频细节有限。22050 或 24000 Hz 是许多神经 TTS 的实用平衡点，对人声旁白通常足够。44100 Hz 接近 CD，便于与音乐工程对齐，但对「纯人声讲解」未必带来成正比的听感提升，未压缩时体积却明显变大。
听感还取决于音色模型、比特率（对压缩格式）、播放设备与环境噪声。不要把采样率当成唯一质量旋钮。先保证文案清晰、音色合适，再考虑是否值得升到 44.1k。
按用途选择
网页试听、短视频口播、课件旁白：24000 Hz 一般够用。要与音乐、音效在同一工程里精细对齐：考虑 44100 Hz。带宽极紧或只做识别预处理：16000 Hz 可能更合适。选定后在整个项目保持一致，避免时间轴上出现奇怪的重采样伪影。
若下游会强制重采样，尽量在源头就靠近目标规格，减少多次转换。导出后抽听齿音与镲片类高频是否刺耳或发闷，必要时再调整，而不是无脑上调采样率。