这不是一篇"DSD 秒杀 PCM"的玄学吹捧，而是从数字信号处理的底层逻辑出发，系统梳理 DSD 的技术原理、厂商实现差异，以及这些差异最终如何塑造我们的听感。



序言：DSD 不是魔法，是更精细的噪声管理


在 Hi-Res 音频阵营中，DSD（Direct Stream Digital，直接流数字）始终被视作"模拟味"的代名词。自 1996 年索尼与飞利浦共同提出 SACD 规格以来，围绕 DSD 的讨论从未停止：有人奉之为数字音频的终极形态，有人则认为它与 PCM 并无本质差异——在双盲测试中甚至难以区分。


今天我们需要一个更严谨的视角。


决定音质首位的永远是录音品质和环境底噪——任何格式都无法消除原始录音中的噪声。PCM 转 DSD 的核心技术，本质是利用噪声整形（Noise Shaping）和升频采样，将量化噪声"推挤"到人耳不敏感的超高频段，从而改善可听频带内的信噪比，让听感更干净、更自然——但原始录音里的底噪依然存在，这是所有数字格式都要面对的物理现实。


基于这个认知，本文将从三个层面拆解 DSD 的真正价值：


  1. 技术原理层面——噪声整形与升频的工作机制
  2. 厂商实现层面——不同品牌的 SDM、上采样、DAC 设计差异
  3. 回放体验层面——这些差异最终如何影响我们听到的声音


第一章：从 PCM 到 DSD——不是消除噪声，而是管理噪声


1.1 PCM 的局限性


PCM（脉冲编码调制）是 CD 时代的标准数字音频格式，采用多位深度（16bit、24bit）按固定采样率记录每个时刻的振幅值。PCM 的量化噪声均匀分布在 0 Hz 至 Fs/2（奈奎斯特频率）的频带内。


以 CD 规格（44.1kHz/16bit）为例，量化噪声均匀分布在 0~22.05kHz 范围内——恰好覆盖整个人耳可听频段（20Hz~20kHz）。这意味着 CD 规格的 PCM，其量化噪声完全暴露在听觉敏感区域内。


提升位深度（如 24bit）可以将量化噪声水平降低到更低的幅度，但噪声仍然均匀分布在带内，无法从根本上改变"噪声与信号同频共存"的局面。


1.2 DSD 的技术思路：噪声整形 + 升频


DSD 采用了截然不同的思路。它放弃了多位振幅记录，转而使用 1bit 比特流，以极高的采样率（2.8224MHz，即 CD 的 64 倍）记录信号相对前一时刻的变化方向（上升或下降），而非绝对值。


当我们将 PCM 升频转换为 DSD 时，发生两件关键事件：


第一，升频与噪声平铺。 采样率大幅提升后，量化噪声的总能量被"摊平"到更宽的频带上。相较于 22.05kHz 的带宽，2.8224MHz 的带宽是前者的 128 倍，单位频带内的噪声密度相应降低到约 1/128。换言之，可听范围内的本底噪声在理论上变得更加安静——这不是消除了噪声，而是将同等能量的噪声散布到更广阔的空间里。


第二，噪声整形（Σ-Δ 调制）。 这是 DSD 真正释放潜力的关键步骤。通过高阶 Σ-Δ 调制器，系统将大部分量化噪声推挤到 20kHz 以上的超高频区域（例如 30~100kHz），而人耳听觉上限约 20kHz。于是可闻频段（20Hz~20kHz）内的信噪比得到极大提升，信号纯度更高。


可以这样理解：PCM 的量化噪声像一盆水泼在地板上，均匀覆盖了可听范围的所有角落；DSD 的噪声整形则像把水引向房间角落的排水沟，让主要活动区域保持相对干燥——水还在那里，只是不在你真正待的地方。


1.3 必须明确的边界


但请务必明确： 这种处理只能重塑量化噪声，无法抹去录音时麦克风捕捉的环境底噪、设备固有电噪声——那些是源头信息，任何后期格式转换都无能为力。DSD 的智慧在于不污染原有信息，只优化自身的量化污染，让原始录音的底噪不再被额外的量化噪声叠加，从而更忠实地呈现原始声底。


换言之，DSD 是"净化器"，不是"修复师"。它能让好的录音锦上添花，但无法让差的录音起死回生。


1.4 时代的进步：算力大增为 SDM 打开的新空间


DSD 的技术原理早在 1990 年代初就已完备，但理论可行与实际可用之间，横亘着一道算力的鸿沟。


1996 年 SACD 规格提出时的现实困境：


1996 年索尼与飞利浦共同推出 SACD 规格时，主打的卖点正是"更接近模拟声音、更还原"。然而 1990 年代的现实是：消费级 DSP 的算力极其有限，FPGA 尚未普及，高性能 Σ-Δ 调制器只能依赖专用 ASIC。受限于这个时代的算力天花板，当时 SACD 的 SDM 参数只能设置得相对保守——调制器阶数低、噪声整形曲线不够陡峭、运算精度有限。


结果是，DSD64（2.8224MHz）的量化噪声虽然被推到了可听频带之外，但并没有推得很远。最早的 SACD 规格下，量化噪声在 20~25kHz 附近仍然有相当明显的残余，距离完美的人耳听觉上限（约 20kHz）可听余量非常有限。这直接导致了一个策略：当量化噪声在相同倍率下推不远时，最简单的解法就是提高采样倍率——从 DSD64 到 DSD128 再到 DSD256，通过倍增采样率，为噪声整形留出更大的频带空间，将可听范围内的量化噪声残余进一步推远。


这是 DSD 历史上的第一个时代：固定噪声整形参数，只能靠堆 DSD 倍率来获得更好的噪声表现。


1.5 算力革命带来的拐点


进入 2010 年代中后期，情况发生了根本性变化。FPGA 性能大幅提升，DSP 处理器进入了多核时代，GPU 计算也被引入音频处理领域。这些算力上的质变，使 SDM 的设计者终于有了充分的发挥空间。


如今的顶级 SDM 模块（如 HQPlayer 的 ASDM5/ASDM7、DpdoEngine 的信噪谐波优化 SDM 等）已经做到：在同样的 DSD64 倍率下，通过更复杂、更高阶的调制器设计，将量化噪声从原本只能推到 ~25kHz 的水平，大幅提升至 35kHz 甚至 50kHz 以上。


这意味着什么？


  • 以前需要 DSD128 甚至 DSD256 才能获得的噪声整形效果，现在 DSD64 就能实现——当然，更高倍率仍然有优势，但差距大幅缩小。
  • SDM 算法的设计不再受限于算力，可以尝试更复杂的噪声整形曲线（如权重大随频率的双区段 NTF）、更精细的 dither 策略、甚至基于机器学习的自适应调制。
  • 实时 PCM→DSD 转换成为可能——播放器可以在播放过程中实时完成高质量的升频与噪声整形，不再依赖于预转换或硬件 ASIC。

如果说第一个时代的口号是"堆倍率"，那么第二个时代的口号就是"优化算法"。


这个转变对行业的影响是深远的。过去，DSD 的声音质量几乎完全取决于硬件 DAC 的设计水平；现在，一个优秀的软件 SDM 加上一台具备 DSD Direct 功能的 DAC，就可以媲美甚至超越很多传统的 FPGA 硬解方案。这也是为什么越来越多高端数播选择将转换计算放在前端（如计算机或数播核心），而让 DAC 端专注于最纯粹的 D/A 转换。


更重要的是，算力的提升打破了"DSD 好但门槛高"的困境。一台搭载了优秀软件 SDM 的中端设备，其 DSD 回放质量可能超过十年前仅靠堆倍率的旗舰机。DSD 不再是少数人的奢侈品，而是有望成为更多人能够享受的音频优化技术。



第二章：噪声与时间——DSD 在听感上的真实价值


既然 DSD 无法改变录音底噪，那回放时我们到底听到了什么不同？差异主要体现在三个方面：


2.1 可听频带更"黑"


经过噪声整形后，带内噪声功率大幅降低，背景显得格外漆黑安静，微细节更容易浮出水面。这也是为什么很多烧友反映 DSD 回放时"乐器泛音更清晰，弱音信号更丰富"。这并不是 DSD"创造"了新的细节，而是它移除了 PCM 留在带内的量化噪声，让原本就被记录但被噪声掩盖的微弱信号得以浮现。


一个形象的类比：同一张照片，胶片本身没有区别，但当玻璃板上蒙着的一层灰尘被擦去，原本模糊的细节自然就清晰了。


2.2 瞬态响应更自然


DSD 的 1bit 脉冲密度调制天然具有极低的相位误差。PCM 的多位解码过程中存在固有的"过零失真"问题——当信号从正半周跨越到负半周时，多位解码器的多个位元同时切换，产生非线性失真。此外，PCM 重建模拟波形时需要陡峭的抗混叠滤波器，这在信号突变处会引发吉布斯效应（Gibbs phenomenon），即振铃（ringing）。


DSD 的 Σ-Δ 调制本质上是一个连续的 1bit 脉冲流，不存在多位切换带来的过零失真。其脉冲响应在时域上更加线性，尤其在 5kHz~10kHz 的中高频段，声音的起振和衰减更加自然。听感上表现为：弦乐的摩擦感更真实、人声的齿音更柔和、镲片的泛音更有空气感。


2.3 长时间聆听不易疲劳


由于高频量化噪声被推到超声波区域，可听范围内没有尖锐的滤波振铃，整体音色偏圆润、温暖，营造出类似模拟磁带的"流淌感"。这种差异在对比同张专辑的 PCM 24bit/96kHz 版本和 DSD64 版本时尤为明显：DSD 版本往往声场纵深更开阔，结像更稳定，但底噪水平完全一致——因为底噪来自母带本身。


这不只是主观感受的问题。研究表明，人耳对可听频段内的高频噪声和失真信号会不自觉地产生疲劳反应——就像长时间处在嘈杂环境中会感到精神紧张一样。DSD 将噪声推离可听范围，客观上减少了听觉系统的负担，从而允许更长时间的专注聆听。



第三章：SDM——DSD 的"灵魂"，但每家写法不同


进入更深一层的核心问题：DSD 说到底是 Σ-Δ 调制信号的存储载体。而 Σ-Δ 调制器（SDM）的设计——包括阶数、结构、噪声整形曲线的选择——每家厂商都不同，这才是决定听感差异的关键变量。


3.1 DSD 的起源与两条技术路线


DSD 由索尼与飞利浦于 1996 年共同提出，但两家在具体实现上走了完全不同的技术路线。


索尼路线： 索尼从一开始就将 DSD 定位为母带级格式，SACD 的 DSD 编码直接采用 1bit/2.8224MHz 的 Σ-Δ 调制。2005 年后，索尼进一步开发了基于 FPGA 的 DSD 母带重制引擎，可将 PCM 实时转换为 5.6MHz（DSD128）甚至 11.2MHz（DSD256）的 DSD，同时搭载 DSD 数字滤波器在数字域提前滤除超高频噪声。


飞利浦路线： 飞利浦则在更早的 Bitstream DAC 技术中积累了丰富的 1bit 转换经验。其早期"Bitstream"方案将 16bit 信号转换为 1bit 码流，配合噪声整形和脉冲密度调制（PDM），成为当时 DAC 设计的重要流派。2005 年飞利浦 DSD 部门转至 Sonic Studio，其 Nexus/Nextage 技术成为高端母带处理的主流算法之一，风格偏向宽松自然。


3.1.1 第三种力量：Foobar2000 与 foo_dsd_converter


在索尼与飞利浦的专业路线之外，还有一股来自开源社区和发烧友群体的力量——Foobar2000 播放器及其 foo_dsd_converter 插件。


foo_dsd_converter 提供了相当灵活的 PCM→DSD 实时转换能力。它集成了多种 SDM 调制器选项（如 5 阶、7 阶调制器，以及不同噪声整形曲线选择），允许用户根据个人听感偏好调整升频参数。配合 Foobar2000 强大的插件生态，发烧友可以轻松搭建一套从 PCM 到 DSD128/DSD256 的实时转换链路，而且完全免费。


从技术角度看，foo_dsd_converter 的出现打破了 DSD 转换的技术壁垒。过去只有专业录音室或高端硬件厂商才能做到的 SDM 调优，如今任何安装了 Foobar2000 的普通电脑都能实现。这在普及 DSD 回放方面功不可没——成千上万的发烧友正是通过这个插件第一次接触到 PCM 转 DSD 的听感差异。


但硬币有另一面：发烧友不等于专业。


foo_dsd_converter 的灵活性既是福也是祸。因为参数多种多样且缺乏标准化指导，大量用户在转换时选择了与源文件不匹配的参数：比如将 44.1kHz 的 CD 抓轨直接升频为 DSD256 时选用过高的调制器阶数，导致可听频带内反而引入了调制噪音；或者错误地设置了噪声整形曲线，使得原本干净的中高频段出现可闻的伪影。


更大的问题在于转存与分享环节。打开 QQ 群网盘、B 站链接或各大论坛的分享区，充斥着海量的"DSD 文件"——标着 DSD64、DSD128、DSD256 的文件夹，动辄数百 GB。但这些文件有多少是原生 DSD 录音？有多少是从 PCM 转换而来？转换时用了什么 SDM 参数？升频滤波器的质量如何？


答案是：无从辨别。


  • 文件标签上并不会标注转换来源和参数。一个标着"DSD128"的文件夹，里面的内容可能是用十年前的低质量 SDM 从 MP3 转出来的，也可能是从 24bit/192kHz 的母带用顶级算法转换的——两者用同一个文件名，但声音质量天壤之别。
  • 大量分享的 DSD 文件存在参数不匹配的问题：采样率与源文件不兼容（如把 48kHz 系的内容强行用 44.1kHz 系的 DSD 倍率转换），导致转换过程中产生踩踏失真（fold-back distortion）；还可能有错误的声道映射、不合理的增益设置等。
  • 更严重的是，部分劣质转换的 DSD 文件由于噪声整形参数不当，在 20~30kHz 附近残留了可闻的高频镜像——这些在 PCM 回放时可能被滤波掉，但在 DSD Direct 回放时反而被完整呈现，让初次听者误以为"DSD更大，更模拟"。

这种"无秩序转换 + 大规模分发"的局面，客观上造成了 DSD 格式口碑的两极分化。体验过优质 SDM 转换的烧友赞叹 DSD 的纯净通透；而那些下载到劣质转换文件的用户，则可能得出"DSD 还不如 CD"的结论。两者的分歧不在于 DSD 技术本身，而在于源文件的转换质量和参数的规范性。也就是先在所有的“假DSD”


这也是为什么越来越多的专业音频社区开始呼吁：分享 DSD 文件时注明转换来源和参数，甚至附带转换日志。 对于追求质量的发烧友，与其下载来源不明的"DSD 大包"，不如自己用优质 SDM 软件（如 HQPlayer、DpdoEngine 等）从可靠的 PCM 源文件进行实时转换——至少你知道每一步的质量。


3.2 调制器的核心参数差异


Σ-Δ 调制器虽然数学原理相同，但具体实现时不同厂商会在以下参数上做出不同选择：


阶数（Order）： 7 阶 Σ-Δ 调制器是常见的高端配置。阶数越高，带内噪声整形效果越好，量化噪声被推得越远，可听频带内的信噪比越优。但高阶调制器对时钟抖动和电路精度的要求呈指数级上升——阶数每增加一阶，对时钟稳定度的要求大约提升 6dB。过高的阶数若伴随不稳定的时钟源，反而可能引入调制噪声或"极限环"（limit-cycle oscillation）失真。因此，高阶并非越高就一定越好听，关键看整体系统的匹配度。


m-bit 与 1-bit： 除了严格的 1bit DSD 定义外，索尼还定义了 DSD-Wide（m-bit SDM） ，即使用多比特（如 6bit 或 8bit）的内部量化器但仍保持 DSD 域的信号特性。DSD-Wide 与 1bit DSD 同属 DSD 域且可无损互转。不同厂商对 m-bit 的处理方式完全不同——有的走 8bit 路径以获得更高的带内信噪比，有的走 6bit 以保持更快的调制速率。这种差异直接导致最终模拟输出的波形细节不同。


噪声整形曲线（NTF）： 噪声传递函数（Noise Transfer Function）决定量化噪声在频域中的分布形状。有些厂商偏好将噪声推向约 50kHz 的"温和"曲线，有些则选择推向 100kHz 以上的"激进"曲线。前者听感更自然温润，后者带内信噪比更高但可能在高频引起由超声波噪声调制回可听频带的互调失真。这本质上是一个工程权衡。


3.3 典型厂商的 SDM 路线


厂商SDM/DSD 路线核心特征
索尼FPGA 驱动、DSD 重制引擎最高支持 DSD256（11.2MHz），偏精致细腻，有 DSD 数字滤波器
飞利浦/Sonic StudioBitstream 遗产 → Nexus/Nextage原始 Bitstream DAC 的一脉传承，偏宽松自然
dCS所有输入升频 DSD128，自家 RingDAC偏精准权威，全 FPGA 方案，无传统 DAC 芯片
EMMLabsFPGA 升频至 16x DSD创始人 Ed Meitner 是 DSD 主要推动者之一，技术传承自 SACD 时代
Playback DesignsFPGA 升频至 4x DSD技术和 EMMLabs 相近，但调声方向不同，更强调模拟感


第四章：上采样——从 PCM 到 DSD 的"再创作"


当 DSD 播放器或转换器需要处理非原生 DSD 的 PCM 信号（如 CD 抓轨、流媒体 PCM 流）时，需要先将 PCM 升频，再送入 SDM 进行噪声整形。这个上采样过程的滤波器设计，是另一个决定最终声音走向的关键变量。


4.1 上采样滤波器的核心参数


抽头数（Tap Count）： 滤波器的抽头数决定了算法的计算精度。抽头数越多，阻带衰减越深，信号重建越精确。高端转换器的上采样滤波器抽头数可以达到数十万甚至百万级。但抽头数越多，计算延迟也越大，对 FPGA 或 DSP 的算力要求极高。


滚降特性（Roll-off）： 理想的低通滤波器需要在通带内保持平直（无衰减）而在阻带前迅速滚降。但现实中，滚降越陡峭，时域上的振铃（pre-ringing/post-ringing）就越严重。有些厂商偏好陡峭滚降以换取更高的频响精度（如 dCS），有些则选择缓滚降以换取更自然的瞬态响应（如许多纯模拟风格的设计）。


振铃抑制（Ring Suppression）： 滤波器的脉冲响应在截止频率附近会产生振铃——即在信号的强烈变化前后出现多余的振荡。过度振铃会让声音听起来"硬""数码味重"，尤其在钢琴、打击乐等瞬态强烈的音源上最为明显。优秀的上采样算法会在频域精度和时域纯净度之间找到平衡点。


4.2 不同厂商的上采样哲学


索尼： DSD 母带重制引擎采用 FPGA 方案，具有强大的实时计算能力。其上采样滤波器经过专门优化，在高阶滚降的同时尽量抑制振铃，配合 DSD 数字滤波器在数字域提前切除超声波噪声，最终输出的信号在时域和频域上都经过精心调整。


dCS： dCS 是公认的上采样算法大师。其最新平台的 DAC 将所有输入信号（无论 PCM 还是 DSD）统一升频为 DSD128，再通过自家独特的 5bit RingDAC 做数模转换。dCS 的上采样采用极高抽头数的专有滤波器，配合五种可选的映射滤波器（Mapping Filters），让用户可以根据音乐类型或个人口味选择不同的升频曲线。dCS 的听感特征——精准的结像、开阔的声场、权威的低频——很大程度上归功于其上采样算法的优异性能。


EMMLabs 与 Playback Designs： 两者同属创始人 Ed Meitner 的技术脉络，但路线已有分化。EMMLabs 使用 FPGA 将所有信号升频至 16x DSD（即 45.1584MHz/49.152MHz），这是目前消费级最高级别的内部升频。Playback Designs 则只升频至 4x DSD（即 11.2896MHz/12.288MHz），他们认为更高倍率带来的理论优势在听感上并不明显，反而可能引入不必要的处理噪声。两个品牌都坚持 DSD 域全程处理，绝不将 DSD 转回 PCM。


Chord Electronics： 严格意义上 Chord 不使用 DSD 作为内部处理格式，其基于 FPGA 的脉冲阵列 DAC（如 Hugo TT2、Dave）将所有输入信号升频至极高的 PCM 采样率（最高 2.048MHz）后再进行脉冲阵列解码。Chord 的创始人 Rob Watts 认为，DSD 的 1bit 架构在 DAC 精度上不及高位深 PCM 升频更优，但 Chord 的算法同样采用噪声整形技术，本质上与 DSD 的噪声管理思路相通——只是路径不同。


Linn： Linn 是 PCM 路线的坚定支持者，其所有 DAC 产品都是纯 PCM 架构，不支持原生 DSD 解码。Linn 认为 DSD 的格式效率低、编辑修改困难，而其自有的 PCM 升频算法（Masterpiece 系列平台）已经可以达到极低的带内噪声和失真。这种技术路线的分歧恰恰说明：DSD 并非唯一的优质路径，算法的质量比格式本身更重要。


4.3 上采样与 SDM 的协同作用


上采样和 SDM 并非独立运作——它们是紧密耦合的两步流程。


  • 上采样决定信号的时频精度：抽头数影响频域分辨率，滚降特性影响时域纯净度。
  • SDM 决定噪声的频域分布：阶数和 NTF 曲线决定量化噪声被推到哪里，以多快的速度衰减。

不同厂商在不同环节的取舍组合，最终产生截然不同的听感。上采样滤波器再优秀，如果后端 SDM 的噪声整形不明显，可听带内的信噪比优势就会打折；反之，SDM 做得再好，如果上采样过程中引入了严重的振铃或相位失真，最终输出仍然会显得"硬"或"数字味重"。



第五章：DAC 芯片层面的差异——ESS 与 AKM 的不同哲学


即使同一份 DSD 文件，通过不同 DAC 芯片解码后，声音也可能大相径庭。这直接关系到 DAC 芯片如何"消化" DSD 信号。


5.1 ESS（Sabre 系列）


ESS 的 DAC 芯片（如 ES9038PRO、ES9068AS、ES9039PRO 等）在设计上有一个值得注意的特点：内部没有独立的 1bit DSD 专用通道。


当输入 DSD 信号时，ESS 芯片的做法是将 DSD 信号先经过内部 DSP 做升频，然后按 HyperStream II 等多位处理架构再转换回 PCM 域，最后由多位 Δ-Σ 调制器输出。换言之，ESS 播放 DSD 时，DSD 信号事实上在芯片内部被"翻译"成了 PCM，再被转换回模拟信号。


这个做法在学术界和发烧友中都有争议。支持者认为，ESS 的内部算法足够成熟，翻译过程不会带来可闻的信息丢失；反对者则认为，DSD 的核心优势——全程保持 1bit 脉冲密度域——在这一过程中被打破，信号经历了不必要的 PCM 域转换，可能引入额外的量化误差。


需要注意的是，ESS 的全新芯片架构（如 ES9039PRO，2022 年发布）改进了 DSD 路径的处理方式，部分型号现在支持 DSD Direct 模式，号称 DSD 信号可以绕过内部 DSP 的多位转换，直接送入调制器。但业界普遍认为，这些改进与其说是实现了真正的 DSD Direct，不如说是将 PCM 域的转换优化到了理论可闻阈值以下。


5.2 AKM（Velvet Sound 系列）


AKM 的设计哲学与 ESS 有很大不同。其旗舰芯片（如 AK4499EX/AK4191 的拆分方案，以及之前的 AK4497/AK4499）在设计上为 DSD 处理做了更充分的准备。


在 AK4499EX/AK4191 的架构中，AKM 将传统的 DAC 分为两部分：


  • AK4191（数字前端）： 处理数字信号接收、PCM 升频、DSD 信号转换和调制
  • AK4499EX（模拟输出）： 纯模拟电路，包含 128 个元件的电流引导 DAC 阵列

这种拆分设计将数字处理与模拟输出物理隔离，大幅降低了数字噪声对模拟信号的串扰。在 DSD 处理方面，AKM 的 DAC 阵列在 5.6/6.1MHz 或 11.2/12.3MHz 的速率下工作，低频带信噪比表现优异。


AKM 提供 DSD Direct 模式，该模式下 DSD 信号跳过大部分数字处理，直接由物理 DAC 阵列进行模拟转换——没有 PCM 域的中间翻译。这是很多 DSD 爱好者最为认可的实现方式：1bit 脉冲流从源头到模拟输出前始终保持 DSD 域特性。


此外，AKM 在最新架构中引入了异步模式，抖动仅取决于本地晶振而非输入信号的时钟质量，这一特性在与 USB 等异步传输协议配合时尤其有利。


5.3 其他重要 DAC 方案


TI/Burr-Brown（PCM17xx/DAC 系列）： TI 的 DSD 处理与 AKM 类似，支持 DSD Direct 模式（DSD Playback）。其最新 DAC 芯片（如 PCM1795、PCM5242 等）支持原生 DSD 解码，但在处理高倍率 DSD（DSD256 以上）时，一些较低端的型号需要通过降频处理。


R-2R DAC 方案（Holo Audio、Denafrips 等）： R-2R 电阻阶梯 DAC 本质上是多位 PCM 架构，原生架构不支持 1bit DSD。这些厂商的做法是将 DSD 信号通过 FPGA 先转换为多位数字信号（通常是 24bit 或 32bit），然后再由 R-2R 电阻网络进行模拟转换。虽然转换精度极高，但严格来说，DSD 在信号进入 R-2R 网络前已经被"翻译"成了 PCM。



第六章：这对听感意味着什么？


经过上述技术分析，我们可以回到一个根本问题：不同厂商的 SDM、上采样、DAC 架构差异，最终如何影响我们听到的声音？


6.1 噪声分布不同


调制器阶数和噪声整形曲线不同，量化噪声被推到超高频的位置和方式就不同。索尼的 FPGA 引擎倾向于将噪声推得更高（DSD128/256 配合数字滤波器），可听带内的信噪比理论最优；飞利浦系的 Sonic Studio 算法则使用相对温和的 NTF 曲线，噪声在 30~50kHz 范围内逐渐衰减，听感更加自然宽松。


对于 DAC 芯片层面：ESS 的"翻译式"DSD 和 AKM 的"直通式"DSD Direct 会产生完全不同的噪声分布。前者经过 PCM 域转换，理论上带内噪声可能稍高（取决于内部算法的质量）；后者的 1bit 域全程直通，更接近原始 DSD 的噪声整形曲线。


6.2 瞬态响应不同


上采样滤波器的抽头数和滚降特性决定了脉冲响应的振铃多少，直接影响声音的"速度感"和"活生感"。


  • 抽头数高、滚降陡峭（如 dCS）→ 频域精度高，但时域振铃较多 → 听感细节丰富但可能偏"硬"，器乐轮廓分明
  • 抽头数适中、滚降缓和（如 Playback Designs、飞利浦系）→ 时域纯净度高，瞬态自然但高频延伸略微柔和 → 听感宽松自然不容易疲劳

DSD 的 1bit 架构本身就比 PCM 更少受到滤波振铃的影响，但上采样阶段引入的振铃仍然存在。这是为什么即使同为 DSD 回放，不同设备的"速度感"可以差异巨大。


6.3 音色走向不同


综合 SDM、上采样和 DAC 实现三个环节，不同品牌形成了鲜明的音色哲学：


  • 索尼的 DSD 重制引擎： 偏"精致细腻"，声底干净利落，声场开阔但结像清晰利落
  • 飞利浦系（Sonic Studio/Nextage）： 偏"宽松自然"，中频有微妙的温暖感，高频延伸柔和
  • dCS： 偏"精准权威"，结像极其准确稳定，声场宽深但不过于渲染
  • EMMLabs： 偏"通透直接"，声底干净透明，动态凌厉，强调信息量
  • Playback Designs： 偏"模拟质感"，密度高但不过分锋利，人声和弦乐有特殊的饱满润泽感
  • Chord Electronics： 虽然严格说不算 DSD 路线，但其"脉冲阵列"特点是极高的动态范围和极低的底噪，中性通透中带适度的温暖
  • AKM 芯片的机器： 因为 DSD Direct 模式，1bit 的脉冲密度信号被保留得最完整，噪声分布更纯净，听感上中高频的空气感和泛音细节自然丰富
  • ESS 芯片的机器： 因为 DSD 信号经过翻译，中低频的密度和冲击力往往有独特的表现，但部分用家认为高频泛音的空气感略逊于 AKM 的 DSD Direct

6.4 一个重要的提醒


这些听感差异并非只有 DSD 与 PCM 之间的差异——同一份 DSD 文件在不同设备上，听感差异可能比不同格式在同一设备上更大。这一点非常重要，因为它意味着：


  • 如果你在一台 ESS 芯片的设备上听了 DSD，又在另一台 R-2R 设备上听了同样的 PCM 文件，你听到的差异更多是DAC 架构差异，而非 DSD 与 PCM 的格式差异。
  • 在对比 DSD 和 PCM 时，必须在同一台设备、同一个 DAC 路径下进行控制变量比较——否则结论容易误导。
  • dCS、EMMLabs、Playback Designs 等高端品牌之所以在 DSD 回放领域备受推崇，并非 DSD 格式本身有什么"魔力"，而是这些品牌为 DSD 信号路径投入的算法和工程资源与在 PCM 路径上相比同样充分甚至更多。


第七章：一个完整的类比——从图像处理看 DSD 的价值


用一个视觉类比也许能帮助理解：


PCM 好比一幅高分辨率数码照片，每个像素用 16bit 或 24bit 记录亮度和色彩信息。像素越多、位深越大，图像越精细。但即使最高规格的 CMOS 传感器，在暗部区域仍然存在传感器本身的底噪。


DSD 的噪声整形相当于对同一张照片做了一种特殊的降噪处理——它不是模糊掉噪点，而是通过某种算法将噪点推挤到肉眼无法分辨的极高频区域，让暗部细节得以显现。


但不同厂商的噪声整形算法就像不同的图像降噪算法：有的算法保留纹理但会损失微量细节（偏温润型），有的算法锐利清晰但可能出现轻微伪像（偏分析型），有的算法整体均衡但处理速度慢（偏复杂型）。


而 DAC 芯片的差异，则相当于不同的显示设备——OLED、MicroLED、高端 IPS 面板，各有各的色彩还原方式。即使同一张经过降噪优化的照片，在不同显示器上看起来也截然不同。


所以当有人问"DSD 是不是更好听"时，正确答案不是"是"或"否"，而是"取决于你用什么 SDM、什么上采样算法、什么 DAC 在播放"。



第八章：不回避的争论——DSD 的争议与局限


坦诚地讲，DSD 并非没有争议和局限。为了让这篇文章保持客观，我们有必要直面如下质疑：


8.1 "DSD 和 PCM 在盲听中无法区分"


这是最常见的反对观点，也被多项研究数据支持。问题在于：

  • 大多数盲听测试使用的 DAC 并非为 DSD 做了专门优化的顶级系统
  • 测试样本通常只涵盖 DSD64，未涉及 DSD128/256 的高频优势
  • 听音个体差异巨大——有人对噪声分布的变化极其敏感，有人则完全不受影响

基于现有证据，合理的结论是：在常规回放系统上，DSD 和 PCM 的差异确实很小，不是所有烧友都能分辨；但在顶级优化系统上，差异是可闻且稳定的——前提是测试条件和听音者都经过筛选。


8.2 "DSD 文件体积大、编辑困难"


DSD64 的文件体积约为 CD 级 PCM 的 4 倍（2.8M 对 1.4M 的采样率差异），DSD128/256 再翻倍。较大的文件体积对存储和传输带来更高的要求。


更关键的是，DSD 的 1bit 特性使得在数字域的编辑——音量调整、均衡、淡入淡出——变得困难。1bit 域的简单操作（如乘以一个系数）会引入显著的量化失真，因此大多数 DSD 编辑仍然需要在多比特域（如 8bit DSD-Wide 或 PCM 域）进行后转录回 DSD。这增加了母带制作的工作量和质量损耗风险。


8.3 "真正的纯 DSD 链路极少"


从录音到回放的"纯 DSD 链路"在现实中极为罕见。即使号称"全程 DSD"的制作流程，在混音、母带、音量调整等环节也往往需要转入多比特域处理。真正能做到从 A/D 到 D/A 全程 1bit DSD 保持的，只有少数独立厂牌（如 Opus3、Blue Coast Records 等）。


从录音到回放的完整链路中，DAC 内部的 SDM 质量、时钟精度、电源完整性等因素，对最终音质的影响往往大于"输入文件是 PCM 还是 DSD"这一变量本身。


8.4 "DSD 转 PCM 再解码是普遍现实"


正如前文所述，很多 DAC 芯片（尤其 ESS）和 R-2R 架构的 DAC 在内部会将 DSD 转为 PCM 再解码。在这些系统上，DSD 输入和 PCM 输入实际上走的是同一条翻译路径——那么两者的差异主要来自输入 DSD 质量控制（噪声整形是在录音/转换阶段完成的）和内部翻译的质量。



第九章：DSD 的未来与取舍建议


9.1 技术演进方向


  • 更高倍率 DSD： DSD256（11.2MHz）已在中高端产品中成为标配，DSD512（22.5792MHz/24.576MHz）在部分旗舰产品中出现。更高的倍率使噪声整形曲线可以设计得更加"温和"——因为超声频带足够宽，量化噪声在可听频带内的残余量更低。
  • DSD Native 解码日趋成熟： AKM 的 DSD Direct、Holo Audio 的 FPGA 原生 DSD 路径等方案的成熟，使得"纯 DSD 域"解码不再是空谈。
  • 实时转换（ALL to DSD）： 以 HQPlayer、罗技的方案为代表，实时 PCM 转 DSD 技术日趋成熟。用户可以将任意来源的数字音频实时转换为 DSD128 或 DSD256，再送入 DAC。这种做法的听感通常好于 DAC 内部的自动转换，因为实时转换的算法（如 HQPlayer 的 poly-sinc 滤波器 + SDM 组合）经过了特殊优化。

9.2 给烧友的实用建议


如果你有一份质量极高的录音（如 DSD 原生录制的古典/爵士/人声）：


  • 优先选择支持 DSD Direct 模式、具有 FPGA 原生 DSD 路径的 DAC（如 AKM 芯片设备、EMMLabs、Playback Designs、dCS）
  • 配合合适的实时转换工具（如 HQPlayer），可以进一步发挥 DSD 噪声整形的优势
  • 注意保持全程异步传输（USB/网络），避免时钟抖动破坏 S/D 调制的理论优势

如果你的音源主要是 PCM（如 CD 抓轨、流媒体 PCM 流）：


  • 选择具有优质实时转换功能的播放器或 DAC——重点考察其上采样滤波器的质量（抽头数、滚降特性、振铃抑制）
  • 在条件允许的情况下，尝试 HQPlayer 等专业的实时 PCM→DSD 转换软件，其噪声整形曲线通常优于 DAC 芯片内部自带的 SDM
  • 如果预算有限，不一定要追求 DSD——一台 DSP 算法优秀的 PCM DAC（如 Chord）也能达到极高的回放品质

不要陷入"格式迷信"：


  • 一张录制糟糕的 DSD256 远不及一张优秀录制的 CD RIP（PCM 44.1kHz/16bit）好听
  • 盲听测试中，大多数人无法区分同一录音的 PCM 24/96 和 DSD64——但在顶级系统上，差异稳定可闻
  • 与其花重金追求 DSD 格式，不如先确保录音质量、回放系统的时钟精度和电源完整性——这些才是"道"，格式是"术"


尾声：DSD 的价值，不在格式，在人


回到文章开头的观点：DSD 不是魔法，它不能消除糟糕的录音，不能弥补系统短板，甚至未必能在所有系统中提供可闻的提升。


但本文用近万字所做的技术拆解，想要传达的核心信息是：DSD 的价值不在于"DSD 与 PCM 谁更好"的二选一问题，而在于它揭示了数字音频处理中一个至深的事实——量化噪声的管理方式，决定了数字回放的质量上限。


PCM 是一种诚实但粗放的噪声管理：噪声均匀分布，在可听范围内与信号共存。DSD 的噪声整形则是一种更为精巧的噪声管理：通过升频和调制，将噪声推离听觉敏感区域，为优质录音提供更干净的重放环境。


而真正让 DSD 回放变得丰富的，是不同厂商在 SDM、上采样、DAC 实现上做出的不同设计决策——索尼的 FPGA 引擎、飞利浦的 Bitstream 遗产、dCS 的 RingDAC、AKM 的 DSD Direct、EMMLabs 的全程 DSD 域、Chord 的脉冲阵列……它们都是对同一个"噪声管理"命题的不同解答。


所以，当你听到"DSD 更好听"时，最应该追问的不是"DSD 是不是真的好"，而是——


"是哪家厂商的 SDM？哪套上采样算法？哪颗芯片在解？"


答案往往比"DSD vs PCM"本身更有意义。



无损音乐 + Hi-Res 规格 + DSD 噪声整形，这三者结合才构成完整的体验升级。如果您的硬盘里存着大量 PCM 无损，不妨尝试 ALL TO DSD 实时转换，感受量化噪声被"推开"后那份沉静通透——但请记住，那份沉静之下，录音室窗外车流的低频轰鸣，依然还在那里，那是音乐本该存在的真实印记。


DSD 不是修复师，它是净化器。它不是魔术师，它是工程师。而每一种选择——无论 DSD 还是 PCM，无论 AKM 还是 ESS，无论 7 阶 SDM 还是 R-2R——背后都是厂商对"如何管理噪声、还原音乐"这一永恒问题的独特回答。


这，才是 DSD 好在哪里——以及，值得我们反复聆听与比较的根本原因。