HIFI日记：什么是时钟：一切声音的起点
一直以来，包括BLOG主在内，在讨论数字音频系统的时候，都经常会把“时钟”、“抖动”、“同步”挂在嘴边。这并不是一个新概念，早在CD出现的百年前，时钟就已经伴随着数字音频的诞生而出现。发展到今日，不管是新烧、老烧，围绕时钟的话题仍然子啊争执不休。在当前几百块的数字界面就能标称“飞秒时钟”的时代，为什么我们还经常会说一个系统的“时钟”不行？要彻底理解这件事，我们就需要真正深入了解“时钟”在数字音频中到底是什么，以及硬件产品中的“时钟参数”跟烧友口中的“时钟听感”到底是不是一回事。
一、时钟在数字音频中的核心作用：时间的标尺
数字音频的本质，是把连续的声音波形，在时间轴上切成一个个点（采样）。要还原这些点，就必须用一把精准的“时间标尺”去度量它们——这把标尺，就是时钟（Clock）。
如果录制和回放的时间标尺完全一致，声音就能原样重现。如果回放时的标尺忽快忽慢、忽长忽短，那么原本均匀排列的采样点就会被“拉歪”——轻则声音发糊、声场混乱，重则产生可闻的失真。因此，时钟的精度，决定了这把时间标尺的准度。
二、时钟的物理学定义：频率、相噪与抖动
要量化时钟的好坏，主要看它的精度。
2.1 理想时钟 vs 现实时钟
- 理想时钟：一个完美的方波或正弦波，每个周期的时间间隔完全相等，像一条笔直的马路。
- 现实时钟：受限于晶体切割精度、电路噪声、温度变化等因素，每个周期的长度会存在微小的、随机的偏差。这就像马路上布满了坑洼，车开过去会颠簸。
2.2 衡量时钟精度的两个核心指标
| 指标 | 含义 | 类比 |
|---|---|---|
| 频率精度（ppm） | 时钟实际频率与标称频率的长期偏差 | 手表每天快多少秒 |
| 相位噪声（dBc/Hz） | 时钟信号在频域上的纯净度，描述噪声功率在频率偏移上的分布 | 手表走动时，每一下的快慢波动情况 |
| 抖动（fs/ps） | 时钟周期在时域上的瞬时偏差（通常以秒为单位），是相位噪声在频域上的积分结果 | 手表每秒钟的走时是否均匀，是“快慢波动”的累计程度 |
对于音频回放来说，短期抖动（相位噪声）的影响远远大于长期频率（频率精度）偏差。因为长期偏差（比如时钟偏了10ppm，即百万分之十）只是让音乐整体稍微变快或变慢一点，人耳几乎无法察觉；而短期抖动会直接破坏采样点的时间对齐精度，导致声音模糊、声场扁平。
三、频点
在晶振与时钟的语境中，频点指的是晶振输出的标称中心频率，也就是它设计用来稳定产生的那个特定频率值。例如 22.5792MHz、24.576MHz、48MHz、100MHz 等，都是常见的频点。
3.1 频点是怎么来的？
频点由晶体本身的切割尺寸和电路设计决定，一旦出厂就固定。它代表了晶振“应该”输出的频率，但在实际工作中会受温度、老化等影响产生微小偏移（即前面提到的频率精度 ppm）。
3.2 音频设备中常见的频点及其用途
| 频点 | 典型用途 | 与音频采样率的关系 |
|---|---|---|
| 22.5792MHz | 44.1kHz 家族的音频主时钟（MCLK） | 44.1k × 512 = 22.5792MHz 88.2k × 256 = 22.5792MHz 176.4k × 128 = 22.5792MHz |
| 24.576MHz | 48kHz 家族的音频主时钟（MCLK） | 48k × 512 = 24.576MHz 96k × 256 = 24.576MHz 192k × 128 = 24.576MHz |
| 48MHz | USB 2.0/3.0 控制器的参考时钟（如 TUSB7320 默认） | 与采样率无直接倍数关系，主要用于数据传输 |
| 100MHz | PCIe 总线参考时钟、USB 3.0 控制器直接参考 | 与音频采样率无关 |
| 10MHz | 外部高精度时钟源（OCXO）的参考频率 | 作为系统统一时钟基准，通过 PLL 合成其他频点 |
3.3 频点 ≠ 音质
很多初烧误以为“频率越高，声音越好”，这是一个误区。频点本身只是数字电路的工作参数，决定音质的是该频点下的相位噪声（dBc/Hz）和抖动（fs）。
- 一颗 22.5792MHz 的飞秒晶振，虽然频率远低于 100MHz，但用在数字界面中能提供极低时基误差，声音纯净。
- 一颗 100MHz 的普通贴片晶振，频率虽高，但抖动大、近端相噪差，反而可能劣化音质。
3.4 为什么音频会有 22.5792M 和 24.576M 这两个“奇怪”的频点？
因为它们与标准的音频采样率（44.1kHz / 48kHz）是整数倍关系。
- 22.5792MHz = 44.1kHz × 512
- 24.576MHz = 48kHz × 512
使用这样的整数倍频点，DAC 内部只需简单的分频即可生成所需采样时钟，无需复杂的分数 PLL，从而最大限度降低引入的抖动。这也是为什么高端解码器往往同时配备两颗晶振——一颗负责 44.1k 家族，一颗负责 48k 家族。
四、锁相环（PLL）
在数字音频系统的时钟链路中，PLL（Phase-Locked Loop，锁相环） 是一个无处不在却常被忽视的核心模块。简单来说，它就像一个“频率翻译官”，能把一个参考时钟的频率“翻译”成另一个需要的频率，同时还能净化时钟信号中的抖动。
4.1 PLL 的基本工作原理
一个典型的 PLL 由四个基本模块构成，形成一个闭环反馈系统：
| 模块 | 功能 | 类比 |
|---|---|---|
| 鉴相器（Phase Detector） | 比较参考时钟和反馈时钟的相位差 | 指挥家听着乐队的节奏，与自己手中的指挥棒对比 |
| 环路滤波器（Loop Filter） | 滤除高频噪声，输出平滑的控制电压 | 指挥家根据听到的差异，调整自己的指挥幅度 |
| 压控振荡器（VCO） | 根据控制电压输出对应的频率 | 乐队根据指挥的动作调整演奏速度 |
| 分频器（Divider） | 将 VCO 输出频率分频后送回鉴相器 | 把乐队的整体速度换算成“每拍”的节奏反馈给指挥 |
工作流程：PLL 不断比较参考时钟与 VCO 分频后的时钟，当两者相位一致时，环路“锁定”。此时，VCO 的输出频率 = 参考频率 × 分频系数。
4.2 PLL 在音频系统中的核心作用
频率合成：生成所需频点
音频系统中充斥着各种不同频率的需求，PLL 让它们可以共用同一个参考源：
- 10MHz 外部时钟输入 → PLL → 22.5792MHz（给 DAC 做主时钟）
- 10MHz 外部时钟输入 → PLL → 100MHz（给 USB 控制器）
- 48MHz 板载晶振 → PLL → 5GHz（USB 3.0 物理层串行时钟）
抖动衰减：净化时钟信号
高性能 PLL 的环路滤波器相当于一个低通滤波器：
- 高频抖动（远端相噪）：被滤除，VCO 输出更干净
- 低频变化（近端相噪/频率漂移）：被保留，VCO 跟随参考时钟
这就是为什么一颗普通的 10MHz 恒温晶振（OCXO），通过优质 PLL 可以合成出极高品质的 22.5792MHz 音频时钟——PLL 既完成了频率转换，又起到了净化作用。
4.3 整数倍 PLL vs 分数倍 PLL
| 类型 | 工作原理 | 优点 | 缺点 |
|---|---|---|---|
| 整数倍 PLL | 分频系数为整数（如 ×4、×10） | 设计简单，引入的相位噪声低 | 输出频率只能是参考频率的整数倍，不够灵活 |
| 分数倍 PLL | 分频系数为分数（如 ×4.1667、×221.5） | 可以合成任意频率，灵活性高 | 可能引入小数杂散（spurs），对电路设计要求高 |
在音频应用中：
- 整数倍 PLL 更受青睐，因为理论上更“干净”。例如 25MHz × 4 = 100MHz，或 10MHz × 100 = 1GHz 再分频。
- 分数倍 PLL 在需要从单一参考合成多个不相关频率时不可避免，高端 PLL 芯片（如 SI5381）通过优化设计将小数杂散压制到极低水平。
4.4 音频设备中的 PLL 应用实例
| 设备类型 | PLL 的作用 | 典型芯片 |
|---|---|---|
| USB 3.0 卡 | 将板载 48MHz 晶振倍频到 USB 物理层所需的高频 | 集成在 TUSB7320 主控内部 |
| 数字界面 | 从 22.5792M/24.576M 音频晶振合成 USB 接收所需时钟 | 集成在 XMOS 或界面主控内部 |
| 高端 DAC | 接收外部 10MHz 参考，合成音频主时钟及系统时钟 | SI5381、CS2100 |
| 独立时钟 | 输出 10MHz 参考，或直接输出字时钟（44.1k/48k 倍频） | 定制 OCXO + 分配电路 |
4.5 PLL 的“双刃剑”特性
PLL 是音频时钟链路上必不可少的环节，但它并非完美无缺：
- 好的 PLL 可以大幅提升时钟质量：用一颗优质 OCXO 作参考，PLL 可以合成出接近参考源品质的各种频率。
- 差的 PLL 会拖累好晶振：即使前面用了飞秒晶振，如果 PLL 设计不良（环路滤波器不佳、VCO 噪声大），输出时钟的抖动反而可能劣化。
这也是为什么一些高端设备强调“直接时钟路径”——尽可能减少 PLL 级数，或让音频主时钟直接由晶振驱动而不经过 PLL。
五、各类时钟晶振介绍
5.1 SPXO：普通晶体振荡器
- 工作原理：最简单的振荡器，仅由石英晶体和起振电路组成。其输出频率随环境温度变化而漂移。
- 性能特点：
- 温度稳定性：较差，通常在 ±20ppm 到 ±50ppm（ppm为百万分之一）。
- 抖动：通常在几十皮秒到上百皮秒。
5.2 TCXO：温度补偿晶体振荡器
- 工作原理：在SPXO的基础上，增加了一个温度补偿电路。通过感应环境温度，自动调整电压来抵消晶体因温度变化产生的频率漂移。
- 性能特点：
- 温度稳定性：大幅提升，通常可达 ±0.5ppm 至 ±2ppm。
- 抖动：通常低于 SPXO，可达几百飞秒到几皮秒。
- 优势：体积小、功耗低、开机即用（无需预热）。
5.3 OCXO：恒温晶体振荡器（默认为AT-Cut）
- 工作原理：将石英晶体放置在一个微型恒温槽（烤箱）中，通过加热电路将晶体温度恒定在晶体特性曲线的拐点温度（通常是晶体振荡器内部温度变化最小的一点，该点温度系数为零或接近零）附近（通常是 75°C – 95°C）。无论外部环境如何变化，晶体始终工作在这个“黄金温度点”。
- 性能特点：
- 温度稳定性：极高，通常可达 ±0.005ppm 至 ±0.05ppm。
- 相噪/抖动：极低。顶级 OCXO 在 10Hz 偏移处的相位噪声可达 -100 dBc/Hz 甚至更低，短稳极佳。
- 代价：
- 功耗大：开机时通常需要 1-3 瓦功耗用于加热，稳定后也需要几百毫瓦维持恒温。
- 预热时间：需要通电预热 5-30 分钟 甚至更久才能进入稳定状态。
- 体积大：因为有恒温槽结构，体积通常较大。
5.4 SC-OCXO：应力补偿切割恒温晶振（这里的“SC”不是型号前缀，而是晶体切割方式。）
- 切割方式对比：
- AT-Cut：最常见的切割方式。工艺成熟、成本低，但存在“温频拐点”（温度与频率关系曲线上的一个点，在此点附近频率随温度变化率最小）较陡峭的问题。
- SC-Cut：一种高级应力补偿切割方式，晶体呈现双旋转结构。
- 性能特点：
- 稳定性：相比 AT-Cut OCXO，SC-Cut 的短期稳定性（阿伦方差） 提升约一个数量级。
- 相噪：近端相噪（1Hz-10Hz偏移）表现极佳，这是音频听感中“背景黑度”和“结像稳定”的关键。
- 抗干扰：对重力效应、加速度敏感度远低于AT-Cut。
- 老化率：年老化率极低（±0.05ppm/年以下），可以长期保持精准。
六、数字音频系统中的时钟链路
理解了时钟本身，我们再来看它在整个系统中的流转路径。一个典型的PC-HiFi系统，会经历至少三次“时钟转换”。
6.1 第一站：PC/数字播放器-USB口（发送端）
USB卡插在电脑主板上，它的任务是把电脑里的音频数据通过USB线发送出去。
USB卡上有自己的时钟晶振，常见的有：
- USB 3.0主控：通常使用48MHz晶振（受芯片方案约束）
- USB 2.0主控：可能使用24MHz、25MHz或48MHz
这个时钟的作用是保证USB控制器能以正确的节奏把数据推送到USB总线上。但它只负责“传输”，不负责“声音好不好”。只要数据不传错，这个时钟的抖动对音质的影响相对有限——因为后面还有更关键的环节。
6.2 第二站：数字界面-USB口（接收端）
数字界面通过USB线收到数据后，要做两件事：
- 把USB总线上的数据正确接收下来
- 将数据以音频时钟的节奏发送给DAC
这里就出现了一个核心矛盾：USB传输的节奏和音频回放的节奏，是两套完全独立的时钟系统。
USB接收芯片有自己的参考时钟（比如24MHz、25MHz或48MHz），用于驱动USB物理层通信。但音频回放需要的是22.5792MHz或24.576MHz的音频主时钟（MCLK）——前者对应44.1kHz采样率家族，后者对应48kHz家族。
异步模式的出现，完美解决了这个矛盾：
- 数字界面以自己的音频晶振（22M/24M）为基准
- 通过USB协议的反馈端点，告诉电脑：“我现在的时钟跑得是快还是慢，请你按我的节奏发数据”
- 电脑端的USB卡收到指令后，调整发送速率来匹配
这意味着：真正决定音质的，是数字界面的音频晶振，而不是前面USB卡的晶振。 前端的USB卡只要保证数据完整传输即可，后端的音频时钟才是声音的“总指挥”。
6.3 第三站：DAC（数模转换）
数字界面把数据整理好后，连同音频主时钟（MCLK）一起送给DAC芯片。DAC根据这个时钟，把数字采样点一个个还原成模拟波形。
如果这个时钟有抖动，那么DAC在还原时就会出现时基误差（JITTER）——本该在正确时间点出现的电压值，出现在了错误的时间点上。这种误差直接表现为：
- 声音模糊、细节丢失
- 声场收窄、定位不准
- 高频毛躁、不耐听
所以，整个系统里最关键的时钟，就是最后一级DAC的音频主时钟。
七、统一时钟
上面说的异步模式已经让系统可以“以接收端为准”。但如果你追求极致，还有一个更彻底的方案：用一个外部高精度时钟，同时给系统中的所有设备提供参考。
7.1 为什么要统一时钟？
在普通系统中，USB卡有自己的晶振，数字界面有自己的音频晶振，DAC可能还有自己的晶振。这三颗晶振各自为政，虽然通过异步模式可以协调，但它们之间没有共同的“时间基准”。
统一时钟的思路是：用一个极高精度、极低相噪的10MHz恒温晶振（OCXO），通过高性能PLL芯片（如SI5381），同步生成所有设备需要的时钟频率：
| 设备 | 需要的时钟 | 如何生成 |
|---|---|---|
| USB卡 | 100MHz（或48MHz） | 10M → PLL → 所需频率 |
| 数字界面 | 22.5792M / 24.576M | 10M → PLL → 音频主时钟 |
| DAC | 同22M/24M | 直接使用界面的时钟，或单独合成 |
这样一来，整个系统从USB传输到DAC转换，全部共用同一个时间基准，消除了各级时钟之间的“相对抖动”。
7.2 统一时钟的门槛
这个方案虽然理想，但门槛不低：
- 设备必须支持10MHz外部时钟输入：不是所有USB卡和DAC都有这个接口
- 需要一台多路输出的高品质10MHz时钟：好的恒温晶振（OCXO）价格不菲
- 需要高性能PLL芯片：如SI5381，能把10M整数倍或分数倍合成到各种频率
- 阻抗匹配：这是很多人忽略的点，链接数字子时钟部分的10MHz时钟通常用50Ω同轴线，而链接音频子时钟常用75Ω同轴线，这个在使用外接时钟时需要格外注意。
八、时钟听感
技术方面聊完了，我们聊聊听感，实际上时钟对音频的影响早就不是什么玄学，无论是实际的技术层面还是听感层面，都已经得到了认证。但随着这十年来时钟的价格逐渐走低，HIFI产品的设计也越来越成熟，很多产品出厂时，已经有相当不错的时钟（957/338大行其道）。继续上更好的10M统一时钟，对很多烧友来说，其实并不能起到“一耳朵”的变化。
8.1 时钟改善的可感知维度
当一个系统的时钟质量得到提升（比如从普通晶振升级到飞秒晶振，或外接10M恒温钟），烧友通常会描述以下变化：
| 听感描述 | 技术对应 |
|---|---|
| 背景更黑 | 底噪降低，弱音信号不被掩埋 |
| 结像更清晰 | 时基误差减少，左右声道时序更精准 |
| 声场更规整 | 乐器定位更准确，空间感更真实 |
| 高频更顺滑 | 高频毛刺减少，延伸更自然 |
| 微动态更好 | 极弱音的还原能力提升 |
这些变化的核心逻辑是：时钟抖动降低 → 时基误差减少 → 采样点还原更精准 → 声音的“形”更准。
8.2 高电平动态 vs 低电平动态
参考我们之前讨论“动态”时的框架，时钟的影响更偏向低电平动态（微动态）：
- 低电平动态：指小音量时的细节再现、强弱对比。时钟抖动的降低，直接改善了极弱信号的还原精度，让三角铁的余韵、录音棚的空气感更加真切。
- 高电平动态：指大音量时的爆发力、瞬态反应。这部分主要取决于放大器的电流输出能力、电源储备，时钟的改善对其影响相对间接。
因此，时钟升级带来的提升，往往不是“更爆了、更猛了”，而是“更安静了、更准了、更耐听了”。
8.3 时钟升级的收益递减规律
时钟质量从“很差”提升到“正常”，收益巨大；从“正常”提升到“很好”，收益明显；从“很好”提升到“顶级”，收益微小。对于大多数烧友来说，数字界面内置的飞秒晶振已经足够好，不需要再折腾外部10M时钟。只有当你系统其他环节（起码大件平均5位数以上）都已经足够敏感，时钟才会成为瓶颈。
九、结语
时钟，是数字音频系统里最容易被忽视，却又最核心的环节。它不像DAC芯片那样有醒目的参数标榜，也不像放大器那样直接驱动耳机，但它默默地为整个系统提供着“时间秩序”。从USB卡上的48MHz晶振，到数字界面里的22M/24M飞秒时钟，再到统一系统时钟的10M恒温晶振——每一级时钟的提升，都在为还原一个更精准的“时间轴”而努力。
而最终，这个时间轴上的每一个采样点，都会化作我们耳中声音的形体、位置、空气感、情绪。时钟的改善，往往不是“换了一种风格”，而是“让音乐更像它本来的样子”。
2026年上半年，BLOG主因为工作和游戏的双重压榨，导致写稿速度明显变慢。这篇关于时钟的科普，应该是全网最详细、最透彻的了。算是对上半年各位朋友的一个交代=W=
