HIFI播放器音质一直是一个很难评测的话题，其一是由于其主观性太过于强烈，其二是每个人的耳机回放设备也各不相同。这些差异性导致了大家对播放器音质始终存在着争议和困惑。而如今手机也开始走HIFI音质路线，大家困惑的程度就更大了。这些手机的音质到底谁更好，他们和千元级的HIFI播放器比又是怎样呢？笔者打算以带一篇有一定科普性质的文章来为大家一一解惑，本文的阅读可能需要一定的音频知识基础，还烦请大家耐心观看。

||关于ES9018K2M||

ES9018K2M这个芯片应该是目前在手机上所能够使用的最好的芯片了，因为它也是目前世界上最顶级的双声道解码芯片了。当然，9018还有个8通道的版本ES9018S，其DNR（动态范围）达到135db，THD+N（谐波失真）低到-120db，这是相当可怕的参数。而这款K2M尾号的ES9018是8通道版的阉割版，DNR数值缩水到了127db，THD+N参数倒是不变。

因为不同于CPU处理器芯片的发展速度，音频芯片的发展其实相当缓慢，往往很多年也不见有大的技术更新。如今的ES9018K2M和早前的顶级芯片，如PCM1792、CS4398、AD1955相比，保真度也并没有非常大优势，它们的动态范围都能高于120db，谐波失真也都做到了小于-110db。

如今看来，目前市面上使用ES9018K2M的手机已经不算少了。最早从VIVO的X3，后来VIVO音乐系列的XPlay3S，再如魅族的MX4Pro，以及小米最新的话题作小米Note，都是使用了ES9018K2M芯片的机子。

当然，不得不说的一点是，音频解码芯片（DAC）不同于CPU之类。并不像手机这种只要用了晓龙801、Exynos 5430这些高端CPU，计算性能就一定会很好。音频芯片和前者不一样，音频芯片输出信号的高保真度大大受限于外围电路和底层系统的设计，例如底层音频流的通道，芯片的供电质量，时钟的时基抖动，放大部分的失真程度等等。换句话说，只要芯片的外围电路有任何一个地方出了设计问题，音质的失真度就会大幅上升，ES9018K2M带来的高保真效果将大打折扣。另外ES9018K2M是一款Delta-Sigma模式的DAC，而Delta-Sigma的DAC对时钟信号的质量非常敏感，线路干扰 ，时钟精度造成的jitter（时基抖动）都会大大干扰解码信号的质量。

上图是ESS官网所提供的ES9018K2M的结构图，市面上大多Delta-Sigma模式DAC的流程图也都像图示中的那样，大同小异。PCM流（原始的音频流）输入进去之后先是进行超采样（Oversampling Filter），将PCM流频率进行2倍升频（ES9018S的八通道完整版是8倍升频），然后进行Delta-Sigma调制，这一步将PCM波转换成量化的多位DSD波，最后进行一步积分运算，将DSD波转换为模拟信号。这个过程非常类似于D类放大的PWM波进入积分电路转换模拟信号的过程。

不过值得一提的是，ES9018K2M使用了几个传统Delta-Sigma DAC所没有的功能来降低失真。首先是进入图中的32-bit Hypersteam DAC模块进行调制和积分运算之前，ES9018K2M专门设计了一个ASRC模块。ESS公司的这个ASRC模块基于数字锁相环（DPLL）的模式设计，性能十分强劲。这个ASRC模块主要可以提供两方面的作用，一个是重采样，可以将44kHz倍频的PCM数据流和48kHz倍频的数据流相互转化，在设备空间不够或者经济成本条件不允许的情况下，可以实现只用一个倍频的时钟就能同时解码44/48kHz双倍频的音频文件的功能。另外这一步骤可以大大降低外部线路带来Jitter（时基抖动）。正如前文所说，Delta-Sigma解码器非常在意时基抖动，可以说这一模块为ES9018K2M这块DAC芯片能够在手机电路主板这种极端恶劣的环境下也能高性能工作，提供了非常重要的保障。

另外ES9018K2M的Delta-Sigma调制，使用了M-bit SDM技术。也就是所谓的多位DSD（对应到ES9018K2M，是6bit DSD）。很多玩过发烧音响的人可能会困惑，DSD不是应该是1bit格式，只有0和1么？ESS公司的技术人员对此给出的解释是，转换为M-bit SDM，可以使得解码器获得更高的D/A转换效率，并且没有任何音质损失。

笔者依稀记得前些日子小米Note发布时，特意提到了一个卖点。就是小米Note使用了高性能的独立双晶振。双晶振即指的是，分别使用两个能够产生不同频率的晶振，分别为44/48kHz倍频的音频文件解码提供时基信号。只要晶振品质足够高，就能大大降低Jitter（时基抖动）带来的失真。

于是笔者就开始思索vivo在设计X5Max时是否也使用了同样的设计。但很可惜，笔者试着查阅了很多网站的拆解图，电路板上ES9018K2M的时钟针脚所连接的部位都被金属盖遮挡住了，让笔者无法看到。而笔者就因此有所猜测，vivo究竟有没有给X5Max使用双晶振设计？

正如文章之前所提到的，ES9018K2M强大的ASRC功能可以使得X5Max在只用一个晶振的情况下实现双倍频音频文件的解码，但是这样的非整数倍（44kHz<-->48kHz）重采样对音质带来的损伤是巨大的。笔者因此也非常在意X5Max的设计究竟是怎样的，于是笔者试着去从各种渠道咨询了vivo的工程师，希望得到答复，但截至目前，并没有得到回应。

当然，我是相信vivo有给X5Max使用了双晶振的，毕竟vivo最早提出HIFI概念，而且在音频底层的经验非常丰富。只是笔者要从评测的客观度以及科学严谨的方面考虑，才有了上面的一些猜测。

||耳机放大器||

这次X5Max创新性地在手机上使用了二级运放系统。这样的设计其实在专业声卡，发烧便携播放器，以及台式HIFI设备上是非常常见的。X5Max这次选择的两个运算放大器分别是来自ESS的Sabre 9601K和Ti的OPA1612，而且这俩款运算放大器都是性能很强劲的放大器件。

从ESS官方给出的数据来看 Sabre 9601K拥有122dB的信噪比，在32欧负载下THD+N为-100dB，而在高600欧姆高负载下THD+N进一步降低到了-117dB。

从德州仪器给出的OPA1612的技术文档中，并没有简单的写明信噪比的分贝计量参数。不过从测试表格中我们可以看到它参数惊人的THD+N数值-136dB。另外值得一提的是，这款运算放大器的工作电压范围非常宽，从±2.25V到±18V。在如此这样一个宽的电压区间内都能正常工作，我想这也是众多手机厂商不约而同选择Ti的这款OPA1612作为手机端的耳机放大器的原因。

vivo官方微博给出的音频解码流程如图所示，vivo的解释是放大部分前端的ES9601K负责电流电压转换，而后端的OPA1612负责信号功率放大。这实际上也是符合传统的HIFI发烧友们在烧分体音响前后级时的思路的：“前级出声，后级出力”。这里的“前级”便指的是ES9601K，而“后级”则指的是OPA1612。

如果从比较技术化的角度进行分析，ES9601K实际上应当是作为一个与ES9018K2M配套的运算放大器作为一个带增益的LPF（低通滤波器）来使用。在这样一个环节中，ES9601K起到了两个作用。首先是ES9601K作为一个低通滤波器将20kHz以上的镜像噪音和混叠噪音滤去，其次ES9601K能起到一定的电压增益的作用。

有人可能会疑惑，为什么不使用ES9601K作为后级运算放大器呢。因为ES9601K的电流输出能力相对较弱，而耳机驱动实际上是利用电流通过耳机线圈，产生磁场推动耳机振膜，进而发出声音的模式。因此振膜驱动是否充分，实际上取决于通过耳机单元线圈的电流大小。因此放大器的电流输出能力实际上也就很大程度上决定了这个播放器的耳机驱动力。而OPA1612的电流输出能力要远优于ES9601K，故而vivo选择了将OPA1612放在后级，作为缓冲器同时负责电流放大。最终以这样的设计模式来保证音质的更完美发挥。

||二级供电系统||

所有玩过台式音响系统的发烧友们都会明白供电为声音造成的巨大影响。很多重量惊人的音响器材绝大部分的重量都来自于它里面的变压牛，为什么这些HIFI音响制造厂商们宁愿使用这种笨重的、输入电压范围窄的变压牛，也不愿意使用现在大众常见的、输入电压范围更宽的开关电源作为供电部件呢？那是因为开关电源虽然也可以成功完成交流变直流的供电任务，但是开关电源输出的直流电会有一定的电压波动，类似于“波纹”，而这种波纹会作为一种噪声影响到音响器材的声音里，而这样的噪声对挑剔声音的HIFI发烧友而言是不可忍受的。而对于变压牛，虽然它们体积大，重量大，但却可以有很好的线性电流输出，避免了开关电源的“波纹”带来的供电噪声，因此它成为众多HIFI厂商的首选。

当然，前面的题外话只是为了证明HIFI圈内音响器材供电的重要性。而事实上，烧友圈中更不乏挥金数万只为购买一根电源线的大神存在。

而在手机设计中，供电实际上更为麻烦。手机虽然使用锂电池直接进行直流供电，这本应是优势，因为电池直流供电稳定，不会有电流纹波存在。但手机锂电池的3.7V的低电压却不足以维持这些音频器件的正常工作。因此vivo在之前的设计中为了使电压达到器件所需要的电压程度（5.8V或更高），使用了DC/DC直流升压器。而这个升压电路迫于它的升压原理的限制，和文章之前所提到的开关电源有着类似的弊端，会使得升压后输出的电流产生纹波，进而反映到音频输出信号里变成噪声干扰。

而vivo这次所使用的二级供电系统则多加了一个环节——LDO。而这实际上是一个低压差线性稳压器。目前低压差线性稳压器（LDO）电路在市面上主要被用于小型精密仪器的供电净化，因为有很多精密仪器要求供电十分干净（无纹波，无噪声），以免影响仪器正常工作。而vivo此次将低压差线性稳压器（LDO）引入X5Max的手机设计实际上就是为了减少上一个环节（DC/DC直流升压）所带来的供电纹波和供电噪声。这样的设计意图十分明显，就是为X5Max的音频解码放大器件提供更好的供电，最终给用户带来更纯净的声音。

||主观听感||

笔者用过的音响器材并不少，只论耳机的话，从百元级的入门耳机到当今的耳机之王SR-009，笔者都有入手过。原本说实话，在拿到X5Max之前，并没有对它的音质抱有多么大的期望。但到手之后X5Max还是给我不小的惊喜的。

首先说说大致的声音风格。X5Max和vivo以往的调音风格还是相当一致的。一脉相承的活泼，清新风格。声音中高频能量感饱满，鲜活而具有感染力，虽然具有能量感但并不显得声音“冲”或刺耳。声音的中频带有淡淡的甜味，这也是以往的vivo音质手机都有的特点，如今在X5Max上再一次听到，不禁佩服vivo工程师的良苦用心。从Xplay3S、Xshot到如今的X5Max，它们的解码芯片、运放芯片都不尽相同。但vivo的工程师却用将vivo的调音理念始终贯彻到手机的音质设计中，而不是任由芯片发出干白的“仪器声”，这是令人深感佩服的。

笔者这次评测，播放器中选择了vivo Xshot，SONY ZX1，SONY ZX2，iBasso DX100，iBasso DX50作为对比对象。耳机中则选择了fitear Togo 334，AKG K3003，ATH MSR-7，Sennheiser HD800作为测试耳机，对X5Max的音质表现进行主观的音质听感测试。

X5Max VS Xshot：

笔者首先将这两款同门师兄弟作为对比对象，其实就是想知道vivo的HIFI 2.0究竟进步了多少。笔者在多个耳机的测试下首先能感受到最大的差异是X5Max的耳机驱动力要比Xshot强很多。在MSR7下，Xshot的声场明显有推不完整的情况出现，人声和乐器的结像感也比较粗糙。而换上X5Max后，MSR7的声场明显更加开阔完整了，人声和乐器结像的鲜活感增加，声场定位也更加准确，这是X5Max双运放更高的驱动力带来的优势。在声音素质方面，无论是用TOGO 334这样的动铁塞子，还是MSR7这样的便携头戴耳机，都可以感受到X5Max的解析力要更高，而Xshot则显现出比较大的声音颗粒感。另外值得一提的是，在使用AKG K3003进行对比时，Xshot驱动的K3003产生了比较严重的齿音和高频毛刺感。当然，K3003本身就是偏重高频能量的清亮塞，遇到vivo这样也偏中高频调音的前端是会有相性不合的情况出现。不过Xshot下的K3003的高频毛刺已经属于比较不能忍受的地步了。当笔者换到X5Max进行驱动，K3003的高频毛刺感收敛了不少，人声也更加饱满而不是Xshot下一味的冷薄。虽然不可否认，K3003和vivo调音的相性不合问题还是存在，不过X5Max更具音乐味的声音一定程度上掩盖了这样的瑕疵，可见vivo的调音功力更进了一步。

X5Max VS ZX1 & ZX2

ZX1和ZX2都是SONY的旗舰级播放器，而ZX2更是最近才上市的新品。SONY目前给ZX2的定价高达6999，这是一般消费者比较难承受的起的价格，可见SONY给ZX2的定位是旗舰级的随身播放器。而ZX1则是ZX2的前代，由于SONY的定价一向喜欢跳水，而且还是官网主动降价。ZX1几经跳水，国行拿货的实价已经降到了3000出头的位置。

SONY的播放器技术很有意思，解码放大的硬件都是自家的“黑科技”。ZX1和ZX2为了续航考虑，并没有像X5Max这样选择现成的运放放大，而是使用了自家的D类放大技术，这使得它们的续航能够达到20小时以上（ZX2续航更高）。然而D类放大技术虽然放大效率奇高，但是面临着一个大问题，听感不佳。因此目前HIFI圈里，大多数厂商都非常对使用D类放大非常谨慎。而SONY倒是显得很有自信，从早期的X1050到F885，都一直在使用自家的Class D的放大技术。

笔者先是对比了ZX2和X5Max，首先它们的调音风格上就有着很大的不同。ZX2 三频比较偏中下盘，高频略暗，低频的量感比较多，中频人声的结像略偏远。而X5Max相比较之下很偏上盘，高频清亮有光泽感，低频的量和ZX2一比就显得很欠缺，但中频贴耳更讨人喜欢。

素质上ZX2还是可以说对X5Max而言有着绝对优势的，ZX2的声场更宽，纵深也更加完整，相对而言X5Max就没有那么宽阔的声场，乐器和人声都比较贴耳。而且虽然ZX2的声场更宽，但它的声音并不空，声音密度依然可以做到很高。

在人声曲的演绎方面，ZX2的人声要更加细腻和润泽。但是X5Max的人声由于更加清亮，因此显得更加抓耳，高频延伸也更高。因此，不少用户可能会一耳朵更喜欢X5Max的音质表现，因为笔者在突然从X5Max切换到ZX2时，甚至会感觉ZX2人声偏闷。

而弦乐表现方面，ZX2对纯乐器的结像质感表现的更加真实，但是乐器的定位感偏远，没有X5Max下弦乐表现的亲切感。X5Max的弦乐的场景感要更近，相对而言也更有音质感染力。但如架子鼓等低频打击乐表现，X5Max由于低频的欠缺，缺乏低频下潜和低频丰满度。虽然这方面ZX2的下潜和低频量感都要更好，但是ZX2始终有一种SONY自带的染色，一种类似于KTV里的低频呈现方式，让笔者略有反感。因此笔者认为在这一方面，ZX2和X5Max都不能让人满意。

至于X5Max和ZX1的对比，由于ZX2和ZX1的声音极其相似，笔者就先描述下这俩个同门师兄弟之间的差异，相信大家便能够从这里推测出X5Max和ZX1的听感差异了。首先ZX1和ZX2的声音走向极为相似，虽然SONY在ZX2上使用了很多新的“黑科技”，但总体的声音风格和处理方式都没用什么变化。但对比下来，还是可以发现ZX1和ZX2的素质上的区别。

ZX2的乐器和人声的质感都要更细腻，声场也更为宽阔，而且声场的声音密度也提高了，一点也不觉得空。因此ZX1和X5Max的对比，就相当于声音密度和声场弱化的ZX2和X5Max的对比，笔者认为也不需要再多说了。

另外，塞子的搭配方面，之前提到X5Max和AKG K3003的相性不合的问题，齿音和毛刺一定程度上影响了听感。而AKG K3003和ZX2的相性则要好不少，ZX2偏暗内敛的高频使得K3003的中高频表现很顺滑温和，中频人声的饱满程度也更让人满意。但和X5Max相性非常相和的Togo 334在ZX2下表现则非常成问题，高频很闷整体人声显得比较浑浊，而X5Max下的Togo 334则能够表现出一种清亮而润泽的中高频，这是很难得的。

X5Max VS DX100&DX50

DX100是IBasso出品有一段时间的产品了，有传闻已经停产，但不知道消息的真实性如何。DX100和X5Max同是安卓操作系统，对绕过安卓底层的硬降频都有自己独特的一套方式。DX100作为当年售价5000多的播放器，实力还是不可小觑的。笔者第一映像对比下来，DX100的推力要比X5Max大很多，毕竟这是IBasso当初的设计重点。声音风格方面，DX100没有像SONY的ZX系列有那么重的染色，整体声音很直白，三频也算均衡。相比之X5Max，高频没有那么戳人的清亮感，但低频却比X5Max好不少，毕竟这是vivo一贯的短板。人声表现方面，由于DX100味道也比较淡，在清新女声，比如熊木杏里、藤田麻衣子、手嶌葵之类治愈系歌手的表现方面没有X5Max抓耳，但声场的大小和完整度都要比X5Max更好。

至于DX50，这是iBasso一款非常入门的播放器。售价只有1K出头，声音和X5Max比还真有些微妙。DX50的声音比较死，不活泼，虽然可能它某些方面的素质显得比X5Max更高，但是笔者还是更倾向于使用X5Max的音乐表达方式。

X5Max+HD800

HD800是业界有名难推的耳机，烧友圈里不乏动辄大几万的回放系统去伺候这个耳机的大神们。笔者试了这么一个比较极端的组合实际上是想测试下X5Max的推力水平。挺令人意外的是，X5Max推HD800居然人声不会很虚，在一些清新流行乐的演绎下，还是可以听的。当然碰到管弦乐曲啊或者摇滚的话，这个组合的声音就会显得疲软，整体也会乱起来，没法听了。不过这从一个侧面可以看出，vivo这次的双运放组合，推力提升还是非常明显的。

||参数测试||

笔者专程借来了一台专业的音频测试仪器，来测试X5Max实际的音质性能参数。笔者选用的仪器是Lynx Hilo，这台售价1万多的ADDA足以胜任手机音质的测试。笔者测试了手里的几个手机的音质，并将参数放出来以供大家参考。

X5Max的RMAA测试结果如下图所示。

频响曲线：

噪声级别：

动态范围：

谐波失真：

当然，Xshot的音质参数笔者也进行了测试。而此前被认为是手机中的音质之王的一直是iPhone系列，而音质也需要用数据说话，因此笔者也进行了测试，主要测试了iPhone6plus iPhone5S iPhone4这几款手机。而苹果播放器则测试了iPod classic及老古董iPod photo。

Xshot:

iPhone6plus:

iPhone5s:

iPhone4:

iPod Classic:

iPod Photo:

可见X5Max和Xshot无论是哪项参数都是要优于苹果的手机和播放器的，vivo的这两款音质手机拥有更高的动态范围，更高的信噪比和更低的谐波失真。不过苹果的调音可能对它的音质有着更大的加成作用，不过也不必把它的音质神话了。科技毕竟一直是在进步的。X5Max就是这样一个科技进步带来音质进步的产品。