Tu duda es muy razonable. Cierto es, el oído humano no superará los 22kHz (ni los 18 en la mayoría de los casos) aunque siempre es una mejora que se vea aumentada la frecuencia de muestreo.
Según el teorema de Nyquist, para muestrear una frecuencia, es suficiente con muestrear al doble de dicha frecuencia. Ahora bien, imagina una forma de onda, que aunque suene en 22kHz y apenas notes la diferencia en el timbre, es senoidal… en teoría es una forma de onda que emitira un sonido «suave» (agudo, pero suave)… Si muestreamos esa frecuencia a 44kHz/s, resultará una forma de onda con dos posibles valores (positivo, o negativo, pero nunca transiciones con valores intermedios… _–_–_–_ … lo cual le restará definición al audio resultante….) Este es un motivo de que, aunque para tus producciones el estándar CD se ajuste a tus necesidades, en estudios profesionales se usen mayores frecuencias de muestreo.
Ten en cuenta que cuando escuchas música en directo, en especial en las fuentes acústicas, notarás una definicón que no refleja casi ningún estudio del mundo, y es que además de lo que el oído escucha de forma directa, el sonido producido también llega a nosotros como ondas sub-graves o ultra-agudas… y aunque no las escuchemos, si que producen una energía, que llega a tu cuerpo y se deja notar (quizá no la percibas escuchando una caja de ritmos, pero escucha cantar a una ballena -submarina, ojo-, o una interpretación de stradivarius, y sabrás a qué me refiero).
Además, al igual que ocurre con el bit de cuantificación, la frecuencia de muestreo es determinante en la calidad del audio resultante tras una considerable cadena de procesamiento… tras muchos efectos, el audio tiende a perder margen dinámico (va ganando ruido),
y definición (es simplemente una cuestión de cuantificación de errores, qudando un determinado sample en el punto de referencia más cercano (cuando, por ejemplo, un eco debería caer en el sample 23,3… por aproximación, queda ajustado al 23. Pero con una mayor resolución, esto no ocurriría).
Por último, mencionarte que cuando trabajas a, por ejemplo, 24bit/ 192kHz, realmente no estás doblando la carga de CPU, de echo, si te fijas en las latencias que muestra tu interface, con mayores resoluciones, como la velocidad del reloj se duplica, la latencia disminuye a la mitad. Eso sí, la cantidad de información que el secuenciador maneja se dispara, y esto se traduce en más espacio de disco duro, más gasto de RAM (que no de CPU),
y menos pistas simultáneas… pero por el HD, no por el microprocesador, ya que las operaciones son las mismas, pero ejecutadas y procesadas al doble de velocidad.
De todas formas, estamos casi totalmente seguros de que cuando la industria se decida por alguno de los formatos como lo hizo con el CD (incluso aunque se trate de un formato virtual, tipo algún MP3 de alta calidad),
lo hará con especificaciones mínimas de 192kHz/24bit.
Lo de que llegues a notar las diferencias… pues no lo sé, todo depende de lo que grabes: si te gusta crear Lo-Fi, probablemente no lo llegues a distinguir. Pero en una toma de dinámica realista, como una grabación de cuerdas sinfónicas dentro de un arreglo de electrónica cristalina, será mucho más evidente.
Espero haberte aclarado lo básico, y no haberte confundido más entre psico-acústica y audio digital.