Format pliku audio



Informacje, które udało nam się zgromadzić na temat Format pliku audio, zostały starannie sprawdzone i uporządkowane, aby były jak najbardziej przydatne. Prawdopodobnie trafiłeś tutaj, aby dowiedzieć się więcej na temat Format pliku audio. W Internecie łatwo zgubić się w gąszczu stron, które mówią o Format pliku audio, a jednocześnie nie podają tego, co chcemy wiedzieć o Format pliku audio. Mamy nadzieję, że dasz nam znać w komentarzach, czy podoba Ci się to, co przeczytałeś o Format pliku audio poniżej. Jeśli informacje o Format pliku audio, które podajemy, nie są tym, czego szukałeś, daj nam znać, abyśmy mogli codziennie ulepszać tę stronę.

.

Format pliku audio jest format danych używany w komputerach do przechowywania dźwięków , w tym muzyki , a głos ludzki , w cyfrowej formie . Przemysł wyprodukował wiele formatów do produkcji lub transmisji.

Element programu, który konwertuje plik sygnału i sygnał, jest nazywany kodekiem , skrótem od „codec” ( encode-decode ).

Telekomunikacja, a zwłaszcza telefonia komórkowa, wykorzystują kodeki przystosowane do transmisji mowy.

Kodowanie dźwięków

Formaty kodowania dźwięku wywodzą się z badań psychoakustycznych . Ograniczają ilość informacji w sygnale tak, aby zmniejszyć przepływność (a co za tym idzie rozmiar pliku), biorąc pod uwagę ludzką percepcję dźwięków i tolerowaną przez nie jakość reprodukcji.

  1. Wszystko konwersja dźwięku w analogowego lub cyfrowego sygnału audio, są ograniczone do widma o częstotliwości odpowiadającej słuchu ludzkiego , lub trochę więcej.
  2. Większość czerpie korzyści ze zmniejszonej czułości ucha przy niższych i wyższych częstotliwościach, przenosząc te częstotliwości o szum tła i szum kwantyzacji .
  3. Kodeki mogą również wykrywać nadmiarowość w sygnale audio, dzięki czemu przesyłana jest tylko nieprzewidywalna część sygnału. Wszystko, co stanowi różnicę między sygnałem a szumem, czy to częstotliwości muzyczne, czy rytmy, opiera się na powtarzaniu zjawiska w kółko.
  4. Aby osiągnąć niższą przepustowość, kodeki mogą wykorzystywać maskę, częstotliwość i efekty czasowe ludzkiego słuchu, a także niską dyskryminację wysokości widmowych w dwóch górnych oktawach słyszenia.
  5. Najbardziej wyrafinowane systemy oparte są na prawdziwym modelu ludzkiego słuchu i mają na celu przekazywanie tylko informacji niezbędnych do uzyskania takiej samej percepcji słuchowej, jak w przypadku surowego sygnału cyfrowego .

Kodowanie znajduje się w różnych punktach kompromisu między kosztem produkcji, cyfrową szybkością transmisji, ograniczeniami transmisji i jakością percepcyjną.

  • Dążąc do celu, jakim jest zmniejszenie ilości informacji, konieczne może być określenie dopuszczalnej jakości zwielokrotniania, która różni się od najlepszej możliwej jakości. Gdy użycie kodeka ma na celu transmisję mowy, parametry są dostosowywane do tego zastosowania mniej wymagającego niż muzyka.
  • Większość kodowań daje dla tego samego dekodera lepsze wyniki przy długich procesach obliczeniowych lub uwzględnia w kilku przejściach cały segment audio; jakość odsłuchu może być niższa w przypadku aplikacji czasu rzeczywistego, które nakładają małe opóźnienie.

W zasadzie zaawansowane kodowanie percepcyjne dające temu samemu nagraniu rozmiar mniejszy niż kodowanie CD mogłoby mieć wyższą jakość subiektywną, pod warunkiem, że ich wspólnym oryginałem było źródło zarejestrowane z częstotliwością próbkowania i rozdzielczością wyższą. W praktyce z jednej strony często wybiera się kompresje, które sprzyjają większemu zmniejszeniu rozmiaru pliku, z drugiej strony źródłem przed kompresją jest często plik CD.

Obecnie zdecydowanie najczęściej używanym kodekiem jest mp3 , następnie wma i AAC .

Musisz rozróżnić format pliku i kodek . Wiele plików używa formatu RIFF , który może zawierać wiele różnych elementów ( „  kawałków  ” ). Nagłówek zajmujący pierwsze cztery bajty wskazuje typ RIFF, po którym następują niezbędne wskazania lokalizacji pozostałych elementów, skonstruowanych rekurencyjnie w ten sam sposób. Te elementy mogą zawierać wszystkie typy danych. Te z tych elementów, które kodują dźwięk, wskazują kodek w ich nagłówku. Urządzenie ignoruje elementy, których nie może zdekodować. Plik zidentyfikowany jako wavmoże zatem zawierać elementy, których kodek to mp3.

Niektóre systemy i użytkownicy mogą używać rozszerzenia nazwy pliku danych , które zwykle odnosi się do formatu pliku. Ale to wskazanie, w większości przypadków, wskazuje listę możliwych kodowań, a nie samo kodowanie. Bardziej dotyczy systemu klasyfikacji plików na dysku twardym niż samego formatu. Zmiana tej nazwy nie wpływa na sposób, w jaki maszyna dekoduje plik, może jedynie utrudnić znalezienie najbardziej odpowiedniego programu do tego.

Charakterystyka kodowań audio

  • Liczba zakodowanych kanałów dźwiękowych: mono, stereo, wielokanałowy.
  • Częstotliwość próbkowania  : liczba próbek na sekundę wykorzystywana do liczbowego opisania sygnału reprezentującego falę dźwiękową dla każdego kanału. Przepustowość jest silnie uzależniona od tej cechy.
  • Rozdzielczość każdej próbki w bitach. Stosunek sygnału do szumu zależy od tej charakterystyki, jeśli szum kwantyzacji jest większy niż szum wewnętrzny sygnału. Ditheringu nieznacznie zwiększa szum tła, aby niezależnie od sygnału, a przesuwając go do obszaru widma.
  • Cyfrowy bitrate: rozmiar pliku w stosunku do czasu trwania dźwięku.
  • kompresja danych lub redukcja szybkości transmisji w porównaniu do pliku surowego.
    • z rekonstrukcją przebiegu początkowego (kodowanie entropijne), lub
    • z odtworzeniem (mniej lub bardziej precyzyjnego) wrażenia dźwiękowego (kodowanie psychoakustyczne).
  • Moc obliczeniowa wymagana do kodowania.
  • Moc obliczeniowa wymagana do dekodowania.
  • Struktura dopuszczająca lub nie
    • rozpocząć odtwarzanie pliku, gdy nie znamy jeszcze końca,
    • odtworzyć plik od środka bez znajomości początku,
    • przeskoczyć do określonej lokalizacji,
    • do ewidencji danych pomocniczych i pomocniczych ( metadane ),
    • zarządzać prawami do reprodukcji cyfrowej ( DRM ),
    • automatycznie dostosuje poziom do pomieszczenia odsłuchowego.

W zależności od przeznaczenia pliku, niektóre cechy są ważniejsze niż inne.

Format przeznaczony dla odtwarzaczy muzycznych:
  • Wystarczą dwa kanały.
  • Przepływ musi być ograniczony, aby zapisywać odpowiednio długie czasy w pamięciach przenośnych odtwarzaczy.
  • Moc obliczeniowa wymagana do dekodowania musi być niska, aby umożliwić dobrą autonomię czytników.
  • Przepustowość musi być dobra do słuchania muzyki.
  • Stosunek sygnału do szumu nie musi być bardzo dobry, ponieważ odbiór nie odbywa się w cichych pomieszczeniach przeznaczonych do odsłuchu.
  • Zarządzanie prawami do reprodukcji leży w interesie producentów.
  • Zaletą jest możliwość automatycznej adaptacji do pomieszczenia odsłuchowego (podnoszenie poziomu słabych pasaży w hałaśliwej atmosferze dzięki dodatkowym danym).
  • Rekonstrukcja przebiegu nie jest konieczna.
  • Moc obliczeniowa wymagana do kodowania może być znaczna.
Format przeznaczony do produkcji kinowej:
  • Zajmuje od dwóch do ośmiu kanałów.
  • Przepustowość musi być doskonała, później może się tylko pogorszyć.
  • Na stereofonię wpływa stosunek faz między kanałami.
  • Stosunek sygnału do szumu powinien być doskonały, a rekonstrukcja przebiegu jest preferowana
    1. sygnały są wzywane do retuszu, miksowania, przetwarzania,
    2. konsumpcja końcowa odbywa się w cichych pomieszczeniach przeznaczonych do słuchania.

Ponieważ jest to działalność przemysłowa:

  • Szybkość transmisji i moc obliczeniowa wymagana zarówno do kodowania, jak i dekodowania są prawie nieistotne.
  • Zarządzanie prawami do reprodukcji i automatyczne dostosowanie do pomieszczenia odsłuchowego nie są na tym etapie interesujące.

W danym formacie pliki można podzielić na kilka skal kwantyzacji (8, 16 lub 24 bity) z różnymi częstotliwościami próbkowania (np. 22,05 kHz , 44,1 kHz , 48 kHz , 88,2 kHz , 96 kHz , 176,4 kHz , 192 kHz ,) jest stosowany w wielu kanałach ( monofoniczne , stereofoniczne 5,1 przestrzennegoitd. ). Formaty, które wykorzystują redukcję przepływności przez kodowanie psychoakustyczne, oferują różne jakości odtwarzania, odpowiadające mniej lub bardziej redukcji przepływności.

Poszczególne kanały dźwiękowe mogą być rzeczywiste i multipleksowane lub miksowane dyskretnie z głównymi sygnałami, które odtwarzają wszystkie dekodery, podczas gdy tylko te, które wykorzystują określone algorytmy ( surround ) dekodują i odtwarzają pozostałe. W przypadku zmniejszenia przepustowości może, ale nie musi, wykorzystywać nadmiarowość między kanałami.

Kodeki mogą korzystać z dwóch strategii, z ich zaletami i wadami.

  • „  Stała przepływność  ” lub CBR: „stała przepływność” nadaje każdej ramce pliku, odpowiadającej elementarnemu czasowi trwania, ten sam rozmiar.
  • „  Zmienna przepływność  ” lub VBR: „Zmienna przepływność” dostosowuje kompresję do każdego fragmentu pliku, aby uzyskać jednorodną jakość. Ogólnie rzecz biorąc, lepszą ogólną subiektywną jakość można osiągnąć dla tego samego rozmiaru pliku, ponieważ plik może zawierać więcej informacji dotyczących trudnych fragmentów. Z drugiej strony strategia ta jest trudna do wdrożenia w przypadku kodowania na żywo; zwykle do kodowania wymagane są co najmniej dwa przebiegi. Pierwszy identyfikuje fragmenty zawierające najwięcej informacji, drugi rozkłada kompresję zgodnie z wynikami pierwszego i ogólnym celem rozmiaru narzuconym przez użytkownika. Trudniej jest też dotrzeć do punktu określonego tylko przez czas.

Korzystanie z formatów

Format nazywa się „produkcją”, gdy jest używany do wykonania prototypu, „nadawanie” przy nagrywaniu, które będzie podlegało większej liczbie zmian zostanie skopiowane do dużej liczby kopii lub nadane na kanale komunikacyjnym o ograniczonej przepływności .

W procesie produkcyjnym rozmiar pliku ma mniejsze znaczenie. Wybieramy formaty, które zachowują jak najwięcej informacji zapisanych w elementach dźwiękowych i pozwalają na lepszą jakość przetwarzania, nawet kosztem dużego zużycia zasobów obliczeniowych. Najczęściej unika się kompresji danych , a nawet zwiększa się rozmiar pliku, na przykład dodając enkapsulowane metadane i konwertując cyfrowy format danych z liczb całkowitych na zmiennoprzecinkowe . W większości przypadków sygnał można przywrócić po dekodowaniu identycznie jak przed kodowaniem.

W przesyłaniu strumieniowym plików audio rozmiar plików jest znacznie ważniejszy. Kodowanie ma na celu przywrócenie wrażenia dźwiękowego, bez gwarancji, że sygnał będzie odtwarzany identycznie. Zmniejszenie szybkości transmisji danych sprawia, że ​​jakość dalszego przetwarzania jest niepewna.

Kwestia jakości

Rozważając jakość przekazu z punktu widzenia ludzkiej percepcji, jej oceny można dokonać jedynie metodami psychoakustycznymi, albo poprzez badanie oceny oceny słuchaczy, albo za pomocą modeli oceny opracowanych na podstawie tych badań. Ta kontrola jakości metod kodowania jest przedmiotem badań od 1990 r. Międzynarodowy Związek Telekomunikacyjny zdefiniował „metody subiektywnej oceny jakości transmisji” , które dają średni wynik opinii (MOS, „  Mean Opinion Score  ” ). które mogą się wahać od 0 (bardzo źle) do 5 (doskonałe, porównywalne z wersją oryginalną).

W przypadku formatu pliku bez redukcji szybkości transmisji, jakość odtwarzania można dość dobrze oszacować na podstawie cyfrowej szybkości transmisji, która jest iloczynem częstotliwości próbkowania i liczby bitów. Jako punkt odniesienia w tej ocenie może posłużyć płyta CD o częstotliwości 44,1  kHz i 16 bitach . Gdy zmniejszysz szybkość transmisji, jakość gwałtownie się pogarsza; kiedy jest zwiększany, poprawia się coraz bardziej marginalnie wraz ze wzrostem przepływu. W przypadku nagrań na żywo, gdzie w przeciwieństwie do gotowej płyty CD nie możemy kontrolować i przewidywać poziomu, wyższa rozdzielczość jest zauważalna, zwłaszcza że generalnie nie chcemy kompresować dynamiki dźwięku na tym etapie.

Wspomagany przez nowe media komputerowe, dźwięk może być zdigitalizowany do 24 bitów. Osiąga to stosunek sygnału do szumu większy niż w przypadku sprzętu do nagrywania dźwięku. Do miksowania i przetwarzania sygnału zaleca się stosowanie wyższej rozdzielczości, aby zapobiec gromadzeniu się zaokrągleń w bardzo licznych obliczeniach wymaganych przez filtry i mieszanki przed pogorszeniem sygnału. W kodowaniu zmiennoprzecinkowym 32 bity ( pojedyncza precyzja IEEE 754 ) są wystarczające, aby uniknąć tej akumulacji. Niektóre maszyny pracują w 64 bitach ( podwójna precyzja IEEE 754 ), dzięki czemu błędy są cofane do nieskończoności, kosztem ogromnego marginesu niepotrzebnych obliczeń.

Podobnie, zwiększenie częstotliwości próbkowania podczas pobierania dźwięku pozwala na użycie mniej ostrych filtrów antyaliasingowych. Kiedy filtry muszą przejść od „przejścia” do „odcięcia” ponad oktawę , jak w przypadku CD, przekazują nieco nieregularnie tę część sygnału, która musi przejść i nie mogą całkowicie odciąć tej części, która musi zniknąć. Najlepsze filtry wymagają dużej ilości obliczeń i powodują znaczne opóźnienie sygnału. Istnieje możliwość przesunięcia tej operacji do końcowej fazy produkcji (mastering muzyczny). Współczesne urządzenia oferują podwójne i poczwórne częstotliwości próbkowania CD: 88,2  kHz i 176,4  kHz oraz telewizyjne: (48  kHz ), czyli 96  kHz i 192  kHz .

Stosowanie formatów o wyższej jakości jest niezbędne na etapie nagrywania i produkcji. Uzyskana w ten sposób dodatkowa precyzja umożliwia dokładniejsze obliczenia podczas przetwarzania cyfrowego w oprogramowaniu audio. Pozwala to na subtelną poprawę jakości przy stosowaniu efektów takich jak pogłos. A koszt rozkłada się na dziesiątki tysięcy konsumentów gotowego produktu.

Format płyty CD spełnia inne kryteria. Każdy słuchacz musi zdobyć materiał do słuchania. Ten nie powinien być zbyt drogi. Nagranie nie jest przeznaczone do modyfikacji: poziom może wykorzystywać całość dynamiki mediów. Płyta CD z efektywnym zakresem dynamiki około 92  dB jest odpowiednia dla dynamiki dźwięku 70  dB , odpowiadającej miksowi muzyki klasycznej. W przypadku innych gatunków muzycznych jest to więcej niż wystarczające, sądząc po ewolucji miksów (patrz Volume War ). Odpowiada również stanowi techniki z lat 80., stopniowo ulepszanej przez postęp w dziedzinie filtrów cyfrowych i ditheringu .

Istnieją oferty obiecujące dźwięk o najwyższej jakości dla płyt CD: dla fizycznych płyt DVD-Audio lub SuperAudio CD firmy Sony , która ma tę zaletę, że istnieje w wersji hybrydowej: jest jednocześnie czytelna zgodnie ze standardem CD Klasyczny dźwięk, na wszystkich odtwarzaczach i SACD na dedykowanym odtwarzaczu. Z jednej strony te twierdzenia zostały zakwestionowane, a jednocześnie poprawiono brzmienie płyty CD, bez zmiany formatu, a z drugiej strony audiofilska publiczność, do której kierowane są te argumenty, wydaje się być zbyt mała: aby usłyszeć możliwą różnicę, potrzebujesz dość dużej instalacji. Ale istnienie tej różnicy nie jest powszechnie uznawane; na przykład kina oferują wysokiej jakości, wielokanałowy dźwięk o wysokiej dynamice, używając tylko nieco wyższego kodowania niż CD, 48  kHz i 16 bitów.

Większość odbiorców nie tylko zadowala się jakością płyt CD, ale zwraca się w stronę bardziej przenośnych formatów, czasami ze szkodą dla jakości reprodukcji. W zastosowaniach audiowizualnych nie ma wyboru.

Formaty plików audio

RIFF

Ponieważ wiele formatów audio jest opartych na standardzie Resource Interchange File Format (RIFF ), formacie wymiany plików zasobów, należy go najpierw opisać, chociaż jest to standard ogólnego przeznaczenia.

Zasadą jest zdefiniowanie kontenerów i końców ( kawałków  (en) ), które są identyfikowane przez ich pierwsze cztery bajty, które są ogólnie znakami ASCII , tak aby mogły być odczytane przez techników, którzy otwierają plik za pomocą edytora szesnastkowego, a następnie cztery bajty wskazujące, gdzie jest koniec kontenera (ta liczba bajtów ogranicza rozmiar pliku RIFF do 4 GiB ).

Plik RIFF zaczyna się od „RIFF” i pełnej długości; wtedy znajduje się identyfikator pierwszego podkontenera, na przykład „INFO” i długość tego końca, na końcu którego zaczyna się następny, na przykład „Fala” i długość tego końca.

WAV

Format WAV (lub WAVE) ( „  Waveform Audio File Format  ” ) to kontener oparty na formacie pliku RIFF , w którym jego identyfikator to „WAVE”. Może zawierać kodowania audio z lub bez redukcji szybkości transmisji, mono, stereo lub wielokanałowe, zostało opracowane przez Microsoft i IBM . Informacje potrzebne do dekodowania można znaleźć na początku pliku. WAV służy do przechowywania metadanych w pliku.

Najczęściej zawiera dźwięk bez redukcji danych, z różnymi częstotliwościami próbkowania i rozdzielczościami.

Sufiks utworzonych plików to .wav.

BWF

European Broadcasting Union zdefiniował rozszerzenie nadawania formatu WAVE do użytku zawodowej, Broadcast Wave Format  " (BWF w skrócie). Jest to blok ( fragment ) metadanych dodany do pliku .wav. W formacie RIFF programy, które napotykają fragment , którego nie mogą zinterpretować, po prostu go ignorują. Pliki BWF są zatem kompatybilne z klasycznymi odtwarzaczami WAVE. Ich przyrostkiem pozostaje .wav. Jest to standardowy format nagrywania wielu profesjonalnych stacji roboczych do odtwarzania dźwięku telewizyjnego i filmowego.

Blok rozszerzenia rozgłoszeniowego jest identyfikowany w pliku WAV za pomocą kodu bext( „  rozszerzenie rozgłoszeniowe  ” ). Zawiera ustandaryzowane odniesienie do znacznika czasu, które umożliwia synchronizację z oddzielnym pikselem, a także identyfikację treści i informacje o pomiarach głośności, dynamiki i poziomu szczytowego.

Rejestratory wielościeżkowe firm Sound Devices, Zaxcom, HHB USA, Fostex, Nagra i Aaton używają BWF.

Ogg

Format Ogg jest formatem wolnym , owocem fundacji Xiph.org . Ogg to kontener, który może zawierać dźwięk bezstratny ( FLAC ), zakodowany za pomocą psychoakustycznego kodeka Vorbis , dźwięk mówiony ( Speex ) i wideo ( Theora ). „Plik Ogg” może zatem zawierać jedną lub drugą (lub kombinację) utworów.

AIFF

AIFF to odpowiednik formatu WAV na komputerach firmy Apple . Akceptowane są rozdzielczości 8, 16, 20, 24 i 32 bity (zmiennoprzecinkowe).

Sufiks utworzonych plików to .aif.

Wariant AIFF-C pozwala skompresować rozmiar do 6x.

CAF

CAF ( format audio Rdzeń ) został opracowany przez firmę Apple w celu przezwyciężenia ograniczeń starszej części audio, AIFF lub WAV.

Jest kompatybilny z systemem Apple Mac OS X od wersji 10.3 i może być odczytywany przez Quicktime 7.

SUROWY

RAW ( Real Audio Wrapper ) to format audio używany do reprezentowania danych dźwiękowych z modulacją impulsową bez nagłówka lub metadanych. Plik RAW nie nadaje się do użytku bez informacji o częstotliwości próbkowania, liczbie bitów kwantyzacji i jej prawie liniowym lub logarytmicznym oraz zakodowaniu wartości big-endian lub little-endian , a także liczby kanałów, które muszą być przekazane gdzie indziej.

Nieskompresowany format audio

PCM nie jest niczym innym niż reprezentacji sygnału audio próbą , skwantyzowane i kodowanego .

Kodowanie sprowadza się do wyboru reprezentacji cyfrowej , którą dla tej samej wartości poziomu kwantyzacji może być dodatnia liczba całkowita (bez znaku), liczba całkowita ze znakiem, liczba całkowita ze znakiem oprócz 2n lub liczba zmiennoprzecinkowa . Kanały są multipleksowane próbka po próbce. Każda próbka jest kodowana i dekodowana niezależnie; nigdy nie trzeba znać więcej niż jednej próbki do dekodowania, a zatem strumień lub plik PCM może zostać wycięty lub zastąpiony w dowolnym momencie.

Oprogramowanie do tworzenia muzyki może z łatwością wytworzyć ten format, np . rejestratory cyfrowe . Za wyjątkiem przypadku konwersji częstotliwości próbkowania, niezbędnej np. do użycia źródła CD próbkowanego z częstotliwością 44,1  kHz w montażu audiowizualnym próbkowanego z częstotliwością 48  kHz , lub przy zmianie rozdzielczości, wymagającej reditheringu, etapy operacji kodowania i dekodowania są ograniczone do operacji analogowych -konwersja cyfrowa i konwersja cyfrowo-analogowa lub zmiana formatu cyfrowego. Półprzewodniki i programy wykonujące te operacje są powszechnie określane pod ogólną nazwą kodeków .

Dźwięk PCM jest zwykle przechowywany w formacie kontenera WAVE w systemie Windows lub AIFF w systemie Mac OS , w tym w bloku informacyjnym zawierającym ustawienia reprezentacji cyfrowej wymagane do dekodowania danych.

Odwracalne formaty kompresji dźwięku

Odwracalna kompresja audio opiera się, jak w przypadku każdego innego pliku komputerowego, na identyfikacji nadmiarowości w plikach lub strumieniach audio. W odniesieniu do teorii informacji określa się ją jako kodowanie entropii . Formaty muzyczne wykorzystują złożone metody kompresji, takie jak kodowanie Huffmana lub proces przewidywania częściowego rozpoznawania . Im bardziej złożona metoda, tym więcej zasobów będzie potrzebował kodek. Niektóre metody kompresji wykonują dwa przebiegi, jedno z rozpoznawaniem plików, drugie z kodowaniem; w związku z tym wiążą się one z dość dużym opóźnieniem przepływów.

Kompresja bezstratna ( bezstratna ) oznacza użycie algorytmu takiego, że nadal można znaleźć oryginalne dane.

Zwykle kompresja odwracalna umożliwia podzielenie rozmiarów plików przez dwa lub trzy. Jest on stosunkowo rzadko używany, ponieważ wzmocnienie to jest niewielkie w porównaniu z tymi, które umożliwia nieodwracalna kompresja, która jednak wykorzystuje te same metody, po wyeliminowaniu informacji uznanych za nieistotne.

FLAC

Format FLAC ( Free Lossless Audio Codec ) to darmowa forma bezstratnej kompresji dźwięku.

Utrzymywany przez fundację Xiph.org format ten jest bardzo popularny do archiwizacji, ze względu na wysoki współczynnik kompresji bez zmiany danych.

W C

ALAC ( Apple Lossless Audio Codec ) to format kodowania bezstratnego (bezstratny) utworzona w 2004 roku przez firmę Apple.

Skracać

Shorten mówi również, że SHN to format audio, który stosuje standardową metodę kompresji danych .

Nieodwracalne formaty kompresji dźwięku

Stratna kompresja dźwięku (stratna) opiera się na wyspecjalizowanych algorytmach określających, które przekształcenia upraszczają reprezentację dźwięku, jednocześnie najlepiej odtwarzając wrażenie dźwiękowe. Zmniejsza rozmiar pliku, eliminując niuanse, które nie są postrzegane lub mniej istotne dla treści. Eliminacja jest ostateczna, utworzenie pliku w formacie wysokiej jakości z tak skompresowanego pliku może służyć jedynie ograniczeniu obciążenia obliczeniowego dekodera w odczycie.

Najbardziej znanym formatem jest MPEG-1/2 Audio Layer 3 , który ma rozszerzenie .mp3. Format ten oferuje bardzo dobrą jakość dźwięku przy przepływności 128  kbit/s . To właśnie ten format był masowo używany do przesyłania muzyki przez Internet od końca lat 90. Szybko pojawiły się przenośne odtwarzacze z pamięcią wielokrotnego zapisu i zdolne do bezpośredniego odczytu tego formatu.

W 2000 roku zaproponowano nowe formaty. Ze względu na postęp w algorytmach i moc obliczeniową sprzętu przewyższają MP3 przy tej samej szybkości transmisji i mogą osiągnąć wyższą jakość. Ponadto niektóre z nich są mniej restrykcyjne niż MP3 pod względem praw użytkowania (Ogg jest formatem wolnym). Jednak MP3 pozostaje najczęściej używanym, ponieważ ciągłe pojawianie się nowych formatów, zapewniających dość niewielką przewagę nad poprzednimi, nie pozwala na skonfigurowanie lepszego standardu niż MP3 i jego odczytanie przez wszystkie odtwarzacze.

Format MP3 mówi dekoderowi, jak zrekonstruować sygnał audio ze skompresowanych danych. Nie ustanawia żadnych zasad obliczania najlepszego sposobu reprezentowania oryginalnego dźwięku. Kodeki MP3 były zatem w stanie osiągnąć znaczny postęp od początku używania tego formatu.

Kodowanie MP3 zazwyczaj pozwala na zwiększenie rozmiaru pliku o współczynnik 10. Umożliwiło to nie tylko przechowywanie ogromnego czasu słuchania na nośnikach komputerowych, ale także ich wymianę przez Internet, często nielegalnie.

AC-3

Format kompresji AC-3 (lub Dolby Digital ) to standard wprowadzony przez amerykańską firmę Dolby Laboratories na początku lat 90-tych.

Może kodować dźwięk wielokanałowy 5.1 ( 6 kanałów ), z przepływnościami od 32 do 640 kbit/s . Format ten jest używany w projekcjach kinowych 35 mm , w transmisjach telewizyjnych HD, na nośnikach DVD i Blu-ray , w konsolach do gier.

MP3

MP3 to skrót od MPEG-1/2 Audio Layer 3 . Sekcja audio Grupy Ekspertów Moving Picture Experts Group ( MPEG ) w 1990 roku połączyła w jednym standardzie techniki kompresji MUSICAM , opracowane dla nadawania cyfrowego, oraz ASPEC , przeznaczone do transmisji punkt-punkt. Standard ma trzy poziomy ( „  warstwę  ” ) o rosnącej złożoności i wydajności, co pozwala na szeroką gamę zastosowań. Warstwa 3 jest odpowiednia dla aplikacji wymagających zmniejszonych prędkości , co powoduje, że świat Internetu bardzo szybko przyjmuje ten format. ISO uczyni z niego międzynarodowy standard w latach 92-93.

Muzyka jest zwykle kodowana z szybkością transmisji 192  kbit/s , co odpowiada współczynnikowi kompresji ( współczynnikowi ) od 1 do 7,35, tj. plik zakodowany w formacie mp3 zajmuje 7,35 razy mniej miejsca niż plik nieskompresowany nagrany z częstotliwością 44,1  kHz . Maksymalna jakość osiągana jest przy 320  kbit/s (szybkość redukcji szybkości transmisji 1: 4,4). Mowa jest zwykle kodowana w trybie mono z szybkością 48  kbit/s (1:15). Minimalna szybkość transmisji danych to 8  kbit/s (1:88).

Standard .mp3 określa jedynie operacje dekodowania, dzięki czemu pliki mogą być odtwarzane na wszystkich urządzeniach. Jakość wyniku przy tym samym stopniu kompresji zależy w pewnym stopniu od enkodera. W grę wchodzi precyzja związana z mocą obliczeniową, a także strategia kodowania, która może odbywać się w czasie rzeczywistym lub w kilku przejściach. Kodery mogą podlegać opłatom licencyjnym . MP3 LAME (V5), koder zapewnia 130  kbit / s o jakości porównywalnej z AAC (Advanced Audio Coding) przy 48  kbit / s .

Sufiks utworzonych plików to .mp3.

Typ kompresji: stała przepływność (CBR, Constant Bit Rate ) lub zmienna przepływność (VBR, Variable Bit Rate ).

mp3PRO

Format mp3PRO , wynik współpracy między Thomson Multimedia i Instytutem Fraunhofera , łączy algorytm MP3 i system poprawiający jakość skompresowanych plików o nazwie SBR dla Spectral Bandwidth Replication .

Ten format został wydany pod koniec 2001 roku; Plik MP3pro 64 kbit / s ma jakość odpowiadającą plikowi MP3 128 kbit / s .

Sufiks utworzonych plików to .mp3.

Ogg Vorbis

Vorbis różni się od MP3, WMA i innych AAC swoim algorytmem. Dzieli źródła audio na kolejne pakiety, przy czym algorytm kompresji najpierw działa na każdym pakiecie niezależnie od pozostałych. Dzięki temu ma bardzo niewiele słabych stron na niektórych częstotliwościach i zachowuje tę samą jakość niezależnie od rodzaju muzyki.

Sufiks tworzonych plików to .ogg lub czasami .oga.

Nadużywając języka, nazywamy pliki muzyczne „plikami Ogg” skompresowanymi algorytmem Vorbis. O pliku Ogg Vorbis powinniśmy mówić, gdy wspominamy o pliku .ogg , który zawiera tylko jedną ścieżkę dźwiękową w formacie Vorbis.

VQF lub TwinVQ

Format TwinVQ ( Transform-domain Weighted Interleave Vector Quantization ) został opracowany przez NTT Cyber ​​​​Space Laboratories i wspierany przez firmę Yamaha. W tym samym duchu co MP3 , kompresuje jeszcze mocniej iz lepszą jakością. Żałujemy trochę zbyt długiego czasu kodowania, prawie 10 razy wolniejszego niż MP3 . Co więcej, przybył znacznie później i rozpowszechniany na bardzo restrykcyjnej licencji, miał niewielu zwolenników i jest mniej lub bardziej porzucony.

Sufiks utworzonych plików to .vqf, .vql lub .vqe.

WMA

Format WMA ( Windows Media Audio ), stworzony przez firmę Microsoft na podstawie zaleceń MPEG-4 w 1999 roku, jest używany przez oprogramowanie Windows Media Player . Format ten jest połączony z wyrafinowaną zarządzania prawami autorskimi ( Digital Rights Management , w angielskiej zarządzanie prawami cyfrowymi lub DRM), co sprawia, że możliwe jest określenie, na przykład, ograniczoną żywotność do plików lub zakazać możliwości spalania.

Istnieje kilka wersji kodeka (wma7.1, wma9, wma pro).

Sufiks utworzonych plików to .wma.

W

Format AU jest dość rozpowszechniony dzięki Unixowi i Linuksowi . Częstotliwość próbkowania wynosi od 1 kHz do 200  kHz . Ale aplikacje do renderowania dźwięku odczytują głównie tylko trzy częstotliwości próbkowania: 8012.821 (wejście kodeka), 22050 i 44100 Hz.

Sufiks utworzonych plików to .au.

Akceptowane są rozdzielczości 8, 16, 20, 24 i 32 bity (zmiennoprzecinkowe).

ASF

ASF Advanced Streaming Format to format kontenera firmy Microsoft do przesyłania strumieniowego audio i wideo.

AA

AA  (en) Audible to format używany przez firmę Apple do książek audio .

AAC lub MPEG-2 AAC

AAC ( Advanced Audio Coding ) jest rozszerzeniem formatu MPEG-2 i został zamieniony w formacie MPEG-4 , MPEG-4 w wersji 2 i MPEG-4 w wersji 3. Uznano koniec kwietnia 1997 r. W

Sufiks utworzonych plików to .aac, .mp4, .m4a.

Jabłko i AAC

Apple wybrał AAC jako preferowany kodek, można go znaleźć w iPodzie i oprogramowaniu iTunes . Do sprzedaży muzyki online iTunes Music Store , standard AAC nie oferuje systemu zarządzania prawami cyfrowymi ( DRM ), Apple opracował własny system o nazwie FairPlay . Można go odtwarzać w systemach Mac OS i Windows, tylko z oprogramowaniem iTunes. W styczniu 2009 roku firma Apple ogłosiła usunięcie FairPlay DRM ze wszystkich utworów muzycznych w witrynie iTunes Store 2.

Fakt, że AAC jest jedynym formatem kompresji lepszym od MP3 obsługiwanym przez iPody, znacznie przyczynił się do jego popularności. Nie wystarczy jednak, aby stał się następcą MP3, ponieważ inne formaty są w dużej mierze równe pod względem wydajności.

ATRAC

ATRAC ( Adaptive Transform Acoustic Coding ) jest psychoakustycznego technika kompresji audio (jest opcja czysto statystyczny) opracowany przez Sony w 1992 roku do jego MiniDisc . Format ten przeszedł kilka zmian: ATRAC3, ATRAC3plus (potocznie pisane ATRAC3+) i ATRAC Advanced Lossless następowały po sobie odpowiednio w latach 1999, 2002 i 2006.

Formaty wielościeżkowe

Formaty wielościeżkowe to najnowsza innowacja. Polegają na zamknięciu w pliku różnych ścieżek dźwiękowych, które następnie użytkownik może łączyć w odpowiednich dla siebie proporcjach. Chodzi o to, aby w utworze muzycznym zaproponować ścieżkę odpowiadającą każdemu instrumentowi (i głosowi) osobno. Użytkownik może następnie stworzyć własną wersję.

U-MYX zostały wykorzystane do nich części premii w albumach.

Te formaty mają tę wadę, że nie można ich słuchać bez komputera. Jednak pojawienie się smartfonów pełniących rolę przenośnych odtwarzaczy i zdolnych do uruchamiania niezależnych aplikacji pozwala na przenoszenie tych formatów, w tym na odtwarzanie z miksowaniem.

U-MYX

U-MYX jest czytelnym formacie wielościeżkowy z dedykowaną aplikacją, opublikowane przez tę samą firmę, która opracowała ten format. Format ten był używany do udostępniania utworów w wersji wielościeżkowej jako bonus w albumach, aplikacja jest dostarczana wraz z utworami, a wszystko to na sesji CD widocznej tylko wtedy, gdy płyta była odtwarzana na komputerze.

Pomimo tych przykładów użycia, przyszłość U-MYX jest niepewna, ponieważ firma, która go produkuje, jest dość niejasna co do swoich planów na przyszłość.

MXP4

MXP4 to wielościeżkowy w formacie, w którym utwory są obudowane w Ogg. Wyprodukowany przez francuską firmę format zyskał duży rozgłos w prasie francuskiej, przedstawiany jako „następca MP3”. Wyrażenie, które może wydawać się przesadzone, wielościeżkowe formaty po prostu odgrywające inną rolę.

Zastrzeżone formaty

Niektóre z tych formatów stały się przestarzałe, takie jak SDII firmy Digidesign

Formaty audiowizualne

Formaty te zawierają zarówno pliki graficzne, jak i pliki audio, a także kod czasowy lub pseudokod czasowy (flaga).

Na przykład: Quicktime jest wieloplatformowy i wykorzystuje wiele darmowych standardów branżowych, niektóre inne, bardzo zorientowane, są płatne. Wszechstronna i polimorficzna struktura danych, niektóre z nich są również wykorzystywane do przesyłania strumieniowego .

Obliczanie szybkości transmisji i wagi pliku audio

Obciążyć

przepływność (kbit / s) = częstotliwość próbkowania (kHz) x kwantyzacja (bit) x liczba kanałów
Przykład: płyta audio CD:
  • częstotliwość próbkowania: 44 100  Hz
  • rozdzielczość: 16 bitów
  • kanały: 2 ( stereo )
przepływność = 44 100 × 16 × 2 = 1 411 200 bit / s

wynosi około

Waga

Rozmiar pliku MP3 192 kbit/s o  długości 3,75 minuty: [czas (s)] x przepływność (kbit/s) / 8000: [3,75 × 60] × 192/8000 = 5,4  MB .

Telefonia

  • G.711  : standard kompresji dźwięku używany do wideokonferencji H.323 i H.320 oraz telefonii stacjonarnej.
  • G.722.2  : „szerokopasmowy” standard kompresji dźwięku stosowany w telefonii komórkowej
  • G.723  : Poprzednio określany jako standard kodeka audio typu ADPCM… G.723.1, odnosi się do innego standardu kodeka audio typu wokodera.
  • G.726  : inny kodek dla telefonu
  • G.729  : używany do kodowania części audio wideokonferencji
  • Sieć Voice over IP  : czasami nazywana telefonią IP lub telefonią internetową , często w skrócie „VoIP” (w skrócie z angielskiego Voice over IP )

Bluetooth

Transmisja Bluetooth może wykorzystywać wiele kodeków.

Zobacz również

Bibliografia

Powiązane artykuły

Uwagi i referencje

  1. (w) John Watkinson , Podręcznik MPEG: MPEG-1, MPEG-2, MPEG-4 , Focal Press,, 2 II  wyd. , 435  s. ( ISBN  978-0-240-80578-8 , czytaj online ) , s.  169-170.
  2. Zob. m.in. (en) B. Paillard , P. Mabilleau , S. Morissette i Joël Soumagne , „  PERCEVAL: Perceptual Evaluation of the Audio Signals  ” , Journal of the AES , tom.  40, n kości  1-2,( przeczytaj online ) ; (pl) Thilo Thiede i in. , „  PEAQ - Standard ITU do obiektywnego pomiaru postrzeganej jakości dźwięku  ” , Journal of the AES , tom.  56, n kości  1-2,( przeczytaj online ) ; (en) Inyong Choi , Barbara G. Shinn-Cunningham , Sang Bae Chon i Koeng-Mo Sung , „  Obiektywny pomiar postrzeganej jakości słuchowej w wielokanałowych systemach kodowania kompresji dźwięku  ” , Journal of the AES , tom.  56, n kości  1-2,( przeczytaj online ).
  3. P.800: Subiektywne metody oceny jakości transmisji , na stronie internetowej ITU-T
  4. Zobacz Próbkowanie (sygnał) #Filtry antyaliasingowe .
  5. (w) Stanley P. Lipschitz i John Vanderkooy , „  Dlaczego konwersja 1-bitowa Sigma-Delta jest nieodpowiednia do zastosowań wysokiej jakości  ” , dokument z konferencji Towarzystwa Inżynierii Dźwięku ,( przeczytaj online [PDF] ).
  6. Patrz European Broadcasting Union: Specyfikacja formatu Broadcast Wave „  Dokument techniczny EBU 3285  ” ,).
  7. Sound Devices , producent profesjonalnych produktów przenośnych.
  8. Zaxcom .
  9. HBB USA .
  10. Fostex .
  11. Nagra .
  12. Aaton .
  13. (en) ffmpeg, „  Typy Raw Audio  ”  : „  pcm_s16le PCM oznacza „tradycyjny rozmiar fali” (zasadniczo surowe bajty). 16 oznacza 16 bitów na próbkę, „the” oznacza „mały endian”, s oznacza „podpisany”, u oznaczałoby „bez znaku  ” . „  Little endian  ” odnosi się do organizacji numeru rejestracyjnego, tutaj zaczynając od najmniej znaczącego bajtu ,.
  14. (w), Texas Instruments TLV320AIC1103 kodek PCM  " .
  15. „  ADONIS/SIAF/CINES-GM-0.4  ” , Archives de France (dostęp 16 lipca 2016 r. )  : „FLAC jest szeroko stosowany jako format archiwizacji (kompresja bezstratna)” , s.  68.
  16. (w) John Watkinson , Podręcznik MPEG: MPEG-1, MPEG-2, MPEG-4 , Focal Press,, 2 II  wyd. , 435  s. ( ISBN  978-0-240-80578-8 , czytaj online ) , s.  199.
  17. ISO/IEC 11172-3:1993 .
  18. (w) Gabriel Bouvigne dla MP3'Tech - www.mp3-tech.org, Publiczny test 48 kbit/s AAC  " ,.
  19. (en) https://www.wired.com/epicenter/2009/08/mxp4s-interactive-music-format-coming-to-iphone/ .
  20. http://www.lemondenumerique.com/p=3869 .
  21. http://www.timrubber.com/le-mxp4-ne-va-pas-remplacer-le-mp3/ .
  22. Według leksykonu AFNIC , zobacz http://www.afnic.fr/doc/lexique/d#diffusioncontinue .

Mamy nadzieję, że informacje, które zgromadziliśmy na temat Format pliku audio, były dla Ciebie przydatne. Jeśli tak, nie zapomnij polecić nas swoim przyjaciołom i rodzinie oraz pamiętaj, że zawsze możesz się z nami skontaktować, jeśli będziesz nas potrzebować. Jeśli mimo naszych starań uznasz, że informacje podane na temat _title nie są całkowicie poprawne lub że powinniśmy coś dodać lub poprawić, będziemy wdzięczni za poinformowanie nas o tym. Dostarczanie najlepszych i najbardziej wyczerpujących informacji na temat Format pliku audio i każdego innego tematu jest istotą tej strony internetowej; kierujemy się tym samym duchem, który inspirował twórców Encyclopedia Project, i z tego powodu mamy nadzieję, że to, co znalazłeś o Format pliku audio na tej stronie pomogło Ci poszerzyć swoją wiedzę.

Opiniones de nuestros usuarios

Aneta Mielczarek

Artykuł o Format pliku audio jest kompletny i dobrze wyjaśniony. Nie dodawałbym ani nie usuwał przecinka.

Magda Brzozowski

Czasami, gdy szukasz informacji w Internecie o czymś, znajdujesz zbyt długie artykuły, które nalegają na mówienie o rzeczach, które Cię nie interesują. Podobał mi się ten artykuł o zmiennej, ponieważ idzie do rzeczy i mówi dokładnie o tym, czego chcę, bez gubienie się w informacjach Bezużyteczne.

Romuald Malinowski

Myślałem, że wiem już wszystko o zmiennej, ale w tym artykule zweryfikowałem, że pewne szczegóły, które uważałem za dobre, nie były tak dobre. Dziękuję za informacje.