Популяризация цифровых технологий во второй половине XX века затронула практически все сферы человеческой жизни, включая музыку. В нашей статье мы рассмотрим различия между самыми популярными цифровыми аудиоформатами MP3 и FLAC: lossy против lossless.
С появлением цифровых технологий у людей возник закономерный вопрос о наиболее оптимальных для различных целей методах оцифровки, обработки и хранения звука. Существует множество аудиоформатов, которые условно делятся на две крупные группы: без сжатия и со сжатием. В числе последних также выделяют два типа форматов: без потерь – так называемые lossless – и с потерями – lossy.
Практически со дня выпуска монополия среди аудиформатов с потерями принадлежит MP3, а точнее MPEG-1/2/2.5 Layer 3, разработанному сотрудниками Института Фраунгофера под руководством Карлхайнца Бранденбурга и университета Эрланген-Нюрнберг в сотрудничестве с AT&T Bell Labs и Thomson в 1993 году. Тем временем среди форматов без потерь лидирует FLAC (Free Lossless Audio Codec) – проект члена некоммерческой организации Xiph.Org Джоша Коалсона, представленный в 2000 году. Ключевое различие между данными форматами и типами аудиоформатов, к которым они принадлежат, очевидно по самой формулировке названий. Однако по сей день люди задаются вопросами: что именно и в каких пропорциях «теряется» при сжатии исходного материала в MP3 и других lossy форматах, и так ли просто на слух различать файлы, воспроизводимые разными кодеками.
Принцип действия алгоритмов сжатия в аналого-цифровых преобразователях схож для всех аудиоформатов. Прежде всего устройство ограничивает полосу частот в соответствии с Теоремой Котельникова, согласно которой аналоговый сигнал с ограниченным спектром может быть восстановлен однозначно и без потерь по своим дискретным отсчётам, взятым с частотой строго большей удвоенной максимальной частоты спектра. Как правило, части спектра, частота которых превышает половину частоты дискретизации, подавляются при помощи фильтра нижних частот. Затем непрерывный аналоговый сигнал дробится на последовательность фрагментов его значений с учётом заданной частоты дискретизации. Таким образом значения аналогового сигнала привязываются к отсчётам – дискретным моментам времени. Далее происходит квантование, которое заменяет величины отсчёта ближайшими значениями из набора фиксированных величин. Таким образом амплитуды звуковой волны превращаются в ступенчатую функцию, согласно которой значение каждого отсчёта задаётся последовательностью кодовых символов в соответствии с его разрядностью и порядковым номером на шкале времени.
Согласно Теореме Котельникова, для записи звука в частотном диапазоне человеческого слуха (20-20 000 Гц) частота дискретизации должна составлять не менее 44,1 кГц. Это значит, что значение аналогового сигнала фиксируется 44100 раз в секунду или и того чаще. Разрядность, битность либо глубина кодирования звука характеризуют динамический диапазон аудио (громкость), который отражается в количестве возможных уровней сигнала. К примеру, 16-битный звук позволяет работать с 65536 уровнями сигнала. Такая битность считается достаточной для получения качественной записи, однако для расширения динамического диапазона звука также используют разрядность 24 или 32 бита. Впрочем, слепые тесты показывают, что зачастую даже люди с обширным «слушательным опытом» не могут на слух отличить 16-битную запись от 24-битной. Степень сжатия аудио – соотношение битности к единице времени – выражает битрейт, который измеряют в килобитах в секунду. Этот параметр является одним из ключевых критериев оценки качества аудио.
Алгоритм сжатия MP3-файлов с потерями базируется на психоакустической модели человека. Проще говоря, слуховое восприятие среднестатистического человека подвержено эффекту маскировки, при котором один звук может быть скрыт другим звуком. Алгоритм проводит спектральную «зачистку», отсекающую частоты, которые наше ухо вероятнее всего проигнорирует. Кроме того, иногда два или более близколежащих пиков заменяются одним усреднённым, что приводит к искажению звука. Степень усечения спектра зависит от требований к выходному потоку, которые также определяют степень сжатия оригинального файла. К слову, существует три режима сжатия MP3 и других lossy файлов: с постоянным (CBR), переменным (VBR) и усреднённым (ABR) битрейтом.
В эпоху становления формата в качестве стандарта была выбрана запись с битрейтом 128 кбит/с, что соответствует границе относительно комфортного прослушивания музыки: ниже неё происходит сильная деградация звука. Сегодня диапазон от 128 до 160 кбит/с считается начальным уровнем кодирования музыки. Приемлемые значения начинаются со 192 кбит/с, а наивысшим качеством, поддерживаемым стандартом MP3, является битрейт 320 кбит/с. К слову, конвертация файла с низким битрейтом в файл с более высоким битрейтом никак не улучшит качество звука, а только увеличит его размер. При сохранении достаточно высокого качества звука коэффициент сжатия данного формата составляет 6-9 раз. Бесспорным достоинством стандарта MP3 сегодня является малый размер файлов и доступность, а при использовании адекватных инструментов кодирования/декодирования качество его звучания остаётся на весьма достойном уровне.
Среди аудиформатов типа lossless наибольшую популярность имеет FLAC, коэффициент сжатия которого составляет 1,2-3,5 раза. Как следует из названия, данный стандарт выполняет сжатие аналогового сигнала без потерь. FLAC не вносит изменений в звуковой поток, но просто переводит его в цифровой формат, используя те же принципы, которые применяются в архиваторах RAR и ZIP. Другими словами, алгоритм находит в аналоговом сигнале закономерности и записывает их в упрощённом виде, разбивая файл на мелкие блоки размером по несколько килобайт. При этом информация о настройке буферов, частоты дискретизации, количестве каналов, бит на семпл и количестве семплов хранится в дополнительном блоке метаданных.
FLAC кодирует звук с частотой дискретизации в диапазоне от 1Гц до 655350 кГц с шагом 1 Гц, а разрядность формата может варьироваться от 4 до 32 бит на семпл. Битрейт FLAC-файла с параметрами 16 бит/44.1 кГц в стереоформате составляет от 400 до 1200 кбит/с. Однако для lossless аудиформатов правило «больше битрейт – лучше звучание» не актуально, поскольку качество звука всегда остаётся идентичным исходному материалу. В таком случае битрейт, как правило, отражает сложность сжимаемого аналогового сигнала. К примеру, пение под гитару поддаётся сжатию гораздо лучше концерта симфонического оркестра.
С каждым годом математика кодирования совершенствуется, и в наши дни не так-то просто на слух распознать файлы, сжатые разными кодеками. Более того, важно учитывать не только сами файлы, но также оборудование, используемое для их воспроизведения, и «слушательный опыт» человека. Кроме того, при прослушивании MP3-файла играет роль его «происхождение»: в большинстве случаев слушатели не имеют возможности узнать, как был сжат гипотетический 320 CBR Stereo. Его могли записать с оригинального CD, эфира интернет-радио или и вовсе перекодировать из 192 CBR Stereo. Недостатки MP3-формата будут слышны на аппаратуре высокой верности воспроизведения, однако подавляющее большинство бытовой акустики не предназначено для воспроизведения полного спектра звука, что маскирует недочёты lossy-сжатия. Другими словами, вы можете использовать MP4 плеер, поддерживающий MP3-формат, для прослушивания музыки в общественном транспорте или во время занятий спортом и остаться полностью довольными качеством звука.