Разновидности аудио форматов

Практическое занятие №1

Тема: Изучение звуковых файлов на примере звукового редактора Audacity

Цель: Получение практических навыков по обработки и редактирования звука

Ключевые положения

Общие сведения

Звуковые файлы -файлы, содержащие цифровую запись аудиоданных (голоса, музыкальных произведений или их фрагментов и других звуков любой природы). Существуют два основных типа звуковых файлов: с оцифрованным звуком и нотной записью. Звуковые файлы представляют собой неотъемлемую составную часть мультимедиа.

1.1.1 Файлы с оцифрованным звуком [digitized sound files] — звуковые файлы, в которых исходная непрерывная ("аналоговая") форма сигнала записана в виде последовательности коротких дискретных значений амплитуд звукового сигнала, измеренных ("выбранный) через одинаковые промежутки времени и имеющих между собой весьма малый интервал. Процесс замены непрерывного сигнала последовательностью его значений называют дискретизацией [sampling], а такую форму записи — импульсно-кодовой [pulse code]. Аппаратная реализация обработки оцифрованного звука состоит в том, что АЦП преобразует аналоговый сигнал в множество цифровых замеров, а при воспроизведении ЦАП осуществляет обратный процесс — преобразование цифрового сигнала в аналоговый. Файлы с оцифрованным звуком бывают двух видов: с заголовком и без заголовка.

Разновидности аудио форматов

Формат хранения звукового контента в цифровом типе во многом зависит от метода квантования аналогово-цифровым конвертором. В современной звуковой технике самыми распространенными являются следующие два вида квантования:

• импульсно-кодовая модуляция
• сигма-дельта-модуляция

Основные понятия:

- Выборка, отсчет (квантование звукового сигнала)[sample] — дискретное ("мгновенное") значение, соответствующее минимальному фрагменту исходного звукового сигнала, который подается на вход аналого-цифрового преобразователя (АЦП) при записи звука или получается с использованием цифро-аналогового преобразователя (ЦАП) при его воспроизведении. Выборка характеризует амплитуду звукового сигнала и обычно представляет собой целое число (8 или 16 бит). Может производиться по одному каналу (моно), двум (стерео) или большему числу каналов. Процесс разделения сигнала на выборки называется квантованием [quantizing].

- Разрядность дискретизации [Sample size] —величина, определяющая количество бит на один канал. Разрядность дискретизации определяет точность замера и качество записи звука. В частности, она влияет на величину отношения сигнала к шуму (signal-to-noise-ratio). Чем выше разрядность дискретизации, тем выше качество записи и воспроизведения звука. Однако при увеличении ее значения существенно растет и объем записи.

- Частота дискретизации [sampling rate] —величина, которая определяет, сколько раз в секунду производится считывание выборок из аналогового сигнала. При цифровой записи звуков частота дискретизации измеряется в герцах и килогерцах. Чем выше частота дискретизации, тем выше качество звука. Однако соответственно увеличивается и объем записи. Для определения оптимальной частоты и разрядности необходимо найти компромисс между звуковым качеством и размером данных. О принципе подхода к выбору частоты дискретизации.

Зачастую разрядность и частоту дискретизации устанавливают для разных звуковых девайсов сохранения и проигрывания как формата хранения цифрового аудио (стандарты 24б/192кГц; 16б/48кГц) Формат аудио-файла вычисляет структуру и специфику образования цифрового аудио контента при хранении на ЗУ ПК. Для сжатия аудио данных используются различные аудеокодеки, при помощи которых производится сжатие данных в аудио потоках, что значительно может экономить размер файла, не теряя качества звучания. Различают 3 категории аудио форматов:

• звуковые форматы без сжатия (WAV, AIFF, WAVE)
• звуковые форматы со сжатием без потерь (APE, FLAC)
• звуковые форматы, с применением сжатия с потерями (mp3, ogg, acc, WNA)

Файлы с заголовком [files with heading] — один из двух видов файлов с оцифрованным звуком. В заголовке указываются параметры, которые характеризуют оцифрованный звук, включая: частоту дискретизации; количество битов на отсчет (8 или 16); количество каналов —моно (1) или стерео (2); ASCII-символы, описывающие тип файла; длину записанных данных в байтах; номер версии формата; метод компрессии; величину смещения блока данных относительно начала файла и др.

Некоторые звуковые редакторы (GoldWave, Cool Ed it) позволяют импортировать файлы с оцифрованным звуком без заголовка. При этом запрашиваются: частота дискретизации, количество битов на отсчет, количество каналов. Затем информацию можно экспортировать (сохранить) в файле с заголовком (.wav,.voc). Заголовок.voc можно дополнить и утилитой VOCHDR, а полученный файл конвертировать B.wav утилитой VOC2WAV (VOCHDR и VOC2WAV входят в поставку Sound Blaster 16).

1.1.2 Файлы с нотной записью [song file, music file] — звуковые файлы, которые содержат последовательность команд, сообщающих какую ноту и каким инструментом и как долго нужно воспроизводить в тот или иной момент времени. Формат может предусматривать одновременную игру нескольких музыкальных инструментов, в этом случае говорят о соответствующем количестве голосов. Например, плата Sound Blaster 16 поддерживает 20-голосный синтез. Размер такого файла может быть в десятки и сотни раз меньше файлов с оцифрованным звуком. Однако такие файлы не могут воспроизводить речь, природные и любые другие звуки, а только музыку без слов. Это связано с тем, что в микросхеме звуковой платы записаны заранее синтезированные звуки основных музыкальных инструментов и, соответственно, воспроизводить музыку можно только теми инструментами, которые имеются в наличии, т. е. какие инструменты есть в оркестре, те и будут воспроизводить музыку.

 

При воспроизведении файлов с нотной записью могут использоваться следующие виды синтеза звука:

- FM-синтез [FM-synthesis] — синтез с использованием частотной модуляции, при которой формируется частота звучания соответствующей ноты. Данный метод позволяет успешно имитировать реальные музыкальные инструменты (пианино, гитару и т. п.);

- wavetabIе-синтез [wavetable-synthesis] — "Табличный синтез": использует оцифровку нот реальных инструментов. Получение требуемой ноты производится путем оцифровки одной ноты реального инструмента. Исходные оцифровки содержатся в файле с нотной записью или в отдельном файле (такие файлы одновременно являются файлами с нотной записью и содержат оцифрованный звук).

 

Последний способ сначала применялся для проигрывания.mod файлов на компьютере Amiga, затем благодаря своей гибкости и большому количеству файлов этого формата получил широкое распространение на различных типах компьютеров: IBM-совместимых, Macintosh, SPARCstation. Оцифровки инструментов (samples) в.mod файле —8-битные, со знаком, без заголовка; частота дискретизации 10 кГц, получены путем применения линейной ИКМ. Причем оцифрована одна нота каждого инструмента ("до" первой октавы). В файле может быть до 31 оцифровки, каждая длиной до 128 Кбайт (обычно меньше). Звуковые платы при проигрывании файлов формата MIDI используют FM- или wavetable-синтез (wavetable-синтвз поддерживают немногие звуковые платы, например SoundBlaster AWE32).

Основные аудио форматы

 

AA (Audible Audio Book File) – формат является закрытым, разработан компанией Audible. Применяется, для записи аудиокниг, которые продаются через сервисы Audible и iTunes. Существует возможность замедлять или ускорять скорость прослушивания файлов – digital pitch, возможность оставлять закладки при прослушивании аудио книг, защита файлов, при доставке звуковых записей посредством internet.

 

AAC (Advanced Audio Coding) – формат аудио-файла с меньшей потерей качества при кодировании, чем Mp3 при одинаковых размерах. Кодирование музыки без потерь качества оригинала с помощью профиля ALAC. AAC – семейство алгоритмов аудио кодирования MPEG4. В отличие от гибридного набора фильтров mp3, AAC использует MDST технологию (модифицированное косинусное преобразование) – это значит, что слушатель получает более лучшее качество звука, чем при MP3 кодировании с таким же или меньшим битрейтом. Возможные расширения AAC файлов: [.m4a],[.m4b],[.m4p].

Также AAC — это широкополосный алгоритм кодирования аудио, который использует два основных принципа кодирования для сильного уменьшения количества данных, требуемых для передачи высококачественного цифрового аудио. Данный формат является одним из наиболее качественных, использующих сжатие с потерями, поддерживаемый большинством современного оборудования, в том числе портативного.

На 2009 год распространён значительно меньше, чем MP3 и другие альтернативные решения. AAC (Advanced Audio Coding) изначально создавался как преемник MP3 с улучшенным качеством кодирования. Формат AAC, официально известный как ISO/IEC 13818-7, вышел в свет в 1997 как новая, седьмая, часть семьи MPEG-2. Существует также формат AAC, известный как MPEG-4 Часть 3.

Преимущества AAC перед MP3:

- до 48 звуковых каналов;

- большая эффективность кодирования как при постоянном, так и при переменном битрейте;

- частоты дискретизации от 8 Гц до 96 кГц (MP3: 8 Гц — 48 кГц);

- более гибкий режим Joint stereo.

 

ADX – основанный на АДИКМ проприетарный формат сжатия с потерями и хранения звукозаписи, разработанный CRI Middleware специально для использования в видеоиграх. Наиболее характерная особенность — возможность зациклить звукозапись, что делает применение формата удобным для использования в качестве фоновой музыки в различных играх, поддерживающих этот медиаконтейнер. Его поддерживают множество игр для SEGA Dreamcast некоторые игры для PlayStation 2 и GameCube.

В отличие MP3, в нём не применяется психоакустическая модель уменьшения объёма данных о звуке (уменьшения его сложности). Вместо этого модель ADPCM использует для сохранения образцов запись данных относительной ошибки функции предсказания, что означает бо́льшую сохранность исходного сигнала после кодирования; по существу, сжатие ADPCM, вместо использования полных переразмерянных образцов звукозаписи, предоставляет образцы отклонения сигнала от предыдущего значения, которые имеют гораздо меньший размер, обычно — 4 бита. Для человеческого уха такое отклонение находится на уровне шума, что делает потерю качества едва заметной.

 

AIFF – это стандартный формат файлов для сохранения аудиоданных на платформе Macintosh. Если вам когда-нибудь потребуется пересылать аудиофайлы между персональным компьютером и компьютером Macintosh, используйте именно этот формат. Он поддерживает 8- и 16-битные монофонические и стереофонические аудиоданные. Файлы этого формата могут содержать заголовок Mac-Binary, а могут и не иметь его. Если файл данного типа не содержит заголовка Mac-Binary, он, скорее всего, имеет расширение aif. Если файл данного типа содержит заголовок Mac-Binary, то Sound Forge откроет его, но идентифицирует как файл формата Macintosh Resource (см. следующий раздел). В этом случае файл, скорее всего, имеет расширение snd. Замечание При сохранении файлов на компьютерах Macintosh к ним добавляется так называемый заголовок Mac-Binary. Это маленький фрагмент информации, записываемый в начале файла, идентифицирующий тип файла для операционной системы Mac OS и других приложений. Таким способом компьютеры Macintosh сообщают, что содержит файл: текст, графику или, например, аудиоданные.

 

AMR (Adaptive multi rate) [.amr] — адаптивное кодирование с переменной скоростью. Стандарт кодирования звуковых файлов, специально предназначенный для сжатия сигнала в речевом диапазоне частот. Стандартизован ETSI (European Telecommunications Standards Institute). Использование AMR позволяет обеспечить высокую ёмкость сети с одновременно высоким качеством передачи речи. AMR обладает широким набором скоростей кодирования/декодирования речи и позволяет гибко переключаться на различные режимы в зависимости от окружающих условий или загрузки сети, в любых условиях обеспечивая кристально чистую передачу голоса.

 

APE – (Monkey‘s Audio) [.ape] – разработчик Мэтью Т. Эшланд – формат цифрового звука без потерь качества (lossless). Кодек Monkey’s Audio выпускается только для платформы Microsoft Windows, хотя существует ряд неофициальных кодеков для MacOS, Linux, BeOS. Файлы Monkey’s Audio используют следующие расширения:.ape – для хранения аудио и.apl – для хранения метаданных. Данный формат не является свободным, т.к. лицензия на него серьезно ограничивает распространение.

 

Apple Lossless [.m4a] – это аудио кодек, разработанный Apple Inc, для сжатия цифровой музыки без потерь данных. Apple Lossless данные хранятся в контейнере MP4 с расширением.m4a. Хотя Apple Lossless имеет такое же расширение файла, как AAC, это не AAC, кодек схож с другими Lossless кодеками, такими как FLAC и др. Плеер iPod с док разъемом (не shuffle) и последней прошивкой может проигрывать файлы в формате Apple Lossless. Он не использует какие-либо управления цифровыми правами (DRM), но, с учётом характера контейнера, считается, что DRM может применяться к ALAC.

Тесты показали, что сжатые в ALAC файлы получаются примерно от 40 % до 60 % размера оригиналов в зависимости от вида музыки, подобно другим Lossless форматам. Кроме того, скорость, с которой он может быть декодирован, делает его полезным для устройств с ограниченной производительностью, такие как iPod.

Apple Lossless Encoder был представлен в качестве одного из компонентов QuickTime 6.5.1 28 апреля 2004 года и как функция iTunes 4.5. Кодек используется также в AirPort Express в AirTunes осуществления.

Декодер для Apple Lossless формата теперь есть в открытых источниках библиотеки libavcodec. Это означает, что любой мультимедийный проигрыватель на основе этой библиотеки, включая мультимедиа VLC и MPlayer, может иметь возможность играть Apple Lossless файлы.

 

CDDA (Compact Disc Digital Audio) — звуковой компакт-диск, международный стандарт хранения оцифрованного звука на компакт-дисках, представленный фирмами Philips и Sony. Звуковая информация представлена в импульсно-кодовой модуляции с частотой дискретизации 44,1 кГц и битрейтом 1411,2 кбит/с, 16 бит стерео.

Спецификация аудио в стандарте Red Book:

- максимальное время всех записей составляет 79,8 минут;

- минимальное время трека — 4 секунды (включая 2-секундную паузу);

- максимальное количество треков — 99;

- максимальное число точек отсчёта (разделов трека) — 99 без ограничений по времени;

- долженприсутствовать International Standard Recording Code (ISRC).

 

DTS – (Digital Theater System), по сути – это DolbyDigital, а точнее его конкурент. Формат DTS использует минимальный уровень сжатия, чем Dolby, так что фактически он звучит лучше, что доказывают на практике DVD диски, на которых записаны дорожки в DTS или в DDформате.

DTS это цифровая театральная система — семейство систем цифровой многоканальной звукозаписи, созданное компанией «Диджитал Тиэтер Систем» для демонстрации цифровых фонограмм в кинотеатрах синхронно с прокатными фильмокопиями. Кроме сопровождения плёночных фильмокопий, обе системы (DTS иDolbyDigital) в упрощённом виде используются на оптических видеодисках для домашнего просмотра. DTS использует меньший уровень сжатия, чем Dolby, но абсолютного превосходства нет ни у одной из систем. Споры о преимуществах DTSили DolbyDigital не прекращаются по сей день. Формат DTSStereo практически идентичен DolbySurround. DTS поддерживает как 5.1-канальный, так и 7.1-канальный варианты звука. DTS в домашних театрах допускает полный битрейт (1509,75 кбит/с).

 

FLAC (свободный кодек из проекта Ogg) [.flac] – (англ. Free Lossless Audio Codec — свободный аудио-кодек без потерь) — популярный свободный кодек для сжатия аудио. В отличие от кодеков с потерями Ogg Vorbis, MP3 и AAC, FLAC не удаляет никакой информации из аудиопотока и подходит как для прослушивания музыки на высокачественной звуковоспроизводящей аппаратуре, так и для архивирования аудиоколлекции. На сегодня формат FLAC поддерживается многими аудиоприложениями. Чтобы хранить основные типы метаданных, базовый декодер использует теги ID3v1 и ID3v2, поэтому их можно свободно добавлять и редактировать.

 

MIDI (Musical Instrument Digital Interface) – цифровой интерфейс музыкальных инструментов. Это стандарт цифровой звукозаписи на формат обмена данными между электронными музыкальными инструментами.

Интерфейс позволяет единообразно кодировать в цифровой форме такие данные как нажатие клавиш, настройку громкости и других акустических параметров, выбор тембра, темпа, тональности и др., с точной привязкой во времени. В системе кодировок присутствует множество свободных команд, которые производители, программисты и пользователи могут использовать по своему усмотрению. Поэтому интерфейс MIDI позволяет, помимо исполнения музыки, синхронизировать управление другим оборудованием, например, осветительным, пиротехническим и т.п.

Последовательность MIDI-команд может быть записана на любой цифровой носитель в виде файла, передана по любым каналам связи. Воспроизводящее устройство или программа называется синтезатором (секвенсором) MIDI и фактически является автоматическим музыкальным инструментом.

 

MP2 (MPEG-1 Audio Layer II или Musicam) [.mp2] – один из трёх форматов (уровень 2) сжатия звука с потерями, определённых в стандарте MPEG-1. Применяется в цифровом радиовещании DAB и устаревшем стандарте Video CD, который в 90-е годы использовался для распространения фильмов на оптических компакт-дисках и существовал до широкого распространения DVD.

Кодер MPEG-1 Audio Layer 2 развился из аудиокодека MUSICAM (Masking pattern adapted Universal Subband Integrated Coding And Multiplexing — универсальное полосное кодирование и мультиплексирование с адаптацией к шаблону маскировки), разработанного CCETT, Philips и IRT в 1989 как часть исследований EUREKA 147 европейских межправительственных разработок для систем цифрового радиовещания для стационарных, портативных и мобильных приёмных устройств. Основные параметры MPEG-1 Audio были унаследованы из MUSICAM, включая банк фильтров, обработку во временной области, размер аудиокадра и т.д. Однако, после дополнительного усовершенствования, алгоритм MUSICAM не был использован в финальной версии стандарта MPEG-1 Layer II.

 

MP3 (MPEG Layer 3) [.mp3] - третий формат кодирования звуковой дорожки MPEG — лицензируемый формат файла для хранения аудио-информации. На данный момент MP3 является самым известным и популярным из распространённых форматов цифрового кодирования звуковой информации с потерями. Он широко используется в файлообменных сетях для оценочной передачи музыкальных произведений. Формат может проигрываться практически в любой популярной операционной системе, на практически любом портативном аудио-плеере, а также поддерживается всеми современными моделями музыкальных центров и DVD-плееров.

В формате MP3 используется алгоритм сжатия с потерями, разработанный для существенного уменьшения размера данных, необходимых для воспроизведения записи и обеспечения качества воспроизведения очень близкого к оригинальному (по мнению большинства слушателей), хотя меломаны говорят об ощутимом различии. При создании MP3 со средним битрейтом 128 кбит/с в результате получается файл, размер которого примерно равен 1/10 от оригинального файла с аудио CD. MP3 файлы могут создаваться с высоким или низким битрейтом, который влияет на качество файла-результата. Принцип сжатия заключается в снижении точности некоторых частей звукового потока, что практически неразличимо для слуха большинства людей. Данный метод называют кодированием восприятия. При этом на первом этапе строится диаграмма звука в виде последовательности коротких промежутков времени, затем на ней удаляется информация не различимая человеческим ухом, а оставшаяся информация сохраняется в компактном виде. Данный подход похож на метод сжатия, используемый при сжатии картинок в формат JPEG. Многие музыкальные гурманы, предпочитают сжимать музыку с максимальным качеством – 320 kbps, либо переходить на другие форматы, например FLAC, где битрейт в среднем ~1000 kbps.

 

MusePack [.mpc] – нелицензируемый формат файла для хранения аудиоинформации, распространяемый по GNUGeneralPublicLicense.

В Musepack’е применяется разбиение на полосы частот, поэтому он относится к так называемым subband-кодекам. Основная особенность — точная настройка психоакустики, что позволяет работать с чистым VBR-кодированием (кодирование с переменным битрейтом). Основной задачей Musepack является прозрачность звучания закодированной музыки.

В современных форматах, таких как: MP3, Vorbis, AAC, AC3, WMA производится второе dct-преобразование, что позволяет им добиться лучшего качества на средних и низких битрейтах, но не позволяет добиться высоких результатов на более высоких. MusePack не производит второго dct-преобразования, что позволяет достичь непревзойденного качества на битрейтах выше 180.

Так же как в AAC и некоторых других современных форматах, в Musepack производится спаривание каналов по полосам частот, что незначительно отражается на качестве, но позволяет сильно сэкономить на размере. В MP3 спаривание каналов производится не по полосам частот, а для всей полосы целиком, разбивая сигнал на частотные подполосы, затем производит разложение сигнала в ряд косинусов (MDCT — частный случай преобразования Фурье) и записывает округленные (квантованные) значения полученных после преобразования коэффициентов (квантование происходит в соответствии с проводимым психоакустическим анализом). MPC же после разбиения сигнала на частотные подполосы просто производит переквантование (опираясь на психоакустику) амплитудного сигнала в каждой подполосе и полученные округленные (квантованные) значения записывает в выходной поток. Этим же фактом объясняется и большая скорость компрессии и декомпрессии MPC.

 

MOD – формат разработан для платформы Amiga. Каждый файл MOD содержит оцифрованные записи real звучания инструментов, так называемые сэмплы, чем-то похож на структуру MIDI. Cj или композитор, пишущий в формате MOD, применяет программу, называемую трэкером, в которой указывает, какой именно инструмент, в какое время, какой нотой и октавой должен прозвучать – эта последовательность нот записывается в список – трек, а несколько параллельно звучащих треков образуют блок, называемый паттерном. Совокупность паттернов образует модуль – файл в формате MOD, с расширением.mod. Одна линейка трекера соответствует одному реальному каналу, в котором cj может проиграть или отредактировать пронумерованные ноты. Нотам могут назначаться различные “орнаментами” – например: тремоло, глиссандо и т.д.

 

OGG [.ogv], [.oga], [.ogx], [.ogg] – открытый стандарт формата мультимедиа контейнера, являющийся основным файловым и потоковым форматом для мультимедиа кодеков фонда Xiph.Org, а также название проекта, занимающегося разработкой этого формата и кодеков для него. Как и все технологии, разрабатываемые под эгидой Xiph.Org, формат Ogg является открытым и свободным стандартом, не имеющим патентных или лицензионных ограничений.

Ogg является всего лишь контейнером. Музыка или видео сжимаются кодеками, а результат обработки хранится в подобных контейнерах. Контейнеры Ogg могут хранить потоки, закодированные несколькими кодеками. Например, файл с видео и звуком может содержать данные, закодированные аудио и видео кодеками.

В контейнере Ogg можно хранить звук и видео в различных форматах (таких как MPEG-4, Dirac, MP3 и другие).

 

RealAudio [.ra], [.ram] – Пропиарный стандарт на потоковое вещание и на формат медиафайлов, принадлежащий фирме «RealNetworksProductsandServices».RealAudio впервые представленный в составе пакета RealAudio 10, кодек для сжатия звука без потери качества.

Среди плюсов данного кодека — поддержка потокового вещания, очень быстрое декодирование. К минусам относят закрытость кода и отсутствие многоканальности. Доступен для MicrosoftWindows, Macintosh и GNU/Linux.

 

RKAU [.rka] – Среди всех аудиокодеков RKAU занимает совершенно особое место. Во-первых это – самый маленький (всего 25kB!) и самый быстрый кодер. Во-вторых помимо того, что он является программой сжатия звука без потерь (lossless), в нём предусмотрены режимы сжатия с потерями, обеспечивающие большую, нежели все известные lossless-алгоритмы, степень сжатия. Однако благодаря особенностям алгоритма, лежащего в основе rkau искажения, вносимые кодеком лежат не в спектральной (как в случае психоакустических моделей кодеров MP3, MP+, AAC и других), а в реальной области. То есть имеют, грубо говоря, нелинейную природу, как и искажения большинства трактов. При этом не происходит потери мелких деталей и микропланов фонограммы. Однако если “переусердствовать” в этом отношении, то звук может стать совершенно неудобоваримым: в звучании появятся жёсткие шумоподобные артефакты, а само звучание приобретёт ярко выраженное окрашивание.

В иерархии аудиокодеков программа rkau стоит стовершенно особняком. Она настолько оригинальна, что не имеет аналогов среди прочих алгоритмов сжатия аудиоданных. Малый размер программы-кодера (25kB) и высокая скорость работы при сходных с остальными lossless-алгритмами степенями сжатия выводят rkau в безусловные лидеры. И хотя самым эффективным lossless-кодером можно считать OptimFROG, рассмотренный в прдыдущей части статьи, rkau лишь ненамного отстаёт от него по эффективности. Однако при активации режима сжатия “с потерями”, rkau даже в режиме наивысшего качества оставляет далеко позади все lossless-алгоритмы, приближаясь по эффективности к программ, основанным на психоакустической модели (MP3, MP+, AAC, VQF и другие). При этом не происходит характерной для MPEG-подобных алгоритмов потери микропланов и нюансов исходного аудиоматериала, а неизбежно возникающие при этом артефакты можно заметить только на очень качественной аппаратуре при многократном сравнительном прослушивании.

 

Shorten [.shn] – представляет собой формат, используемый для сжатия аудиоданных. Это форма сжатия файлов используется для сжатия CD-качества,tpgjnthm аудио файлов (44,1 кГц, 16 бит, стерео PCM). Этот формат до сих пор используется некоторыми людьми, потому что по закону продаются концертные записи в, которые кодируются как Shorten файлы.

 

Speex [.spx] – это свободный кодек для сжатия речевого сигнала, который может использоваться в приложениях «голос-через-интернет» (VoIP). С высокой вероятностью он не имеет никаких патентных ограничений и лицензирован под последней версией лицензии BSD (без третьей статьи). Сжатые кодеком Speexданные можно хранить либо в формате хранения звуковых данных Ogg, либо передавать напрямую с помощью пакетов UDP/RTP.

Разработчики противопоставляют свою разработку другим открытым кодекам, например, кодеку Vorbis, утверждая, что именно кодек Speex лучше всего подходит для передачи голоса по сети с ненадёжной доставкой пакетов данных. При этом авторы разработки специально подчёркивают, что кодек подходит для использования в сетях с ненадёжной передачей пакетов, то есть либо пакет пришёл, либо нет.

Speex относится к классу так называемых CodeExcitedLinearPrediction (CELP)-кодеков, то есть кодеков, построенных на основе так называемого Линейного Предсказательного кодирования ЛПК. ЛПК использует для аппроксимации отрезка речевого сигнала цифровой фильтр только с обратными связями (т. н. «авторегрессионный фильтр»). Коэффициенты этого фильтра «подгоняются» под отрезок сигнала с помощью процедуры Левинсона (в западной литературе — Левинсона-Дурбина). CELP-модификация ЛПК предусматривает наличие т. н. «кодовой книги», которая содержит предопределённые наборы возбуждающих ЛПК-фильтр единичных импульсов.

Речевой сигнал в кодеке Speex разбивается на неперекрывающиеся отрезки длительностью 20 мс (160 отсчётов при 8 КГц). При этом, для оценки возбуждающего набора вышеуказанный отрезок разбивается на четыре подотрезка длительностью 5 мс соответственно. На каждом из подотрезков отыскиваются возбуждающие наборы импульсов как текущего подотрезка (из кодовой книги), так и двух предыдущих подотрезков. В отличие от других кодеков, с целью избежать патентных ограничений, Speex не использует алгебраическое кодирование, а только векторное. Возбуждения двух предыдущих подотрезков складываются с переменными весами, в отличие от ряда других кодеков, где используются переменные положения по времени.

По заявлению разработчиков, Speex оптимизирован для получения высококачественного речевого сигнала при низких скоростях. Кодек Speex также позволяет использовать переменную степень сжатия сигнала и поддерживает сигналы с различной шириной полосы: сверхширокополосный (частота дискретизации 32 кГц), широкополосный (16 кГц) и узкополосный (8 кГц).

 

TAK (Tom‘slossless Audio Kompressor) [.tak] – Аудиокодек и формат сжатия цифрового звука без потерь. Отличается высокой степенью сжатия и скоростью кодирования и декодирования. Распространяется бесплатно вместе c набором программного обеспечения для кодирования и воспроизведения, а также плагинами к популярным плеерам: Winamp, foobar2000 и др. Разработчик — Thomas Becker, Германия. Относительно новый кодек. Первая финальная версия 1.0 была опубликована 26 января 2007 года.

Формат продолжает активно развиваться (последняя версия 1.1.1) и в настоящее время, согласно проводимому опросу на форуме hydrogenaudio.org, входит в число трёх наиболее популярных форматов аудиосжатия без потерь (после FLAC и WavPack)

 

TTA (True Audio) – бесплатный, аудио кодек, осуществляющий сжатие музыкальных файлов без потерь в режиме реального времени. Кодек основан на адаптивных предсказывающих фильтрах и обладает всеми улучшенными характеристиками, как и большинство современных кодеров. Сжатый размер файлов будет на 30 % – 70 % меньше, чем original music file. TTA формат поддерживает тэги ID3v1 и ID3v2. Используя True Audio кодек, можно разместить до 20 audio CD на одном DVD-R диске.

 

TwinVQ (Transform-domain Weighted Interleave Vector Quanization) — векторное квантование с трансформными доменами и взвешенным чередованием), разработанной в Японии в лаборатории NTTHumanInterfaceLabolatories.

VQF-файлы примерно на 30-35 % меньше, чем MP3, при одинаковом качестве звука. Потоку 128 Кбит/с у файлов MP3 соответствует поток 80 Кбит/с у файлов VQF. У этих достоинств есть и обратная сторона. При декодировании загрузка процессора также на 30 % выше, чем при декодировании MP3. Это определяет повышенные требования к компьютеру, на котором планируется проигрывать такие файлы.

Тесты показывают превосходство VQF по всем параметрам на нижних частотах и гораздо меньшее искажение формы сигнала с большим динамическим диапазоном (реальная музыка). Однако по завалу верхних частот звукового спектра VQF на 2-3 дБ уступает MP3 на частотах выше 15 кГц. Это впрочем, легко компенсируется настройкой эквалайзера плеера, что объективно ставит VQF на ступень выше по качеству звука по сравнению с MP3.

 

VQF (Interleave Vector Quanization) – разработан в Японии и основывается на технологии TwinVQ. Если сравнить VQF и MP3, то первый формат на 30-50% будет “компактнее”, при одинаковом качестве звука. Это дает VQF – значительное преимущество перед MP3 форматом. Но процесс при кодировании, декодировании (decoder) VQF, занимает примерно на 30% больше ресурсов процессора PC, чем Mp3 аудио.

Тесты показывают превосходство TwinVQ по всем параметрам на нижних частотах и гораздо меньшее искажение формы сигнала с большим динамическим диапазоном (реальная музыка). Однако по завалу верхних частот звукового спектра TwinVQ на 2-3 дБ уступает MP3 на частотах выше 15 кГц. Это впрочем, легко компенсируется настройкой эквалайзера плеера, что объективно ставит TwinVQ на ступень выше по качеству звука по сравнению с MP3.

 

Vorbis [.ogg] – свободный формат сжатия звука с потерями, официально появившийся летом 2002 года. По функциональности и качеству аналогичен таким кодекам как AAC, AC3 и VQF, превосходящим MP3. Психоакустическая модель, используемая в Vorbis, по принципам действия близка к MP3 и подобным, однако математическая обработка и практическая реализация этой модели существенно отличаются, что позволило авторам объявить свой формат совершенно независимым от всех предшественников.

Ogg Vorbis по умолчанию использует переменный битрейт, при этом значения последнего не ограничены какими-то жёсткими значениями, и он может варьироваться даже на 1 kbps. При этом стоит заметить, что форматом жёстко не ограничен максимальный битрейт, и при максимальных настройках кодирования он может варьировать от 500 до 1000 кбит/с. Такой же гибкостью обладает частота дискретизации — пользователям предоставляется любой выбор в пределах от 2 до 192 кГц.

Vorbis был разработан сообществом «Xiphophorus» для того, чтобы заменить все платные запатентованные аудио форматы. Несмотря на то, что это самый молодой формат из всех конкурентов MP3, Ogg Vorbis имеет полную поддержку на всех популярных платформах (Microsoft Windows, Linux, Apple Mac OS, PocketPC, Palm, Symbian, DOS, FreeBSD, BeOS и др.), а также большое количество аппаратных реализаций. Однако несмотря на все свои преимущества перед конкурентами, популярность данного формата пока невелика.

 

WAV (Waveform audio format) [.wav], [.wave] – разработан совместно с IBM. Формат записи (стерео- или моно-) звука без сжатия. Так всего одна минута стереозаписи звука сделанная с CD-качеством (частота дискретизации 44,1 КГц) содержит 60 с х 44100Гц х 2 канала = 5 292 000 отсчетов. На каждый отсчет может приходиться 8 или 16 бит. Таким образом, в варианте 8 бит на отсчет, одна минута звука займет в памяти 42 336 000 бит = 5 292 000 байт (около 5 Мб).

 

WavPack [.wv], [.wvс] – Бесплатный аудиокодек c открытым исходным кодом для сжатия аудио без потери качества. Разработан Дэвидом Бриантом.

WavPack формат позволяет сжимать (и восстанавливать) 8-, 16-, 24- и 32-битные аудиофайлы в.WAV формате. Он также поддерживает потоки звук вокруг и высокие частоты дискретизации (sampling rate). Как у других способов компрессии без потери качества, эффективность сжатия зависит от исходных данных, но обычно она лежит в диапазоне между 30 % и 70 % для обычной популярной музыки, немного выше для классической музыки и других источников с более широким динамическим диапазоном.

WavPack также включает уникальный «гибридный» режим, который предоставляет все преимущества сжатия без потерь с дополнительным бонусом: вместо создания одного файла, в этом режиме создается относительно небольшой файл высокого (точнее, указанного при кодировании) качества с потерей (.WV), который может проигрываться сам по себе, а также файл «коррекции» (.WVC), который (в комбинации с предыдущим.WV) позволяет полностью восстановить оригинал. Для некоторых пользователей это означает, что им никогда не придётся выбирать между сжатием без потерь и с потерей качества.

 

WMA (Windows Media Audio) [.wma] – лицензируемый формат файла, разработанный компанией Microsoft для хранения и трансляции аудио-информации.Изначально формат WMA позиционировался как альтернатива MP3, но на сегодняшний день Microsoft противопоставляет ему формат AAC (используется в популярном онлайновом музыкальном магазине iTunes).

Номинально формат WMA характеризуется хорошей способностью сжатия, что позволяет ему «обходить» формат MP3 и конкурировать по параметрам с форматами Ogg Vorbis и AAC. Но как было показано независимыми тестами, а также при субъективной оценке качество форматов все таки не является однозначно эквивалетным, а преимущество даже перед MP3 однозначным, как это утверждается компанией Microsoft. Особенно стоит отметить что ранние версии формата (или его реализации) имели проблемы на низких скоростях потока. Также многие меломаны и владельцы цифровых плееров недолюбливают формат WMA за низкую стойкость к ошибкам. Если при кодировании/передаче файла WMA некоторая часть его повреждается, то воспроизведение файла становится невозможным, как после места повреждения, так и за несколько десятков секунд до него. (Для сравнения: при повреждении файла формата MP3, его всё ещё можно воспроизвести от начала до самого места повреждения, затем пропустить несколько секунд и воспроизвести дальше до конца; иногда же ошибки в несколько байт в файле MP3 бывают на слух малозаметны или не заметны вообще.) Однако данный формат постоянно развивается, так что можно предполагать, качество будет оптимизироваться.

Большинство портативных аудиоплейеров поддерживает формат WMA наряду с MP3. Данный формат очень плохо поддерживается на альтернативных платформах (вследствие его закрытости).

Microsoft включила в WMA поддержку цифровой системы управления авторскими правами (DRM) (система защиты). Основным следствием ее является невозможность прослушивать защищенные композиции на других компьютерах, кроме того, на котором композиция была загружена из музыкального магазина.

В последних версиях формата, начиная с Windows Media Audio 9.1, предусмотрено кодирование без потери качества англ. lossless, многоканальное кодирование объемного звука и кодирование голоса.