Month: October 2020

MP3- und FLAC-Audioformate – Wir setzen sie mit Bedacht ein


Free Download Mp4Gain
picture

MP3- und FLAC-Audioformate – Wir setzen sie mit Bedacht ein

FLAC vs MP3

In diesem Beitrag möchte ich darüber sprechen, wie Sie die besten Ergebnisse beim Komprimieren von Musik in den Formaten FLAC und MP3 erzielen. Im Zeitalter der Massenverteilung von Audio- und Video-Streaming-Diensten scheint dieses Thema von geringer Relevanz zu sein, wie die Praxis jedoch zeigt, ist dies nicht der Fall.

FLAC vs MP3

Erstens möchte nicht jeder auf Ressourcen von Drittanbietern angewiesen sein, die sich von der Einführung verschiedener Zugriffsbeschränkungen für Inhalte bis zur vollständigen Entfernung jederzeit nach Belieben verhalten können. Zweitens gibt es viele Orte auf der Welt, an denen das Internet langsam, trostlos und mit Mittagspausen ist. Drittens ist die Klangqualität beim Online-Hören für die meisten Benutzer normalerweise akzeptabel, kann jedoch anspruchsvolle Hörer mit guter Ausrüstung in Depressionen stürzen. In Anbetracht all dessen können wir davon ausgehen

Grundlegendes Konzept

PCM (Pulscodemodulation), auch bekannt als PCM (Pulscodemodulation), ist ein Verfahren zur Darstellung eines analogen Signals in digitaler Form. Das funktioniert so: Elektrische Schwingungen werden in den Eingang eines Geräts namens ADC (Analog-Digital-Wandler) eingespeist, bei dem es sich um ein analoges Audiosignal handelt. Der ADC misst den Pegel dieses Signals mit einer bestimmten Frequenz und überträgt die erhaltenen Werte nach außen, wo sie gespeichert werden. Somit wird eine Datenmatrix gebildet, die eine Folge von Werten der Amplitude des ursprünglichen Signals ist. Der beschriebene Vorgang wird als “Digitalisierung” bezeichnet. Das Hauptproblem beim Speichern von PCM-Daten in “nackter” Form ist das ziemlich große Volumen. Für eine rationellere Nutzung des Speicherplatzes auf dem Träger werden daher verschiedene digitale Audiokomprimierungsalgorithmen verwendet.

Encoder (oder “Encoder” vom englischen “Encoder”) ist eine Software, die entwickelt wurde, um WAV in ein anderes Format zu konvertieren, um die Menge der gespeicherten Daten zu reduzieren.

Decoder – Software oder Hardware zum Abspielen von Dateien, die im entsprechenden Format komprimiert wurden, oder zum Konvertieren in unkomprimierte Formate.

Lossy ist der generische Name für eine Familie von Audioformaten, die verlustbehaftete Datenkomprimierung verwenden. Typische Familienmitglieder sind MP3, AAC, WMA, Ogg Vorbis. Das Hauptmerkmal verlustbehafteter Formate ist, dass beim Komprimieren des Materials in einem dieser Formate ein erheblicher Teil der ursprünglichen Audioinformationen unwiederbringlich verloren geht und später in keiner Weise wiederhergestellt werden kann. Aufgrund dessen wird ein hohes Maß an Kompression erreicht, während der Verlust für das Ohr kaum wahrnehmbar oder allgemein unsichtbar ist, da nur Daten verworfen werden, die für die menschliche Wahrnehmung nicht kritisch sind.

Verlustfrei ist der generische Name für eine Familie von Audioformaten, die verlustfreie Datenkomprimierung verwenden. Typische Familienmitglieder: FLAC, Monkey’s Audio (APE), ALAC, WavPack. Im Gegensatz zu verlustbehafteten Formaten gehen hier keine Informationen während der Komprimierung verloren. Alles geschieht auf die gleiche Weise wie in normalen Aktenschränken. Das Bezahlen für vollständige Datensicherheit ist im Vergleich zum Verlust ein wesentlich geringeres Komprimierungsverhältnis.

MP3 (MPEG-1 Layer 3) ist historisch gesehen das erste und am weitesten verbreitete verlustbehaftete Komprimierungsformat. Trotz der Tatsache, dass es aufgrund der Ära von MP3 heute nicht mehr mit der Effizienz der Komprimierung glänzt, bleibt seine Beliebtheit aufgrund seiner Vielseitigkeit sehr hoch: Jede Platte kann dieses Format reproduzieren. Wenn gleichzeitig ein geeigneter Encoder und Decoder verwendet wird, ist die MP3-Klangqualität auf einem sehr anständigen Niveau. Die Kombination dieser beiden Faktoren rechtfertigt die heutige Verwendung des Formats. Das MP3-Komprimierungsverhältnis bei gleichzeitig hoher Klangqualität beträgt das 6- bis 9-fache. Die durchschnittliche Bitrate eines solchen MP3 mit 16-Bit / 44,1-kHz-Stereoparametern beträgt 150 bis 240 kbit / s, die Dateigröße einer fünfminütigen Aufnahme in dieser Form beträgt 6 bis 9 MB.

FLAC (Free Lossless Audio Codec) ist derzeit das beliebteste verlustfreie Audiokomprimierungsformat. Wenn für Software oder Geräte verlustfreie Unterstützung beansprucht wird, kann diese Software / Ausrüstung mit ziemlicher Sicherheit FLAC abspielen. Das Format ist der De-facto-Standard unter Liebhabern von Klangqualität. Das FLAC-Kompressionsverhältnis beträgt das 1,3-2,8-fache. FLAC-Bitrate mit Parametern 16 Bit / 44,1 kHz / Stereo – 500-1100 kbps, die Dateigröße einer fünfminütigen Aufnahme in dieser Form beträgt 18-40 MB.


Free Download Mp4Gain
picture

Was sind die Vor- und Nachteile von digitalem Audio?

Was sind die Vor- und Nachteile von digitalem Audio?

Pros and Cons of Digital Audio

Die digitale Darstellung von Ton ist vor allem für die Möglichkeit der endlosen Speicherung und Wiedergabe ohne Qualitätsverlust wertvoll, aber die Umwandlung von analoger in digitale Form und umgekehrt führt zwangsläufig zu einem teilweisen Verlust.

Gaming Headsets: Everything you need to know - Gaming Lifestyle Secrets

Die unangenehmsten Verzerrungen, die in der Digitalisierungsstufe eingeführt werden, sind das granulare Rauschen, das auftritt, wenn das Signal aufgrund der Rundung der Amplitude auf den nächsten diskreten Wert durch den Pegel quantisiert wird. Im Gegensatz zu einfachem Breitbandrauschen, das durch Quantisierungsfehler verursacht wird, ist granulares Rauschen die harmonische Verzerrung des Signals, die im oberen Teil des Spektrums am deutlichsten erkennbar ist.

Die Leistung des körnigen Rauschens ist umgekehrt proportional zur Anzahl der Quantisierungsschritte; Aufgrund der logarithmischen Charakteristik des Hörens mit linearer Quantisierung (konstanter Schrittwert) haben leise Töne weniger Quantisierungsschritte als laute Töne, und infolgedessen fällt die Hauptdichte nichtlinearer Verzerrungen in den Bereich der Töne. Leise. Dies führt zu einer Begrenzung des Dynamikbereichs, die idealerweise (ohne Berücksichtigung der harmonischen Verzerrung) dem Signal-Rausch-Verhältnis entspricht. Die Notwendigkeit, diese Verzerrung zu begrenzen, verringert jedoch den Dynamikbereich für die 16-Bit-Codierung auf 50-60 dB. Die Situation hätte durch logarithmische Quantifizierung gerettet werden können, aber ihre Implementierung in Echtzeit ist sehr schwierig und teuer.

Die durch granulares Rauschen verursachte Verzerrung kann verringert werden, indem dem Signal normales weißes Rauschen (zufälliges oder pseudozufälliges Signal) mit einer Amplitude von der Hälfte des niedrigstwertigen Bits hinzugefügt wird; Eine solche Operation wird Dithering genannt. Dies führt zu einem leichten Anstieg des Rauschpegels, schwächt jedoch die Korrelation von Quantisierungsfehlern mit den Komponenten des Hochfrequenzsignals und verbessert die subjektive Wahrnehmung. Anti-Aliasing wird auch angewendet, bevor die Samples durch Verringern ihrer Bittiefe gerundet werden. Dithering und Rauschformung sind im Wesentlichen Sonderfälle derselben Technologie, mit dem Unterschied, dass im ersten Fall weißes Rauschen mit einem flachen Spektrum und im zweiten Fall Rauschen mit einem Spektrum mit einer “Form” verwendet wird “Besondere.

Beim Wiederherstellen von Audio von digital auf analog besteht das Problem, die gestufte Wellenform zu glätten und die durch die Abtastrate eingeführten Harmonischen zu unterdrücken. Aufgrund der Unvollkommenheit des Frequenzgangs der Filter kann eine unzureichende Unterdrückung dieser Störung oder eine übermäßige Dämpfung nützlicher Hochfrequenzkomponenten auftreten. Schlecht unterdrückte Oberwellen der Abtastrate verzerren die Form des analogen Signals (insbesondere im Hochfrequenzbereich), was zu einem “rauen” und “schmutzigen” Klang führt.

Mit welchen Methoden wird digitales Audio effektiv komprimiert?

Derzeit sind Audio MPEG, PASC und ATRAC die bekanntesten. Sie alle verwenden die sogenannte “Wahrnehmungscodierung” (Perceptual Coding), bei der für das Ohr kaum wahrnehmbare Informationen aus dem Tonsignal entfernt werden. Infolgedessen bleibt Ihre Hörwahrnehmung trotz der Änderung der Form und des Spektrums des Signals praktisch unverändert, und das Kompressionsverhältnis rechtfertigt eine leichte Qualitätsminderung. Eine solche Codierung bezieht sich auf verlustbehaftete Komprimierungsverfahren, bei denen es nicht mehr möglich ist, die ursprüngliche Wellenform aus dem komprimierten Signal genau wiederherzustellen.

Techniken zum Entfernen einiger Informationen basieren auf einer Eigenschaft des menschlichen Gehörs, die als Maskierung bezeichnet wird: Wenn das Schallspektrum ausgeprägte Spitzen (dominante Harmonische) aufweist, werden die schwächsten Frequenzkomponenten in unmittelbarer Nähe praktisch nicht wahrgenommen (maskiert) nach Ohr. Während der Codierung wird der gesamte Audiostream in kleine Frames unterteilt, von denen jeder in eine Spektraldarstellung umgewandelt und in mehrere Frequenzbänder unterteilt wird. Innerhalb von Bändern werden maskierte Töne erkannt und entfernt, wonach jeder Frame direkt in spektraler Form einer adaptiven Codierung unterzogen wird. All diese Vorgänge ermöglichen es, die Datenmenge erheblich (mehrmals) zu reduzieren und gleichzeitig die für die meisten Hörer akzeptable Qualität beizubehalten.

Jedes der beschriebenen Codierungsverfahren ist durch die Bitrate gekennzeichnet, mit der die komprimierte Information in den Decodierer eintreten muss, wenn das Audiosignal wiederhergestellt wird. Der Decodierer wandelt eine Reihe komprimierter Momentansignalspektren in eine herkömmliche digitale Wellenform um.

Audio MPEG ist eine Gruppe von Audiokomprimierungstechniken, die von MPEG (Moving Pictures Experts Group) standardisiert wurden.

Wie wird Ton digital dargestellt?

Wie wird Ton digital dargestellt?

Digital representation of the sound

Die ursprüngliche Form eines Audiosignals (eine kontinuierliche Änderung der Amplitude über die Zeit) wird digital durch “Kreuzabtastung” in Zeit und Pegel dargestellt.

digital sound representation

Nach dem Satz von Kotelnikov kann jeder kontinuierliche Prozess mit einem begrenzten Spektrum vollständig durch eine diskrete Folge seiner Momentanwerte beschrieben werden, gefolgt von einer Frequenz, die mindestens doppelt so hoch ist wie die Frequenz der höchsten Harmonischen des Prozesses. Die Abtastfrequenz Fd von Momentanwerten (Abtastwerten) wird als Abtastfrequenz bezeichnet.

Aus dem Satz folgt, dass ein Signal mit einer Frequenz Fa nur dann erfolgreich zeitlich mit einer Frequenz von 2Fa abgetastet werden kann, wenn es sich um eine reine Sinusform handelt, da jede Abweichung von der Sinusform dazu führt, dass das Spektrum über die Frequenz Fa hinausgeht . Daher kann für die zeitliche Abtastung eines beliebigen Audiosignals (das im Allgemeinen bekanntlich ein Spektrum aufweist, das glatt abfällt) entweder die Auswahl der Abtastfrequenz mit einem Spielraum oder die erzwungene Begrenzung des Spektrums von das Eingangssignal unter der Hälfte der Abtastfrequenz.

Gleichzeitig mit der Zeitabtastung wird eine Amplitudenabtastung durchgeführt: Messung der momentanen Amplitudenwerte und deren Darstellung in Form von numerischen Werten mit einer gewissen Genauigkeit. Die Genauigkeit der Messung (Binärbreite N des erhaltenen diskreten Werts) bestimmt das Signal-Rausch-Verhältnis und den Dynamikbereich des Signals (theoretisch sind dies reziproke Werte, aber jeder reale Pfad hat auch seinen eigenen Rausch- und Interferenzpegel).

Der resultierende Zahlenstrom (eine Reihe von Binärziffern), der ein Audiosignal beschreibt, wird als Pulse Code Modulation (PCM) bezeichnet, da jeder Impuls eines zeitabgetasteten Signals durch seinen eigenen digitalen Code dargestellt wird.

Die lineare Quantisierung wird am häufigsten verwendet, wenn der numerische Wert der Probe proportional zur Amplitude des Signals ist. Aufgrund der logarithmischen Natur des Hörens wäre eine logarithmische Quantisierung angemessener, wenn der numerische Wert proportional zur Größe des Signals in Dezibel ist, dies ist jedoch mit rein technischen Schwierigkeiten behaftet.

Zeitabtastung und Amplitudenquantisierung des Signals führen zwangsläufig zu Rauschverzerrungen im Signal, deren Pegel im Allgemeinen unter Verwendung der Formel 6N + 10 lg (Fdiscr / 2Fmax) + C (dB) geschätzt wird, wobei die Konstante C für verschiedene variiert Arten von Signalen: Für eine reine Sinuskurve beträgt sie 1,7 dB, für Tonsignale – von -15 bis 2 dB. Somit ist ersichtlich, dass eine Abnahme des Rauschens im Betriebsfrequenzband 0..Fmax nicht nur zu einer Zunahme der Bittiefe der Probe führt, sondern auch zu einer Zunahme der Abtastrate relativ zu 2Fmax, da das Quantisierungsrauschen bis zur Abtastrate über das Band “ausgewaschen” wird und die Audioinformationen nur den kleinsten Teil dieses Streifens einnehmen.

Die meisten modernen digitalen Soundsysteme verwenden Standard-Abtastraten von 44,1 und 48 kHz, aber der Frequenzbereich des Signals ist normalerweise auf etwa 20 kHz begrenzt, um ihn innerhalb der theoretischen Grenze zu halten. Am gebräuchlichsten ist auch die 16-Bit-Pegelquantisierung, die ein Grenzsignal-Rausch-Verhältnis von ungefähr 98 dB liefert. In Studiogeräten werden höhere Auflösungen verwendet: 18-, 20- und 24-Bit-Quantisierung bei Abtastraten von 56, 96 und 192 kHz. Dies geschieht, um die höheren Harmonischen des Tonsignals zu erhalten, die nicht direkt vom Ohr wahrgenommen werden, sondern die Bildung des gesamten Klangbildes beeinflussen.

Um Schmalbandsignale mit geringerer Qualität zu digitalisieren, können Sie die Abtastrate und die Bittiefe verringern. Telefonleitungen verwenden beispielsweise eine 7- oder 8-Bit-Digitalisierung mit Frequenzen von 8 bis 12 kHz.

Die Darstellung eines analogen Signals in digitaler Form wird auch als Pulse Code Modulation (PCM) bezeichnet, da das Signal als eine Reihe von Impulsen konstanter Frequenz (Zeitabtastung) dargestellt wird, deren Amplitude digital codiert ist (Amplitudenabtastung) ). Ein PCM-Strom kann parallel sein, wenn alle Bits in jedem Abtastwert gleichzeitig über mehrere Leitungen mit einer Abtastfrequenz übertragen werden, oder sequentiell, wenn die Bits nacheinander mit einer höheren Frequenz auf einer Leitung übertragen werden.

Digitaler Sound selbst und verwandte Elemente werden häufig mit dem allgemeinen Begriff Digital Audio bezeichnet. Die analogen und digitalen Teile eines Soundsystems werden als analoge Domäne und digitale Domäne bezeichnet.

Was ist ADC und DAC?

Analog-Digital- und Digital-Analog-Wandler. Der erste wandelt das analoge Signal in einen digitalen Amplitudenwert um, der zweite führt die inverse Umwandlung durch.

Audiokodierung und -verarbeitung

Audiokodierung und -verarbeitung

Audio processing

Toninformationen. Schall ist eine Welle, die sich mit sich ständig ändernder Intensität und Frequenz durch Luft, Wasser oder ein anderes Medium bewegt.

Audio processing

Eine Person nimmt Schallwellen (Luftschwingungen) mit Hilfe des Hörens in Form von Geräuschen unterschiedlicher Lautstärke und Tonhöhe wahr. Je höher die Intensität der Schallwelle ist, desto lauter der Schall, desto höher die Frequenz der Welle, desto höher die Tonhöhe

Das menschliche Ohr nimmt Schall mit einer Frequenz von 20 Schwingungen pro Sekunde (leiser Schall) bis 20.000 Schwingungen pro Sekunde (hoher Schall) wahr.

Eine Person kann Schall in einem weiten Bereich von Intensitäten wahrnehmen, in denen die maximale Intensität 10 bis 14 Mal höher ist als die minimale (einhunderttausend Milliarden Mal). Zur Messung der Lautstärke wird eine spezielle Einheit “Dezibel” (dbl) verwendet (Tabelle 5.1). Das Verringern oder Erhöhen der Schalllautstärke um 10 dB entspricht einer 10-fachen Verringerung oder Erhöhung der Schallintensität.

Tabelle 5.1. Lautstärke
Lautstärke in Dezibel
Untergrenze der Empfindlichkeit des menschlichen Ohrs 0
Blatt flüstert zehn
Gespräch 60
Horn 90
Düsentriebwerk 120
Schmerzschwelle 140
Sound Time Sampling. Damit ein Computer Ton verarbeiten kann, muss ein kontinuierliches Audiosignal mithilfe von Zeitabtastung in eine diskrete digitale Form umgewandelt werden. Eine kontinuierliche Schallwelle ist in separate kleine Zeitabschnitte unterteilt, für jeden Abschnitt wird ein bestimmter Wert für die Schallintensität festgelegt.

Daher wird die kontinuierliche Abhängigkeit der Lautstärke des Schalls zum Zeitpunkt A (t) durch eine diskrete Folge von Lautstärkepegeln ersetzt. In der Grafik scheint dies eine glatte Kurve durch eine Folge von “Schritten” zu ersetzen.

Abtastfrequenz. Ein an die Soundkarte angeschlossenes Mikrofon wird verwendet, um analogen Ton aufzunehmen und in ein digitales Format umzuwandeln. Die Qualität des erhaltenen digitalen Klangs hängt von der Anzahl der Messungen des Schallpegels pro Zeiteinheit ab, dh von der Abtastfrequenz. Je mehr Messungen in 1 Sekunde durchgeführt werden (je höher die Abtastfrequenz), desto genauer wiederholt die “Leiter” des digitalen Audiosignals die Kurve des Dialogsignals.

Die Audio-Abtastrate ist die Anzahl der Audio-Lautstärkemessungen in einer Sekunde.

Die Audio-Abtastrate kann zwischen 8000 und 48000 Schallvolumenmessungen pro Sekunde variieren.

Audio-Codierungstiefe. Jedem “Schritt” wird ein bestimmter Wert für die Lautstärke zugewiesen. Lautstärkepegel können als eine Reihe möglicher Zustände N angesehen werden, für die eine bestimmte Menge an Informationen I erforderlich ist, die als Audiocodierungstiefe bezeichnet wird.

Die Audiocodierungstiefe ist die Informationsmenge, die zum Codieren der diskreten Lautstärkepegel von digitalem Audio erforderlich ist.

Bei bekannter Codierungstiefe kann die Anzahl der digitalen Audio-Lautstärkepegel mit der Formel N = 2 I berechnet werden. Lassen Sie die Audiocodierungstiefe 16 Bit betragen, dann beträgt die Anzahl der Lautstärken:

N = 2 I = 2 16 = 65 536.

Während des Codierungsvorgangs wird jedem Schallpegel ein eigener 16-Bit-Binärcode zugewiesen. Der niedrigste Schallpegel entspricht dem Code 0000000000000000 und der höchste – 1111111111111111.

Die Qualität des digitalisierten Klangs. Je höher die Abtastfrequenz und -tiefe des Klangs ist, desto besser ist der Klang des digitalisierten Klangs. Die niedrigste Qualität des digitalisierten Tons, die der Qualität der Telefonkommunikation entspricht, wird mit einer Abtastrate von 8000 Mal pro Sekunde, einer Abtastrate von 8 Bit und durch Aufzeichnen einer Audiospur (“Mono” -Modus) erhalten. Die höchste Qualität des digitalisierten Klangs, die der Qualität einer Audio-CD entspricht, wird mit einer Abtastrate von 48.000 Mal pro Sekunde, einer Abtastrate von 16 Bit und der Aufnahme von zwei Audiospuren (Stereomodus) erreicht. .

Es ist zu beachten, dass das Informationsvolumen in der Audiodatei umso größer ist, je höher die Qualität des digitalen Klangs ist. Es ist möglich, das Informationsvolumen einer digitalen Stereo-Sounddatei mit einer Dauer von 1 Sekunde bei einer durchschnittlichen Klangqualität (16 Bit, 24.000 Messungen pro Sekunde) zu schätzen. Dazu muss die Codierungstiefe mit der Anzahl der Messungen in 1 Sekunde multipliziert und mit 2 multipliziert werden (Stereoton):

16 Bit × 24.000 × 2 = 768.000 Bit = 96.000 Byte = 93,75 KB.

Sound-Editoren. Mit Sound-Editoren können Sie Sound nicht nur aufnehmen und wiedergeben, sondern auch bearbeiten.