Verlustbehaftete Audiokodierung. Was ist was?
.
Die Entwicklung der Audiocodierung
Es ist 2020, es ist Jahre her, seit der erste MP3-Encoder erschien. Aber nur weil die meisten von uns immer noch ruhig MP3-Musik hören, heißt das nicht, dass der Fortschritt die ganze Zeit über die Zeit geprägt hat. Dies gilt nicht nur für die Entwicklung des MP3-Codierungsalgorithmus, sondern auch für die Entwicklung der verlustbehafteten Audiocodierung im Allgemeinen in Form neuerer und fortschrittlicherer Codecs, mit denen Sie tatsächlich eine bessere Qualität bei kleinerer Größe erzielen können. . Formate wie OGG Vorbis, AAC, WMA und Musepack haben veraltete MP3-Dateien mit ihren vielen Einschränkungen und Fehlern hinterlassen.
Parallel dazu gewinnt die verlustfreie Codierung an Dynamik. Aufgrund der großen Datenmenge ist es heute jedoch noch nicht für den großflächigen Einsatz geeignet, insbesondere für tragbare Geräte mit begrenztem Speicher, für das Streaming im Netzwerk und nur für den schnellen Austausch von Musik im Internet (das muss ich zugeben, nicht alle Ein 100-Megabit-Internetzugang ist nicht immer verfügbar.
Und so ist MP3 veraltet und definitiv bereit, ersetzt zu werden. Aber was ist mit dem nicht eingeweihten Benutzer, aber wer möchte die höchste Klangqualität mit dem geringsten Speicherbedarf erzielen? Immerhin gibt es einige alternative Codecs (mindestens drei davon sind wirklich bemerkenswert): Apple bewirbt das AAC-Format (Advanced Audio Coding, als Nachfolger von MP3 positioniert) über seinen eigenen iTunes Store, Microsoft Darüber hinaus wird OGG Vorbis mit der WMA-Lizenz (Windows Media Audio) immer bekannter, und speziell illustrierte Personen verwenden sogar ein Format wie Musepack. Welchen dieser Codecs soll ich wählen?
Es gibt keine endgültige Antwort auf diese Frage, und deshalb schreibe ich diesen Artikel.
Wie entscheide ich mich?
Die Wahl des einen oder anderen Codecs hängt von der jeweiligen Aufgabe ab. Nämlich:
1. Von der Ausrüstung und Software, mit der der Ton wiedergegeben wird. Jene. über die Verfügbarkeit von Unterstützung für das eine oder andere Audioformat sowie die Qualität der Wiedergabe (es ist ratsam, sich bei der Auswahl der Bitrate davon leiten zu lassen).
2. Von der Speichermenge, die dem endgültigen Material zugewiesen wird. Dementsprechend wird eine höhere oder niedrigere Zielqualität / Bitrate ausgewählt.
Zusätzlich zum Format und zur Bitrate müssen Sie natürlich die optimalen Encoder- und Codierungsparameter auswählen. Es versteht sich, dass unterschiedliche Formate / Codierer in unterschiedlichen Bitratenbereichen auf unterschiedliche Weise angezeigt werden.
Daher ist der Algorithmus ungefähr der folgende:
1) Finden Sie heraus, welche Formate das Zielgerät unterstützt.
2) Bestimmen Sie, wie viel Speicherplatz Sie für das Audiomaterial reservieren können, und bestimmen Sie die Gesamtlänge des für die Codierung vorgesehenen Audios.
3) Berechnen Sie die erforderliche Bitrate mit der Formel: Bitrate = Speicherplatz (in Kilobit) / Gesamtzeit (in Sekunden).
4) Wählen Sie entsprechend der Bitrate das optimale der unterstützten Formate (dazu später mehr).
5) Wählen Sie den besten Encoder und die besten Parameter dafür.
Mehr über unsere Helden
CAA
Bild
Die Entwicklung von Psychoakustik- und Datenkomprimierungsmethoden führte allmählich dazu, dass der MP3-Standard für die Umsetzung neuer Ideen in der Audiokodierung “streng” wurde. Infolgedessen entwickelten das Fraunhofer IIS, das Anfang der neunziger Jahre MP3 erstellte, sowie Dolby, AT & T, Sony und Nokia 1997 eine neue Audiokomprimierungsmethode: Advanced Audio Coding (AAC), die zum Standard wurde. . MPEG-2 und MPEG-4. Die Hauptunterschiede zum MP3-Standard sind:
Unterstützung für eine größere Auswahl an Audioformaten (bis zu 48 Kanäle) und Abtastraten (8 kHz bis 96 kHz);
Effizientere und einfachere Filterbank: Die hybride MP3-Filterbank wurde durch die herkömmliche MDCT (Modified Discrete Cosine Transform) ersetzt.
größere Variationsbereiche der Zeit-Frequenz-Auflösung in der Filterbank – achtmal (in MP3 – dreimal) – führten zu einer Verbesserung der Codierung von Transienten (Transienten) und stationären Abschnitten des Audiosignals;
bessere Codierung von Frequenzen über 16 kHz;
flexiblerer Stereokodierungsmodus, der es ermöglicht, unabhängig in verschiedenen Frequenzbändern in den M / S-Modus (“Joint Stereo”) zu wechseln;
Zusätzliche Merkmale des Standards, die die Komprimierungseffizienz erhöhen: Zeitbereichs-Rauschformungstechnologie (TNS), Vorhersage von MDCT-Koeffizienten über die Zeit (Langzeitvorhersage), parametrischer Stereokodierungsmodus, Synthese von Rauschen (Perceptual Noise Replacement), hohe Frequenzen (SBR).
Dank dieser Funktionen kann der AAC-Standard eine flexiblere und effizientere Audiocodierung und damit eine bessere Qualität erzielen. Aufgrund der weit verbreiteten Verwendung des MP3-Formats hat der AAC-Standard noch keine mit MP3 vergleichbare Popularität erlangt. AAC ist jedoch das Hauptformat in den beliebten digitalen Streams iTunes Store, iPods, iTunes, iPhone, PlayStation 3, Nintendo Wii und DAB + / DRM.
OGG Vorbis
Bild
Ogg Vorbis ist ein relativ neues universelles Audiokomprimierungsformat, das im Sommer 2002 offiziell veröffentlicht wurde. Es gehört zum gleichen Format wie MP3, AAC, VQF und WMA, dh verlustbehaftete Komprimierungsformate. Das in Ogg Vorbis verwendete psychoakustische Modell ähnelt im Prinzip MP3 und ähnlichen Modellen, nur dass sich die mathematische Verarbeitung und die praktische Implementierung dieses Modells grundlegend unterscheiden, sodass die Autoren sein Format für völlig unabhängig von allen Vorgängern erklären können.
Der unbestreitbare Hauptvorteil des Ogg Vorbis-Formats ist seine völlige Offenheit und Freiheit. Darüber hinaus wird das neueste und qualitativ hochwertigste psychoakustische Modell verwendet, sodass das Verhältnis von Bitrate zu Qualität erheblich niedriger ist als bei anderen Formaten. Infolgedessen ist die Klangqualität besser, aber die Dateigröße ist kleiner.
Das Format hat viele Vorteile. Beispielsweise beschränkt das Ogg Vorbis-Format den Benutzer nicht nur auf zwei Audiokanäle (Stereo: links und rechts). Unterstützt bis zu 225 einzelne Kanäle mit einer Abtastrate von bis zu 192 kHz und bis zu 32 Bit (was bei keinem verlustbehafteten Komprimierungsformat der Fall ist), sodass Ogg Vorbis ideal für die Codierung von 6-Kanal-DVD-Audio geeignet ist. Darüber hinaus weist das OGG Vorbis-Format eine Probengenauigkeit auf. Dies stellt sicher, dass die Audiodaten vor dem Codieren und nach dem Decodieren keine Offsets oder zusätzlichen / fehlenden Samples zueinander haben. Dies ist leicht zu verstehen, wenn Sie Musik endlos codieren (wobei ein Titel allmählich in einen anderen übergeht). Am Ende bleibt die Integrität des Klangs erhalten.
Streaming-Kapazität ist nirgends zu finden, aber dieses Format hat sie von Grund auf aufgebaut. Dies gibt dem Format einen ziemlich nützlichen Nebeneffekt: Mehrere Songs können mit ihren eigenen Tags in einer Datei gespeichert werden. Wenn Sie eine solche Datei in den Player laden, sollten alle Songs als aus mehreren verschiedenen Dateien geladen angezeigt werden.
Wir sollten auch ein ziemlich flexibles Kennzeichnungssystem erwähnen. Der Tag-Header kann leicht um Texte beliebiger Länge und Komplexität (z. B. Songtexte) erweitert werden, die mit Bildern (z. B. Album-Titelbild) durchsetzt sind. Textbeschriftungen werden in UTF-8 gespeichert, sodass Sie alle Sprachen gleichzeitig eingeben und potenzielle Probleme mit der Codierung vermeiden können. Dies ist viel praktischer als verschiedene Tricks wie id3-Tags.
Ogg Vorbis verwendet standardmäßig eine variable Bitrate, während letztere nicht auf harte Werte beschränkt ist und sogar um 1 kbps variieren kann. Es ist zu beachten, dass das Format die maximale Bitrate nicht streng begrenzt und mit der maximalen Codierungseinstellung zwischen 400 kbps und 700 kbps liegen kann. Die Abtastrate hat die gleiche Flexibilität: Benutzer können zwischen 2000 Hz und 192000 Hz wählen.
Ogg Vorbis wurde von der Xiphophorus-Community entwickelt, um alle kostenpflichtigen proprietären Audioformate zu ersetzen. Obwohl dies das jüngste Format aller MP3-Konkurrenten ist, bietet Ogg Vorbis volle Unterstützung auf allen bekannten Plattformen (Windows, PocketPC, Symbian, DOS, Linux, MacOS, FreeBSD, BeOS usw.) sowie auf einem große Anzahl von Hardware-Implementierungen. … Die derzeitige Popularität übertrifft alle alternativen Lösungen bei weitem.
Es ist erwähnenswert, dass Ogg Vorbis nur ein kleiner Teil des Ogg Squish-Multimedia-Projekts ist, zu dem auch kostenlose Encoder gehören: Speex – zur Sprachkomprimierung; FLAC: für verlustfreie Audiokomprimierung; Theora: zur Videokomprimierung.
Musepack
Bild
MusePack (mpp, mp +, mpc, MPEG +) ist ein nicht lizenziertes Dateiformat zum Speichern von Audioinformationen, das unter der GNU General Public License vertrieben wird.
Die Qualität der MPC-Codierung bei hohen Bitraten (160 Kbit / s und höher) ist deutlich (wenn nicht signifikant) höher als die von MP3 bereitgestellte Qualität.
Hauptvorteile:
Das Format führt keine zweite DCT-Konvertierung durch, es leidet im Gegensatz zu Formaten wie MP3, Vorbis, AAC und WMA nicht unter Pre-Echo-Artefakten.
Effizientere Algorithmen mit variabler Bitrate. Wenn Sie verfolgen, wie sich die Bitrate während der MPC-Spurwiedergabe ändert, werden Sie feststellen, dass der Encoder für einfachere Abschnitte eine niedrigere und für komplexe Abschnitte eine viel höhere Bitrate zuweist, manchmal über 400 ( !) Kbps. Eine interessante Tatsache ist ebenfalls erwähnenswert: Der MP3-Encoder im VBR-Modus für Stille weist eine Bitrate von 32 kbps (bei einer Abtastrate von 44100 Hz), AAC und OGG Vorbis – 2 kbps, Musepack-Codierungen zu Stille mit minimalen Kosten, <1 kbps / s (zum Beispiel nimmt eine Minute Stille ungefähr 514 Bytes ein). All dies spricht für die extreme “Genügsamkeit” dieses Encoders.
Leistungsstarkes und flexibles psychoakustisches Modell. Hier können wir zum Beispiel ein rahmenbasiertes dynamisches Tiefpassfilter erwähnen (bei anderen Encodern wird für jede Qualitätsvoreinstellung eine feste Bandbreite eingestellt).
Fortgeschrittenere Komprimierung basierend auf optimierten Huffman-Tabellen (dasselbe MP3-LAME verschwendet etwa 20% der Bitrate, nur aufgrund unvollständiger mathematischer Komprimierung)
WMA
Bild
Windows Media Audio ist ein lizenziertes Dateiformat, das von Microsoft zum Speichern und Übertragen von Audioinformationen entwickelt wurde.
WMA wurde ursprünglich als Alternative zu MP3 vermarktet, aber Microsoft ist jetzt gegen AAC. Nominell zeichnet sich das WMA-Format durch eine gute Komprimierbarkeit aus, die es ihm ermöglicht, das MP3-Format zu “umgehen” und mit den Formaten Ogg Vorbis und AAC um Parameter zu konkurrieren. Unabhängige Tests sowie subjektive Bewertungen haben jedoch gezeigt, dass die Qualität der Formate noch nicht ausschließlich gleichwertig ist und der Vorteil selbst gegenüber MP3 eindeutig ist, wie Microsoft behauptet.
Format-, Encoder- und Parameterauswahl
Nun direkt zum Kern der Sache.
Um Ihnen die Auswahl zu erleichtern, möchte ich meine Erfahrungen aus zahlreichen Vergleichen, Vorsprechen sowie der Analyse der Ergebnisse offener Hörtests mitteilen.
Als nächstes werde ich über die jeweils am besten geeigneten Encoder sowie die richtige Auswahl der Parameter sprechen. Für die Konvertierung empfehle ich die Verwendung von foobar2000 (die Konvertereinstellungen werden hier ausführlich beschrieben), die Parameter selbst sind nur dafür angegeben. Darüber hinaus verfügt foobar2000 über eine Vielzahl nützlicher DSPs, die für die Audio-Vorverarbeitung hilfreich sein können.
Für diejenigen, die über die Konsole oder ein anderes Programm konvertieren möchten: Die Variable% s muss durch den Namen der Quelldatei (oder einer ähnlichen Variablen) und% d durch den Namen der Ausgabedatei ersetzt werden.
Beachten Sie, dass für jeden Bitratenbereich die möglichen Formatoptionen angegeben sind: Die erste hat die höchste Priorität. Wenn Ihr Player die erste Option nicht unterstützt, achten Sie bitte auf die nächste usw. Wie ich bereits geschrieben habe, verdienen heute tatsächlich nur drei Codecs Aufmerksamkeit: AAC, OGG Vorbis und Musepack. WMA hingegen unterscheidet sich aufgrund seiner geschlossenen Natur nicht in der besonderen Qualität, ist aber in den meisten Fällen besser als MP3. Da einige der Alternativen nur mit WMA kompatibel sind, werde ich Empfehlungen für jedes der vier Formate abgeben.
Über Bitraten: Es versteht sich, dass der optimale Codierungsmodus aufgerufen wird. Echte VBR, dh Zielqualitätsmodus, keine Bitrate. Im Idealfall ist das Ergebnis eine Spur mit variabler Bitrate, aber konstanter Qualität (gleichsetzen Sie nicht die beiden, komplexeren Teile einer Spur, die mehr Bits benötigen, um die Qualität aufrechtzuerhalten). Daher ist die Ausgangsbitrate schwer vorherzusagen. Daher werden die folgenden Bitratenwerte nur als ungefähr, wenn möglich, als Durchschnitt für eine große Anzahl von Zusammensetzungen unterschiedlicher Komplexität angegeben.
Der in diesem Artikel erwähnte sowie einige andere Encoder mit russischen Beschreibungen der wichtigsten Parameter und Empfehlungen finden Sie hier.
Sehr niedrige Bitraten (~ 25-40 kbps)
Dieser Bereich ist ideal zum Codieren von Hörbüchern. Und hier kann es nur eine Option geben: AAC oder besser Nero AAC. Die Parameter sind wie folgt:
-lc -q 0,35 -ignorelength -if – -of% d
In diesem Fall muss das Material in Mono vorkonvertiert und mit 22050 Hz erneut abgetastet werden (vorzugsweise mit einem SoX-Resampler). Am Ausgang erhalten wir die übliche AAC mit geringer Komplexität mit einer Bitrate von ca. 25 kbps.
Es gibt auch Optionen für Musik in diesem Bereich:
1) Nero AAC. Hier sind keine Konvertierungen erforderlich:
-q 0,15 -ignorelength -if – -of% d
Am Ausgang – Hocheffizientes AAC v2 (mit parametrischer Stereo- und HF-Synthese), ~ 35 kbps. Eine großartige Option für Internetradio. Nur hier dürfen wir nicht vergessen, dass der Decoder im Player mit HE-AACv2 kompatibel sein muss, sonst kommt es zu einer völligen Abwesenheit von HF und Monophonie.
2) OGG Vorbis AoTuV – Diese Modifikation von libvorbis beinhaltet Verbesserungen des Codierungsalgorithmus mit niedriger Bitrate und ist auch ohne SBR-Technologie HE-AACv2 nicht viel unterlegen. Befehlszeile:
-s% r -Q -q-2 – -o% d
Die resultierenden Dateien müssen vollständig mit Standard-OGG-Vorbis-Decodern kompatibel sein. Bitrate – ähnlich – ca. 35 kbps.
3) WMA 10 Pro. In solchen Fällen hat Microsoft auch so etwas wie SBR (Hochfrequenzsynthese), es klingt nicht so schlecht wie es könnte. Es ist wahr, dass die Bitrate leicht außerhalb der Grenzen liegt: 48 kbps.
-silent -a_codec WMA9PRO -a_mode 3 -a_setting 48_44_2_16 -input% s -output% d
Beachten Sie, dass ältere Decoder (insbesondere “Hardware”) WMA 10 nicht unterstützen. In diesem Fall können Sie WMA 9.2 (denselben Encoder) verwenden. Die Qualität bei niedrigen Bitraten ist jedoch viel schlechter.
-silent -a_codec WMA9STD -a_mode 3 -a_setting 48_44_2 -input% s -output% d
Niedrige Bitrate, ~ 64 kbps
Anfangs dachte ich darüber nach, direkt zu höheren Geschwindigkeiten zu fahren. Da Hydrogenaudio.org kürzlich einen Encoder-Vergleich mit dieser Bitrate durchgeführt hat, ist es eine Sünde, diese zu verlieren.
1) QuickTime AAC ist der Gewinner (mit Ausnahme des neu erstellten Opus / CELT) desselben Tests. Im Folgenden sind die Einstellungen des QAAC-Encoders aufgeführt:
-s -v 64 –he -q 2 –ignorelength – -o% d
Der Ausgang ist HE-AAC (mit SBR, aber nicht parametrischem Stereo), der mit verschiedenen iPods und dergleichen kompatibel sein sollte.
2) OGG Vorbis AoTuV – obwohl sich herausstellte, dass es ziemlich weit von QAAC entfernt ist, aber dennoch:
-s% r -Q -q0 – -o% d
3) Und nur für den Fall, dass WMA 10 Pro:
-silent -a_codec WMA9PRO -a_mode 3 -a_setting 64_44_2_16 -input% s -output% d
Für ältere Decoder – WMA 9 Standard:
-silent -a_codec WMA9STD -a_mode 3 -a_setting 64_44_2 -input% s -output% d
Etwas höher, ~ 80-100 kbps
Und ich betrachte diese Bitrate bereits aufgrund von Vorbis.
1) Wie Tests gezeigt haben, ist der OGG Vorbis AoTuV-Encoder am besten dafür geeignet:
-s% r -Q -q1 – -o% d
2) Nero AAC: ein sehr gutes Ergebnis. An Orten, an denen die Höhen nicht so ausgeprägt sind, kann es sogar besser klingen als Vorbis (an den Höhen verliert es aufgrund der Synthese).
30 -ignorelength -if – -of% d Die
Das verwendete Profil ist HE-AAC.
De-facto-Standard 128 kbps
Interessante Tatsache: Viele Leute argumentieren, dass für MP3 128 kbps – “Kantenbitrate”, die die Qualität beginnt, die vom Original nicht zu unterscheiden ist. Vielleicht ist das so … für chinesische Plastiksprecher mit Blatnyak. Tatsächlich liegt dieser Schwellenwert bei etwa 200 kbit / s, und neuere Formate bieten bei dieser Bitrate eine stabilere Qualität.
Moderne Encoder haben es geschafft, diesen Pegel von 128 kbit / s auf fast die Hälfte zu senken (erneut nach Angaben der Entwickler). Wenn Sie jedoch über eine mehr oder weniger gute Akustik (oder Kopfhörer) verfügen, kann der Unterschied auch bei 128 kbit / s in komplexen Snippets erfasst werden.
