Kompres Audio Online

Ya, mengurangi bitrate dalam format kompresi lossy (MP3, AAC, OGG) berarti membuang informasi pendengaran. Codec modern seperti AAC-LC, yang dikembangkan oleh koalisi MPEG pada 1997 dengan kontribusi dari Dolby, Fraunhofer, AT&T, Sony, dan Nokia, menggunakan model psikoacoustik untuk membuang informasi yang paling tidak dapat dirasakan oleh telinga manusia secara selektif. Model psikoacoustik menganalisis spektrum frekuensi dalam jendela waktu (biasanya 20-50 ms) dan mengidentifikasi dua fenomena: masking frekuensi (suara keras pada satu frekuensi membuat suara lemah pada frekuensi terdekat tidak terasa, prinsip yang ditemukan oleh Harvey Fletcher pada 1920-an dan diformalisasi dalam kontur equal-loudness Fletcher-Munson, 1933) dan masking temporal (suara keras membuat suara dalam sekitar 100 ms sebelum dan 200 ms sesudahnya tidak terasa). Pada 128 kbps, AAC dan MP3 mempertahankan semua informasi yang relevan secara perceptual bagi sebagian besar pendengar dalam kondisi mendengarkan normal. Di bawah 96 kbps, artefak mulai terdengar dalam konten musik yang kompleks.

Pilihan bitrate optimal tergantung pada konten dan konteks mendengarkan. Untuk podcast dan konten suara: 64 kbps mono adalah standar industri (digunakan oleh sebagian besar podcast di Spotify, Apple Podcasts, dan Overcast), setara dengan sekitar 28 MB per jam. Pada 64 kbps, suara bicara direproduksi dengan kejelasan penuh karena bandwidth spektral suara manusia (85 Hz hingga 8 kHz untuk sebagian besar inteligibilitas) jauh lebih sempit dari musik. Untuk streaming musik kasual: 128 kbps sudah memadai untuk mendengarkan melalui speaker Bluetooth atau headphone kelas menengah. Spotify menggunakan 128 kbps OGG/Vorbis untuk pengguna gratis. Untuk musik dengan mendengarkan penuh perhatian: 192-256 kbps. Apple Music menggunakan 256 kbps AAC-LC sebagai format dasar untuk seluruh katalognya. Untuk file referensi atau pengarsipan: 320 kbps MP3 atau, lebih baik lagi, FLAC (lossless).

Rumus tepat untuk menghitung ukuran file audio terkompresi adalah: Ukuran (MB) = (Bitrate dalam kbps x Durasi dalam detik) / 8 / 1024. Contoh konkret: lagu 4 menit (240 detik) pada 320 kbps menempati (320 x 240) / 8 / 1024 = 9,375 MB. Lagu yang sama pada 128 kbps menempati 3,75 MB (60% lebih sedikit). Pada 64 kbps menempati 1,875 MB (80% lebih sedikit dari 320 kbps). Sebagai perbandingan, WAV tidak terkompresi dari lagu yang sama pada 44,1 kHz, 16-bit, stereo menempati sekitar 40,6 MB. Album 12 lagu berisi lagu 4 menit pada 128 kbps menempati total 45 MB, versus 487 MB dalam WAV tidak terkompresi. Perbedaan 10x ini menjelaskan mengapa format lossy sangat penting untuk membuat distribusi musik digital layak pada era 1990-2000-an dengan kecepatan internet pada masa itu.

Kompresi lossy adalah metode kompresi data yang mengurangi ukuran file dengan secara permanen membuang informasi yang dianggap tidak esensial bagi pengalaman perceptual pengguna. Dalam audio, codec lossy seperti MP3 (paten oleh Fraunhofer IIS dan Thomson Consumer Electronics, paten fundamental kedaluwarsa pada 2017), AAC (standar ISO/IEC 13818-7:1997), dan OGG Vorbis (open source, dikembangkan oleh Xiph.Org Foundation sejak 1998) mengeksploitasi keterbatasan sistem pendengaran manusia untuk membuang informasi yang tidak dapat dirasakan. Kompresi lossless seperti FLAC (Free Lossless Audio Codec, dibuat oleh Josh Coalson pada 2001) menerapkan algoritma yang mirip ZIP tetapi dioptimalkan untuk sinyal audio, biasanya mencapai rasio kompresi 2:1 hingga 3:1 tanpa membuang informasi apa pun. Kompresi lossy, di sisi lain, dapat mencapai rasio 10:1 hingga 20:1 karena membuang informasi yang tidak relevan secara pendengaran, dengan konsekuensi kompresi tidak dapat dibalik: audio asli tidak dapat dipulihkan dari file terkompresi.

CBR (Constant Bitrate) dan VBR (Variable Bitrate) adalah dua strategi alokasi bit dalam encoding audio lossy. CBR mempertahankan bitrate tetap sepanjang seluruh file: jika Anda memilih 128 kbps CBR, setiap detik audio menempati tepat 128.000 bit, terlepas dari apakah detik itu mengandung keheningan, ucapan sederhana, atau musik kompleks dengan densitas spektral tinggi. Ini menjamin ukuran file yang dapat diprediksi dan memudahkan streaming, tetapi tidak efisien karena mengalokasikan bit yang sama untuk momen sederhana dan kompleks. VBR mengalokasikan lebih banyak bit ke segmen audio paling kompleks dan lebih sedikit bit untuk momen yang lebih sederhana, mempertahankan kualitas perceptual yang lebih seragam. Dalam MP3, LAME VBR dengan -V 2 (kira-kira setara dengan rata-rata 190 kbps) menghasilkan hasil yang tidak dapat dibedakan dari 320 kbps CBR bagi sebagian besar pendengar dalam uji ABX buta, dengan ukuran file yang jauh lebih kecil. AAC VBR dengan kualitas 3-4 (dalam FFmpeg) adalah padanannya untuk AAC.

Ya, mengompresi file yang sudah terkompresi secara lossy (seperti MP3 ke MP3, atau MP3 ke AAC) menyiratkan degradasi kualitas tambahan dibandingkan mengompresi dari sumber lossless (WAV atau FLAC). Fenomena ini dikenal sebagai generational loss. Setiap siklus kompresi lossy memperkenalkan artefak psikoacoustik baru: artefak dari kompresi pertama (pre-ringing, distorsi frekuensi tinggi, pumping rentang dinamis) bergabung dengan artefak kompresi kedua, dan model psikoacoustik codec kedua mungkin mengalokasikan bit secara suboptimal karena materi input tidak lagi memiliki properti statistik audio PCM alami. Dalam praktiknya, pada bitrate 128 kbps atau lebih tinggi, perbedaan antara mengompresi dari WAV dan dari MP3 320 kbps hanya dapat didengar dalam uji ABX yang sangat terkontrol dan tidak terasa dalam mendengarkan kasual. Namun, mengompresi MP3 64 kbps menjadi 32 kbps menghasilkan artefak yang terdengar jelas bahkan bagi pendengar yang tidak terlatih. Rekomendasi umum adalah selalu mulai dari sumber berkualitas tertinggi yang tersedia untuk operasi transcoding apa pun.