Kompresuj Audio Online

Tak, redukcja bitrate w stratnych formatach kompresji (MP3, AAC, OGG) oznacza odrzucanie informacji sluchowych. Nowoczesne kodeki jak AAC-LC, opracowany przez koalicje MPEG w 1997 roku z wkladami Dolby, Fraunhofer, AT&T, Sony i Nokia, uzywaja modeli psychoakustycznych do selektywnego odrzucania informacji, ktore ludzkie ucho jest najmniej zdolne postrzegac. Model psychoakustyczny analizuje spektrum czestotliwosci w oknach czasowych (zazwyczaj 20-50 ms) i identyfikuje dwa zjawiska: maskowanie czestotliwosci (glosny dzwiek przy jednej czestotliwosci sprawia, ze slabe dzwieki przy poblizkich czestotliwosciach sa niespostrzegalne) i maskowanie temporalne (glosny dzwiek sprawia, ze dzwieki w ciagu okolo 100 ms przed i okolo 200 ms po sa niespostrzegalne). Przy 128 kbps, AAC i MP3 zachowuja wszystkie percepcyjnie istotne informacje dla wiekszosci sluchaczy w normalnych warunkach sluchania. Ponizej 96 kbps, artefakty takie jak pre-ringing, pompowanie i znieksztalcenia wysokich czestotliwosci zaczynaja byc slyszalne w zlozonych tresciach muzycznych.

Optymalne wybor bitrate zalezy od tresci i kontekstu sluchania. Dla podcastow i mowionej tresci glosowej: 64 kbps mono to branzynoowy standard (uzywany przez wiekszosc podcastow na Spotify, Apple Podcasts i Overcast), odpowiadajacy okolo 28 MB na godzine. Dla casualowego streamingu muzyki: 128 kbps jest akceptowalne do sluchania przez glosniki Bluetooth lub sluchawki sredniej klasy. Spotify uzywa 128 kbps OGG/Vorbis dla uzytkownikow bezplatnych i 160 kbps dla premium na mobile. Dla muzyki z uwaznym sluchaniem: 192-256 kbps. Apple Music uzywa 256 kbps AAC-LC jako formatu bazowego dla calej biblioteki. Dla plikow referencyjnych lub archiwizacji: 320 kbps MP3 lub, lepiej, FLAC (bezstratny). Profesjonalni producenci muzyczni dystrybuuja mastery w WAV 24-bit/96 kHz do platform, ktore nastepnie wewnetrznie dokonuja transkodowania.

Dokladny wzor do obliczania rozmiaru skompresowanego pliku audio to: Rozmiar (MB) = (Bitrate w kbps x Czas trwania w sekundach) / 8 / 1024. Konkretne przyklady: 4-minutowa piosenka (240 sekund) przy 320 kbps zajmuje (320 x 240) / 8 / 1024 = 9,375 MB. Ta sama piosenka przy 128 kbps zajmuje 3,75 MB (60% mniej). Przy 64 kbps zajmuje 1,875 MB (80% mniej niz 320 kbps). Dla porownania, nieskompresowany WAV tej samej piosenki przy 44,1 kHz, 16-bit, stereo zajmuje okolo 44 100 x 2 x 2 x 240 / 1024 / 1024 = 40,6 MB. 12-sciezkowy album z 4-minutowymi piosenkami przy 128 kbps zajmuje lacznie 45 MB, w porownaniu do 487 MB w nieskompresowanym WAV. Ta 10-krotna roznica wyjasnia, dlaczego stratne formaty byly niezbedne do umozliwienia dystrybucji muzyki cyfrowej w latach 90. i 2000.

Kompresja stratna to metoda kompresji danych, ktora zmniejsza rozmiar pliku przez trwale odrzucanie informacji uznawanych za nieistotne dla percepcyjnego doswiadczenia uzytkownika. W audio, stratne kodeki jak MP3 (patentowany przez Fraunhofer IIS i Thomson Consumer Electronics, podstawowe patenty wygasly w 2017), AAC (standard ISO/IEC 13818-7:1997) i OGG Vorbis (open source, opracowany przez Xiph.Org Foundation od 1998) wykorzyostuja ograniczenia ludzkiego systemu sluchowego do odrzucania informacji, ktore nie moga byc postrzegane. Kompresja bezstratna jak FLAC (Free Lossless Audio Codec, stworzony przez Josha Coalsona w 2001 roku) stosuje algorytmy podobne do ZIP, ale zoptymalizowane dla sygnalow audio, osiagajac zazwyczaj wspolczynniki kompresji 2:1 do 3:1 bez odrzucania jakichkolwiek informacji. Kompresja stratna, z drugiej strony, moze osiagnac stosunki 10:1 do 20:1, poniewaz odrzuca informacje nieistotne dla ucha, kosztem tego, ze kompresja jest nieodwracalna.

CBR (Constant Bitrate) i VBR (Variable Bitrate) to dwie strategie alokacji bitow w stratnym kodowaniu audio. CBR utrzymuje staly bitrate przez caly plik: jezeli wybierzesz 128 kbps CBR, kazda sekunda audio zajmuje dokladnie 128 000 bitow, niezaleznie od tego, czy ta sekunda zawiera cisz, prosta mowe czy zlozoną muzyke o wysokiej gestosci spektralnej. Gwarantuje to przewidywalny rozmiar pliku i ulatwia streaming, ale jest nieefektywne, poniewaz przydziela te same bity do prostych i zlozonych momentow. VBR przydziela wiecej bitow do najbardziej zlozonych segmentow audio (wieksza gestosc spektralna, wiecej informacji do zakodowania) i mniej do prostszych momentow (cisze, monotonna mowa), utrzymujac bardziej jednolita jakosc percepcyjna. W MP3, LAME VBR z -V 2 (odpowiadajacy w przyblizeniu 190 kbps srednio) daje wyniki nieodroznialne od 320 kbps CBR dla wiekszosci sluchaczy w slepych testach ABX, przy znacznie mniejszym rozmiarze pliku.

Tak, kompresja juz stratnie skompresowanego pliku (jak MP3 do MP3 lub MP3 do AAC) wiaze sie z dodatkowym pogorszeniem jakosci w porownaniu z kompresja ze zrodla bezstratnego (WAV lub FLAC). To zjawisko jest znane jako utrata pokoleniowa. Kazdy cykl kompresji stratnej wprowadza nowe artefakty psychoakustyczne: artefakty z pierwszej kompresji (pre-ringing, znieksztalcenia wysokich czestotliwosci, pompowanie zakresu dynamicznego) laczą sie z artefaktami drugiej kompresji, a model psychoakustyczny drugiego kodeka moze nieoptymalnee przydzielac bity, poniewaz material wejsciowy nie ma juz wlasciwosci statystycznych naturalnego audio PCM. W praktyce, przy przeplywnosciach 128 kbps lub wyzszych, roznica miedzy kompresja z WAV a z 320 kbps MP3 jest slyszalna tylko w wysoko kontrolowanych testach ABX i jest niespostrzegalna w casualowym sluchaniu. Jednak kompresja 64 kbps MP3 do 32 kbps daje wyraznie slyszalne artefakty nawet dla nieprzeszkolonych sluchaczy. Ogolna rekomendacja to zawsze zaczynaC od zrodla o najwyzszej dostepnej jakosci dla kazdej operacji transkodowania.