аудіо
Відноситься до звукових хвиль із частотою звуку від 20 Гц до 20 кГц, які чує людське вухо.
Якщо до комп'ютера додати відповідну звукову карту - звукову карту, про яку ми часто говоримо, ми можемо записати всі звуки, а акустичні характеристики звуку, такі як рівень звуку, можуть зберігатися як файли на жорсткому диску комп'ютера. диск. І навпаки, ми також можемо використовувати певну аудіопрограму для відтворення збереженого аудіофайлу для відновлення раніше записаного звуку.
1 Формат аудіофайлу
Формат аудіофайлу конкретно відноситься до формату файлу, що зберігає аудіодані. Існує багато різних форматів.
Загальним методом отримання аудіоданих є вибірка (квантування) звукової напруги на фіксованому інтервалі часу та збереження результату з певною роздільною здатністю (наприклад, кожен зразок CDDA становить 16 біт або 2 байти). Інтервал вибірки може мати різні стандарти. Наприклад, CDDA використовує 44,100 48,000 разів на секунду; DVD використовує 96,000 2 або XNUMX XNUMX разів на секунду. Отже, [частота дискретизації], [роздільна здатність] та кількість [каналів] (наприклад, XNUMX канали для стерео) є ключовими параметрами формату аудіофайлу.
1.1 Втрати і втрати
Згідно з процесом виробництва цифрового звуку, кодування звуку може бути лише нескінченно близьким до природних сигналів. Принаймні сучасні технології можуть це зробити лише. Будь-яка схема цифрового кодування аудіо є втратою, оскільки її неможливо повністю відновити. У комп'ютерних додатках найвищим рівнем вірності є кодування PCM, яке широко використовується для збереження матеріалів та оцінки музики. Він використовується на компакт-дисках, DVD-дисках та у наших поширених файлах WAV. Таким чином, PCM став кодуванням без втрат за домовленістю, оскільки PCM представляє найкращий рівень вірності цифрового аудіо.
Існує два основних типи форматів аудіофайлів:
Формати без втрат, такі як WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Формати з втратою, такі як MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
2 введення параметра
2.1 Частота дискретизації
Посилається на кількість звукових зразків, отриманих за секунду. Звук насправді є різновидом енергетичної хвилі, тому він також має характеристики частоти та амплітуди. Частота відповідає осі часу, а амплітуда - осі рівня. Хвиля нескінченно плавна, і струна може розглядатися як складена з незліченних точок. Оскільки простір для зберігання є відносно обмеженим, точки рядка повинні бути відібрані під час процесу цифрового кодування.
Процес вибірки полягає у витягуванні значення частоти певної точки. Очевидно, що чим більше точок витягується за одну секунду, тим більше інформації про частоту отримується. Для того, щоб відновити форму хвилі, чим вище частота дискретизації, тим краща якість звуку. Більш реальною є реставрація, але в той же час вона займає більше ресурсів. Через обмежену роздільну здатність людського вуха не можна розрізнити занадто високу частоту. Часто використовується частота дискретизації 22050, 44100 - це вже якість звуку компакт-дисків, а дискретизація понад 48,000 або 96,000 більше не має значення для людського вуха. Це схоже на 24 кадри на секунду у фільмах. Якщо це стерео, зразок подвоюється, а файл майже подвоюється.
Відповідно до теорії дискретизації Найквіста, щоб гарантувати, що звук не спотворюється, частота дискретизації повинна становити близько 40 кГц. Нам не потрібно знати, як виникла ця теорема. Потрібно лише знати, що ця теорема говорить нам, що якщо ми хочемо записати сигнал точно, наша частота дискретизації повинна бути більшою або дорівнює подвоєній максимальній частоті звукового сигналу. Пам'ятайте, це максимальна частота.
У галузі цифрового аудіо часто використовуються частоти дискретизації:
8000 Гц - частота дискретизації, яку використовує телефон, достатня для людської мови
Частота дискретизації 11025 Гц, яку використовує телефон
Частота дискретизації 22050 Гц, що використовується в радіомовлення
Частота дискретизації 32000 Гц для цифрової відеокамери miniDV, DAT (режим LP)
44100 Гц-аудіо компакт-диск, який також часто використовується як частота дискретизації для аудіо MPEG-1 (VCD, SVCD, MP3)
Частота дискретизації 47250 Гц, що використовується комерційними реєстраторами PCM
Частота дискретизації 48000 Гц для цифрового звуку, що використовується в miniDV, цифровому телебаченні, DVD, DAT, фільмах та професійному аудіо
Частота дискретизації 50000 Гц, що використовується комерційними цифровими реєстраторами
96000 Гц або 192000 Гц - частота дискретизації, яка використовується для DVD-Audio, деяких аудіодоріжок LPCM DVD, аудіодоріжок BD-ROM (Blu-ray Disc) та аудіодоріжок HD-DVD (DVD високої чіткості)
2.2 Кількість бітів вибірки
Кількість бітів вибірки також називається розміром вибірки або кількістю бітів квантування. Це параметр, що використовується для вимірювання коливань звуку, тобто роздільної здатності звукової карти, або може бути зрозумілий як роздільна здатність звукової карти, обробленої звуковою картою. Чим більше значення, тим вища роздільна здатність і більш реалістичний звук, записаний і відтворений. Біт звукової карти відноситься до двійкових цифр цифрового звукового сигналу, що використовується звуковою картою під час збору та відтворення звукових файлів. Біт звукової карти об'єктивно відображає точність опису цифрового звукового сигналу вхідного звукового сигналу. Звичайні звукові карти в основному 8-бітні та 16-бітні. На сьогоднішній день усі основні продукти на ринку - це звукові карти 16-розрядної версії та вище.
Кожні дані вибірки записують амплітуду, а точність вибірки залежить від кількості бітів дискретизації:
1 байт (тобто 8 біт) може записати лише 256 чисел, це означає, що амплітуду можна розділити лише на 256 рівнів;
2 байти (тобто 16 біт) можуть бути малими 65536, що вже є стандартом CD;
4 байти (тобто 32 біти) можуть розділити амплітуду на рівні 4294967296, що насправді непотрібно.
2.3 Кількість каналів
Тобто кількість звукових каналів. Поширені моно та стерео (двоканальний) тепер перетворилися на чотири звуковий об'ємний звук (чотириканальний) та 5.1 канали.
2.3.1 Моно
Моно - відносно примітивна форма відтворення звуку, і ранні звукові карти використовували його частіше. Моно звук може звучати лише за допомогою одного динаміка, а деякі також обробляються у два динаміки для виведення одного і того ж звукового каналу. Коли однотонна інформація відтворюється через два динаміки, ми чітко відчуваємо, що звук проходить з двох динаміків. Неможливо визначити конкретне розташування джерела звуку, яке передається в наші вуха із середини динаміка.
2.3.2 стерео
Бінауральні канали мають два звукові канали. Принцип полягає в тому, що коли люди чують звук, вони можуть судити про конкретне положення джерела звуку на основі різниці фаз між лівим і правим вухами. У процесі запису звук розподіляється на два незалежних канали, щоб досягти хорошого ефекту локалізації звуку. Цей прийом особливо корисний для оцінки музики. Слухач може чітко розрізнити напрямок, з якого походять різні інструменти, що робить музику більш образною та наближеною до досвіду на місці.
На сьогодні найбільш часто використовуються два голоси. У караоке один призначений для відтворення музики, а другий - для голосу співака; у VCD один дублює мандаринською мовою, а другий - кантонською.
2.3.3 Чотиритонний об'ємний звук
Чотириканальне об'ємне звучання визначає чотири точки звучання, передню ліву, передню праву, задню ліву та задню праву, і аудиторія оточена ними. Також рекомендується додати сабвуфер для посилення обробки відтворення низькочастотних сигналів (це причина, чому сьогодні широко популярні 4.1-канальні акустичні системи). Що стосується загального ефекту, чотириканальна система може забезпечити слухачам об'ємний звук з різних напрямків, отримати слуховий досвід перебування в різних середовищах та надати користувачам абсолютно новий досвід. На сьогоднішній день чотириканальна технологія широко інтегрована у дизайн різних звукових карт середнього та високого класу, ставши основним трендом майбутнього розвитку.
2.3.4 5.1 канал
5.1 канали широко використовуються в різних традиційних театрах та домашніх кінотеатрах. Деякі з найбільш відомих форматів стиснення звукозапису, такі як Dolby AC-3 (Dolby Digital), DTS тощо, базуються на звуковій системі 5.1. Канал ".1" - це спеціально розроблений канал сабвуфера, який може виробляти сабвуфери з діапазоном частотних характеристик від 20 до 120 Гц. Насправді звукова система 5.1 походить від об'ємного звучання 4.1, різниця полягає в тому, що вона додає центральний блок. Цей центральний блок відповідає за передачу звукового сигналу нижче 80 Гц, що корисно для посилення людського голосу під час перегляду фільму та зосередження діалогу в середині всього звукового поля для збільшення загального ефекту.
В даний час багато музичних плеєрів, таких як QQ Music, пропонують 5.1-канальну музику для пробного прослуховування та завантаження.
Рамка 2.4
Поняття аудіокадрів не так зрозуміле, як відеокадри. Майже всі формати кодування відео можуть просто сприймати кадр як закодоване зображення. Однак аудіокадр пов'язаний з форматом кодування, який реалізований кожним стандартом кодування.
Наприклад, у випадку PCM (некодовані аудіодані) він взагалі не потребує концепції кадрів і може відтворюватися відповідно до частоти дискретизації та точності дискретизації. Наприклад, для подвійного звуку з частотою дискретизації 44.1 кГц і точністю дискретизації 16 біт, ви можете підрахувати, що швидкість передачі даних становить 44100162 біт / с, а аудіодані в секунду - фіксовані 44100162/8 байт.
Рамка amr порівняно проста. Він передбачає, що кожні 20 мс аудіо - це кадр, і кожен кадр аудіо є незалежним, і можна використовувати різні алгоритми кодування та різні параметри кодування.
Кадр mp3 трохи складніший і містить більше інформації, таку як частота дискретизації, бітрейт та різні параметри.
2.5 XNUMX циклів
Кількість кадрів, необхідних аудіопристрою для одночасної обробки, а також доступ до даних аудіопристрою та зберігання звукових даних залежать від цього пристрою.
2.6 Переміжений режим
Спосіб зберігання цифрового аудіосигналу. Дані зберігаються у безперервних кадрах, тобто спочатку записуються зразки лівого каналу та зразки правого каналу кадру 1, а потім починається запис кадру 2.
2.7 Непереплетений режим
Спочатку запишіть зразки лівого каналу всіх кадрів за період, а потім запишіть усі зразки правого каналу.
2.8 Бітрейт (бітрейт)
Швидкість передачі даних також називається швидкістю передачі даних, яка відноситься до кількості даних, що відтворюються музикою в секунду. Одиниця виражається бітом, який є двійковим бітом. bps - бітрейт. b - біт (біт), s - другий (другий), p - кожен (на), один байт еквівалентний 8 двійковим бітам. Тобто розмір файлу 4-хвилинної пісні 128bps розраховується так (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), як правило, mp3 вигідний приблизно 128 bit швидкість, і це, ймовірно, розмір близько 3-4 BM.
У комп'ютерних додатках найвищим рівнем вірності є кодування PCM, яке широко використовується за збереження матеріалу та вдячність музиці. Використовуються компакт-диски, DVD-диски та поширені файли WAV. Таким чином, PCM став кодуванням без втрат за домовленістю, оскільки PCM представляє найкращий рівень вірності цифрового аудіо. Це не означає, що PCM може забезпечити абсолютну вірність сигналу. PCM може досягти лише максимальної нескінченної близькості.
Розрахувати бітрейт аудіопотоку PCM є дуже простим завданням: значення частоти дискретизації × значення розміру дискретизації × номер каналу в секунду. Файл WAV із частотою дискретизації 44.1 кГц, розміром дискретизації 16 біт та двоканальним кодуванням PCM, його швидкість передачі даних становить 44.1 К × 16 × 2 = 1411.2 Кбіт / с. Наш звичайний аудіо компакт-диск використовує кодування PCM, і ємність компакт-диска може містити лише 72 хвилини музичної інформації.
Двоканальний аудіосигнал, кодований PCM, вимагає 176.4 КБ місця за 1 секунду і близько 10.34 М за 1 хвилину. Це неприйнятно для більшості користувачів, особливо тих, хто любить слухати музику на комп’ютері. Зайнятість диска, існує лише два методи, індекс зменшення дискретизації або стиснення. Недоцільно знижувати показник вибірки, тому експерти розробили різні схеми стиснення. Найбільш оригінальними є DPCM, ADPCM, а найвідомішим є MP3. Тому швидкість коду після стиснення даних набагато нижча, ніж вихідний код.
2.9 Приклад розрахунку
Наприклад, довжина файлу "Windows XP startup.wav" становить 424,644 22050 байт, тобто у форматі "16 Гц / XNUMX біт / стерео".
Тоді його швидкість передачі в секунду (швидкість передачі даних, також звана швидкість передачі даних, частота дискретизації) становить 22050162 = 705600 (біт / с), перетворена в одиницю байта становить 705600/8 = 88200 (байт в секунду), час відтворення: 424644 (загальна кількість байт) / 88200 (байт в секунду) ≈ 4.8145578 (секунди).
Але це недостатньо точно. Файл WAVE (* .wav) у стандартному форматі PCM має щонайменше 42 байти інформації заголовка, яку слід видалити під час обчислення часу відтворення, тому є: (424644-42) / (22050162/8) ≈ 4.8140816 ( секунд). Це точніше.
3 кодування звуку PCM
PCM розшифровується як імпульсна модуляція коду. У процесі PCM вхідний аналоговий сигнал дискретизується, квантується і кодується, а двійкове кодоване число представляє амплітуду аналогового сигналу; потім приймаючий кінець відновлює ці коди до вихідного аналогового сигналу. Тобто, A / D перетворення цифрового аудіо включає три процеси: вибірку, квантування та кодування.
Швидкість прийняття голосового PCM становить 8 кГц, а кількість бітів дискретизації - 8 біт, тому швидкість кодування голосового цифрового кодованого сигналу становить 8 біт × 8 кГц = 64 кбіт / с = 8 КБ / с.
3.1 Принципи аудіокодування
Той, хто має певну електронну основу, знає, що звуковий сигнал, що збирається датчиком, є аналоговою величиною, але те, що ми використовуємо в реальному процесі передачі, є цифровою величиною. І це передбачає процес перетворення аналогового в цифровий. Аналоговий сигнал повинен пройти три процеси, а саме дискретизацію, квантування та кодування, щоб реалізувати технологію модуляції імпульсного коду (PCM, модуляція імпульсного кодування) голосової оцифровки.
Процес перетворення
3.1.1 Відбір проб
Вибірка - це процес вилучення зразків (частоти дискретизації) з аналогового сигналу на частоті, яка більше ніж у 2 рази перевищує пропускну здатність сигналу (теорема дискретизації Леквіста) і перетворення його в дискретний сигнал дискретизації на осі часу.
Частота дискретизації: кількість зразків, вилучених із безперервного сигналу в секунду для формування дискретного сигналу, вираженого в герцах (Гц).
зразок:
Наприклад, частота дискретизації звукового сигналу становить 8000 Гц.
Можна зрозуміти, що зразок на наведеному малюнку відповідає кривій зміни напруги з часом на малюнку за 1 секунду, потім нижній 1 2 3 ... 10, оскільки має бути 1-8000 точок, тобто 1 другий ділиться на 8000 частин, а потім виймає їх по черзі Значення напруги, що відповідає цьому 8000 моменту часу.
3.1.2 Кількісна оцінка
Хоча дискретизований сигнал є дискретним сигналом на осі часу, він все ще є аналоговим сигналом, і його значення вибірки може мати нескінченну кількість значень у межах певного діапазону значень. Метод "округлення" повинен бути прийнятий для "округлення" значень вибірки, щоб значення вибірки в межах певного діапазону значень були змінені з нескінченної кількості значень на кінцеву кількість значень. Цей процес називається кількісна оцінка.
Кількість біт вибірки: відноситься до кількості бітів, що використовується для опису цифрового сигналу.
8 біт (8 біт) представляють 2 до 8-ї потужності = 256, 16 біт (16 біт) представляють 2 до 16-ї потужності = 65536;
зразок:
Наприклад, діапазон напруги, зібраний аудіодатчиком, становить 0-3.3 В, а число дискретизації - 8 біт (біт)
Тобто ми розглядаємо 3.3V / 2 ^ 8 = 0.0128 як точність квантування.
Ми ділимо 3.3v на 0.0128 як крокову вісь Y, як показано на малюнку 3, 1 2 ... 8 стає 0 0.0128 0.0256 ... 3.3 V
Наприклад, значення напруги в точці відбору проб становить 1.652 В (між 1280.128 і 1290.128). Ми округляємо його до 1.65 В, і відповідний рівень квантування дорівнює 128.
3.1.3 Кодування
Квантований сигнал дискретизації перетворюється в серію десяткових цифрових потоків коду, розташованих відповідно до послідовності дискретизації, тобто десяткового цифрового сигналу. Проста та ефективна система даних - це система двійкового коду. Тому десятковий цифровий код слід перетворити у двійковий код. Відповідно до загальної кількості десяткових цифрових кодів можна визначити кількість бітів, необхідну для двійкового кодування, тобто довжину слова (кількість бітів вибірки). Цей процес перетворення квантованого зразка сигналу у бінарний потік коду із заданою довжиною слова називається кодуванням.
зразок:
Тоді вищевикладене 1.65 В відповідає рівню квантування 128. Відповідна двійкова система - 10000000. Тобто результат кодування точки вибірки - 10000000. Звичайно, це метод кодування, який не враховує позитивні та негативні значення , і існує багато типів методів кодування, які вимагають конкретного аналізу конкретних питань. (Кодування формату аудіо у форматі PCM - кодування полілінії A-law 13)
3.2 Кодування звуку PCM
Сигнал PCM не зазнав жодного кодування та стиснення (стиснення без втрат). Порівняно з аналоговими сигналами, на нього нелегко вплинути безлад і спотворення системи передачі. Динамічний діапазон широкий, а якість звуку досить хороша.
3.2.1 Кодування PCM
Використовується кодування - кодування полілінії A-law 13.
Для отримання детальної інформації зверніться до: Кодування голосу PCM
3.2.2 канал
Канали можна розділити на моно та стерео (двоканальні).
Кожне значення вибірки PCM міститься у цілому числі i, а довжина i - це мінімальна кількість байтів, необхідна для розміщення вказаної довжини вибірки.
Розмір вибірки Формат даних Мінімальне значення Максимальне значення
8-бітний PCM без підпису int 0 225
16-розрядна PCM int -32767 32767
Для монозвукових файлів дані дискретизації є 8-бітовим коротким цілим числом (короткий int 00H-FFH), а дані дискретизації зберігаються в хронологічному порядку.
Двоканальний стереозвуковий файл, кожні дані дискретизації є 16-бітовим цілим числом (int), верхні вісім бітів (лівий канал) і нижні вісім бітів (правий канал) відповідно представляють два канали, і дані дискретизації мають хронологічний порядок Депозит в альтернативному порядку.
Те саме справедливо, коли кількість бітів вибірки становить 16 бітів, а зберігання пов'язане з порядком байтів.
Формат даних PCM
Усі мережеві протоколи використовують великий ендіанський спосіб передачі даних. Тому метод великого ендіана також називається мережевим порядком байтів. Коли два хости з різним порядком байтів спілкуються, вони повинні бути перетворені в мережевий байт, перш ніж надсилати дані перед передачею.
4 Г.711
Як правило, PCM, аналоговий сигнал проходить певну обробку (наприклад, амплітудне стиснення) перед оцифруванням. Оцифрований, сигнал PCM, як правило, обробляється далі (наприклад, цифрове стиснення даних).
G.711 - це стандартний мультимедійний алгоритм цифрового сигналу (стиснення / декомпресія), який mодулює імпульсний код від ITU-T. Це техніка дискретизації для оцифровки аналогових сигналів, особливо для аудіосигналів. PCM відбирає сигнал 8000 разів на секунду, 8 кГц; кожен зразок - 8 біт, загалом 64 Кбіт / с (DS0). Існує два стандарти кодування рівнів вибірки. Північна Америка та Японія використовують стандарт Mu-Law, тоді як більшість інших країн використовують стандарт A-Law.
A-law та u-law - два методи кодування PCM. A-law PCM використовується в Європі та моїй країні, а Mu-law використовується в Північній Америці та Японії. Різниця між ними полягає в методі квантування. Закон A використовує 12-бітове квантування, а закон u використовує 13-бітове квантування. Частота дискретизації становить 8 кГц, і обидва - це 8-бітові методи кодування.
Просте розуміння: PCM - це оригінальні аудіодані, зібрані аудіообладнанням. G.711 та AAC - це два різні алгоритми, які можуть стискати дані PCM до певного співвідношення, тим самим заощаджуючи пропускну здатність при передачі в мережі.
Наш інший продукт:
