44 100 гц 16 бит стерео

Магия чисел. Почему 44.1?

В цифровом звуке 44100 Гц (или 44.1 кГц) является наиболее распространенной частотой семплирования. Причиной популярности данной частоты является её использование в рамках стандарта Red Book (Audio CD). Первой активно использовать её начала компания Sony — в далеком 1979 году.

Из истории

Частота 44.1 кГц возникла в конце 1970-х, благодаря PCM адаптерам, которые записывали звук на видеокассеты (U-Matic), в частности Sony PCM-1600 (1979) и последующим моделям серии. Позже это стало основой для CD-DA, описанного в стандарте Red Book (1980). В дальнейшем это значение частоты также было включено в другие стандарты 90-х/2000-x годов, вроде DVD, HDMI. Данная частота обычно используется при кодировании в MP3 (и другие потребительские форматы аудио) звука, извлеченного из Audio CD.

Почему 44.1 кГц?

Частота дискретизации была выбрана в ходе дебатов между разработчиками, в особенности Sony и Philips, а также благодаря компании Sony, которая в результате активного использования этой частоты практически сделала её стандартом де-факто. Само собой, выбор имел определенное техническое обоснование.

Человеческий слух и обработка сигналов

Прежде всего, так как слышимый диапазон для человеческого уха лежит в пределе 20—20000 Гц, а по теореме Котельникова частота семплирования должна быть как минимум в два раза больше максимальной частоты, которую может потребоваться передать, частота семплирования должна быть более 40 кГц. Кроме того, сигнал перед семплированием должен пройти через НЧ фильтр (иначе возникнет алиасинг) и, в то время как идеальный НЧ фильтр абсолютно не пропускал бы частоты выше 20 кГц, но полностью бы пропускал всё что ниже 20 кГц, на практике необходима т.н. переходная полоса, в которой происходит спад АЧХ (частотные составляющие подавляются лишь частично). Чем шире эта полоса, тем проще (и экономнее) создать антиалиазинговый фильтр. Частота 44.1 кГц обеспечивает переходную полосу шириной 2.05 кГц.

Запись на видео оборудовании

В ранние годы цифровой звук записывался на пленку видеокассет, т.к. это был единственный доступный носитель с ёмкостью достаточной для более-менее продолжительной записи звука (фактически видеокассеты представляли собой транспорт; этот формат был назван «псевдо-видео»). Чтобы свести к минимуму необходимые модификации оборудования, аудио воспроизводилось на той же скорости, что и видео; также использовалась практически идентичная схемотехника. Частота 44.1 кГц была признана наибольшей доступной, при условии выполнения следующих требований:

• Совместимость как с PAL, так и с NTSC видео. Проще всего, если для каждого поля используется одинаковое количество линий. NTSC имеет частоту смены полей 60 Гц, а PAL — 50 Гц, их наименьшее общее кратное равно 300 Гц. Так как используется 3 семпла на линию, частота дискретизации должна быть кратна 900 Гц. Для NTSC частота дискретизации равна 5m × 60 × 3, где 5m — количество активных линий поля (должно быть кратно пяти). Для PAL частота дискретизации равна 6n × 50 × 3, где 6n — также количество активных линий поля (должно быть кратно шести). Частоты дискретизации, удовлетворяющие вышеописанным требованиям, лежат в пределах от 40 кГц (возможность кодировать сигналы с частотой до 20 кГц) до 46.875 кГц (не более трех семплов на линию для PAL). Таким образом, возможные значения: 40.5, 41.4, 42.3, 43.2, 44.1, 45, 45.9, и 46.8 кГц. Первые значения отбрасываются в соответствии с требованиями к переходной полосе ФНЧ фильтра, последние исключены из-за наличия определенных линий, необходимых для обратного хода луча. Наибольшей возможной частотой оказалась 44.1 кГц, которая и была выбрана.
• Кодирование аудио с использованием не более трех семплов на линию (для одного канала). Аудио семплы записывались путем помещения на линии растра. Стандарты аналогового видео воспроизводят видео с частотой полей 60 Гц (NTSC, Северная Америка – или 60/1.001 Гц ≈ 59.94 Гц для цветного NTSC) или 50 Гц (PAL, Европа), что соответствует частоте 30 и 25 кадров/с — для чересстрочного видео каждое поле представляет лишь половину строк изображения (попеременно отображаются четные и нечетные линии). Каждое поле состоит из 625 линий для PAL и 525 линий для NTSC (хотя некоторые линии используются только для синхронизации, т.е. обратного хода луча), включая в себя половину видимых линий вертикальной развертки. Цифровые аудио семплы кодируются вдоль каждой линии, что позволяет использовать уже имеющиеся схемы синхронизации. С точки зрения видео полученный сигнал выглядит как последовательность белых/черных (или скорее серых) точек вдоль каждой линии развертки. Частота следования линий равнялась 15.625 Гц для PAL (625 × 50/2), 15.750 Гц для 60 Гц (ч/б) NTSC (525 × 60/2), и 15,750/1.001 Гц (примерно 15734.26 Гц) для 59.94 Гц (цветного) NTSC. Таким образом кодирование аудио с частотой дискретизации более 40 кГц требовало использования нескольких семплов на линию, причем 3 семплов на линию было достаточно, это позволяло получить частоту 15.625 × 3 = 46.875 кГц для PAL и 15.750 × 3 = 47.250 кГц для NTSC. К тому же преследовалась цель минимизировать количество семплов в линии, чтобы каждому семплу выделялось большее пространство, и таким образом можно было получить более высокую разрядность (16 бит вместо 14 или 12, например), а также для повышения устойчивости к ошибкам. Кроме того, на практике использовался стерео сигнал, требующий 3 × 2 = 6 семплов/линию. Как уже было сказано, некоторые из линий использовались для вертикальной синхронизации: линии относящиеся к обратному ходу луча не могли быть использованы, и таким образом максимальное количество используемых линий для NTSC составило 490 на фрейм (245 линий на поле), а для PAL — около 588 линий/фрейм (294 линии на поле).

Математические свойства

То есть число 44100 является квадратом произведения четырех простых чисел.

Заключение

Фактически, выбор частоты был темой многочисленных дебатов, в ходе которых рассматривались альтернативные значения, включая 44.100/1.001 = 44.056 кГц (в соответствии с частотой полей для цветного NTSC — 60/1.001 = 59.94 Гц), предложенное Philips. В конечном счете компания Sony взяла верх — в плане выбора как частоты (44.1 кГц), так и разрядности (16, а не 14 бит на семпл).

Данная частота рассчитывается следующим образом:

245 × 60 × 3 = 44100
245 активных линий/поле × 60 полей/с × 3 семпла/линию = 44100 семплов/с
(490 активных линий на один фрейм из 525 линий всего)

294 × 50 × 3 = 44100
294 активных линий/поле × 50 полей/с × 3 семпла/линию = 44100 семплов/с
(588 активных линий на один фрейм из 625 линий всего)

На практике различные устройства использовали различные стандарты — к примеру, Sony PCM-1610 использовал исключительно 525/60 ч/б видео (NTSC, US).

Информация от спонсора

PRLOG: SEO инструменты. Здесь вы найдете большой набор инструментов для поисковой оптимизации: проверка сайта, определение Яндекс тИЦ, Google PageRank (в т.ч. внутренних страниц), индексации в поисковых системах, анализ выдачи, и многое другое.

Источник

Преобразование аудио высокого разрешения в 16 бит/44.1 кГц стерео [foobar2000 v1.3.x]

Copyright © 2017, Taras Kovrijenko

Полное или частичное копирование текста допускается только с письменного разрешения автора.

ВВЕДЕНИЕ

Сегодня я хочу рассказать вам о том, как понижать частоту дискретизации и разрядность музыкальных файлов таким образом, чтобы это не привело к серьёзным потерям качества. Об этом уже упоминалось в статьях Системы понижения разрядности в мастеринге и Конвертеры частоты дискретизации (из журнала «Звукорежиссер»), там же вы можете найти подробную информацию о принципах работы описываемых здесь алгоритмов.

Главным образом я хотел бы внести ясность и показать, как задачу можно решить более-менее «подручными» средствами, а именно — с помощью одного лишь foobar2000 (такая возможность в очередной раз подтверждает огромный потенциал этого плеера).

Итак, допустим, у вас есть музыкальный материал в Hi-Res («high-resolution audio», «звук высокого разрешения» — компания Sony предложила так называть все форматы с разрядностью/частотой дискретизации не менее 24 бит/96 кГц) и вам надо проиграть его на устройстве, не поддерживающем имеющиеся разрядность/частоту дискретизации/количество каналов, или же записать на аудио-компакт. Если вы просто загрузите его в звуковой редактор, а потом сохраните в формате 16 бит/44.1 кГц, это внесет достаточно большие искажения. Не верите? Приведу пример.

Оригинальный спектр тона частотой 1 кГц с уровнем -90 dBFS в формате 24/96 (надо отметить, что этот звук несложно услышать на звуковой аппаратуре среднего и высокого качества при условии небольшого уровня шумов):

Как видно на графике, паразитные гармоники примерно на 60 дБ ниже уровня полезного сигнала и не должны быть слышны даже при повышении громкости аудио.

А вот спектр, полученный загрузкой/сохранением в 16 бит/44.1 кГц программой Sony Sound Forge 10:

Должен сказать, что такой же спектр можно получить и при неправильном конвертировании программой foobar2000, но об этом чуть позже. Как видно, уровень искажений (относительно полезного сигнала) значительно вырос. Обусловлены же они в основном понижением разрядности с помощью простого отброса младших восьми бит, а также ресемплингом (в меньшей мере, использованный алгоритм передискретизации достаточно качественный). Если прослушать данный сигнал, он на слух будет далёк от чистого тона. Что же делать? Как понизить разрядность (в данном случае именно разрядность является главным фактором) и не потерять качество звучания тихих участков?

Тут на помощь приходят технологии dithering и noise shaping, о которых уже не раз говорилось в статьях на этом сайте. Выше мы рассматривали вариант сохранения аудио в нужном формате с помощью программы Sony Sound Forge, это никоим образом не доказывает что программа «не умеет» правильно понижать битность, просто я хотел бы описать более простой способ, чем использование специальных функций Sound Forge’а (тем более, редактор этот платный).

Так вот, эти технологии, да ещё в сочетании с качественным ресемплером и микшером каналов, поддерживает и foobar2000.

Настройка конвертера

Необходимый софт и плагины

foobar2000 (установленный в режиме Full или Normal)

Плагины сторонних разработчиков:

SoX Resampler (foo_dsp_resampler.dll) — понижение частоты дискретизации;
Matrix Mixer (foo_dsp_mm.dll) — преобразование количества каналов;
DVD-Audio Decoder (foo_input_dvda.dll) — декодирование DVD Audio;
HDCD decoder (foo_hdcd.dll), DTS Decoder (foo_hdcd.dll), SACD Decoder (foo_input_sacd.dll) и проч. — декодер/препроцессор для декодирования источника — HDCD, DTS SACD или других, использующих в т. ч. PCM представление.

Скачать всё это можно на странице foobar2000 + плагины.

Создание пресета

Подробное описание настроек конвертера смотрите в соответствующей инструкции. Ниже я приведу только основные моменты настройки.

Для удобства создадим специальный пресет конвертера. Добавим в плейлист любой трек и в контекстном меню выберем конвертер:

Теперь мы находимся в главном меню конвертера:

Справа можно увидеть 4 ссылки, каждая из которых ведёт к соответствующей группе настроек. Рассмотрим их по порядку.

Тут необходимо выбрать формат WAV (по сути это несжатый PCM WAV), глубину квантования 16 бит и включить Dithering (для качественного преобразования аудио с глубиной >16 бит).

Эта вкладка содержит настройки пути выходных файлов. На скриншоте выбрана выходная папка 16_44.1 (которая будет находиться в папке с источником) и формат имени файлов «

Здесь нас ждет самое главное — параметры обработки. Параметр Enable decode postprocessing отвечает за включение постпроцессоров, таких как HDCD декодер.

Настроим Matrix Mixer, согласно общепринятым рекомендациям по сведению:

Имейте ввиду: приведённые на скриншоте параметры подойдут для сведения типичных конфигураций 5.1/6.1/7.1: FL-FR-C-LFE-BL-BR-(FCL)-(FCR)-(BC), однако для DTS и некоторых других форматов встречаются случаи с неправильным распознаванием каналов (т. к. их последовательность отличается от стандартной, приведенной выше), в результате чего правильную последовательность приходится выяснять самостоятельно. Главное — запомнить принцип: для фронтальных каналов и сабвуфера коэффициент равен 1, для заднего центрального — 0.5, для всех остальных — 0.707. Подробно про объёмный звук можно почитать в Википедии.

Также обратите внимание на галочку Normalize — эта опция автоматически занижает значения коэффициентов таким образом, чтобы суммарное их значение для имеющихся каналов давало единицу. Это исключает превышение уровня 0 dBFS и избавляет от необходимости бороться с клиппингом с помощью ограничителей уровня, однако может привести к относительно невысокому уровню громкости. Если вы хотите получить предельный уровень громкости (пик на уровне 0 dBFS), вам придется выполнить промежуточное кодирование в формат 32-bit float (в этом случае нормализацию можно вообще отключить), после чего, просканировав предварительно ReplayGain сканером, преобразовать его в 16 бит с включённой ReplayGain обработкой со следующими настройками:

Настройки ресемплера SoX:

На последней вкладке оставим стандартные параметры и вернёмся в главное окно конвертера.

Убедитесь, что все важные параметры установлены правильно, после чего сохраните пресет с помощью кнопки Save.

Заключение

После создания пресета далее всё очень просто. Надо загрузить файлы, предназначенные для конвертирования в foobar2000, выделить их, нажать на выделении правой кнопкой и выбрать наш профиль:

И что же мы получаем в результате? Вот спектр результирующего файла (исходным является тестовый файл о котором говорилось в начале статьи):

Звучание такого сигнала будет практически неотличимо от оригинала. Конечно, ценой небольшого шума, но находящегося в области частот к которым ухо человека наименее чувствительно.

В итоге тихие звуки будут звучать вполне естественно, так же как и в 24-битном аудио, а шум (благодаря его формовке) будет за границей порога слышимости человека.

Напоследок хочу сказать, что стандарт 16 бит/44.1 кГц является вполне достаточным для получения хорошего звучания, но при условии правильного мастеринга (с высокой разрядностью и частотой дискретизации) и преобразования в конечный вид с использованием качественных алгоритмов ресемплирования, а также технологий Dithering и Noise Shaping.

Информация от спонсора

Darvin Studio: футболки и seo оптимизация продвижение сайта. Главная цель — результат. Вы стопроцентно получаете реальный эффект от продвижения.

Источник