Audio
Mengacu pada gelombang suara dengan frekuensi suara antara 20 Hz hingga 20 kHz yang dapat didengar oleh telinga manusia.
Jika Anda menambahkan kartu audio yang sesuai ke komputer — kartu suara yang sering kami ucapkan, kami dapat merekam semua suara, dan karakteristik akustik suara, seperti level suara, dapat disimpan sebagai file di hard disk komputer. disk. Sebaliknya, kita juga dapat menggunakan program audio tertentu untuk memutar file audio yang disimpan untuk mengembalikan suara yang direkam sebelumnya.
1 Format file audio
Format file audio secara khusus mengacu pada format file yang menyimpan data audio. Ada banyak format berbeda.
Metode umum untuk memperoleh data audio adalah dengan mengambil sampel (mengukur) tegangan audio pada interval waktu yang tetap, dan menyimpan hasilnya pada resolusi tertentu (misalnya, setiap sampel CDDA berukuran 16 bit atau 2 byte). Interval pengambilan sampel dapat memiliki standar yang berbeda. Misalnya, CDDA menggunakan 44,100 kali per detik; DVD menggunakan 48,000 atau 96,000 kali per detik. Oleh karena itu, [laju pengambilan sampel], [resolusi] dan jumlah [saluran] (misalnya, 2 saluran untuk stereo) adalah parameter kunci dari format file audio.
1.1 Loss dan lossless
Menurut proses produksi audio digital, pengkodean audio hanya dapat mendekati sinyal alami. Setidaknya teknologi saat ini hanya bisa melakukan ini. Setiap skema pengkodean audio digital adalah lossy karena tidak dapat dipulihkan sepenuhnya. Dalam aplikasi komputer, tingkat ketepatan tertinggi adalah pengkodean PCM, yang banyak digunakan untuk pengawetan materi dan apresiasi musik. Ini digunakan dalam CD, DVD, dan file WAV umum kami. Oleh karena itu, PCM telah menjadi pengkodean lossless berdasarkan konvensi, karena PCM mewakili tingkat fidelitas terbaik dalam audio digital.
Ada dua tipe utama format file audio:
Format lossless, seperti WAV, PCM, TTA, FLAC, AU, APE, TAK, WavPack (WV)
Format lossy, seperti MP3, Windows Media Audio (WMA), Ogg Vorbis (OGG), AAC
2 pengantar parameter
2.1 Tingkat pengambilan sampel
Mengacu pada jumlah sampel suara yang diperoleh per detik. Suara sebenarnya merupakan salah satu jenis gelombang energi, sehingga juga memiliki karakteristik frekuensi dan amplitudo. Frekuensi sesuai dengan sumbu waktu dan amplitudo sesuai dengan sumbu tingkat. Gelombangnya mulus tanpa batas, dan senar dapat dianggap terdiri dari titik-titik yang tak terhitung jumlahnya. Karena ruang penyimpanan relatif terbatas, titik-titik string harus diambil sampelnya selama proses pengkodean digital.
Proses pengambilan sampel adalah mengekstrak nilai frekuensi dari suatu titik tertentu. Jelas, semakin banyak titik yang diekstraksi dalam satu detik, semakin banyak informasi frekuensi yang diperoleh. Untuk mengembalikan bentuk gelombang, semakin tinggi frekuensi sampling, semakin baik kualitas suaranya. Restorasi yang lebih nyata, tetapi pada saat yang sama menghabiskan lebih banyak sumber daya. Karena resolusi terbatas pada telinga manusia, frekuensi yang terlalu tinggi tidak dapat dibedakan. Frekuensi sampling 22050 biasa digunakan, 44100 sudah kualitas suara CD, dan sampling lebih dari 48,000 atau 96,000 tidak lagi berarti bagi telinga manusia. Ini serupa dengan 24 bingkai per detik di film. Jika stereo, sampelnya digandakan dan filenya hampir dua kali lipat.
Menurut teori pengambilan sampel Nyquist, untuk memastikan bahwa suara tidak terdistorsi, frekuensi pengambilan sampel harus sekitar 40kHz. Kita tidak perlu tahu bagaimana teorema ini muncul. Kita hanya perlu mengetahui bahwa teorema ini memberitahu kita bahwa jika kita ingin merekam sinyal secara akurat, frekuensi sampling kita harus lebih besar atau sama dengan dua kali frekuensi maksimum sinyal audio. Ingat, ini adalah frekuensi maksimum.
Di bidang audio digital, frekuensi pengambilan sampel yang umum digunakan adalah:
8000 Hz-laju pengambilan sampel yang digunakan oleh telepon, yang cukup untuk ucapan manusia
Tingkat sampling 11025 Hz yang digunakan oleh telepon
22050 Hz-sampling rate digunakan dalam siaran radio
Kecepatan sampling 32000 Hz untuk camcorder video digital miniDV, DAT (mode LP)
44100 Hz-Audio CD, juga biasa digunakan sebagai kecepatan sampling untuk audio MPEG-1 (VCD, SVCD, MP3)
Laju sampling 47250 Hz yang digunakan oleh perekam PCM komersial
Laju sampling 48000 Hz untuk suara digital yang digunakan dalam miniDV, TV digital, DVD, DAT, film, dan audio profesional
Laju sampling 50000 Hz yang digunakan oleh perekam digital komersial
96000 Hz atau 192000 Hz-laju pengambilan sampel yang digunakan untuk Audio DVD, beberapa trek audio DVD LPCM, trek audio BD-ROM (Disk Blu-ray), dan trek audio HD-DVD (DVD Definisi Tinggi)
2.2 Jumlah bit sampling
Jumlah bit sampling juga disebut ukuran sampling atau jumlah bit kuantisasi. Ini adalah parameter yang digunakan untuk mengukur fluktuasi suara, yaitu resolusi kartu suara atau dapat dipahami sebagai resolusi kartu suara yang diproses oleh kartu suara. Semakin besar nilainya, semakin tinggi resolusinya, dan semakin realistis suara yang direkam dan diputar ulang. Bit dari kartu suara mengacu pada digit biner dari sinyal suara digital yang digunakan oleh kartu suara saat mengumpulkan dan memutar file suara. Bit dari kartu suara secara objektif mencerminkan keakuratan deskripsi sinyal suara digital tentang sinyal suara input. Kartu suara umum umumnya 8-bit dan 16-bit. Saat ini, semua produk utama yang ada di pasaran adalah kartu suara 16-bit ke atas.
Setiap data sampel mencatat amplitudo, dan akurasi pengambilan sampel bergantung pada jumlah bit pengambilan sampel:
1 byte (yaitu, 8bit) hanya dapat merekam 256 angka, yang berarti amplitudo hanya dapat dibagi menjadi 256 level;
2 byte (yaitu, 16bit) bisa sekecil 65536, yang sudah menjadi standar CD;
4 byte (yaitu, 32bit) dapat membagi amplitudo menjadi level 4294967296, yang sebenarnya tidak diperlukan.
2.3 Jumlah saluran
Artinya, jumlah saluran suara. Mono dan stereo umum (saluran ganda) kini telah berkembang menjadi saluran surround empat suara (empat saluran) dan 5.1.
2.3.1 Mono
Mono adalah bentuk reproduksi suara yang relatif primitif, dan kartu suara awal lebih umum menggunakannya. Suara mono hanya bisa dibunyikan menggunakan satu speaker, dan ada pula yang diolah menjadi dua speaker untuk menghasilkan saluran suara yang sama. Ketika informasi monofonik diputar ulang melalui dua speaker, kami dapat dengan jelas merasakan bahwa suara tersebut berasal dari dua speaker. Tidak mungkin untuk menentukan lokasi spesifik sumber suara yang dikirimkan ke telinga kita dari tengah speaker.
2.3.2 stereo
Saluran Binaural memiliki dua saluran suara. Prinsipnya adalah ketika orang mendengar suara, mereka dapat menilai posisi spesifik sumber suara berdasarkan perbedaan fase antara telinga kiri dan kanan. Suara dialokasikan ke dua saluran independen selama proses perekaman, untuk mencapai efek lokalisasi suara yang baik. Teknik ini sangat berguna dalam apresiasi musik. Pendengar dapat dengan jelas membedakan dari mana berbagai instrumen berasal, yang membuat musik lebih imajinatif dan lebih dekat dengan pengalaman di tempat.
Dua suara saat ini paling umum digunakan. Di karaoke, yang satu untuk memainkan musik dan yang lainnya untuk suara penyanyi; dalam VCD, satu sulih suara dalam bahasa Mandarin dan yang lainnya sulih suara dalam bahasa Kanton.
2.3.3 Surround empat nada
Empat saluran surround mendefinisikan empat titik suara, kiri depan, kanan depan, kiri belakang, dan kanan belakang, dan penonton dikelilingi oleh ini. Juga disarankan untuk menambahkan subwoofer untuk memperkuat pemrosesan pemutaran sinyal frekuensi rendah (inilah alasan mengapa sistem pengeras suara saluran 4.1 sangat populer saat ini). Sejauh menyangkut efek keseluruhan, sistem empat saluran dapat menghadirkan suara surround pendengar dari berbagai arah yang berbeda, dapat memperoleh pengalaman pendengaran berada di berbagai lingkungan yang berbeda, dan memberi pengguna pengalaman baru. Saat ini, teknologi empat saluran telah diintegrasikan secara luas ke dalam desain berbagai kartu suara kelas menengah ke atas, yang menjadi tren arus utama perkembangan masa depan.
2.3.4 5.1 saluran
5.1 saluran telah banyak digunakan di berbagai teater tradisional dan teater rumah. Beberapa format kompresi perekaman suara yang lebih terkenal, seperti Dolby AC-3 (Dolby Digital), DTS, dll., Didasarkan pada sistem suara 5.1. Saluran ".1" adalah saluran subwoofer yang dirancang khusus yang dapat menghasilkan subwoofer dengan rentang respons frekuensi 20 hingga 120 Hz. Faktanya, sistem suara 5.1 berasal dari surround 4.1, perbedaannya adalah ia menambahkan unit tengah. Unit pusat ini bertanggung jawab untuk mentransmisikan sinyal suara di bawah 80Hz, yang berguna untuk memperkuat suara manusia saat menonton film, dan memusatkan dialog di tengah-tengah seluruh bidang suara untuk meningkatkan efek keseluruhan.
Saat ini, banyak pemutar musik online, seperti QQ Music, telah menyediakan musik 5.1 saluran untuk mendengarkan dan mengunduh percobaan.
2.4 Frame
Konsep bingkai audio tidak sejelas bingkai video. Hampir semua format pengkodean video dapat dengan mudah menganggap bingkai sebagai gambar yang disandikan. Namun, bingkai audio terkait dengan format pengkodean, yang diimplementasikan oleh setiap standar pengkodean.
Misalnya, dalam kasus PCM (data audio yang tidak dikodekan), konsep frame sama sekali tidak diperlukan, dan dapat diputar sesuai dengan kecepatan pengambilan sampel dan akurasi pengambilan sampel. Misalnya, untuk audio ganda dengan kecepatan pengambilan sampel 44.1kHZ dan akurasi pengambilan sampel 16 bit, Anda dapat menghitung bahwa kecepatan bit adalah 44100162bps, dan data audio per detik adalah 44100162/8 byte tetap.
Bingkai amr relatif sederhana. Ini menetapkan bahwa setiap 20 md audio adalah bingkai, dan setiap bingkai audio independen, dan dimungkinkan untuk menggunakan algoritme pengkodean yang berbeda dan parameter pengkodean yang berbeda.
Bingkai mp3 sedikit lebih rumit dan berisi lebih banyak informasi, seperti laju pengambilan sampel, laju bit, dan berbagai parameter.
siklus 2.5
Jumlah frame yang dibutuhkan oleh perangkat audio untuk diproses pada satu waktu, dan akses data perangkat audio serta penyimpanan data audio semuanya didasarkan pada unit ini.
2.6 Mode berselang-seling
Metode penyimpanan sinyal audio digital. Data disimpan dalam frame kontinu, yaitu sampel saluran kiri dan sampel saluran kanan dari frame 1 direkam terlebih dahulu, dan kemudian perekaman frame 2 dimulai.
2.7 Mode non-interlaced
Pertama, rekam sampel saluran kiri dari semua bingkai dalam satu periode, lalu rekam semua sampel saluran kanan.
2.8 Kecepatan bit (kecepatan bit)
Kecepatan bit juga disebut kecepatan bit, yang mengacu pada jumlah data yang diputar oleh musik per detik. Satuan tersebut dinyatakan dengan bit, yaitu bit biner. bps adalah kecepatan bit. b adalah bit (bit), s adalah detik (detik), p adalah setiap (per), satu byte setara dengan 8 bit biner. Artinya, ukuran file dari lagu 4 menit 128bps dihitung seperti ini (128/8) 460 = 3840kB = 3.8MB, 1B (Byte) = 8b (bit), umumnya mp3 bermanfaat sekitar 128 bit rate, dan mungkin ukurannya sekitar 3-4 BM.
Dalam aplikasi komputer, tingkat kesetiaan tertinggi adalah pengkodean PCM, yang banyak digunakan untuk pelestarian materi dan apresiasi musik. CD, DVD, dan file WAV umum kami semuanya digunakan. Oleh karena itu, PCM telah menjadi pengkodean lossless menurut konvensi, karena PCM mewakili tingkat fidelitas terbaik dalam audio digital. Ini tidak berarti bahwa PCM dapat memastikan ketepatan sinyal yang mutlak. PCM hanya dapat mencapai kedekatan maksimum yang tak terbatas.
Untuk menghitung kecepatan bit aliran audio PCM adalah tugas yang sangat mudah, nilai laju pengambilan sampel × nilai ukuran pengambilan sampel × nomor saluran bps. File WAV dengan kecepatan pengambilan sampel 44.1KHz, ukuran pengambilan sampel 16bit, dan pengkodean PCM saluran ganda, kecepatan datanya adalah 44.1K × 16 × 2 = 1411.2Kbps. CD Audio umum kami menggunakan pengkodean PCM, dan kapasitas CD hanya dapat menampung 72 menit informasi musik.
Sinyal audio yang dikodekan PCM saluran ganda membutuhkan ruang 176.4KB dalam 1 detik, dan sekitar 10.34M dalam 1 menit. Ini tidak dapat diterima oleh sebagian besar pengguna, terutama mereka yang suka mendengarkan musik di komputer. Hunian disk, hanya ada dua metode, indeks downsampling atau kompresi. Tidak disarankan untuk mengurangi indeks pengambilan sampel, sehingga para ahli telah mengembangkan berbagai skema kompresi. Yang paling orisinal adalah DPCM, ADPCM, dan yang paling terkenal adalah MP3. Oleh karena itu, kecepatan kode setelah kompresi data jauh lebih rendah daripada kode asli.
2.9 Contoh perhitungan
Misalnya, panjang file "Windows XP startup.wav" adalah 424,644 byte, yang dalam format "22050HZ / 16bit / stereo".
Kemudian kecepatan transmisi per detik (bit rate, juga disebut bit rate, sampling rate) adalah 22050162 = 705600 (bps), dikonversi ke unit byte adalah 705600/8 = 88200 (byte per detik), waktu pemutaran: 424644 (Total byte) / 88200 (byte per detik) ≈ 4.8145578 (detik).
Tetapi ini tidak cukup akurat. File WAVE (* .wav) dalam format PCM standar memiliki setidaknya 42 byte informasi header, yang harus dihapus saat menghitung waktu pemutaran, jadi ada: (424644-42) / (22050162/8) ≈ 4.8140816 ( detik). Ini lebih akurat.
3 pengkodean audio PCM
PCM adalah singkatan dari Pulse Code Modulation. Dalam proses PCM, sinyal analog input disampel, dikuantisasi, dan dikodekan, dan nomor kode biner mewakili amplitudo sinyal analog; ujung penerima kemudian mengembalikan kode-kode ini ke sinyal analog asli. Artinya, konversi A/D audio digital mencakup tiga proses: pengambilan sampel, kuantisasi, dan penyandian.
Tingkat adopsi PCM suara adalah 8kHz, dan jumlah bit pengambilan sampel adalah 8bit, sehingga laju kode sinyal kode digital suara adalah 8bits × 8kHz = 64kbps = 8KB / s.
3.1 Prinsip Pengodean Audio
Siapapun yang memiliki dasar elektronik tertentu tahu bahwa sinyal audio yang dikumpulkan oleh sensor adalah besaran analog, tetapi yang kita gunakan dalam proses transmisi sebenarnya adalah besaran digital. Dan ini melibatkan proses pengubahan analog ke digital. Sinyal analog harus melalui tiga proses yaitu sampling, kuantisasi dan pengkodean, untuk mewujudkan teknologi modulasi kode pulsa (PCM, Pulse Coding Modulation) dari digitalisasi suara.
Proses konversi
3.1.1 Pengambilan Sampel
Sampling adalah proses pengambilan sampel (sampling rate) dari sinyal analog pada frekuensi yang lebih dari 2 kali bandwidth sinyal (Teorema Lequist Sampling) dan mengubahnya menjadi sinyal sampling diskrit pada sumbu waktu.
Laju pengambilan sampel: Jumlah sampel yang diekstraksi dari sinyal kontinu per detik untuk membentuk sinyal diskrit, dinyatakan dalam Hertz (Hz).
sampel:
Misalnya, laju pengambilan sampel sinyal audio adalah 8000hz.
Dapat dipahami bahwa sampel pada gambar di atas sesuai dengan kurva perubahan tegangan dengan waktu pada gambar selama 1 detik, kemudian lebih rendah 1 2 3… 10, karena harus ada 1-8000 titik, yaitu 1 kedua dibagi menjadi 8000 bagian, dan kemudian mengeluarkannya secara bergantian Nilai tegangan yang sesuai dengan 8000 titik waktu itu.
3.1.2 Kuantifikasi
Meskipun sinyal sampel adalah sinyal diskrit pada sumbu waktu, sinyal tersebut tetap merupakan sinyal analog, dan nilai sampelnya dapat memiliki jumlah nilai yang tak terbatas dalam rentang nilai tertentu. Metode "pembulatan" harus diadopsi untuk "membulatkan" nilai sampel, sehingga nilai sampel dalam rentang nilai tertentu diubah dari jumlah nilai yang tidak terbatas menjadi nilai yang jumlahnya terbatas. Proses ini disebut hitungan.
Sampling number of bits: mengacu pada jumlah bit yang digunakan untuk menggambarkan sinyal digital.
8 bit (8bit) mewakili 2 pangkat 8 = 256, 16 bit (16bit) mewakili 2 pangkat 16 = 65536;
sampel:
Misalnya, rentang tegangan yang dikumpulkan oleh sensor audio adalah 0-3.3V, dan nomor sampelnya adalah 8bit (bit)
Artinya, kami menganggap 3.3V / 2 ^ 8 = 0.0128 sebagai akurasi kuantisasi.
Kami membagi 3.3v menjadi 0.0128 sebagai sumbu Y melangkah, seperti yang ditunjukkan pada Gambar 3, 1 2… 8 menjadi 0 0.0128 0.0256… 3.3 V
Misalnya, nilai tegangan titik pengambilan sampel adalah 1.652V (antara 1280.128 dan 1290.128). Kami membulatkannya menjadi 1.65V dan tingkat kuantisasi yang sesuai adalah 128.
3.1.3 Pengkodean
Sinyal sampling terkuantisasi diubah menjadi serangkaian aliran kode digital desimal yang disusun menurut urutan sampling, yaitu sinyal digital desimal. Sistem data yang sederhana dan efisien adalah sistem kode biner. Oleh karena itu, kode digital desimal harus diubah menjadi kode biner. Menurut jumlah total kode digital desimal, jumlah bit yang diperlukan untuk pengkodean biner dapat ditentukan, yaitu panjang kata (jumlah bit sampling). Proses mengubah sinyal sampel terkuantisasi menjadi aliran kode biner dengan panjang kata tertentu disebut pengkodean.
sampel:
Kemudian 1.65V di atas sesuai dengan tingkat kuantisasi 128. Sistem biner yang sesuai adalah 10000000. Artinya, hasil pengkodean titik pengambilan sampel adalah 10000000. Tentu saja, ini adalah metode pengkodean yang tidak mempertimbangkan nilai positif dan negatif , dan ada banyak jenis metode pengkodean yang memerlukan analisis khusus tentang masalah tertentu. (Pengkodean format audio PCM adalah pengkodean polyline A-law 13)
3.2 Pengodean audio PCM
Sinyal PCM belum mengalami encoding dan kompresi (kompresi lossless). Dibandingkan dengan sinyal analog, ini tidak mudah terpengaruh oleh kekacauan dan distorsi sistem transmisi. Jangkauan dinamisnya lebar, dan kualitas suaranya cukup bagus.
3.2.1 Pengkodean PCM
Pengkodean yang digunakan adalah pengkodean polyline A-law 13.
Untuk detailnya, lihat: Pengodean suara PCM
3.2.2 Saluran
Saluran dapat dibagi menjadi mono dan stereo (saluran ganda).
Setiap nilai sampel PCM terdapat dalam bilangan bulat i, dan panjang i adalah jumlah minimum byte yang diperlukan untuk mengakomodasi panjang sampel yang ditentukan.
Ukuran sampel Format data Nilai minimum Nilai maksimum
PCM 8-bit unsigned int 0 225
PCM 16-bit int -32767 32767
Untuk file suara mono, data pengambilan sampel adalah bilangan bulat pendek 8-bit (pendek 00H-FFH) dan data pengambilan sampel disimpan dalam urutan kronologis.
File suara stereo dua saluran, masing-masing data pengambilan sampel adalah integer 16-bit (int), delapan bit atas (saluran kiri) dan delapan bit bawah (saluran kanan) masing-masing mewakili dua saluran, dan data pengambilan sampel dalam urutan kronologis Setor dalam urutan alternatif.
Hal yang sama berlaku ketika jumlah bit sampling adalah 16 bit, dan penyimpanan terkait dengan urutan byte.
Format data PCM
Semua protokol jaringan menggunakan cara big endian untuk mengirimkan data. Oleh karena itu, metode big endian disebut juga urutan byte jaringan. Ketika dua host dengan urutan byte berbeda berkomunikasi, mereka harus diubah menjadi urutan byte jaringan sebelum mengirim data sebelum dikirim.
4G.711
Secara umum PCM, sinyal analog mengalami beberapa pemrosesan (seperti kompresi amplitudo) sebelum didigitalisasi. Setelah didigitalisasi, sinyal PCM biasanya diproses lebih lanjut (seperti kompresi data digital).
G.711 adalah algoritma sinyal digital multimedia standar (kompresi/dekompresi) yang modulates kode pulsa dari ITU-T. Ini adalah teknik pengambilan sampel untuk digitalisasi sinyal analog, terutama untuk sinyal audio. PCM mengambil sampel sinyal 8000 kali per detik, 8KHz; setiap sampel adalah 8 bit, total 64Kbps (DS0). Ada dua standar untuk pengkodean tingkat pengambilan sampel. Amerika Utara dan Jepang menggunakan standar Mu-Law, sementara sebagian besar negara lain menggunakan standar A-Law.
A-law dan u-law adalah dua metode pengkodean PCM. PCM A-law digunakan di Eropa dan negara saya, dan Mu-law digunakan di Amerika Utara dan Jepang. Perbedaan antara keduanya adalah metode kuantisasi. Hukum A menggunakan kuantisasi 12bits dan hukum u menggunakan kuantisasi 13bits. Frekuensi pengambilan sampel adalah 8KHz, dan keduanya adalah metode pengkodean 8 bit.
Pemahaman sederhana: PCM adalah data audio asli yang dikumpulkan oleh peralatan audio. G.711 dan AAC adalah dua algoritma berbeda, yang dapat memampatkan data PCM ke rasio tertentu, sehingga menghemat bandwidth dalam transmisi jaringan.
produk kami yang lain:
