Formati audio, bitrate e perché una traccia suona più forte

Tieni il master senza perdita, WAV mentre lavori e FLAC per conservarlo. Distribuisci in AAC o Opus quando sai che cosa riprodurrà il file, in MP3 quando non lo sai. Il parlato esce in mono a un bitrate basso. Regola il livello in LUFS, non sul picco, e lascia un decibel di margine sotto il fondo scala.

Questa è la decisione. Il resto spiega il perché.

A cosa serve ciascun formato

Senza perdita significa che i campioni decodificati sono identici a quelli entrati; FLAC risparmia spazio prevedendo ogni campione da quelli precedenti e memorizzando solo l'errore. I formati con perdita scartano informazione in modo permanente, usando un modello di ciò che l'orecchio non noterà.

uncompressed   44100 x 16 x 2 / 8 = 176400 B/s = 10.6 MB per minute
lossy          192000 / 8 x 60    = 1.44 MB per minute

Frequenza di campionamento e profondità di bit

La frequenza di campionamento è quante volte al secondo viene misurata la forma d'onda. Il limite di Nyquist dice che un segnale campionato trasporta frequenze fino a metà della frequenza di campionamento e nulla al di sopra, quindi 44,1 kHz copre tutto ciò che sta sotto i 22,05 kHz, e l'udito umano si ferma intorno ai 20 kHz, prima con l'età. Usa 48 kHz insieme al video; le frequenze più alte servono solo durante la produzione.

La profondità di bit stabilisce la gamma dinamica, non il dettaglio. Ogni bit vale circa 6 dB, quindi 16 bit portano il rumore di fondo a circa 96 dB sotto il fondo scala e 24 bit a circa 144 dB, dei quali i convertitori ne consegnano circa 120. Quei bit sono margine in registrazione: tieni il livello prudente, poi alzalo in seguito senza far salire un fruscio udibile. I file finiti e già livellati non ne hanno bisogno.

L'upsampling non guadagna nulla: interpolare da 44,1 kHz a 96 kHz raddoppia il file senza aggiungere informazione, e allargare a 24 bit si porta dietro il rumore di fondo originale. Ogni ricampionamento fa passare il segnale in un filtro, quindi un viaggio a 48 kHz e ritorno è una piccola perdita in cambio di niente.

Bitrate, e dove alzarlo smette di servire

I valori sono in kbps. MP3 mostra i suoi anni a entrambi gli estremi: sotto i 96 kbps circa impasta in modo udibile, e sopra i 192 kbps circa i miglioramenti diventano molto difficili da sentire, quindi 320 kbps comprano certezza più che qualità. AAC ha bisogno di circa due terzi del bitrate per lo stesso risultato. Opus fa ancora meglio, e il suo vantaggio cresce man mano che il bitrate scende, perché alle larghezze di banda basse passa a una modalità costruita intorno al modo in cui il parlato viene prodotto, così una voce che come MP3 richiede 64 kbps sta bene con la metà.

Alzare il bitrate mentre si converte un file con perdita in un altro non recupera nulla. Un MP3 a 128 kbps ricodificato a 320 kbps conserva fedelmente gli artefatti del file piccolo dentro uno grande, e il secondo encoder spende bit trattandoli come audio vero. Lavora dal master senza perdita.

Mono, stereo e riduzione a mono

A parità di qualità lo stereo costa circa il doppio del mono. Una persona davanti a un microfono non produce informazione stereo, quindi un file di parlato in stereo è fatto di due canali quasi identici e il mono ne dimezza le dimensioni senza perdere niente. Musica e riprese ambientali restano in stereo.

La riduzione a mono non è gratis. Il downmix fa la media dei canali, quindi tutto ciò che è fuori fase fra sinistra e destra si cancella: un effetto di allargamento o un cavo di microfono invertito possono assottigliarsi o sparire solo in mono. Controllalo prima di pubblicare, e attenua di circa 3 dB, dato che la somma alza il livello.

Picco, RMS e LUFS

Il picco è il valore di campione più alto, in dBFS, con lo 0 come tetto digitale invalicabile. Normalizzare sul picco scala il file in modo che il suo campione più forte finisca sul valore obiettivo, quindi una registrazione silenziosa con dentro un colpo di porta resta silenziosa: il colpo sale fino al tetto, tutto il resto si muove appena. L'RMS media l'energia su una finestra, più vicino a ciò che si sente ma trattando 60 Hz e 3 kHz come equivalenti. I LUFS pesano la misura per modellare l'udito, escludono i passaggi silenziosi e riportano un unico valore per l'intero programma. Le piattaforme misurano in LUFS.

Poiché le piattaforme tirano tutto verso un obiettivo, masterizzare più forte non si traduce più in una riproduzione più forte; la piattaforma abbassa la traccia e chi ascolta si ritrova la dinamica schiacciata senza il volume. È così che è finita la loudness war, dopo che due decenni di limiting sempre più aggressivo avevano lasciato i master quasi senza distanza fra picco e livello medio, percepiti come piatti e faticosi.

Il clipping è un campione che supererebbe il fondo scala e viene troncato al massimo, appiattendo le cime della forma d'onda e generando distorsione armonica. Il true peak va oltre: la forma d'onda ricostruita fra un campione e l'altro può salire sopra il campione memorizzato più alto, quindi un file che misura -0,1 dBFS può arrivare a +0,5 dBTP e clippare in uscita. Lascia il tetto a -1 dBTP, più in basso se segue una codifica con perdita. Volume audio può normalizzare verso un obiettivo invece di spostare di un numero fisso di decibel.

Click, giunzioni e tagli

Taglia una forma d'onda in un punto qualsiasi e di solito ti troverai a metà di un ciclo, su un valore diverso da zero, quindi l'uscita crolla al silenzio in un solo campione. Quel gradino è un impulso a banda larga, che si sente come un click. Da cinque a venti millisecondi di dissolvenza a ogni punto di montaggio lo eliminano e sono troppo brevi per essere percepiti; in una giunzione, un crossfade da dieci a cinquanta millisecondi è ancora più pulito.

Le giunzioni richiedono accordo. I file devono condividere la frequenza di campionamento, perché un file a 48 kHz concatenato in un flusso a 44,1 kHz suona circa il nove percento più lento e più basso, e devono condividere il numero di canali, altrimenti una sezione finisce nei canali sbagliati. Fai coincidere anche il volume. Ricampiona con Convertitore audio, livella con Volume audio, poi usa Unisci audio. Velocità audio si occupa dei cambi di velocità voluti: il ricampionamento sposta insieme intonazione e velocità, mentre mantenere l'intonazione richiede il time stretching, che può impastare i transienti.

Il taglio può evitare del tutto la ricodifica, senza alcun costo in qualità. Il WAV è accurato al singolo campione, dato che il taglio è una copia di byte; i formati compressi sono costruiti a frame, e un taglio per copia può cadere solo su un confine di frame.

MP3 frame = 1152 samples = 26.12 ms at 44.1 kHz
cut asked for at 12.000 s
nearest boundaries: frame 459 = 11.990 s, frame 460 = 12.016 s

AAC usa frame da 1024 campioni, circa 21 ms a 48 kHz, e Opus normalmente usa pacchetti da 20 ms. MP3 ha inoltre un bit reservoir, che permette a un frame di prendere in prestito spazio da quelli precedenti, quindi al primo frame dopo un taglio possono mancare dei dati e può produrre un difetto udibile. Quando il confine deve essere esatto, lascia che Taglia audio ricodifichi e accetta una generazione di perdita.

Quanto ne può digerire un browser

Tutto questo avviene in memoria. I file vengono decodificati in campioni grezzi prima che si possa misurare, dissolvere, unire o ricodificare qualsiasi cosa, di solito come float a 32 bit: un'ora di stereo a 44,1 kHz è circa 635 MB come PCM a 16 bit e 1,27 GB una volta decodificata. Il tetto di memoria di una scheda sta molto sotto a quello che può indirizzare un'applicazione desktop, quindi il limite è la durata, non il formato. Taglia prima, oppure dividi una registrazione lunga e unisci le parti.