Zastanawiasz się, co to jest kodek audio i jak wybrać odpowiedni do przesyłania strumieniowego wideo lub nagrywania na żywo?
Wyobraź sobie, że żyliśmy w czysto analogowym świecie. Nie byłyby potrzebne takie rzeczy jak kodeki audio. Jaki kodek audio pytasz? Jest to algorytm służący do konwersji analogowych sygnałów audio na cyfrowe. Konieczność w świecie urządzeń cyfrowych, odtwarzaczy multimedialnych i Internetu.
Jakość kodeka audio poprawiła się na przestrzeni lat. Przypomnijmy sobie lata 80., kiedy wzmacniacze cyfrowe stawały się głównym nurtem. W porównaniu z jakością reprodukcji dzisiejszych wzmacniaczy cyfrowych różnica jest oczywista. Lepsze kodeki audio zapewniają bardziej realistyczne brzmienie i wysoką wierność dźwięku. 
Ale istnieje tak wiele kodeków audio. Jak wybierasz?
Wiele kodeków jest wyspecjalizowanych. Niektóre są zastrzeżone, a inne są tworzone dla konkretnych zastosowań, takich jak telekomunikacja. W przypadku sygnałów głosowych, takich jak w telefonie, nie potrzebujesz wysokiej wierności i możesz faktycznie skorzystać z używania kodeka, który odtwarza sygnał z ograniczonym zakresem dźwięku. Ale w przypadku muzyki zdecydowanie bardziej pożądany jest sygnał audio o wyższej wierności.
Kop głębiej, a odkryjesz, że różne kodeki audio robią różne rzeczy w stosunku do oryginalnego sygnału analogowego. Na przykład kodek audio, taki jak PCM, jest algorytmem kompresji bezstratnej. Oznacza to, że sygnał jest odtwarzany cyfrowo bez utraty oryginalnych bitów informacji. Inne kodeki audio, takie jak AAC i MP3, są stratne i kompresują dźwięk. 
Kompresja usuwa małe fragmenty oryginalnej zawartości, aby zmniejszyć rozmiar pliku. Jeśli słuchasz utworów na urządzeniu mobilnym, możesz mieć pewność, że pliki są skompresowane, aby były mniejsze. W ten sposób na Twoim urządzeniu zmieści się więcej plików muzycznych, ale jakość jest mniej niż optymalna.
Kodeki audio w Pearl i Pearl-2
Teraz nie próbuję wypełniać luki w zakresie kodeków audio na tym blogu, ale pomogę wyjaśnić niektóre mgliste kwestie związane z wyborem kodeka audio do przesyłania strumieniowego wideo na żywo lub nagrywania za pomocą Epiphan Pearl lub Pearl-2.
W Pearl dostępne są trzy kodeki audio:
- PCM – nieskompresowany kodek audio, który jest najlepszy, jeśli planujesz nagrać swój program do późniejszej edycji i nie martwisz się wymaganą przepustowością.
- AAC — kompresyjny kodek audio, który nadaje się do przesyłania strumieniowego na żywo lub nagrywania treści do natychmiastowego odtwarzania w odtwarzaczach multimedialnych i przesyłania do Internetu. Eksperci twierdzą, że AAC odtwarza dźwięk lepszej jakości niż MP3 przy tej samej szybkości transmisji. Chociaż tego nie testowałem, nowsze kodeki audio mają tendencję do odtwarzania sygnałów analogowych lepiej niż starsze, więc nie byłbym wcale zaskoczony, gdyby to była prawda (ukłon w stronę ekspertów).
- MP3 – starszy, ale wciąż bardzo popularny kodek kompresji audio, który nadaje się do przesyłania strumieniowego na żywo lub nagrywania treści do natychmiastowego odtwarzania w odtwarzaczach multimedialnych i przesyłania do Internetu.
Wybór odpowiedniego kodeka audio jest ważny podczas konfigurowania wydarzenia strumieniowego na żywo lub nagrywania za pomocą Pearl lub Pearl-2. Inne rzeczy, które należy wziąć pod uwagę w przypadku dźwięku o wyższej jakości, to wybór częstotliwości próbkowania i efekty ponownego próbkowania dźwięku.
Części próbkowania i problem resamplingu
Częstotliwość próbkowania to liczba próbkowania sygnału audio na sekundę.
Wyższe częstotliwości próbkowania oznaczają więcej informacji, co oznacza wyższą wierność – prawda? Więc jeśli wybiorę stratny kodek kompresji, taki jak MP3, czy nie mogę po prostu zwiększyć częstotliwości próbkowania i bitrate audio, aby poprawić jakość?
Prawdą jest, że próbkowanych jest więcej oryginalnego sygnału. Ale więcej nie znaczy automatycznie lepiej. Aby zachować jakość dźwięku, ważne jest, aby dopasować częstotliwość próbkowania zakodowanego sygnału strumienia na żywo (lub nagranej zawartości) do częstotliwości sygnału źródłowego. 
Profesjonalny sprzęt audio używa częstotliwości próbkowania 48 kHz, a konsumencki sprzęt audio 44,1 kHz. Źródła HDMI i SDI próbkują dźwięk z częstotliwością 48 kHz. Jeśli zmienisz częstotliwość próbkowania dźwięku podczas przesyłania strumieniowego, dźwięk jest zniekształcony, ponieważ sygnał jest ponownie próbkowany z inną częstotliwością.
Typowym przykładem ponownego próbkowania jest pobieranie dźwięku, który został pierwotnie nagrany przy użyciu profesjonalnego sprzętu z częstotliwością próbkowania 48 kHz i przeniesienie go na płytę CD na komputerze. Dźwięk jest ponownie próbkowany do niższej częstotliwości 44,1 kHz, co powoduje pewne zniekształcenia dźwięku i utratę wierności. W tym przypadku nieco lepszym wyborem jest próbkowanie przy 88,2 kHz (jeśli Twój sprzęt to obsługuje), ponieważ konwertuje się to równomiernie na 44,1 kHz.
Dlaczego więc 48 kHz jest złotym standardem i jest szeroko stosowany przez źródła HDMI lub SDI? Ponieważ zapewnia dobrze brzmiący dźwięk dla przeciętnego słuchacza i nie tworzy zbyt dużych plików. Znaczne zwiększenie częstotliwości próbkowania nie opłaci się, jeśli Twoje ucho nie dostrzeże różnicy. A dla przeciętnego słuchacza różnica między dźwiękiem nagranym przy 44,1 kHz i 48 kHz jest znikoma (chociaż nie mówię, że nie ma żadnego dla wszystkich audiofilów).
Zdarzają się sytuacje, w których przydatna może być wyższa częstotliwość próbkowania. Możesz nagrywać oryginalne treści do postprodukcji i nagrywać później na CD (próbkowanie przy 88,2 kHz działa dobrze), a może przywracasz nagrania historyczne i chcesz, aby pracowało z jak największą ilością danych. Istnieją dobre argumenty za próbkowaniem przy wyższych częstotliwościach, takich jak 96 kHz lub 192 kHz. Jednak w ten sposób powstają znacznie większe pliki.
Kilka słów o zjawiskach przy wyborze częstotliwości próbkowania powyżej 48 kHz dotyczy potencjalnego generowania harmonicznych ultradźwiękowych. Te harmoniczne mogą nie wpływać negatywnie na produkt końcowy, ale sposób ich przetwarzania zależy w dużej mierze od sprzętu. Częstotliwości ultradźwiękowe znacznie wykraczają poza słyszalny zakres ludzkiego ucha, ale elektronika w twoim sprzęcie lub głośnikach może generować zniekształcenia, które mieszczą się w słyszalnym zakresie, który dla przeciętnej osoby wynosi około 20 Hz do 20 kHz. Możesz chcieć przeprowadzić dalsze badania i przetestować swój sprzęt przed użyciem częstotliwości próbkowania 96 kHz i wyższych.
Zagadnienia dotyczące kodeku audio, częstotliwości próbkowania i szybkości transmisji audio
Kodeki audio, częstotliwości próbkowania i wynikowy bitrate audio (tj. ilość danych na sekundę) są powiązane w biodrze. To, co jest dla Ciebie odpowiednie, zależy od czynników, takich jak dostępna przepustowość przesyłania danych i używany sprzęt.
Większa szybkość transmisji dźwięku oznacza większy rozmiar pliku, dlatego niektóre strony internetowe ograniczają szybkość transmisji. Witryny takie jak YouTube obsługują szybkości transmisji bitów dochodzące do 320 kb/s (w momencie pisania tego bloga), ale inne są mniejsze. Sprawdź to, zanim wybierzesz jeden.
Używając Pearl lub Pearl-2, maksymalna przepływność audio do kodowania monofonicznych sygnałów audio próbkowanych z częstotliwością 44 kHz wynosi 264 kb/s. W przypadku dźwięku stereo obsługiwane jest 320 kb/s.
Oto kilka praktycznych rzeczy, które należy wziąć pod uwagę przy wyborze kodeka audio i szybkości transmisji dźwięku.
- Jaką masz dostępną przepustowość przesyłania? A jaka przepustowość ma być przejmowana przez sygnał audio, skoro musisz również wziąć pod uwagę, jakiej przepustowości potrzebuje Twój film?
- Czy poświęcasz jakość wideo, podnosząc jakość dźwięku? Wideo o niższej jakości jest o wiele bardziej oczywiste niż dźwięk o niższej jakości. Czy chcesz tolerować niektóre pominięte klatki wideo, aby uzyskać dźwięk o wyższej wierności, jeśli Twoje połączenie internetowe nie poradzi sobie z łącznym wymaganiem przepustowości?
- Jakie źródło dźwięku przechwytujesz? Przechwytujesz tylko głos, czy potrzebujesz większej wierności? Jeśli po prostu nagrywasz kogoś, kto mówi, możesz uciec z użyciem mniejszej głębi bitowej. Plik też będzie mniejszy. Należy jednak pamiętać, że cyfrowy dźwięk na płycie kompaktowej wykorzystuje 16-bitową obsługę DVD Audio i Blu-ray do 24 bitów. Im wyższa wybrana głębia bitowa, tym lepsza rozdzielczość wynikowego sygnału cyfrowego.
- Nagrywanie z częstotliwością próbkowania wyższą niż 48 kHz (tj. 96 kHz lub 128 kHz) zwykle nie jest konieczne i znacznie zwiększy rozmiar plików.
- Czy przesyłasz pliki bezpośrednio do Internetu i chcesz je skompresować, czy też nagrywasz plik do późniejszej edycji za pomocą oprogramowania do edycji wideo i dlatego nie chcesz kompresji? Wybór kodeka, takiego jak PCM, zachowuje pełną integralność strumienia do późniejszej edycji. Jeśli przepustowość nie stanowi problemu, wybierz najwyższą możliwą szybkość transmisji dźwięku. W przeciwnym razie użyj AAC lub MP3 i wybierz częstotliwość próbkowania odpowiadającą częstotliwości próbkowania źródła, aby uniknąć ponownego próbkowania dźwięku.
Twój wybór kodeka audio ma znaczenie
Dokonanie właściwego wyboru kodeka i częstotliwości próbkowania może pomóc w poprawie jakości treści nagranych cyfrowo lub przesyłanych strumieniowo. Wiedza o tym, co jest potrzebne dla Twojej konkretnej aplikacji lub wymagania wybranego dystrybutora treści, robi ogromną różnicę. Chociaż tylko zarysowałem tutaj powierzchnię, mam nadzieję, że przy wyborze kodeka audio do następnej transmisji na żywo lub nagranego wydarzenia możesz podjąć bardziej świadomą decyzję.