Кодирование звука

На этой странице вы узнаете

• Чем звуковая «лесенка» удобнее звуковой волны?
• От чего зависит качество вашей любимой музыки и звук при звонке?
• Для чего нужны каналы записи?

Почему одна и та же мелодия вживую и в записи звучит совершенно по-разному? Почему голос человека может казаться искаженным при звонке? Почему нельзя просто взять и передать звук без ошибок? Ответы на эти вопросы вы найдете в статье.

Дискретизация по времени и уровню громкости

В статье «Дискретное представление информации» мы начали разговор о том, что такое дискретизация. Вспомним кратко: дискретизация — кодирование непрерывных объектов с помощью разбиения их на маленькие отдельные части.

Сегодня у нас на очереди звук.

Звук — это волна, высота которой непрерывно изменяется во времени. Две любые точки на звуковой волне будут разной высоты, пусть человеческое ухо и не почувствует разницы.

Раз волна непрерывна, то и абсолютно точно ее закодировать невозможно — иначе нам бы пришлось представлять в виде понятных компьютеру нулей и единиц бесконечное множество ее точек. Тогда для кодирования звукового файла необходимо применять дискретизацию, причем не одну:

• Дискретизация превратит волну звука в «лесенку» — вместо постоянно меняющейся высоты волны мы будем иметь конкретные уровни громкости, которые будут приближенно равны высоте волны в разные (также дискретизированные, то есть разбитые на маленькие кусочки) моменты времени. 

Каждый уровень («ступенька лесенки») кодируется определенным количеством бит, которое определяется глубиной кодирования (битовой глубиной/разрешением).

Глубина кодирования для звука — это количество бит, выделяемое на хранение одного уровня громкости, на которые будет разделена звуковая волна по высоте.

 Чем она больше, тем больше у нас будет уровней громкости. 

Зависимость количества уровней громкости N от глубины кодирования i будет N = 2i.

• Дискретизация по времени определяет, сколько именно раз в секунду будет производиться измерение текущего уровня громкости. Количество измерений в одной секунде — частота дискретизации, измеряется в Гц, а в реальности, когда ее значение становится очень большим — в кГц (1 кГц = 1000 Гц).

Частота дискретизации — это количество измерений звуковой волны в секунду.

Всё это кажется сейчас информацией из другой вселенной? Вспомните, как выглядят голосовые сообщения в мессенджерах. Мы сталкиваемся со звуковыми «лесенками» буквально каждый день.  

Чем звуковая «лесенка» удобнее звуковой волны? После проведения дискретизации по времени и по громкости вся звуковая волна превратится в «лесенку»: — каждая «ступенька» определяет громкость звука в каждый отдельный момент времени (возможная высота ступеньки определяется глубиной кодирования звука); — каждая секунда аудиозаписи будет разбита на конкретное число ступенек, определяемое частотой дискретизации. И в таком формате кодирование звука не представляет собой никаких проблем, так как мы можем кодировать отдельные «ступеньки».

Например, следующая звуковая волна была разбита:

•  с глубиной кодирования, равной 3 битам, поэтому уровней громкости ровно 2^³=8 и каждый закодирован кодом длиной в 3 символа;
• с частотой дискретизации 4 Гц, поэтому на графике в каждой секунде 4 столбика.

Чем больше будут значения глубины кодирования и частоты дискретизации, тем больше «лесенка» будет похожа на оригинальную волну. Если поднять значения из примера выше всего в несколько раз, результат уже будет гораздо более похожим на оригинальную волну:

В реальности эти параметры могут достигать еще больших значений:

• Минимальным значением частоты дискретизации для передачи человеческой речи считается 8000 Гц, оно используется в телефонной связи, а в студиях звукозаписи может принимать значение 192 000 Гц и даже больше.

• Достаточной глубиной кодирования звука считается значение 16 бит, при котором появляется уже 2¹⁶= 65536 уровней громкости, но для профессиональных работ это значение может доходить и до 32 бит.

Звук, записанный с недостаточно большими частотой и глубиной кодирования, при воспроизведении будет отличаться от изначального так, что это отличие будет заметно человеческому уху. Именно поэтому голос человека при звонке может звучать иначе, а музыкальный трек, записанный на профессиональном оборудовании, будет существенно качественнее «домашней» записи.

Количество каналов. Формула объема звука

Нельзя также забывать про такую характеристику звука, как объемность:

• При прослушивании музыки в наушниках иногда можно услышать, что какие-то музыкальные инструменты громче звучат с одной стороны, а другие — с другой.

• В кинотеатре в масштабных сценах с большим количеством событий можно услышать, что действия, происходящие на экране справа, звучат громче справа, а происходящие слева — громче слева. А иногда и сзади что-нибудь произойдет.

Для чего нужны каналы записи? Объемность звуку придает количество каналов записи, когда в одном файле находится несколько звуковых волн, которые воспроизводятся одновременно. Программы воспроизведения обрабатывают их и выдают звук там, где он должен был быть.

Например, чтобы озвучить падение двух камней с двух разных сторон, нужно записать оба звука и воспроизводить их вместе, но с разных колонок или через разные наушники.

Так как каждый новый канал добавляет в аудиофайл буквально новые звуковые волны, каждую из них также придется закодировать по тем же параметрам, поэтому количество каналов прямо пропорционально будет увеличивать объем файла.

Количество каналов обозначается специальными словами: 

• моно — 1 канал;
• стерео — 2 канала;
• квадро — 4 канала.

Осталось вспомнить, что у записи звука есть еще и продолжительность, и мы имеем все данные, чтобы найти вес звукового файла: 

• глубина кодирования i — вес одного уровня звука;
• частота дискретизации F — количество кодируемых уровней громкости в 1 секунде;
• продолжительность t;
• количество каналов записи N.

Полный вес аудиофайла V будет равен произведению всех этих параметров: V = F * i * t * N

На экзамене понимание особенностей хранения звука на компьютере часто требуется для решения задания №7 ЕГЭ и №1 ОГЭ.

Для примера рассмотрим следующую задачу:
Музыкальный фрагмент был записан в формате моно, оцифрован и сохранен в виде файла без использования сжатия данных. Размер полученного файла  — 30 Мбайт. Затем тот же музыкальный фрагмент был записан повторно в формате стерео (двухканальная запись) и оцифрован с разрешением в 5 раз выше и частотой дискретизации в 6 раз меньше, чем в первый раз. Сжатие данных не производилось. Укажите размер полученного при повторной записи файла в Мбайт. В ответе запишите только целое число, единицу измерения писать не нужно.

Решение.
У нас есть 2 записи, сделанные с разными параметрами.

Запишем условия, данные в задаче.
V₁ = 30 Мб, V₂ = ?
N₁ = 1
N₂ = 2
t₁ = t₂F₁ = 6F₂i₂ = 5i₁

По формуле:
V₁  = F₁ * i₁ * t₁ * N₁ и  V₂  = F₂ * i₂ * t₂ * N₂

Выразим V₂ через параметры первой записи:
V₂ = (F₁ / 6) * (5 * i₁) * t₁ * (2*N₁)
V₂  = (5/3) * (F₁ * i₁ *t₁ *N₁)

Подставим
V₁:V₂ = (5/3) * V₁
V₂ = (5/3)*30
V₂ = 50

Ответ: 50

В реальной жизни понимание того, как компьютеры обрабатывают звук, нужно везде, где этот звук применяется: запись музыки, ее обработка в специализированных программах, создание приложений, взаимодействующих со звуком, а также во многих других ситуациях.

Кстати, насчет создания приложений: в статье «Основы алгоритмов» мы разберем, как пишутся различные компьютерные программы и строятся алгоритмы для них. Это крайне важно как для решения задач на экзаменах, так и для разработки собственных приложений в будущем.

Термины

Бит — наименьшая единица измерения объема информации. Ему соответствует одна цифра двоичного кода.

Фактчек

• Глубина кодирования определяет количество бит, выделяемое на хранение одного уровня громкости, на которые будет разделена звуковая волна по высоте.
• Частота дискретизации обозначает дискретизацию звука по времени — сколько уровней громкости будет закодировано в 1 секунде.
• Количество каналов определяет объемность звука, добавляя в 1 файл несколько звуковых волн, поэтому прямо пропорционально увеличивает вес всего файла.

Проверь себя

Задание 1.
От чего зависит количество уровней громкости?

1. от дискретизации по времени
2. от глубины кодирования
3. от количества каналов
4. от частоты дискретизации

Задание 2.
Что означает формулировка «запись в формате квадро»?

1. При записи использовалась глубина кодирования 4 бит.
2. Частота дискретизации равна 2 Гц.
3. Количество каналов записи равно 2.
4. Количество каналов записи равно 4.

Задание 3.
В студии звукозаписи производится одноканальная (моно) запись длиной 3 минуты 25 секунд и с частотой дискретизации 35 кГц. Определите и запишите в ответ максимальную битовую глубину, которая может быть использована при записи музыкального фрагмента, если объём файла не превышает 30 Мбайт.

1. 35
2. 36
3. 70
4. 140

Задание 4.
Для записи песни использовалась четырехканальная (квадро) аудиодорожка. Ее сохранили на компьютер с объемом 10 Мбайт. Тот же файл был записан еще раз в формате двухканальной (стерео) записи с разрешением в 3 раза выше и частотой дискретизации в 1,5 раза меньше, чем в первый раз. Определите количество мегабайт, которое занимает файл при повторной записи. 

1. 5
2. 8
3. 20
4. 10

Ответы: 1. — 2; 2. — 4; 3. — 1; 4. — 4.