Fajl formati (2): Zvuk

Zvuk na računaru prešao je u poslednjih trideset godina dugačak put, pa tako i formati fajlova za zapisivanje audio podataka

Uzorkovanje zvuka vrši se frekvencijom koja je najmanje dvostruko viša od najviše frekvencije koju čovek čuje

Krajnje neugledan početak poznat je kao PC speaker. U pitanju je mali zvučnik u kućištu računara, čija je jedina uloga u početku bila signaliziranje eventualnih problema u radu računara, ali je krajem osamdesetih korišćen i za reprodukciju zvuka u igrama i kod osnovnih tracker sistema. Zatim su se pojavile MIDI kompatibilne zvučne kartice koje su omogućile generisanje sintetizovanog zvuka, a one su bile u upotrebi u prvoj polovini devedesetih godina. Razvoj je nastavljen sa zvučnim adapterima, na karticama ili ugrađenim na matičnim pločama, koji omogućavaju višekanalnu reprodukciju zvuka, u nekim slučajevima gotovo studijskog kvaliteta.

Na prvi pogled izgleda da je pojava kvalitetnog hardvera ono što je doprinelo popularizaciji računara kao svojevrsnog muzičkog centra. Međutim, pre bi se moglo reći da su bitnije bile mogućnosti skladištenja velike količine zapisa i brzina kojom se dolazi do željenog zapisa. Nažalost, kao što je i običaj kada su PC računari u pitanju, ne postoji univerzalni i podrazumevani način na koji se zvučni zapis čuva već je u opticaju veliki broj različitih formata.

Šta je zvuk?

Mehaničko oscilovanje čvrstog tela koje se česticama vazduha u vidu talasa prenosi od nekog izvora do naših ušiju jeste pojava koju nazivamo zvukom. Ljudsko uho sposobno je da registruje zvuk ukoliko je brzina oscilovanja (frekvencija, učestanost) u opsegu od 16 Hz od 20.000 Hz (20 kHz). Korišćenjem mikrofona, mehaničku energiju stvorenu oscilovanjem čestica možemo pretvoriti u elektronsku formu i time omogućiti analogno snimanje zvuka. Iako se snimanjem zvuka u analognoj formi mogu sačuvati gotovo svi detalji zvučne slike, problem nastaje pri reprodukciji. Kako se analogno snimanje zvuka vrši na gramofonskim pločama ili magnetnim trakama, svaka nova reprodukcija sadržaja dovodi do trošenja samog medija usled prelaska igle preko ploče ili magnetne glave preko trake. Zbog toga vremenom dolazi do degradacije kvaliteta snimka usled neminovnog gubljenja delića zvučne slike nakon svake reprodukcije, pa je jasno da zapravo nikada nije moguće dvaput reprodukovati identičan zvuk.

Prebacivanje zvuka u digitalni oblik, tj. zapisivanje zvuka u obliku niza brojeva, uz razne algoritme za detekciju i ispravljanje grešaka pri prenosu, omogućilo je jednostavnije skladištenje, beskonačnu reprodukciju istog zapisa bez pada kvaliteta i jednostavnu izmenu podataka. To je, uz pojavu personalnih računara dovoljno brzih za obavljanje tog posla, dovelo do kraja analogne ere.

Digitalizacija zvuka, WAV format

Analogni signal (sinusoida) prevodi se u zaokružene digitalne vrednosti (pravougaona linija), pri čemu kvantizacija može da bude manje ili više precizna

Još polovinom prošlog veka matematičkim putem utvrđeno je da je dovoljno da se snime uzorci (odmerci, odbirci, semplovi) originalnog zvuka da bi on delovao kao original, ali uz poštovanje jednog pravila – frekvencija uzimanja uzoraka (engl. sampling rate) mora biti barem dva puta veća od najviše frekvencije koja se pojavljuje u snimku. Ako želimo da postignemo maksimalni kvalitet, moramo snimiti celokupni spektar koji uho čuje. Najviša učestanost koju uho registruje je 20 kHz, pa je za snimanje bez gubitaka, imajući u vidu pomenuto pravilo, iz svake sekunde zvučnog zapisa potrebno izvući bar 40.000 uzoraka. U praksi se ne koristi jedna fiksna vrednost frekvencije uzorkovanja, već se uglavnom koriste dve vrednosti – 44,1 kHz koju su promovisali Sony i Philips kod kompakt diska (Audio CD) i 48 kHz, što je postalo standard kod profesionalne audio opreme.

Nakon uzorkovanja potrebno je sačuvati niz podataka o intenzitetu zvuka. Trenutna vrednost signala može imati beskonačno mnogo različitih vrednosti u opsegu između maksimalne i minimalne vrednosti. Elektronski sklop koji bi svakoj vrednosti dodelio broj bio bi previše komplikovan, pa se usled toga koristi postupak nazvan kvantizacija. To podrazumeva zaokruživanje trenutne vrednosti na najbližu unapred određenu vrednost. Ukoliko bi se za zapisivanje jednog uzorka koristila četiri bita, postojalo bi 16 (2⁴) unapred definisanih mogućnosti za vrednost signala. Ukoliko bi analogna vrednost signala bila, recimo, 5,9 jedinica, takav signal bi pri četvorobitnoj kvantizaciji bio zaokružen na 6.

Iako na prvi pogled deluje kao suviše približno reprezentovanje zvuka, u praksi se za kvantizaciju najčešće koristi 16 bita, što daje 65.536 različitih mogućih vrednosti. To je sasvim dovoljno da greške budu minimalne. Razvoj hardvera doveo je i do korišćenja većih opsega, tako da frekvencije odabiranja mogu da idu i do 192 kHz, uz 24-bitnu kvantizaciju, pri čemu se razlika u kvalitetu u odnosu na standardne snimke uglavnom može primetiti samo na kvalitetnoj Hi-Fi opremi (engl. High Fidelity – visoka vernost /reprodukcije/).

MP3

Zauzeće 10 MB prostora za jedan minut muzike, koliko je potrebno za čuvanje zvuka u CD kvalitetu, čak ni danas nije zanemarljivo. Kada se na zauzeće prostora na disku doda i potreba za prenosom zapisa putem Interneta, dolazi se do zaključka da je količinu podataka potrebno na neki način smanjiti. Saradnja naučnika iz američke Belove laboratorije i nemačkog Instituta Fraunhofer dovela je 1991. godine do razvoja kodeka (izraz nastao od engleskih reči coder i decoder) pod nazivom MPEG-1 Layer 3, poznatijeg kao MP3. Kao jedan od najkompleksnijih sistema za kodiranje zvuka, ovaj kodek stekao je popularnost polovinom devedesetih godina, jer je uspevao da smanji audio fajl čak i do 12 puta, uz jedva čujne razlike u odnosu na original. Prosečno zauzeće 1 MB za 1 minut muzike čini ga dovoljno efikasnim za pravljenje čitavih muzičkih kolekcija na hard disku, kao i za prenos putem Interneta. Razvoj softverskih plejera sa vizuelnim plejlistama kao što je Winamp, a takođe i online servisâ za razmenu muzike, učinili su da MP3 i danas važi za jedan od najrasprostranjenijih formata za skladištenje zvuka.

Srž MP3 sistema predstavlja tzv. psiho-akustički model, koji se koristi u jednoj od faza kodiranja. Iskorišćeno je takozvano maskiranje, zasnovano na osobinama ljudskog sluha. Uočeno je da ukoliko istovremeno postoji više zvukova, a jedan od njih je mnogo jači od ostalih, mi čujemo samo taj jedan. Recimo, udarac čekića u limenu tablu zamaskiraće pad šrafa sa stola u pozadini, pa ukoliko snimimo samo zvuk čekića a ostale zvukove zanemarimo, slušaoci neće primetiti razliku jer bi ostali zvukovi svejedno bili maskirani jačim. Jak zvuk ne može da maskira zvukove u celom čujnom spektru već samo kod bliskih frekvencija. Zato se kod MP3 kodiranja čujni opseg deli na 26 frekvencijskih opsega i, ukoliko u nekom od opsega postoji dominantna komponenta koja maskira ostale, psiho-akustični model ih te ostale odbacuje.

Najjači zvuk praktično maskira (prekriva) ostale zvuke bliskih frekvencija, pa oni mogu i da se izostave jer ih zapravo ne čujemo.

Koriste se i druge osobenosti ljudskog sluha. Recimo, ljudsko uho ima problem sa određivanjem pravca izvora zvuka ako se radi o izrazito niskim tonovima. Ukoliko pomerite satelite jednog 2.1 zvučnog sistema, uho će odmah registrovati pomeranje zvučnog izvora. Međutim, ukoliko pomerite bas zvučnik (vufer), gotovo da nećete primetiti razliku. Kako prenos stereo signala zahteva duplo više prostora nego mono, kod MP3 kodiranja iskorišćen je i ovaj nedostatak sluha i tako je nastala metoda Joint stereo. Naime, najniže učestanosti zvuka ne prenose se u stereo formi već se levi i desni kanal spajaju u jedan, čime se ostvaruje znatna ušteda u prostoru, a slušalac gotovo da i ne primećuje razliku.

MP3 format doneo je i inovaciju u načinu organizacije zvučnog zapisa, što je omogućilo striming (engl. streaming – ovde: neprekidni prenos, neprekidno emitovanje) zvuka putem Interneta. Dotadašnji način snimanja zvuka podrazumevao je snimanje informacija o zvuku kao celini. Ukoliko bi jedan deo nedostajao, kompletan fajl bio bi neupotrebljiv za reprodukciju. Kod MP3 formata zvučni zapis se deli na veliki broj nezavisnih blokova zvanih frejmovi. Svaki frejm, pored samih podataka o zvuku, sadrži zaglavlje sa informacijama o korišćenom bitrejtu, frekvenciji uzorkovanja, pa čak i ID3 tag (podaci o izvođaču numere). Na taj način omogućen je jednostavan striming zvuka – slušalac može da „uskoči” u prenos internet radio-programa u bilo kom trenutku, jer svaki frejm sadrži podatke neophodne za sinhronizaciju sa ostalima.

WMA

Kako to obično biva u svetu u kojem vlada novac a ne želja za napretkom, Institut Fraunhofer je, uvidevši sve veću popularnost svog formata, posegao za patentima i zahtevima za plaćanje licence ukoliko se format ne koristi samo za lične potrebe. U želji da izbegne plaćanje licence, Microsoft je promovisao sopstveni format Windows Media Audio, tvrdeći da daje do 50 odsto manje fajlove uz isti kvalitet. Takođe baziran na psiho-akustičnom modelu kao i MP3, ali sa nešto bolje rešenim metodama kvantizacije i kompresije sadržaja, WMA uspeva da postigne oko 25 odsto bolju kompresiju pri istom subjektivnom kvalitetu zvuka. Zapravo, integracija u Windows Media Player, koji je omogućio besplatno i jednostavno ripovanje kompakt diskova, kao i dodavanje DRM zaštite koja je omogućila zaštitu pri internet trgovini muzikom bili su ključni faktori relativnog uspeha Microsoftovog formata.

AAC

Advanced Audio Coding (AAC) trebalo je da predstavlja zamenu za format MP3. Iza njega opet stoji društvance iz Instituta Fraunhofer, uz firmu Dolby i Bel laboratorije, kao i dva hardverska giganta – Sony i Nokia. Ponovo je u pitanju psiho-akustički model viđen kod MP3 formata, ali ovog puta uz velika unapređenja. Maksimalna frekvencija uzorkovanja podignuta je sa 48 kHz na 96 kHz, a broj kanala povećan je sa dva na maksimalnih 48. Podela na 26 frekvencijskih opsega, korišćena kod MP3 formata, predstavljala je problem usled lošeg maskiranja zvuka učestanosti veće od 15,8 kHz. Taj problem uspešno je rešen kod formata AAC. Spajanje stereo signala takođe je pretrpelo izmene – moguće je za svaki opseg posebno definisati način spajanja i metod kvantizacije. Time je postignuta mogućnost da se podaci o stereo separaciji donjeg frekventnog opsega, na čije je usmerenje uho mnogo manje osetljivo, odstrane u većoj meri, a da se ipak sačuvaju bitni podaci o separaciji kanala visoke učestanosti, kod kojih je granični opseg MP3 formata često bio previše nizak. Uz unapređeno i preciznije kodiranje, postižu se daleko bolji rezultati u odnosu na MP3. Iako i dalje daleko manje zastupljen od ostalih formata, time što je postao deo standarda DVB, kao i zbog sve šire podrške kod prenosnih multimedijalnih plejera kao što su iPod i veliki broj modernih mobilnih telefona, AAC polako ali sigurno preuzima primat na sceni formata „novije generacije”.

Ogg Vorbis

Šta reći o formatu koji je ime dobio po liku iz fantastično-humorističkog romana Terija Pračeta? Sakriven u Ogg kontejnerski fajl (fajl sa određenom unutrašnjom organizacijom podataka koja je optimizovana za određenu namenu) nalazi se još jedan konkurent MP3 formatu. Međutim, pobude za razvoj ovog formata sasvim su drugačije nego kod ostalih „takmičara”. Za ubrzani razvoj ovog kodeka ponovo je zaslužna nemačka bratija iz Fraunhofera. Iako slobodan i besplatan kodek, Vorbis ne zaostaje za drugima, a ukoliko nije reč o najvećim stepenima kompresije, čak i prednjači u odnosu na konkurenciju. Maksimalna učestanost odabiranja od 192 kHz, čak 255 mogućih različitih kanala, kao i veliki raspon kompresije učinili su ga veoma cenjenim kod svih ljubitelja slobodnog softvera. Pored Wikipedije, kao najpoznatijeg korisnika, dobar deo igara napravljenih u poslednjih pet godina koristi upravo Ogg kao format u kom čuvaju zvučne zapise, dok podrška u prenosnim audio plejerima raste, mada pomalo stidljivo.

FLAC

Najkraći opis audio formata FLAC jeste „audiofilski raj”. Malčice širi opis bio bi da se zapravo radi o audio kodeku koji podatke čuva metodom kompresije bez gubitaka. U pitanju je apsolutno besplatan i slobodan format, velike brzine kodiranja, koji je zahvaljujući metodi čuvanja nezavisnih frejmova zvučne slike veoma pogodan za striming, a takođe je zgodan i za naknadnu obradu. Metod kompresije korišćen kod FLAC-a sličan je onom viđenom kod PNG formata slika, a u krajnjoj liniji zasnovan je na istim temeljima kao i ZIP arhiver. Grupisanje i kodiranje semplova vrše se pomoću različitih metoda, tako da se dugi blokovi koji nose isti podatak kodiraju RLE metodom koju smo objasnili u prošlom broju, dok se ostatak kodira naprednijom metodom linearnog predviđanja. Daleko savršeniji od arhivera opšte namene, FLAC postiže 2–2,4 puta manju veličinu fajla u odnosu na original. Iako je to daleko iza MP3 i sličnih formata, ne treba zaboraviti da se ovde ipak radi o besprekornoj reprodukciji bez ijednog bita izostavljenih podataka.

• • •

Za kraj ne zaboravite – bilo da ste naoružani kineskim prenosnim plejerom ili setom Hi-Fi zvučnika, sadržaj koji će se naći u nekom od navedenih formata jedina je zaista bitna stvar.

Mario PAVIĆEVIĆ