Sisältö
Kuten olet todennäköisesti huomannut, älypuhelinteollisuudessa on uusi suuntaus sisällyttää “studiolaatuiset” äänisirut nykyaikaisten lippulaiva älypuhelimien joukkoon. Vaikka 32-bittinen DAC (digitaali-analogiamuunnin), jolla on 192 kHz: n äänituki, näyttää varmasti hyvältä erikoislevyltä, äänikokoelmien koon kasvattamisessa ei yksinkertaisesti ole mitään hyötyä.
Olen täällä selittämässä, miksi tämä bittisyvyyden ja näytteenottotaajuuden ylistäminen on vain yksi esimerkki ääniteollisuudesta, joka hyödyntää kuluttaja- ja jopa audiofiilitiedon puutetta aiheesta. Älä tee nörttilakiasi, aiomme tutkia joitain vakavasti teknisiä seikkoja selittääksesi pro-äänen hyviä puolia. Ja toivottavasti todistan sinulle myös, miksi sinun pitäisi sivuuttaa suurin osa markkinoinnin hypeistä.
Kuuletko sen?
Ennen kuin sukellamme sisään, tämä ensimmäinen segmentti tarjoaa tarvittavaa taustatietoa digitaalisen äänen kahdesta pääkäsitteestä, bittisyvyydestä ja näytteenottotaajuudesta.
Näytetaajuus viittaa siihen, kuinka usein aiomme kaapata tai toistaa signaalin amplituditietoja. Pohjimmiltaan me leikkaamme aaltomuodon pieniksi osiksi saadaksesi lisätietoja siitä tietyllä ajankohtana. Nyquist-lause väittää, että suurin mahdollinen taajuus, joka voidaan siepata tai toistaa, on tarkalleen puolet näytteenottotaajuudesta. Tämä on melko yksinkertainen kuvitella, koska tarvitsemme aaltomuodon ylä- ja alaosien amplitudit (mikä vaatisi kahta näytettä) sen taajuuden tuntemiseksi tarkasti.
Näytteenottotaajuuden (yläosan) lisääminen johtaa lisänäytteisiin sekunnissa, kun taas suurempi bittisyvyys (alaosa) tarjoaa enemmän mahdollisia arvoja näytteen tallentamiseksi.
Äänen suhteen olemme huolissamme vain siitä, mitä voimme kuulla, ja suurin osa ihmisistä kuulee hännän juuri ennen 20 kHz. Nyt kun tiedämme Nyquist-lauseen, voimme ymmärtää, miksi 44,1 kHz ja 48 kHz ovat yleisiä näytteenottotaajuuksia, koska ne ovat vain hieman yli kaksi kertaa suuremmat kuin mitä voimme kuulla. Studiolaatuisten 96 kHz ja 192 kHz standardien omaksumisella ei ole mitään tekemistä korkeampitaajuisen datan sieppaamisen kanssa, mikä olisi turhaa. Mutta sukellamme siihen enemmän minuutissa.
Kun tarkastelemme amplitudia ajan myötä, bittisyvyys viittaa yksinkertaisesti käytettävissä olevaan resoluutioon tai pisteiden määrään tämän amplitudidatan tallentamiseksi. Esimerkiksi 8-bittinen tarjoaa meille 256 erilaista pistettä pyöristämistä varten, 16-bittiset tulokset 65 534 pisteeksi, ja 32-bittinen data antaa meille 4 294 967 294 datapistettä. Vaikka tietysti tämä lisää huomattavasti tiedostojen kokoa.
Voi olla helppoa heti ajatella bittisyvyyttä amplituditarkkuuden suhteen, mutta tärkeämpiä käsitteitä ymmärrettäviksi tässä ovat kohina ja vääristymä. Hyvin alhaisella resoluutiolla menetämme todennäköisesti pienemmän amplituditiedon palat tai katkaisemme aaltomuotojen yläosat, mikä johtaa epätarkkuuteen ja vääristymiin (kvantisointivirheet). Mielenkiintoista on, että tämä kuulostaa usein kohinalta, jos haluat toistaa matalan resoluution tiedostoa, koska olemme tehokkaasti lisänneet pienimmän mahdollisen sieppattavan ja toistettavan signaalin koon. Tämä on täsmälleen sama kuin melulähteen lisääminen aaltomuotoon. Toisin sanoen bittisyvyyden pienentäminen vähentää myös melutasoa. Se voi auttaa myös ajattelemaan tätä binäärinäytteen suhteen, jossa vähiten merkitsevä bitti edustaa kohinakerrosta.
Siksi suurempi bittisyvyys antaa meille suuremman melutason, mutta sen käytännöllisyydelle todellisessa maailmassa on rajallinen raja. Valitettavasti kaikkialla on taustamelua, en tarkoita kadulla ohi kulkevaa linja-autoa. Kaapeleista kuulokkeisiin, vahvistimen transistoreihin ja jopa pään sisällä oleviin korviin, reaalimaailman suurin signaali-kohinasuhde on noin 124 dB, mikä tuottaa noin 21-bittisen datan.Jargon Buster:
DAC- Digitaalinen-analoginen muunnin ottaa digitaalisen äänidatan ja muuntaa sen analogiseksi signaaliksi lähetettäväksi kuulokkeille tai kaiuttimille.
Näytteenottotaajuus- Hertseinä (Hz) mitattuna tämä on sekunnissa kaapattujen digitaalisten datanäytteiden lukumäärä.
SNR- Signaali-kohinasuhde on ero halutun signaalin ja taustajärjestelmän kohinan välillä. Digitaalisessa järjestelmässä tämä on kytketty suoraan bittisyvyyteen.
Vertailun vuoksi 16-bittinen sieppaus tarjoaa signaalin kohinasuhteen (signaalin ja taustakohinan eron) 96,33dB, kun taas 24-bittinen tarjoaa 144,49dB, joka ylittää laitteiston sieppauksen ja ihmisen havaitsemisen rajat. Joten 32-bittinen DAC on oikeastaan vain koskaan kykenevä tuottamaan korkeintaan 21-bittistä hyödyllistä dataa, ja muut bitit peitetään piirin kohinalla. Todellisuudessa kohtuullisin hinnoin varustetuista laitteista päätyy SNR: n ollessa 100 - 110 dB, koska useimmat muut piirielementit tuottavat oman melunsa. Selvästi silloin 32-bittiset tiedostot vaikuttavat jo melko turhilta.
Nyt kun digitaalisen äänen perusteet on ymmärretty, siirrymme eteenpäin joihinkin teknisiin kohtiin.
Portaat taivaaseen
Suurin osa äänen ymmärtämistä ja väärinkäsitystä koskevista kysymyksistä liittyy tapaan, jolla koulutusresurssit ja yritykset yrittävät selittää hyödyt visuaalisten vihjeiden avulla. Olet luultavasti kaikki nähnyt äänen, joka on esitetty portaattomasti bitinsyvyyden ja suorakulmaisen näköisiltä viivoilta näytteenottotaajuudelle. Tämä ei todellakaan näytä kovin hyvältä, kun vertaa sitä tasaisen näköiseen analogiseen aaltomuotoon, joten on helppo harjata hienompaa, ”tasaisempaa” portaikkoa edustamaan tarkempaa lähtöaaltomuotoa.
Vaikka tämä voi olla helppo myydä suurelle yleisölle, tämä yleinen "portaikkojen" tarkkuusanalogia on valtava väärän suunnan suunnattu väärinkäyttö eikä arvioida kuinka digitaalinen ääni todella toimii. Jätä se huomiotta.
Tämä visuaalinen esitys vääristää kuitenkin äänen toimintaa. Vaikka se voi näyttää sotkeltavalta, matemaattisesti Nyquist-taajuuden alapuolella olevat tiedot, joka on puolet näytteenottotaajuudesta, on kaapattu täydellisesti ja ne voidaan toistaa täydellisesti. Kuvittele tämä, jopa Nyquist-taajuudella, joka voidaan usein esittää neliöaallona eikä sileänä siniaalona, meillä on tarkkoja tietoja amplitudista tietyssä ajankohdassa, mitä me tarvitsemme. Me ihmiset, katsomme usein virheellisesti näytteiden välistä tilaa, mutta digitaalinen järjestelmä ei toimi samalla tavalla.
Bittisyvyys liittyy usein tarkkuuteen, mutta se todellakin määrittelee järjestelmän melutason. Toisin sanoen pienin havaittavissa oleva tai toistettava signaali.
Toistosta tämä voi tulla hieman vaikeampi, koska on helppo ymmärtää “nolla-asteisen pidon” DAC: ien käsitettä, joka yksinkertaisesti vaihtaa arvojen välillä asetetulla näytetaajuudella ja tuottaa portaiden askeleen tuloksen. Tämä ei oikeastaan ole reilua esitystä audio-DAC-laitteiden toiminnasta, mutta kun olemme täällä, voimme tämän esimerkin avulla osoittaa, että sinun ei pitäisi olla huolissaan noista portaista.
Tärkeä huomata, että kaikki aaltomuodot voidaan ilmaista useiden siniaaltojen, perustaajuuden ja lisäkomponenttien summana harmonisissa kertoimissa. Kolmion aalto (tai portaiden askel) koostuu parittomista harmonisista heikentyvistä amplitudista. Joten jos meillä on paljon hyvin pieniä askelia esiintymässä näytteenottotaajuudellamme, voidaan sanoa, että siihen on lisätty ylimääräistä harmonista sisältöä, mutta se tapahtuu kaksinkertaisella kuultavalla (Nyquist) taajuudellamme ja luultavasti muutamilla harmonisilla sen yli, joten voitimme et voi kuulla niitä muutenkaan. Lisäksi tämä olisi melko helppoa suodattaa käyttämällä muutamaa komponenttia.
Jos erotamme DAC-näytteet, voimme helposti nähdä, että haluttu signaalimme on täydellisesti esitetty yhdessä lisäaaltomuodon kanssa DAC-näytteenottotaajuudella.
Jos tämä on totta, meidän pitäisi voida havaita tämä nopealla kokeilulla. Otetaan ulostulo suoraan nollajärjestyksen perus DAC: lta ja syötetään signaali myös hyvin yksinkertaisen 2 kauttaND tilaa alipäästösuodatin asetettu puolelle näytteenottotaajuudestasi. Olen itse asiassa käyttänyt tässä vain 6-bittistä signaalia, vain jotta voimme tosiasiallisesti nähdä ulostulon oskilloskoopilla. 16- tai 24-bittisessä äänitiedostossa olisi paljon vähemmän kohinaa signaalissa sekä ennen suodattamista että sen jälkeen.
Melko karkea esimerkki, mutta tämä osoittaa, että äänidata luodaan täydellisesti tässä sotkuisessa näköisessä portaassa.
Ja ikään kuin taianomaisesti, portaikko askel melkein kokonaan katosi ja lähtö "tasoitetaan" vain käyttämällä alipäästösuotinta, joka ei häiritse siniaalto-lähtöämme. Todellisuudessa kaikki mitä olemme tehneet on suodatettu pois signaalin osista, joita et olisi vielä kuullut. Se ei todellakaan ole huono tulos neljään ylimääräiseen komponenttiin, jotka ovat periaatteessa vapaita (kaksi kondensaattoria ja kaksi vastusta maksavat vähemmän kuin 5 pennyä), mutta on todellakin edistyneempiä tekniikoita, joita voimme käyttää vähentämään tätä melua entisestään. Parempaa vielä, nämä sisältyvät vakiona useimpiin korkealaatuisiin DAC-ohjelmiin.
Käsitellessään realistisempaa esimerkkiä, kaikissa äänen kanssa käytettävissä DAC: issa on myös interpolointisuodatin, joka tunnetaan myös nimellä up-näytteenotto. Interpolointi on yksinkertaisesti tapa laskea välipisteet kahden näytteen välillä, joten DAC tekee itse asiassa suuren osan tämän "tasoituksesta" yksinään ja paljon enemmän kuin kaksinkertaistaa tai nelinkertaistaa näytteenottotaajuuden. Mikä vielä parempaa, se ei vie ylimääräistä tiedostoa tilaa.
Interpolointisuodattimet, joita yleisesti löytyy mistä tahansa DAC: sta, joka on sen suolaa, ovat paljon parempi ratkaisu kuin tiedostojen siirtäminen, joilla on suurempi näytteenottotaajuus.
Menetelmät tämän tekemiseksi voivat olla melko monimutkaisia, mutta pohjimmiltaan DAC muuttaa lähtöarvoaan paljon useammin kuin äänitiedoston näytetaajuus ehdottaa. Tämä työntää äänettömän portaiden harmonisen harmonian kaukana näytteenottotaajuuden ulkopuolelta, mahdollistaen hitaampien, helpommin saavutettavien suodattimien käytön, joilla on vähemmän aaltoilua, ja säilyttäen siten bitit, jotka todella haluamme kuulla.
Jos olet kiinnostunut siitä, miksi haluamme poistaa tämän sisällön, jota emme kuule, yksinkertainen syy on, että tämän ylimääräisen datan toistaminen edelleen signaaliketjussa, esimerkiksi vahvistimessa, hukkaanisi energiaa. Lisäksi järjestelmän muista komponenteista riippuen, tämä korkeamman taajuuden “ultraääni” sisältö voi tosiasiassa johtaa suurempaan määrään intermodulaatiosäröjä rajoitetuilla kaistanleveyskomponenteilla. Siksi 192 kHz-tiedostosi todennäköisesti aiheuttaisi enemmän haittaa kuin hyötyä, jos kyseisissä tiedostoissa olisi todella ultraääniä sisältävää sisältöä.
Jos tarvitset lisää todisteita, näytän myös tulosteen korkealaatuiselta DAC: lta Circus Logic CS4272: n avulla (kuvassa ylhäällä). CS4272: ssä on interpolointiosasto ja jyrkkä sisäänrakennettu lähtösuodatin. Ainoa mitä teemme tässä testissä, käyttää mikro-ohjainta syöttääksesi DAC: lle kaksi 16-bittistä korkeaa ja matalaa näytettä 48 kHz: ssä, antaen meille suurimman mahdollisen lähtöaaltomuodon 24 kHz: llä. Muita suodatinkomponentteja ei käytetä, tämä lähtö tulee suoraan DAC: lta.
Tämän studiolaatuisen DAC-komponentin 24 kHz: n lähtösignaali (yläosa) ei varmasti näytä suorakulmaiselta aaltomuodolta, joka liittyy tavanomaiseen markkinointimateriaaliin. Näytetaajuus (Fs) näkyy oskilloskoopin alaosassa.
Huomaa, kuinka lähtö siniaalto (yläosa) on tarkalleen puolet taajuuskellon nopeudesta (alhaalta). Portaita ei ole havaittavissa ja tämä erittäin korkeataajuinen aaltomuoto näyttää melkein täydelliseltä siniaalolta, ei tukkoiselta neliöltä, jota markkinointimateriaali tai edes satunnainen vilkaisu lähtödataan viittaa. Tämä osoittaa, että jopa vain kahdella näytteellä Nyquist-teoria toimii täydellisesti käytännössä ja voimme luoda puhtaan siniaallon, ilman ylimääräistä harmonista sisältöä, ilman suurta bittisyvyyttä tai näytteenottotaajuutta.
Totuus 32-bittisestä ja 192 kHz: n taajuudesta
Kuten useimmissa asioissa, kaiken ammattikielen ja 32-bittisen, 192 kHz: n äänen takana on jonkinlainen totuus, joka on käytännöllinen käyttö, ei vain kämmenellä. Nämä digitaaliset ominaisuudet ovat todella hyödyllisiä, kun olet studioympäristössä, joten väitteet tuovat ”studiolaatuisen äänen matkapuhelimeen”, mutta näitä sääntöjä ei yksinkertaisesti sovelleta, kun haluat laittaa valmiin kappaleen taskuosi.
Ensin aloitetaan näytteenottotaajuudella. Yksi korkeamman resoluution äänen suosituimmista eduista on ultraäänitiedon säilyttäminen, jota et voi kuulla, mutta joka vaikuttaa musiikkiin. Roskaa, suurin osa soittimista putoaa hyvissä ajoin ennen kuulomme taajuusrajoja, mikrofoni, jolla kaapattiin tilaa, joka on enintään noin 20 kHz, ja käyttämäsi kuulokkeet eivät varmasti jatka niin pitkälle. Vaikka ne voisivat, korvasi eivät yksinkertaisesti pysty tunnistamaan sitä.
Ihmisen tyypilliset kuuloherkkyyshuiput ovat 3kHz: ssä ja alkavat nopeasti rullata 16kHz: n jälkeen.
192 kHz: n näytteenotto on kuitenkin melko hyödyllistä melun vähentämisessä (tämä avainsana jälleen), kun näytteenotto tapahtuu, se mahdollistaa olennaisten tulosuodattimien yksinkertaisemman rakentamisen ja on myös tärkeä nopeaan digitaalitehosteeseen. Ylinäytteen ottaminen äänispektrin yläpuolelta antaa meille mahdollisuuden signaalin keskimääräiseen laskemiseen melun kerroksen laskemiseksi alas. Huomaat, että useimmissa hyvissä päivissä (analogiset digitaalimuuntimet) on sisäänrakennettu 64-bittinen ylimääräinen näytteenotto tai enemmän.
Jokaisen ADC: n on myös poistettava Nyquist-rajansa yläpuolella olevat taajuudet, tai muuten päädyt kauhistuttavaan äänilauseeseen, kun korkeammat taajuudet “taitetaan alas” kuuluvaan spektriin. Koska 20 kHz: n suodatinkulmataajuuden ja suurimman näytteenottotaajuuden välinen väli on suurempi, se sopii paremmin reaalimaailman suodattimiin, jotka eivät yksinkertaisesti voi olla yhtä jyrkkiä ja vakaita kuin tarvittavat teoreettiset suodattimet. Sama pätee DAC-päähän, mutta kuten keskustelimme intermodulaatiosta, se voi erittäin tehokkaasti lisätä kohinaa korkeammille taajuuksille suodatuksen helpottamiseksi.
Mitä jyrkempi suodatin, sitä enemmän väylää päästökaistassa on. Näytteenottotaajuuden lisääminen mahdollistaa hitaampien suodattimien käytön, mikä auttaa säilyttämään tasaisen taajuusvasteen kuultavassa päästökaistassa.
Digitaalialueella vastaavia sääntöjä sovelletaan suodattimiin, joita käytetään usein studion sekoitusprosessissa. Suuremmat näytteenottotaajuudet antavat jyrkempiä, nopeammin toimivia suodattimia, jotka vaativat lisätietoja toimiakseen kunnolla. Mitään tätä ei vaadi toiston ja DAC-levyjen suhteen, koska olemme kiinnostavia vain siinä, mitä todella kuulet.
Siirtyessäsi 32-bittiseen, jokainen, joka on koskaan yrittänyt koodata mitä tahansa kauko-ohjattavaa monimutkaista matematiikkaa, ymmärtää bittisyvyyden merkityksen sekä kokonaislukuilla että liukulukuilla. Kuten olemme keskustelleet, mitä enemmän bittejä, sitä vähemmän kohinaa, ja siitä tulee entistä tärkeämpää, kun aloitamme digitaalisen alueen signaalien jakamista tai vähentämistä pyöristysvirheiden takia ja leikkausvirheiden välttämiseksi kerrottaessa tai lisäämällä.
Lisäbittisyvyys on tärkeä signaalin eheyden säilyttämiseksi matemaattisia toimenpiteitä suoritettaessa, kuten studion ääniohjelmistojen sisällä. Mutta voimme heittää pois nämä ylimääräiset tiedot, kun masterointi on valmis.
Tässä on esimerkki, sanomme, että otamme 4-bittisen näytteen ja nykyinen näyte on 13, joka on 1101 binaarina. Yritä nyt jakaa se neljällä ja meillä on jäljellä numero 0011 tai yksinkertaisesti 3. Olemme menettäneet ylimääräisen 0,25 ja tämä merkitsee virhettä, jos yritimme tehdä lisää matematiikkaa tai muuttaa signaalimme takaisin analogiseksi aaltomuotoksi.
Nämä pyöristysvirheet ilmenevät hyvin pieninä määrinä vääristymisinä tai kohinaina, jotka voivat kertyä suureen määrään matemaattisia funktioita. Kuitenkin, jos laajennamme tätä 4-bittistä näytettä lisätietobiteillä käytettäväksi fraktiona tai desimaalina, voimme jatkaa jakamista, lisäämistä ja moninkertaistamista paljon kauemmin ylimääräisten tietopisteiden ansiosta. Joten todellisessa maailmassa näytteenotto 16 tai 24 bitin nopeudella ja tämän jälkeen tietojen muuntaminen 32-bittiseen muotoon käsittelyä varten auttaa säästää melua ja vääristymiä. Kuten olemme jo todenneet, 32-bittinen on uskomattoman paljon tarkkuuspisteitä.
Nyt on yhtä tärkeää tunnustaa, että me emme tarvitse tätä ylimääräistä tilaa, kun palaamme takaisin analogiseen verkkotunnukseen. Kuten olemme jo keskustelleet, noin 20-bittinen data (kohina –120 dB) on absoluuttinen maksimimäärä, joka mahdollisesti voidaan havaita, joten voimme muuntaa takaisin kohtuullisempaan tiedostokokoon vaikuttamatta äänen laatuun, huolimatta siitä, että ”audiofiilit” ovat valitettavasti tätä kadotettua tietoa.
Otamme kuitenkin väistämättä käyttöön joitain pyöristysvirheitä siirryttäessä pienemmälle bittisyvyydelle, joten ylimääräisiä vääristymiä on aina hyvin vähän, koska nämä virheet eivät aina tapahdu satunnaisesti. Vaikka tämä ei ole ongelma 24-bittisessä äänentoistossa, koska se ulottuu jo selvästi analogisen kohinakerroksen ulkopuolelle, tekniikka, jota kutsutaan ”diringingiksi”, ratkaisee ongelman siististi 16-bittisissä tiedostoissa.
Esimerkki vertailusta katkaisun ja jakamisen aiheuttamalla vääristymällä.
Tämä tehdään satunnaistamalla ääninäytteen vähiten merkitsevä bitti, eliminoimalla vääristymävirheet, mutta tuomalla esiin erittäin hiljainen satunnainen taustakohina, joka on jakautunut taajuuksille. Vaikka melun käyttöönotto saattaa nähdä laskurin intuitiivisena, tämä todella vähentää äänimäärän määrää satunnaisuuden takia. Lisäksi käyttämällä erityisiä kohinamaisia vaihtamiskuvioita, jotka väärinkäyttävät ihmisen korvan taajuusvastetta, 16-bittinen tasoitettu ääni voi tosiasiallisesti säilyttää havaitun kohinakerroksen hyvin lähellä 120dB: tä, aivan havaintomme rajoissa.
32-bittisellä datalla ja 192 kHz: n näytteenottotaajuudella on huomattavia etuja studiossa, mutta samoja sääntöjä ei sovelleta toistoon.
Yksinkertaisesti sanottuna, anna studioiden tukkia kiintolevynsä tällä korkearesoluutioisella sisällöllä, emme yksinkertaisesti tarvitse kaikkia näitä tarpeettomia tietoja, kun kyse on korkealaatuisesta toistosta.
Paketoida
Jos olet edelleen kanssani, älä tulkitse tätä artikkelia älypuhelimien äänikomponenttien parantamisen täydelliseksi hylkäämiseksi. Vaikka numeron touting voi olla turhaa, laadukkaammat komponentit ja parempi piirisuunnittelu ovat edelleen erinomainen kehitys mobiilimarkkinoilla, meidän on vain varmistettava, että valmistajat keskittävät huomionsa oikeisiin asioihin. Esimerkiksi LG V10: n 32-bittinen DAC kuulostaa hämmästyttävältä, mutta sinun ei tarvitse vaivautua valtavien äänitiedostokokojen hyödyntämiseen.
Mahdollisuus ajaa pienimpedanssisia kuulokkeita, säilyttää alhainen melutaso DAC-liittimestä ja tarjota minimaalinen vääristymä ovat älypuhelimen äänen huomattavasti tärkeämpiä ominaisuuksia kuin teoreettisesti tuettu bittisyvyys tai näytteenottotaajuus, ja toivottavasti pystymme sukeltaa näihin kohtiin yksityiskohtaisemmin tulevaisuudessa.
