1. ძირითადი ცნებები
1) ბიტის სიჩქარე: მიუთითებს რამდენი ბიტი წამში უნდა იყოს დაშიფრული (შეკუმშული) აუდიო მონაცემები, ხოლო ერთეული ჩვეულებრივ kbps წარმოადგენს.
2) ხმამაღალი და ინტენსივობა: ბგერის სუბიექტური ატრიბუტები. ხმამაღლა მიუთითებს რამდენად ხმამაღლა ჟღერს ხმა. ხმამაღლა ძირითადად განსხვავდება ხმის ინტენსივობის მიხედვით, მაგრამ მასზე ასევე მოქმედებს სიხშირე. ზოგადად რომ ვთქვათ, სუფთა საშუალო სიხშირის ხმები უკეთესია, ვიდრე სუფთა დაბალი სიხშირის და მაღალი სიხშირის ხმები.
3) შერჩევისა და შერჩევის სიჩქარე: შერჩევა არის უწყვეტი დროის სიგნალის გარდაქმნა დისკრეტულ ციფრულ სიგნალად. შერჩევის სიჩქარე ეხება რამდენ ნიმუშს აგროვებს წამში.
ნიკვისტის სინჯის აღების კანონი: როდესაც სინჯის აღების სიჩქარე აღემატება უწყვეტი სიგნალის 2-ჯერ ყველაზე მაღალ სიხშირის კომპონენტს, სინჯის აღების სიგნალი შეიძლება გამოყენებულ იქნას ორიგინალი უწყვეტი სიგნალის სრულყოფილად შესადგენად.
2. საერთო აუდიო ფორმატები
1) WAV ფორმატია Microsoft- ის მიერ შემუშავებული ხმოვანი ფაილის ფორმატი, რომელსაც ტალღის ხმოვან ფაილსაც უწოდებენ. ეს არის ყველაზე ადრეული ციფრული აუდიო ფორმატი, რომელსაც ფართოდ უჭერს მხარს Windows პლატფორმა და მისი პროგრამები და აქვს დაბალი შეკუმშვის სიჩქარე.
2) MIDI არის მუსიკალური ინსტრუმენტის ციფრული ინტერფეისის აბრევიატურა, ასევე ცნობილი როგორც მუსიკალური ინსტრუმენტის ციფრული ინტერფეისი, რომელიც არის ერთიანი საერთაშორისო სტანდარტი ციფრული მუსიკის / ელექტრონული სინთეზური მუსიკალური ინსტრუმენტებისათვის. ეს განსაზღვრავს კომპიუტერული მუსიკალური პროგრამების, ციფრული სინთეზატორებისა და სხვა ელექტრონული მოწყობილობების მუსიკალური სიგნალების გაცვლის გზას და განსაზღვრავს მონაცემთა გადაცემის პროტოკოლს კაბელებსა და აპარატურას შორის და სხვადასხვა მწარმოებლის კომპიუტერიდან ელექტრონული მუსიკალური ინსტრუმენტების დამაკავშირებელ საშუალებებს და შეუძლია მრავალი მუსიკალური მუსიკის სიმულაცია ინსტრუმენტები. MIDI ფაილი არის ფაილი MIDI ფორმატში და ზოგიერთი ბრძანება ინახება MIDI ფაილში. გაუგზავნეთ ეს ინსტრუქციები ხმოვან ბარათს და ხმოვანი კარტა მოახდენს ხმის სინთეზს ინსტრუქციის შესაბამისად.
3) MP3 სრული სახელია MPEG-1 Audio Layer 3, რომელიც გაერთიანდა MPEG სპეციფიკაციაში 1992 წელს. MP3- ს შეუძლია ციფრული აუდიო ფაილების შეკუმშვა მაღალი ხმის ხარისხით და შერჩევის დაბალი სიჩქარით. ყველაზე გავრცელებული პროგრამა.
4) MP3Pro შეიმუშავა შვედეთის კოდირების ტექნოლოგიურმა კომპანიამ, რომელიც შეიცავს ორ მნიშვნელოვან ტექნოლოგიას: ერთია კოდირების ტექნოლოგიური კომპანიის უნიკალური დეკოდირების ტექნოლოგია, ხოლო მეორე MP3 პატენტის მფლობელის ფრანგული Thomson Multimedia Company და გერმანული Fraunhofer ინტეგრირება წრეების ასოციაციის მიერ. MP3Pro– ს შეუძლია გააუმჯობესოს ორიგინალი MP3 მუსიკის ხმის ხარისხი, ფაილის ზომა ძირითადად შეცვლის გარეშე. მას შეუძლია შეინარჩუნოს ხმის ხარისხი შეკუმშვამდე მაქსიმალურად, ხოლო აუდიო ფაილების კომპრესირება უფრო დაბალი ბიტური სიჩქარით.
5) MP3Pro შეიმუშავა შვედეთის კოდირების ტექნოლოგიურმა კომპანიამ, რომელიც შეიცავს ორ მნიშვნელოვან ტექნოლოგიას: ერთია კოდირების ტექნოლოგიური კომპანიის უნიკალური დეკოდირების ტექნოლოგია, ხოლო მეორე MP3 პატენტის მფლობელის ფრანგული Thomson Multimedia Company და გერმანული Fraunhofer ინტეგრირება წრეების ასოციაციის მიერ. MP3Pro– ს შეუძლია გააუმჯობესოს ორიგინალი MP3 მუსიკის ხმის ხარისხი, ფაილის ზომა ძირითადად შეცვლის გარეშე. მას შეუძლია შეინარჩუნოს ხმის ხარისხი შეკუმშვამდე მაქსიმალურად, ხოლო აუდიო ფაილების კომპრესირება უფრო დაბალი ბიტური სიჩქარით.
6) WMA (Windows Media Audio) არის Microsoft- ის შედევრი ინტერნეტ აუდიოსა და ვიდეოს სფეროში. WMA ფორმატი აღწევს შეკუმშვის მაღალ სიჩქარეს მონაცემთა ტრაფიკის შემცირებით, მაგრამ ხმის ხარისხის შენარჩუნებით. შეკუმშვის სიჩქარე ზოგადად შეიძლება მიაღწიოს 1:18. გარდა ამისა, WMA- ს ასევე შეუძლია დაიცვას საავტორო უფლებები DRM (ციფრული უფლებების მენეჯმენტი) საშუალებით.
7) RealAudio არის Real Networks- ის მიერ გამოცემული ფაილის ფორმატი. ყველაზე დიდი მახასიათებელია ის, რომ მას შეუძლია აუდიო ინფორმაციის რეალურ დროში გადაცემა, განსაკუთრებით მაშინ, როდესაც ქსელის სიჩქარე ნელია, მას კვლავ შეუძლია შეუფერხებლად გადასცეს მონაცემები, ამიტომ RealAudio ძირითადად შესაფერისია ქსელში ონლაინ რეჟიმში თამაშისთვის. მიმდინარე RealAudio ფაილის ფორმატებში ძირითადად შედის RA (RealAudio), RM (RealMedia, RealAudio G2), RMX (RealAudio Secured) და ა.შ. ამ ფაილების საერთოა ის, რომ ხმის ხარისხი იცვლება ქსელის გამტარობის განსხვავებით. ამ მოსაზრების თანახმად, უმეტესობას გლუვი ხმა ესმის, მსმენელს უფრო ფართო გამტარობით შეუძლია უკეთესი ხმის ხარისხი.
8) Audible– ს აქვს ოთხი განსხვავებული ფორმატი: Audible1, 2, 3, 4. Audible.com ვებ – გვერდი ძირითადად ყიდის აუდიო წიგნებს ინტერნეტით და უზრუნველყოფს დაცული საქონლისა და ფაილების დაცვას, რომელსაც ისინი ყიდიან Audible.com– ის ოთხი აუდიო ფორმატის ერთ – ერთიდან. . თითოეული ფორმატი ძირითადად ითვალისწინებს აუდიოს წყაროს და მოსასმენ მოწყობილობას. 1, 2 და 3 ფორმატებში ხმის შეკუმშვის სხვადასხვა დონეა, ხოლო ფორმატში 4 გამოიყენება შერჩევის უფრო დაბალი სიჩქარე და იგივე დეკოდირების მეთოდი, როგორც MP3. შედეგად მიღებული ხმა უფრო მკაფიოა და მისი ჩამოტვირთვა შესაძლებელია უფრო ეფექტურად ინტერნეტიდან. Audible იყენებს დესკტოპის დაკვრის საკუთარ ინსტრუმენტს, რომელიც არის Audible Manager. ამ პლეერის საშუალებით შეგიძლიათ ითამაშოთ აუდიო ფორმატის ფაილები, რომლებიც ინახება კომპიუტერში ან გადაეცემა პორტატულ პლეერზე.
9) AAC სინამდვილეში არის Advanced Audio Coding- ის აბრევიატურა. AAC არის აუდიო ფორმატი, რომელიც ერთობლივად შემუშავებულია Fraunhofer IIS-A, Dolby და AT&T მიერ. ეს არის MPEG-2 სპეციფიკაციის ნაწილი. AAC– ს მიერ გამოყენებული ალგორითმი განსხვავდება MP3– სგან. AAC აერთიანებს სხვა ფუნქციებს კოდირების ეფექტურობის გასაუმჯობესებლად. AAC- ის აუდიო ალგორითმი ბევრად აღემატება შეკუმშვის შესაძლებლობების ზოგიერთ წინა შეკუმშვის ალგორითმს (როგორიცაა MP3 და ა.შ.). იგი ასევე მხარს უჭერს 48-მდე აუდიო ტრეკს, 15 დაბალი სიხშირის აუდიო ტრეკს, მეტი სინჯის სიჩქარეს და ბიტის სიჩქარეს, მრავალენოვანი თავსებადობას და დეკოდირების უფრო მაღალ ეფექტურობას. მოკლედ, AAC- ს შეუძლია უზრუნველყოს ხმის უკეთესი ხარისხი იმ პირობით, რომ ის 30% -ით მცირეა ვიდრე MP3 ფაილები.
10) Ogg Vorbis არის ახალი აუდიოკომპრესიული ფორმატი, მსგავსი მუსიკალური ფორმატებისა, როგორიცაა MP3. მაგრამ ერთი განსხვავება ისაა, რომ ის არის უფასო, ღია და პატენტის შეზღუდვის გარეშე. Vorbis არის ამ აუდიოკომპრესიული მექანიზმის სახელი და Ogg არის პროექტი, რომელიც აპირებს შექმნას სრულიად ღია მულტიმედიური სისტემა. VORBIS ასევე არის დანაკარგი კომპრესიული, მაგრამ ის იყენებს უფრო მაღალ მოწინავე აკუსტიკურ მოდელებს დანაკარგის შესამცირებლად. ამიტომ, იგივე ბიტიანი სიჩქარით კოდირებული OGG უკეთესად ჟღერს, ვიდრე MP3.
11) APE არის უდანაკარგო კომპრესირებული აუდიო ფორმატი, იმის გათვალისწინებით, რომ ხმის ხარისხი არ არის შემცირებული, ზომა შეკუმშულია ტრადიციული უდანაკარგო ფორმატის WAV ფაილის ნახევარზე.
12) FLAC არის Free Lossless Audio Codec– ის, კარგად ცნობილი უფასო აუდიო უდანაკარგო კომპრესიული კოდების ერთობლიობა, რომელიც ხასიათდება უდანაკარგო კომპრესიით.
3. აუდიო კოდირების ძირითადი პრინციპი
მეტყველების კოდირება ეძღვნება არხის გამტარობის შემცირებას, რომელიც საჭიროა გადაცემისთვის, ხოლო შენატანი სიტყვის მაღალი ხარისხის შენარჩუნება.
მეტყველების კოდირების მიზანია შექმნას დაბალი სირთულის შიფრატორი, რათა მივაღწიოთ მაღალხარისხიან მონაცემთა გადაცემას, რაც შეიძლება დაბალი ბიტის სიჩქარით.
1) მუნჯი ბარიერის მრუდი: ბარიერი, რომელზეც ადამიანის ყურს შეუძლია მოისმინოს ხმა სხვადასხვა სიხშირეზე მხოლოდ წყნარ გარემოში.
2) კრიტიკული სიხშირის ზოლი
იმის გამო, რომ ადამიანის ყურს აქვს სხვადასხვა რეზოლუცია სხვადასხვა სიხშირისთვის, MPEG1 / Audio ყოფს აღქმადი სიხშირის დიაპაზონს 22 კჰზ-ში 23 ~ 26 კრიტიკულ სიხშირეზე, სხვადასხვა კოდირების ფენების და სინჯის სხვადასხვა სიხშირეების მიხედვით. შემდეგ ფიგურაში მოცემულია იდეალური კრიტიკული სიხშირის დიაპაზონის ცენტრალური სიხშირე და გამტარობა. როგორც ნახაზზე ჩანს, ადამიანის ყურს აქვს დაბალი სიხშირის უკეთესი რეზოლუცია
3) სიხშირის დომენის ნიღბების ეფექტი: უფრო დიდი ამპლიტუდის მქონე სიგნალი ფარავს სიგნალს მსგავსი სიხშირით და მცირე ამპლიტუდით, როგორც ნაჩვენებია ქვემოთ მოცემულ ფიგურაში:
4) ნიღბების ეფექტი დროის დომენში: მოკლე დროში, თუ ორი ხმა გამოჩნდება, უფრო დიდი SPL (ხმის წნევის დონე) მქონე ბგერა დაფარავს ხმას უფრო მცირე SPL- ით. დროის დომენის ნიღბვის ეფექტი იყოფა ფორვარდულ ნიღბებზე (წინა ნიღბები) და უკანა ნიღბებზე (ნიღბების შემდგომი). ნიღბის შემდგომი დრო უფრო გრძელი იქნება, დაახლოებით 10 – ჯერ მეტი, ვიდრე წინა მასკინგი.
დროის დომენის ნიღბვის ეფექტი ხელს უწყობს წინასწარი ექოს აღმოფხვრას.
4. კოდირების ძირითადი საშუალება
1) კვანტიზატორი და კვანტიზატორი
კვანტიზაცია და კვანტიზატორი: კვანტიზაცია გარდაქმნის უწყვეტ სიგნალს დისკრეტულ დროში დისკრეტულ დროში დისკრეტულ სიგნალად. ჩვეულებრივი კვანტიზატორებია: ერთგვაროვანი კვანტიზატორი, ლოგარითმული კვანტიზატორი და არაერთგვაროვანი კვანტიზატორი. კვანტიზაციის პროცესის მიზანი არის კვანტიზაციის შეცდომის შემცირება და კვანტიზატორის სირთულის შემცირება (ეს ორი თავისთავად წინააღმდეგობაში მოდის).
(ა) ერთიანი საკვანძო: უმარტივესი, ყველაზე ცუდი შესრულება, მხოლოდ სატელეფონო ხმისთვის შესაფერისი.
(B) ლოგარითმული კვანტიზატორი: ეს უფრო რთულია, ვიდრე ერთგვაროვანი და ადვილია მისი შესრულება, ხოლო მისი შესრულება უკეთესია, ვიდრე ერთგვაროვანი.
(C) არაერთგვაროვანი კვანტიზატორი: სიგნალის განაწილების მიხედვით, შეიმუშავეთ კვანტიზატორი. დეტალური რაოდენობრივი მოწმობა ხორციელდება იქ, სადაც სიგნალი მკვრივია, ხოლო უხეში რაოდენობრივი განსაზღვრა ხდება სიგნალის იშვიათობის შემთხვევაში.
2) ხმის შიფრატორი
მეტყველების შიფრატორები სამი სახისაა: (ა) ტალღური ფორმის შიფრატორი; (ბ) ვოკოდერი; (გ) ჰიბრიდული შიფრატორი.
ტალღის ფორმის შიფრატორი მიზნად ისახავს ანალოგური ტალღის ფორმის შექმნას ფონური ხმაურის ფურცლის ჩათვლით. მოქმედი ყველა შეყვანის სიგნალზე, ის გამოიმუშავებს მაღალი ხარისხის ნიმუშებს და მოიხმარს მაღალ ბიტიან სიჩქარეს. ვოკოდერი არ აღადგენს თავდაპირველ ტალღურ ფორმას. კოდირების ეს ნაკრები ამოიღებს პარამეტრების ერთობლიობას, რომლებიც იგზავნება მიღების ბოლოს ხმის წარმოების მოდელის მისაღებად. ვოკოდერის ხმის ხარისხი არ არის საკმარისად კარგი. ჰიბრიდული შიფრატორი, რომელიც აერთიანებს ტალღური ფორმის შიფრატორისა და ჟღერადობის უპირატესობებს.
2.1 Waveform შიფრატორი
ტალღის ფორმის შიფრატორის დიზაინი ხშირად დამოუკიდებელია სიგნალიდან. ასე რომ, ის შესაფერისია სხვადასხვა სიგნალების კოდირებისთვის და არ შემოიფარგლება მეტყველებით.
1) დროის დომენის კოდირება
ა) PCM: პულსის კოდის მოდულაცია, კოდირების უმარტივესი მეთოდია. ეს მხოლოდ სიგნალის დისკრეტიზაცია და კვანტიზაციაა და ხშირად გამოიყენება ლოგარითმიზაცია.
ბ) DPCM: დიფერენციალური პულსის კოდის მოდულაცია, რომელიც მხოლოდ აკოდირებს სხვაობას ნიმუშებს შორის. წინა ერთი ან მეტი ნიმუში გამოიყენება ამჟამინდელი ნიმუშის მნიშვნელობის პროგნოზირებისთვის. რაც უფრო მეტი ნიმუშია გამოყენებული წინასწარმეტყველების შესადგენად, მით უფრო ზუსტია წინასწარმეტყველებული მნიშვნელობა. სხვაობას ნამდვილ მნიშვნელობასა და პროგნოზირებულ მნიშვნელობას შორის ეწოდება ნარჩენი, რაც კოდირების ობიექტია.
გ) ADPCM: ადაპტაციური დიფერენციალური პულსის კოდის მოდულაცია, ადაპტაციური დიფერენციალური პულსის კოდი. ეს არის ის, რომ DPCM– ის საფუძველზე, კვანტიზატორი და პროგნოზირება სწორად არის მორგებული სიგნალის ცვლილებების შესაბამისად, ისე, რომ პროგნოზირებული მნიშვნელობა უფრო ახლოს იყოს რეალურ სიგნალთან, ნარჩენი უფრო მცირეა და შეკუმშვის ეფექტურობა უფრო მაღალია.
(2) სიხშირის დომენის კოდირება
სიხშირის დომენის კოდირება არის სიგნალის დაშლა სხვადასხვა სიხშირის ელემენტებად და დამოუკიდებელი კოდირების განხორციელება.
ა) ქვეჯგუფის კოდირება: ქვეჯგუფის კოდირება არის უმარტივესი სიხშირული დომენის კოდირების ტექნიკა. ეს არის ტექნოლოგია, რომელიც გარდაქმნის თავდაპირველ სიგნალს დროის დომინიდან სიხშირის დომენზე, შემდეგ ყოფს მას რამდენიმე ქვეჯგუფად და შესაბამისად ასრულებს მათზე ციფრულ კოდირებას. იგი იყენებს band-pass filter (BPF) ჯგუფს, რომ გაყოს ორიგინალი სიგნალი რამდენიმე (მაგალითად, m) ქვეჯგუფად (მოხსენიებულია როგორც ქვეჯგუფები). თითოეული ქვეჯგუფის გავლა მოდულაციის მახასიათებლებისთვის, რაც ექვივალენტური ზოლის ამპლიტუდის მოდულაციას უტოლდება, თითოეული ქვეჯგუფი გადაიტანეთ ნულოვან სიხშირეზე, შესაბამისად გაიარეთ BPF (ჯამში მ), შემდეგ გადააქვთ თითოეული ქვეჯგუფი დადგენილი სიჩქარით Nyquist- ის სიჩქარე) ქვეჯგუფის გამომავალი სიგნალის სინჯირება ხდება, ხოლო შერჩეული მნიშვნელობა, როგორც წესი, ციფრული კოდირებით, დაყენებულია მ ციფრული შიფრატორები. თითოეული ციფრული კოდირებული სიგნალი გაგზავნეთ მულტიპლექსორზე და ბოლოს გამოდით ქვეჯგუფის კოდირებული მონაცემთა ნაკადისგან.
სხვადასხვა ქვეჯგუფისთვის შეიძლება გამოყენებულ იქნას კვანტიზაციის განსხვავებული მეთოდები და სხვადასხვა რაოდენობის ბიტი შეიძლება გამოიყოს ქვეჯგუფებს ადამიანის ყურის აღქმის მოდელის შესაბამისად.
ბ) გარდაქმნის კოდირება: DCT კოდირება.
5. ვოკოდერი
არხის ვოკოდერი: იყენებს ადამიანის ყურის მგრძნობელობას ფაზის მიმართ.
ჰომომორფული ვოკოდერი: შეუძლია სინთეზური სიგნალების ეფექტურად დამუშავება.
ფორმატორი ვოკდერი: ხმოვანი სიგნალის ინფორმაციის უმეტესი ნაწილი განლაგებულია ფორმატის პოზიციაზე და სიგანეზე.
ხაზოვანი პროგნოზირებადი ვოკოდერი: ყველაზე ხშირად გამოყენებული ვოკოდერი.
6. ჰიბრიდული შიფრატორი
ტალღის ფორმის შიფრატორი ცდილობს შეინარჩუნოს დაშიფრული სიგნალის ტალღოვანი ფორმა და შეუძლია უზრუნველყოს მაღალი ხარისხის მეტყველება საშუალო ბიტიანი სიჩქარით (32 kbps), მაგრამ მისი გამოყენება არ შეიძლება დაბალი ბიტის სიჩქარის შემთხვევებში. ვოკოდერი ცდილობს წარმოქმნას სიგნალი, რომელიც ხმოვანი მნიშვნელობით არის დაშიფრული სიგნალის მსგავსი და შეუძლია გასაგები მეტყველება უზრუნველყოს დაბალი ბიტური სიჩქარით, მაგრამ შედეგად წარმოთქმული ჟღერადობა არაბუნებრივად ჟღერს. ჰიბრიდული შიფრატორი აერთიანებს ორივეს უპირატესობას.
RELP: წრფივი პროგნოზის საფუძველზე, ნარჩენების კოდირება ხდება. მექანიზმია: მხოლოდ ნარჩენების მცირე ნაწილის გადაცემა და ყველა დარჩენილი ნაწილის რეკონსტრუქცია მიღების ბოლოს (საბაზო ზოლის ნარჩენების კოპირება).
MPC: მრავალ პულსიანი კოდირება, რომელიც ხსნის ნარჩენების კორელაციას და გამოიყენება კომპენსაციისთვის ვოკოდერის ხმების მარტივი კლასიფიკაციისათვის გახმოვანებულად და არაჟანგრიანად შუალედური მდგომარეობების დეფექტების გარეშე.
CELP: კოდების წიგნი აღელვებს წრფივ პროგნოზს, რომელიც იყენებს ვოკალური ტრაქტის პროგნოზს და ხმის პროგნოზირების კასკადს ორიგინალის სიგნალის უკეთ დასადგენად.
MBE: მრავალფუნქციური აღგზნება, რომლის მიზანია დიდი რაოდენობით CELP გამოთვლების თავიდან აცილება, უფრო მაღალი ხარისხის მიღება ვიდრე ვოკოდერი.
ჩვენი სხვა პროდუქტი:
