Audioformate. Die Dokumentation zum Kurzvortrag über digitale Audioformate von Michael Gerber

Transkript

1 Audioformate Die Dokumentation zum Kurzvortrag über digitale Audioformate von Michael Gerber Gerber Michael 12/14/2012

2 Inhaltsverzeichnis Inhaltsverzeichnis... 1 Einleitung... 2 Geschichte... 2 MP WAV... 3 FLAC... 3 Funktionsweise... 4 MP WAV... 5 FLAC... 5 Vor- & Nachteile der Audioformate... 7 MP WAV... 7 FLAC... 8 Vergleich von verschiedenen MP3-Kompressionen... 9 Kompression mit 320 kbit/s... 9 Kompression mit 64 kbit/s Quellen Seite 1 von 11

3 Einleitung Beim Digitalisieren wird das analoge Audiosignal in schneller zeitlicher Abfolge abgetastet, wobei Messwerte ermittelt werden. Je langsamer abgetastet wird, desto flacher klingt das Ergebnis, weil dabei gerade hohe Töne und Formanten, die bei hohen Frequenzen, also in sehr schneller Folge oszillieren nicht mehr einzeln abgetastet werden. Je höher also die Abtastrate (Samplefrequenz), desto klarer und definierbarer klingt das Ergebnis. Bei jeder Abtastung wird ein Wert ermittelt, der dann abgespeichert wird. Je genauer der Wert, desto differenzierter und sauberer klingt das Ergebnis. Man spricht hier von der Wortbreite. Sie wird in Bit angegeben und entspricht bei der Abtastung in etwa der Messgenauigkeit eines Messgerätes. Übliche Wortbreiten sind 4, 8, 16, 24 und 32 Bit, wobei bei 32 Bit zusätzliche Informationen abgespeichert werden, die nicht direkt den Klang beeinflussen. WAV ist ein Format, das unkomprimierte Rohdaten im PCM-Format speichert. Durch weglassen, zusammenfassen oder Diffusion werden bei Komprimierungsverfahren wie MP3, OGG, WMA etc. Datenmengen reduziert. Dabei wird weitestgehend, je nach Codec darauf geachtet, dass es sich für das menschliche Ohr nahezu gleich anhört. Leider nur nahezu. Bässe klingen nicht mehr knackig, Stimmen werden schwerer verständlich (insbesondere Konsonanten), Höhen verlieren an Brillanz. Allerdings ist erstaunlich, wie stark die Kompression zum relativ geringen Qualitätsverlust ist. Dennoch bleibt ein Qualitätsverlust, den man immer hören kann, wenn man sich darauf konzentriert. Bei Datenraten von 256 kbit/s benötigen die meisten Menschen aber schon den direkten Vergleich, um den Unterschied zu hören. Geschichte MP3 Das Audioformat.mp3 wurde ab 1982 unter der Leitung vom deutschen Ingenieur Hans-Georg Musmann von einer Gruppe am Fraunhofer-Institut für Integrierte Schaltungen entwickelt. Eine wichtige Rolle spielten dabei ausserdem die Firmen AT&T Bell Labs und Thomson. Ab 1989 wurde die Entwicklung innerhalb einer ISO-Norm (ISO/IEC JTC1 SC29 Abbildung 1: Hans-Georg Musmann, Erfinder des MP3- Formats WG11 (MPEG)) fortgeführt wurde es als Teil des MPEG-1-Standards festgeschrieben. Die Geschichte der Standardisierung und die Würdigung der Beiträge der Forscher sind in einem Buch von Hans-Georg Musmann (Genesis of the MP3 Audio Seite 2 von 11

4 Coding Standard by Hans Georg Musmann in IEEE Transactions on Consumer Electronics, Vol. 52) dargestellt. Die Dateinamenserweiterung.mp3 (Abkürzung für ISO MPEG Layer 3) wurde am 14. Juli 1995 nach einer institutsinternen Umfrage festgelegt; vorher wurde intern die Dateinamenserweiterung.bit verwendet. Wie bei den Meisten der aktuellen Codierverfahren sind die Grundeigenschaften von MP3 durch Patente geschützt. Mitte der 1990er Jahre waren Abspielgeräte und Software für PCs im Umlauf, die es ermöglichten, komprimierte MP3-Dateien zu speichern und abzuspielen. Auch der Austausch solcher Dateien über das Internet wurde viel einfacher: Sogar bei einer ISDN- Geschwindigkeit brauchte man für die Übertragung nur das zwei- bis dreifache der Abspielzeit; mit DSL-Leitungen lag die Übertragung sogar unterhalb der Abspieldauer. Diese Tatsachen führten bald zu einem aktiven Tauschhandel ohne Beachtung des Urheberrechts. Versuche der Musikindustrie, dagegen vorzugehen, sind bis heute nur mässig erfolgreich, da sich die Tauschsysteme immer weiter entwickeln und nach dem Peer-to-Peer-Prinzip ohne zentrale, kontrollierbare Kopien auskommen. Ende der 1990er Jahre entstanden grosse Ansammlungen von Musikdateien im Internet, wie zum Beispiel bei MP3.com oder Napster, was die Anzahl der Nutzer erheblich steigen liess. Ab 1998 erschienen im Handel die ersten portablen MP3-Player. WAV Für dieses Format wurde keine ausführliche Geschichte gefunden, jedoch einige grobe Jahresangaben. Das.wav (Waveform Audio File Format ist ein Microsoft- und IBM Audiodateien- Standard, um Audiodateien auf PCs abzuspeichern. Zum ersten Mal wurde das.wav- Audioformat im Jahr 1991 von Microsoft und IBM entwickelt und herausgegeben. Die neuste Version dieses Formates kam im März 2007 heraus, wobei Mehrkanal- Audiodateien mit dem.wav-format erstellt werden konnten. FLAC Die Entwicklung des FLAC-Formates begann im Jahr Am 20. Juli 2001 wurde Version 1.0 veröffentlicht. Im Februar 2002 gab der erste Hersteller, PhatNoise, Die Unterstützung von FLAC in seinem Audio-System bekannt wurde von der Xiph.Org Foundation Abbildung 2: Logo vom FLAC-Format angekündigt, dass FLAC in ihr Container-Format integriert werde, um so neben Vorbis auch verlustfreie Kompression zu ermöglichen wurde eine grössere Öffentlichkeit auf FLAC aufmerksam, als die Band Metallica bekanntgab, ihre Konzerte künftig nicht nur im verlust- und patentbehafteten Format MP3 zu verkaufen, sondern die Aufzeichnungen für Musikliebhaber auch im FLAC-Format anzubieten. Seite 3 von 11

5 Funktionsweise MP3 Wie bei den meisten verlustbehafteten Kompressionsformaten für Musik nutzt das MP3- Verfahren psychoakustische Effekte der menschlichen Wahrnehmung von Tönen und Geräuschen aus. Zum Beispiel kann der Mensch zwei Töne erst ab einem gewissen Mindestunterschied der Tonhöhe voneinander unterscheiden, vor und nach sehr lauten Geräuschen kann das Gehör für kurze Zeit leisere Geräusche schlechter oder gar nicht wahrnehmen. Man braucht also nicht das Ursprungssignal exakt abzuspeichern, sondern es genügen die Signalanteile, die das menschliche Gehör auch wahrnehmen kann. Die Aufgabe des MP3-Codierers Abbildung 3: Das menschliche Ohr ist es, das originale Tonsignal nach festgelegten, an der Psychoakustik orientierten Regeln so aufzubereiten, dass weniger Speicherplatz benötigt wird, aber das Signal für das menschliche Gehör immer noch wie das Original klingt. Die Daten, die durch den MP3-Codierer entfernt wurden, gehen unwiederbringlich verloren, das heisst, sie sind im MP3-Signal nicht mehr vorhanden und aus diesem auch prinzipiell nicht mehr rekonstruierbar. Dieser obenstehende Text erklärt den Ausdruck verlustbehaftete Kompression. Beim Abspielen des so erzeugten MP3- Signals erzeugt der Dekoder aus den reduzierten Daten ein für die überwiegende Anzahl von Hörern original klingendes analoges Tonsignal, das aber nicht mit dem Ursprungssignal identisch ist, da bei der Umwandlung in das MP3-Format Informationen entfernt wurden. Wenn man Abbildung 4: Logo des MP3-Formats den zeitlichen Signalverlauf des MP3- Tonsignals mit dem Original vergleichen würde, etwa auf dem Schirm eines Oszilloskops, wären daher deutliche Unterschiede zu erkennen. Wegen der oben erwähnten Psychoakustik der menschlichen Wahrnehmung hört sich das MP3-Signal für einen Zuhörer dennoch unter der Voraussetzung eines ausgereiften Kodierers und einer ausreichend hohen Datenrate (Bitrate) bei der Kodierung genau wie das Original an. Während die Dekodierung stets einem festgelegten Algorithmus folgt, kann die Kodierung nach verschiedenen Algorithmen erfolgen (z. B. Fraunhofer-Encoder, LAME- Encoder) und liefert dementsprechend unterschiedliche akustische Ergebnisse. Die Frage, ob dabei von manchen oder auch vielen Zuhörern wahrnehmbare Qualitätsverluste auftreten, hängt unter anderem von der Qualität des Kodierers, von Seite 4 von 11

6 der Komplexität des Signals, von der Datenrate, von der verwendeten Audiotechnik (Verstärker, Verbindungskabel, Lautsprecher) und schließlich auch vom Gehör des Hörers ab. Das MP3-Format erlaubt, neben festen Datenraten von 8 kbit/s bis zu 320 kbit/s, im freeformat-modus auch beliebige freie Datenraten bis zu 640 kbit/s (Freeform- MP3). Allerdings sind nur wenige MP3-Player-Decoder für höhere Bitraten als den ISO- Standard (derzeit bis 320 kbit/s) ausgelegt. Die Qualitätseindrücke sind recht subjektiv und von Mensch zu Mensch sowie von Gehör zu Gehör unterschiedlich. Die meisten Menschen können ab einer Bitrate von etwa 160 kbit/s und bei Nutzung eines ausgereiften Enkodierers auch bei konzentriertem Zuhören das kodierte Material nicht mehr vom Ausgangsmaterial unterscheiden. Bei Menschen mit abnormem Gehör (z. B. mit Hörschäden durch Knalltrauma) greifen die eingesetzten Mechanismen aber mitunter nicht wie vorgesehen, so dass ihnen Unterschiede zwischen kodiertem und Ausgangsmaterial eher auffallen (z. B. weil laute Töne, die das geschädigte Gehör schlecht hört, andere Töne nicht mehr gut verdecken können). Neben der Kodierung mit konstanter Datenrate (= schwankende Qualität, einhergehend mit der im zeitlichen Verlauf wechselnden Komplexität des Tonsignals) ist auch eine Kodierung mit konstanter Qualität (und damit schwankender Datenrate) möglich. Man vermeidet dadurch (weitgehend) Qualitätseinbrüche an schwierig zu kodierenden Musikstellen, spart jedoch andererseits bei ruhigen oder gar völlig stillen Passagen des Audiostromes an der Datenrate und somit an der endgültigen Dateigröße. Die Qualitätsstufe wird vorgegeben und man erhält auf diese Art die dafür minimal notwendige Datei. WAV Das WAVE-Datenformat ist ein Containerformat zur digitalen Speicherung von Audiodaten, das auf dem von Microsoft für Windows definierten Resource Interchange File Format (RIFF) aufsetzt. Eine WAVE-Datei enthält vor den Audiodaten zumindest Informationen über deren Format. In WAVE-Files sind meistens sogenannte PCM-Daten (Puls-Code-Modulation), also eine zeit- und wertdiskrete Darstellung des zeitlichen Verlaufs eines Signals. Die Qualität des aufgezeichneten Signals hängt dann von zwei Werten ab: der Abtastrate (Anzahl der Abtastungen pro Zeiteinheit) und der Auflösung (Bit-Tiefe), im Fall von komprimierten Daten auch vom Verfahren, z.b. MP3). FLAC WAV-Dateien, die in FLAC (Free Lossless Audio Codec) konvertiert werden, erreichen laut den Herstellern rund eine Komprimierung von 50% gegenüber der Originalgrösse. Tests haben jedoch ergeben, dass die Komprimierung ca. auf 60% der Ausgangsgrösse sinkt. Hierbei ist die Art der Musik sehr auschlaggebend. Ein ruhiges Stück mit einer kleinen Anzahl von Instrumenten kann auf ca. 30% der ursprünglichen Grösse werden, ein sehr vielschichtiges Stück dagegen auf 75% kommen. Die Kompressionsrate hängt sehr stark von der Abtastrate und der Wortbreite ab. Seite 5 von 11

7 FLAC nutzt für die Kodierung und Dekodierung ausschliesslich Festkommaarithmetik, wodurch vor allem Hardwareimplementierungen vereinfacht werden. Für das Eingangssignal ist der Codec sehr flexibel. Unterstützt wird: - Auflösungen zwischen 4 und 32 Bit pro Sample - Abtastfrequenzen zwischen 1Hz und 655kHz Kanäle Das verwendete Dateiformat unterstützt die Speicherung von Metadaten mittels Vorbis Comment und kann auch Replay-Gain-Daten hinterlegen. Bei der Komprimierung verarbeitet FLAC die Eingangsdaten in mehreren Schritten. - Blocking: FLAC unterteilt die Daten jedes Kanals in Blöcke zu je 1000 bis 6000 Samples. Die Blöcke aller Kanäle zu einem bestimmten Zeitpunkt werden gemeinsam in einem Frame untergebracht. - Inter-Channel Decorrelation: Sofern ein Stereo-Signal anliegt, kann es aus der vorliegenden Links-Rechts-Kodierung (d. h. jeder Kanal ist separat codiert) in eine Mid-Side-Kodierung überführt werden. Die geschieht entweder fest (also immer bei L/R belassen bzw. immer in M/S umwandeln) oder adaptiv in jedem Frame (der Encoder wählt die günstigere Kodierung). Im Falle von Signalen mit mehr Kanälen (z. B. 5.1-Surround) kann dieser Schritt analog angewandt werden. - Modeling: Der Werteverlauf jedes Blocks wird entweder mittels einer Polynomfunktion oder mit dem Verfahren Linear Predictive Coding angenähert. Die resultierenden Koeffizienten werden im Frame gespeichert. - Residual Coding: Das Fehlersignal, also der Unterschied zwischen dem tatsächlichen Signal und dem modellierten Signal, wird mittels Rice-Kodierung verlustfrei im Frame gespeichert. - Framing: Zuletzt werden die entstandenen Frames mit Header und Footer versehen, die unter anderem für Fehlererkennung mittels CRC und die Synchronisierung möglich machen. Seite 6 von 11

8 Vor- & Nachteile der Audioformate MP3 Vorteile: - Kleine Speicherplatzbelegung - Gute Qualität (vor allem bei hohen Datenraten (256kBit/s & 320kBit/s) - Weitverbreitetstes Audioformat kann mit nahezu jedem Media-Player geöffnet werden. - Dieses Format macht es einfach, Audio-CDs zu rippen (auf PC importieren) - Gratis & OpenSource Kann von jedem legal verwendet werden. - Enthält ID3-Tag: speichert Informationen wie z.b Interpret, Album und Erscheinungsjahr. Nachteile: - Die komprimierten Daten können nicht wieder in den Originalzustand versetzt werden: die Abfälle gehen unwiderruflich verloren - Es kann sein, dass der Song an einigen Stellen unterbricht, vor allem, wenn der Computer/ MP3-Player sonst schon recht ausgelastet ist. - Kaum Sicherheit (Verschlüsselung) vorhanden. - Im Vergleich zu AAC oder OGG Qualität ziemlich schlecht. WAV Vorteile: - WAV-Files sind verlustlose Dateien. Dies bedeutet, dass keine Qualität verloren geht, wenn sie abgespeichert werden. - WAV-Files sind viel einfach bearbeitbar als MP3-Files; WAV-Files können sogar im Windows Sound Recorder bearbeitet werden. - Es findet eine viel höhere Genauigkeit der Amplitude des Samples statt als im MP3 Format. Nachteile: - Ein im WAV-Format abgespeicherter Song ist 4-mal grösser als derselbe Song im MP3-Format, was viel mehr Speicherplatz in Anspruch nimmt. - Früher waren WAV-Files normalerweise nur im Mono-Format erhältlich, dies bedeutet, dass ältere WAV-Files nur einen Kanal aufweisen. Seite 7 von 11

9 FLAC Vorteile: - Das FLAC-Format ist komplett offen (Open Source, offener Quellcode, kann von allen gratis verwendet werden) - Arbeitet sehr schnell - Gute und sichere Framestruktur - Komplett verlustloses Audioformat - FLAC kann ohne Probleme gestreamt werden. Nachteile: - Nicht mit allen Media-Playern kompatibel - Recht grosse Dateigrössen, jedoch kleiner als die WAV-Dateien Seite 8 von 11

10 Vergleich von verschiedenen MP3-Kompressionen Kompression mit 320 kbit/s Abbildung 5: Spektrumanalyse von einem mit 320 kbit/s komprimierten Lied Hier ist sehr gut zu sehen, wie ein mit 320 kbit/s komprimiertes Lied aussieht. Das Spektrum geht sauber von 20Hz (Leider nicht sichtbar, da der Spektrum-Analyzer nur ab ca. 300Hz anzeigt) bis 20kHz. Dieses Spektrum ist dasjenige eines Liedes mit einer Datenrate von 320 kbit/s. Dies ist fast die grösstmögliche Datenrate von MP3 und hat sich auf jeglichen Seiten durchgesetzt, da der Qualitätsverlust sehr klein ist. Ganz anders sieht es bei sehr viel tieferen Kompressionen aus: Seite 9 von 11

11 Kompression mit 64 kbit/s Abbildung 6: Spektrumanalyse von demselben Lied mit 64 kbit/s komprimiert Auf diesem Bild ist sehr gut sichtbar, was ein MP3-Encoder genau macht. Damit Informationen wegfallen, wird einfach das ganze Spektrum bei ca khz abgeschnitten. Dadurch fallen ebenso genaue Samples und Amplitudenwerte von den etwas tieferen Frequenzen weg. Da die höheren Frequenzen (10-20kHz) sehr viele Samples verwenden, schneidet der Encoder diese Frequenzen einfach ab. Dadurch wird sehr viel Platz eingespart und so wird z.b. aus einem WAV-Lied (Dauer 0:17sec, Grösse 2.76 MB) ein MP3-Lied mit einer sehr viel kleineren Dateigrösse (selbe Dauer, Grösse 129 KB). Einer der grossen Nachteile dieser Dateiverkleinerung ist der grosse Verlust der Qualität. Seite 10 von 11

12 Quellen Seite 11 von 11