วิวัฒนาการของการบันทึกเสียงและรูปแบบเสียง

จากฟอยล์ดีบุกสู่สตรีมดิจิทัล: เรื่องราวของรูปแบบเสียงทอดยาวเกือบ 150 ปี เริ่มต้นจากการบันทึกเสียงแบบหยาบ ๆ ครั้งแรก และพัฒนามาเป็นไฟล์ดิจิทัลไฮเทคที่เราใช้กันทุกวันนี้ ใน 1877 โทมัส เอดิสัน บันทึกเสียงท่อนหนึ่งของ “Mary Had a Little Lamb” ลงบนแท่งทรงกระบอกหุ้มฟอยล์ดีบุก – ถือกำเนิดของ เครื่องเล่นแผ่นเสียง (phonograph) สิ่งประดิษฐ์ของเอดิสันเปิดยุค แอนะล็อก ที่คลื่นเสียงถูกสลักลงบนแท่งทรงกระบอกหรือแผ่นดิสก์เพื่อเล่นผ่านเครื่องแกรมโมโฟนแบบกลไก เป็นเวลาหลายทศวรรษที่เพลงและเสียงถูกบันทึกในรูปแบบแอนะล็อกบนสื่ออย่างแผ่นไวนิลและเทปแม่เหล็ก แต่เมื่อเทคโนโลยี avanz Scientists เริ่มสำรวจวิธีแทนเสียงด้วย สัญญาณไฟฟ้าและตัวเลข ใน 1937 วิศวกรชาวอังกฤษ Alec Reeves เสนอ การมอดูเลตโค้ดพัลส์ (PCM) – การเข้ารหัสเสียงเป็นชุดตัวเลขไบนารี แนวคิดเรื่อง การแปลงเสียงเป็นดิจิทัล นี้วางรากฐานให้กับทุกสิ่งตั้งแต่ซีดีไปจนถึง MP3 แม้ว่าจะไม่สามารถทำได้จริงด้วยอิเล็กทรอนิกส์ในทศวรรษ 1930 ก็ตาม พอถึงกลางศตวรรษที่ 20 นักประดิษฐ์ที่ Bell Labs และที่อื่น ๆ กำลังทดลองเสียงดิจิทัล และรากฐานทางทฤษฎี (เช่น ทฤษฎีบทการสุ่มตัวอย่างของ Nyquist ใน 1928) ก็พร้อมแล้ว
การปฏิวัติดิจิทัล: ความก้าวหน้าครั้งสำคัญมาถึงในช่วงปลายทศวรรษ 1970 และต้นทศวรรษ 1980 บริษัทอย่าง Sony และ Philips นำ PCM มาใช้กับเครื่องเสียงสำหรับผู้บริโภค ทำให้เราได้ คอมแพกต์ดิสก์ (CD) หลังจากการพัฒนาหลายปี Philips ได้สาธิตซีดีต่อสาธารณชนใน 1981 และ Sony เปิดตัวเครื่องเล่นซีดีเชิงพาณิชย์เครื่องแรก (CDP-101) ใน 1982 ทันใดนั้นดนตรีก็สามารถรับฟังได้ด้วย เสียงดิจิทัล 16-บิต/44.1 kHz ที่ใสกระจ่าง ปลอดจากเสียงป๊อปและเสียงฮิส ตลอดทศวรรษ 1980 เสียงดิจิทัลแพร่ไปสู่สตูดิโอและบ้านเรือน – ตั้งแต่เครื่องบันทึกหลายแทร็กในสตูดิโอไปจนถึงการเปิดตัวเทป DAT และเวิร์กสเตชันเสียงบนคอมพิวเตอร์เครื่องแรก ๆ พอถึงต้นทศวรรษ 1990 เวทีก็พร้อมสำหรับไฟล์เสียงดิจิทัลบนคอมพิวเตอร์ส่วนบุคคล Apple ได้เปิดตัว Macintosh พร้อมระบบเสียงในตัว และ Microsoft กำลังปรับ Windows สำหรับมัลติมีเดีย
จากพีซีสู่อินเทอร์เน็ต: เมื่อคอมพิวเตอร์มีพลังมากขึ้น รูปแบบไฟล์เสียง ใหม่ ๆ ก็เกิดขึ้นเพื่อจัดเก็บและแบ่งปันเสียง ใน 1988 Apple เปิดตัว Audio Interchange File Format (AIFF) สำหรับ Macintosh ซึ่งเป็นหนึ่งในรูปแบบไฟล์เสียงดิจิทัลมาตรฐานแรก ๆ ไม่กี่ปีต่อมาใน 1991 Microsoft และ IBM ก็ตอบโต้ด้วย Waveform Audio File Format (WAV) สำหรับ Windows ตอนแรกไฟล์ขนาดใหญ่ที่ไม่บีบอัดเหล่านี้ถูกใช้สำหรับเสียงระบบหรือการตัดต่อเสียงระดับมืออาชีพ แต่ไม่นาน การเติบโตของอินเทอร์เน็ตและพื้นที่จัดเก็บที่จำกัดก็ผลักดันความต้องการ การบีบอัด นักวิจัยพัฒนาอัลกอริทึมเพื่อย่อข้อมูลเสียงอย่างมหาศาล ก่อให้เกิดรูปแบบ สูญเสียข้อมูล (lossy) อย่าง MP3 ในต้นทศวรรษ 1990 พอถึงปลายทศวรรษ 90 ไฟล์เสียงที่บีบอัดแล้วก็บินข้ามเว็บผ่าน Napster และบริการอื่น ๆ ปฏิวัติการจำหน่ายเพลง ทุกวันนี้ เรามีระบบนิเวศที่หลากหลายของรูปแบบเสียง – แต่ละรูปแบบมีประวัติศาสตร์ เทคโนโลยี และจุดประสงค์ของตัวเอง ในโพสต์นี้ เราจะเจาะลึกประเภทไฟล์เสียงหลัก ๆ (ทั้งที่พบได้ทั่วไปและเฉพาะทาง) สำรวจว่าทำไมจึงถูกสร้างขึ้น ใครเป็นผู้ประดิษฐ์ ความก้าวหน้าทางเทคนิคใดที่นำมา และใช้ที่ไหน
รูปแบบเสียงที่ไม่บีบอัด: WAV, AIFF และ PCM
เมื่อเสียงถูก ไม่บีบอัด มันจะถูกจัดเก็บเป็นข้อมูลดิบที่แทนทุกตัวอย่างของคลื่นเสียง รูปแบบที่พบมากที่สุดคือ Linear PCM (Pulse Code Modulation) – รูปแบบเดียวกับที่ใช้บนซีดี ซึ่งเข้ารหัสแอมพลิจูดของรูปคลื่นอย่างซื่อตรงในช่วงเวลาที่สม่ำเสมอ เสียงที่ไม่บีบอัดให้คุณภาพสูงสุดโดยแลกกับขนาดไฟล์ที่ใหญ่ สองในรูปแบบไฟล์เสียงดิจิทัลที่เก่าแก่ที่สุด คือ WAV และ AIFF ถูกสร้างขึ้นเพื่อจัดเก็บข้อมูล PCM สำหรับ Windows และ Mac ตามลำดับ
WAV – Waveform Audio File Format ของ Microsoft
WAV (Waveform Audio File Format) เป็นรูปแบบไฟล์เสียงมาตรฐานสำหรับคอมพิวเตอร์ Windows พัฒนาร่วมกันโดย IBM และ Microsoft และเปิดตัวในปี 1991 ถูกนำมาใช้พร้อมกับ Windows 3.1 ในฐานะรูปแบบเสียงดิจิทัล native ของแพลตฟอร์ม WAV โดยพื้นฐานแล้วเป็นตัวห่อหุ้มข้อมูลเสียง PCM ดิบ มันสร้างอยู่บนรูปแบบคอนเทนเนอร์ RIFF (Resource Interchange File Format) ของ Microsoft ซึ่งเก็บข้อมูลใน chunks ที่มีป้ายกำกับ การออกแบบเป็น chunk นี้ทำให้ WAV ขยายได้และอนุญาตให้รวมเมตาดาต้าหรือแม้แต่เสียงที่บีบอัด แม้ว่าในทางปฏิบัติไฟล์ WAV ส่วนใหญ่จะบรรจุ PCM ที่ไม่บีบอัด ผู้ใช้ Windows ยุคแรกอาจจำเสียงเริ่มต้นระบบ – ไฟล์ WAV สั้น ๆ ที่เล่นตอนบูต – เป็นการสัมผัสเสียงดิจิทัลครั้งแรกบนพีซี
ข้อได้เปรียบใหญ่ของ WAV คือการรักษาเสียงตามที่บันทึกไว้ทุกประการ WAV สเตอริโอคุณภาพซีดี (44.1 kHz, 16-bit) ใช้พื้นที่ประมาณ 10 MB ต่อนาที เนื่องจากไม่มีอะไรถูกทิ้ง ความเที่ยงตรงแบบ lossless นี้ทำให้ WAV เหมาะสำหรับการบันทึกระดับมืออาชีพ การตัดต่อ และการเก็บถาวร สตูดิโอ adopting WAV สำหรับเก็บมาสเตอร์ และแม้ทุกวันนี้ digital audio workstation มักใช้ WAV ภายใต้ฮูด ข้อเสียแน่นอนคือขนาดไฟล์ – WAV ที่ไม่บีบอัดมีขนาดใหญ่ ทำให้ไม่สะดวกสำหรับสื่อพกพาหรือการแชร์อินเทอร์เน็ตยุคแรก เพื่อแก้ข้อจำกัดบางประการ ส่วนขยายเช่น Broadcast WAV (BWF) ใน 1997 เพิ่มเมตาดาต้า (เวลาประทับ ฯลฯ) สำหรับใช้ในการออกอากาศ และตัวแปร RF64 ขยายขนาดไฟล์เกินขีดจำกัด 4GB ของ WAV มาตรฐาน แต่ในแง่คุณภาพเสียง WAV ที่มี PCM ดีที่สุดเท่าที่จะเป็นไปได้: มันเป็นสำเนา bit-perfect ของเสียงแอนะล็อกต้นฉบับ (ภายในขีดจำกัดของอัตราการสุ่มและความลึกบิต)
AIFF – รูปแบบไฟล์ Audio Interchange ของ Apple
ในฝั่ง Macintosh AIFF (Audio Interchange File Format) ถูกเปิดตัวโดย Apple ใน 1988 เพื่อเป็นคำตอบของ Mac ต่อ WAV Apple สร้าง AIFF บนรูปแบบ IFF ของ Electronic Arts (กำเนิดบนคอมพิวเตอร์ Amiga) โดยใช้การเก็บแบบ chunk คล้ายกันเพื่อเก็บข้อมูลเสียงและเมตาดาต้า เช่นเดียวกับ WAV AIFF มาตรฐานเก็บเสียง PCM ที่ไม่บีบอัด (โดยทั่วไป 16-bit สเตอริโอที่อัตราการสุ่มต่าง ๆ) อันที่จริงภายใต้ฮูด AIFF และ WAV คล้ายกันมาก – ทั้งคู่สามารถบรรจุ PCM ที่ให้ 'เสียงคุณภาพสตูดิโอเต็มรูปแบบ' บนแพลตฟอร์มของตน ความแตกต่างทางเทคนิคหนึ่งคือ endianness: AIFF แบบคลาสสิกเป็น big-endian (ตรงกับโปรเซสเซอร์ Motorola ใน Mac เก่า) ในขณะที่ WAV เป็น little-endian (ตรงกับพีซี Intel)
AIFF ทำให้ Mac ปลายยุค 80 สามารถจัดการเสียงดิจิทัลคุณภาพสูงได้เป็นครั้งแรก นักดนตรีและวิศวกรเสียงสามารถบันทึกและตัดต่อเสียงคุณภาพซีดีบนคอมพิวเตอร์ – ก้าวกระโดดใหญ่จากเสียง 8-bit คุณภาพต่ำที่คอมพิวเตอร์บ้านหลายเครื่องมี การนำ AIFF มาใช้แต่เนิ่น ๆ ของ Apple เชื่อมโยงกับผลิตภัณฑ์เช่น Sound Designer II และต่อมา Logic Pro และ GarageBand; หากคุณทำงานในสตูดิโอที่ใช้ Mac AIFF เป็นเรื่องปกติ เมื่อเวลาผ่านไป AIFF พัฒนา – ส่วนขยาย AIFF-C อนุญาตข้อมูลบีบอัด – แต่ AIFF ที่ไม่บีบอัดยังคงเป็นบรรทัดฐาน ทุกวันนี้ AIFF แพร่หลายน้อยกว่า WAV (ส่วนหนึ่งเพราะ Windows ครองตลาดในยุค 90) แต่ยังได้รับการสนับสนุนเต็มที่ในทุกแพลตฟอร์ม ผู้ใช้ Mac มักแลกเปลี่ยน AIFF และ WAV กันอย่างเสรี เนื่องจาก ไม่มีความแตกต่างด้านคุณภาพ ระหว่างกัน มรดกของ AIFF ส่วนใหญ่เป็นเชิงประวัติศาสตร์: มันแสดงให้เห็นว่าพีซีและ Mac สามารถบรรลุ 'เสียงระดับสตูดิโอ' ปูทางสำหรับทุกสิ่งตั้งแต่การบันทึกที่บ้านไปจนถึงประสบการณ์สื่อที่สมบูรณ์ซึ่งเราถือเป็นเรื่องปกติในปัจจุบัน
(ทั้ง WAV และ AIFF มีจุดประสงค์เดียวกัน: รักษาข้อมูลเสียงให้สมบูรณ์ หากคุณต้องการรักษาคุณภาพทุกบิต – ตัวอย่างเช่น เมื่อมาสเตอร์เพลงหรือตัดต่อเสียงสำหรับภาพยนตร์ – คุณจะใช้ WAV หรือ AIFF ข้อแลกเปลี่ยนคือขนาดไฟล์ที่ใหญ่และไม่มีการบีบอัด สำหรับการฟังหรือการเผยแพร่ในชีวิตประจำวัน คุณภาพระดับเกินความจำเป็นนี้ไม่จำเป็น ซึ่งเป็นจุดที่รูปแบบด้านล่างเข้ามาเกี่ยวข้อง)
รูปแบบเสียงบีบอัดแบบ Lossy
เมื่อเสียงดิจิทัลแพร่หลายมากขึ้น ก็เห็นได้ชัดว่าไฟล์ PCM ดิบนั้น ใหญ่เกินไป สำหรับการใช้งานหลายประเภท จึงเกิด การบีบอัดแบบสูญเสียข้อมูล: เทคนิคที่ลดขนาดไฟล์ลงอย่างมากโดยการทิ้งหรือประมาณข้อมูลเสียงที่มนุษย์มีโอกาสได้ยินน้อยกว่า รูปแบบ lossy ใช้ประโยชน์จากวิทยาศาสตร์จิตเวชศาสตร์เสียง (psychoacoustics) – ซึ่ง effectively “หลอก” หูของเราเพื่อให้เสียงที่บีบอัดยังฟังดูดี (ส่วนใหญ่) แม้จะใช้บิตน้อยกว่ามากก็ตาม ทศวรรษ 1990 เห็นการเติบโตของการพัฒนาตัวแปลงสัญญาณ lossy ที่ขับเคลื่อนโดยความจำเป็นในการจัดเก็บเพลงบนพื้นที่จำกัด (ฮาร์ดไดรฟ์รุ่นแรก, MiniDisc) และเพื่อสตรีมหรือดาวน์โหลดเสียงผ่านเครือข่ายที่ช้า มาสำรวจรูปแบบ lossy หลัก ๆ ตั้งแต่ MP3 ที่เปลี่ยนโลกไปจนถึงผู้สืบทอดสมัยใหม่
MP3 – MPEG Layer III การปฏิวัติเสียง
ไม่มีรูปแบบเสียงใดมีผลกระทบทางวัฒนธรรมเหมือน MP3 ทางเทคนิคเรียกว่า MPEG-1 Audio Layer III MP3 ถูกพัฒนาในช่วงปลายทศวรรษ 1980 และต้นทศวรรษ ’90 โดยหลักโดยทีมที่ สถาบัน Fraunhofer ของเยอรมนี นำโดยดร. Karlheinz Brandenburg โดยมีส่วนร่วมจากสถาบันอื่น ๆ กลุ่ม Fraunhofer ได้วิจัยการเข้ารหัสเสียงคุณภาพสูงอัตราบิตต่ำเป็นส่วนหนึ่งของโครงการ EUREKA DAB ที่ได้รับการสนับสนุนจาก EU ตั้งแต่ 1987 Brandenburg ซึ่งมักถูกเรียกว่า “บิดาแห่ง MP3” ได้ทำงานเกี่ยวกับอัลกอริทึมการบีบอัดเพลงตั้งแต่ทศวรรษ 1970 และความพยายามของ Fraunhofer (ชื่อรหัส ASPEC) ได้แข่งขันกับข้อเสนออื่น ๆ ในคณะกรรมการ MPEG ใน 1991 กลุ่ม MPEG ได้เลือกแนวทางแบบผสมผสาน: พวกเขานำแนวคิดจากตัวแปลงสัญญาณหลายตัว (Musicam Layer II, ASPEC ของ AT&T ฯลฯ) มาสร้าง MPEG Layer III ผลลัพธ์คือ MP3 ซึ่งสรุปในมาตรฐาน MPEG-1 ที่เผยแพร่ใน 1993 Fraunhofer เปิดตัวซอฟต์แวร์เข้ารหัส MP3 ตัวแรก (l3enc) ใน 1994 และเลือกนามสกุล “.mp3” ในเดือนกรกฎาคม 1995
ทำไม MP3 จึงเป็นความก้าวหน้า: การใช้เทคนิคการรับรู้ที่ชาญฉลาด MP3 สามารถลดเสียง CD ได้ประมาณ 90% แต่ยังฟังดูซื่อสัตย์อย่างน่าประหลาดใจ มันใช้ธนาคารตัวกรองแบบไฮบริด (ส่วนหนึ่งเป็นโพลีเฟส ส่วนหนึ่งเป็น MDCT) และแบบจำลอง psychoacoustics เพื่อทิ้งเนื้อหาที่ไม่ได้ยิน ตัวอย่างเช่น เสียงดังกลบเสียงเบา ดังนั้น MP3 จึงตัดเสียงที่ถูกกลบออกและลดความแม่นยำในจุดที่ไม่ถูกสังเกต เป้าหมายทั่วไปที่ 128 kbps สำหรับเพลงสเตอริโอถูกเลือกเพื่อให้คุณภาพ “ใกล้เคียง CD” ในไฟล์ที่เล็กกว่ามาก ในเกร็ด anecdotes ที่มีชื่อเสียง Brandenburg ทดสอบอัลกอริทึมโดยใช้แทร็กอะแคปเปลลา “Tom’s Diner” ของ Suzanne Vega – เสียงของเธอบีบอัดได้ยากโดยไม่มี artifacts เขาฟังซ้ำแล้วซ้ำเล่า ปรับแต่งตัวเข้ารหัสจนเสียงร้องของ Vega ฟังดูเป็นธรรมชาติ ทำให้เธอได้รับฉายา “มารดาแห่ง MP3” การปรับแต่งอย่างละเอียดนี้ได้ผล: เสียง MP3 ที่ขนาดเพียงเศษส่วนของต้นฉบับแยกไม่ออกจากต้นฉบับสำหรับผู้ฟังส่วนใหญ่ โดยเฉพาะผ่านหูฟังหรือลำโพงยุค 90
การเติบโตและความแพร่หลาย: MP3 ยังคงอยู่ในห้องทดลองจนถึงปลายทศวรรษ 1990 เมื่อมันระเบิดเข้าสู่จิตสำนึกสาธารณะ ใน 1997 สิทธิบัตร MP3 กำลังได้รับอนุญาตอย่างแข็งขัน (Fraunhofer ได้รับสิทธิบัตรสหรัฐใน 1996) แต่กลุ่มแฮกเกอร์ก็ crack ตัวแปลงสัญญาณและเปิดตัวตัวเข้ารหัสฟรี (เช่น LAME) ที่สำคัญคือภายใน 1998-1999 เวทีได้ถูกจัดเตรียมสำหรับการกระจายอินเทอร์เน็ต MP3 ขนาดไฟล์ทำให้การดาวน์โหลดเพลงเป็นไปได้ผ่านสายโทรศัพท์ และ Napster เพลงต้นฉบับปรากฏใน 1999 ให้ผู้ใช้หลายล้านคนแลกเปลี่ยน MP3 แบบ peer-to-peer ทันใดนั้น ใครก็สามารถ rip CD เป็น MP3 และแชร์ไปทั่วโลก – การเปลี่ยนแปลงกระบวนทัศน์ที่สั่นสะเทือนอุตสาหกรรมเพลง ค่ายเพลงมองการแลกเปลี่ยน MP3 ฟรีของ Napster ว่าเป็น “การละเมิดลิขสิทธิ์เพลง” และฟ้องร้อง นำไปสู่การปิด Napster แต่ยักษ์ก็ออกจากขวดแล้ว เครื่องเล่น “MP3 แบบพกพา” เปิดตัวสู่ตลาด (Diamond Rio ฯลฯ) และภายในต้นทศวรรษ 2000 MP3 ก็เป็นมาตรฐานโดยพฤตินัยสำหรับเพลงดิจิทัล แม้จะมีรูปแบบใหม่กว่า ความเข้ากันได้และส่วนแบ่งจิตใจของ MP3 ทำให้มันยังคงเป็นราชา ในความเป็นจริง แม้ทุกวันนี้ อุปกรณ์เกือบทุกเครื่องสามารถเล่น MP3 และร้านค้าออนไลน์หลายแห่ง (Amazon ฯลฯ) เสนอเพลงเป็นดาวน์โหลด MP3
ข้อจำกัด: การบีบอัดแบบ psychoacoustic ของ MP3 นั้นเป็นแบบสูญเสีย (lossy) – ข้อมูลเสียงบางส่วนจะสูญหายไปตลอดกาล ที่อัตราบิตต่ำ (ต่ำกว่า ~128 kbps) อาจได้ยินสิ่งแปลกปลอมเช่น pre-echo, warbling หรือเสียงที่ดูกลวง นอกจากนี้ MP3 ยังจำกัดอยู่ที่ สองช่องสัญญาณ (สเตอริโอ) สำหรับ MPEG-1 และไม่มีการรองรับเสียงรอบทิศทางหรืออัตราสุ่มตัวอย่างที่สูงกว่าในตัว (สิ่งเหล่านี้ได้รับการแก้ไขบางส่วนใน MPEG-2 AAC) MP3 ยังพัวพันกับปัญหาเรื่องการอนุญาตสิทธิบัตร; Fraunhofer และ Thomson เรียกเก็บค่าธรรมเนียมสำหรับตัวเข้ารหัส/ถอดรหัสมาหลายทศวรรษ (ที่น่าสังเกตคือ สิทธิบัตรของ MP3 ได้ หมดอายุ แล้ว ณ 2017 ทำให้สามารถใช้งานได้ฟรี) ทั้งหมดนี้ MP3 บรรลุสิ่งที่ผู้ประดิษฐ์ฝันไว้ – มัน “ลดปริมาณข้อมูลที่ต้องการลงอย่างมาก” สำหรับเสียงในขณะที่ยังฟังดูเหมือนต้นฉบับในกรณีส่วนใหญ่ มันปูทางให้กับโลกสมัยใหม่ของการสตรีมมิ่งและเพลงตามสั่ง
AAC – ผู้สืบทอดของ MP3
AAC (Advanced Audio Coding) ถูกออกแบบในปลายทศวรรษ 1990 เพื่อเป็น ผู้สืบทอดอย่างเป็นทางการของ MP3 – โคเดกใหม่ที่สามารถแก้ไขข้อบกพร่องของ MP3 และบรรลุประสิทธิภาพที่ดีขึ้น AAC ได้รับการพัฒนาจากกลุ่มบริษัทต่างๆ รวมถึง Dolby Labs, Fraunhofer IIS, AT&T Bell Labs, Sony และ Nokia โดยทำงานผ่านองค์กร MPEG เวอร์ชันแรกของ AAC ได้รับการกำหนดมาตรฐานใน 1997 ในชื่อ MPEG-2 Part 7 (มักเรียกว่า MPEG-2 AAC) ต่อมาได้รับการปรับปรุงและรวมอยู่ในมาตรฐาน MPEG-4 (ทำให้ AAC เป็นรูปแบบเสียงหลักสำหรับ MPEG-4 ด้วย)
เหตุผลที่สร้าง AAC: MP3 ได้พิสูจน์คุณค่าของการบีบอัดแบบสูญเสีย แต่วิศวกรรู้ว่าพวกเขาสามารถทำได้ดีกว่า AAC รวมเครื่องมือการเขียนโค้ดขั้นสูงและแบบจำลอง psychoacoustic เพื่อให้มีความเที่ยงตรงสูงขึ้นที่อัตราบิตที่กำหนด การปรับปรุงหลักของ AAC เมื่อเทียบกับ MP3 ได้แก่: การรองรับ อัตราสุ่มตัวอย่างที่มากขึ้น (ตั้งแต่ 8 kHz ถึง 96 kHz) และ ช่องสัญญาณที่มากขึ้น (สูงสุด 48 ช่องเทียบกับสเตอริโอของ MP3) AAC ใช้ธนาคารตัวกรองความละเอียดที่ละเอียดกว่า (2048-point MDCT) และสามารถสลับขนาดบล็อกเพื่อจัดการสัญญาณชั่วคราวได้ดีขึ้น (ลด pre-echo) นอกจากนี้ยังแนะนำคุณสมบัติเช่น การปรับปรุง joint stereo, การปรับแต่ง scale-factor และโมดูลเสริม (เช่น predictor, การควบคุมเกน ฯลฯ) เพื่อปรับปรุงประสิทธิภาพ ในแง่ง่ายๆ ไฟล์ AAC ที่เข้ารหัสอย่างดีจะฟังดู ใกล้เคียงต้นฉบับ มากกว่า MP3 ที่อัตราบิตเดียวกัน การทดสอบโดยทั่วไปแสดงว่า AAC บรรลุคุณภาพเทียบเท่าที่อัตราบิตต่ำกว่าประมาณ 30% เมื่อเทียบกับ MP3 ตัวอย่างเช่น AAC ที่ ~96 kbps สามารถเทียบได้กับ MP3 ที่ 128 kbps – ซึ่งเป็นการปรับปรุงที่สำคัญ
การนำไปใช้และการใช้งาน: AAC เริ่มได้รับความสนใจจากการนำไปใช้ในช่วงแรกเช่น QuickTime ของ Apple ในปลายทศวรรษ 90 และความพยายามในการแทนที่ ATRAC ของ Sony แต่จุดเปลี่ยนสำคัญมาพร้อมกับ Apple iTunes ใน 2003, Apple เลือก AAC เป็นรูปแบบสำหรับ iTunes Music Store และ iPod (ใช้คอนเทนเนอร์ .m4a) ผู้บริโภคหลายล้านคนซื้อและริปเพลงเป็น AAC โดยไม่รู้ตัว ทำให้มันกลายเป็นมาตรฐานกระแสหลัก AAC ยังเป็นรูปแบบเสียงสำหรับ ไฟล์วิดีโอ MP4 (มันคือ “AAC” ใน .mp4 หรือ .m4v) ซึ่งใช้กันอย่างแพร่หลายในการสตรีมมิ่งและแพลตฟอร์มวิดีโอ เมื่อเวลาผ่านไป มีการพัฒนา AAC หลายรูปแบบ: HE-AAC (“AAC+”) เพิ่ม Spectral Band Replication และ Parametric Stereo เพื่อเพิ่มประสิทธิภาพที่อัตราบิตต่ำ ทำให้ AAC เหมาะสมแม้กับแอปพลิเคชันแบนด์วิดท์ต่ำเช่นวิทยุอินเทอร์เน็ต AAC-LD และ AAC-ELD ให้โหมดความหน่วงต่ำสำหรับการสื่อสารแบบเรียลไทม์ ทุกวันนี้ AAC อยู่ทุกหนทุกแห่ง – เป็นค่าเริ่มต้นสำหรับ Apple Music (ตอนนี้มักใช้ AAC ที่ 256 kbps) ใช้ในการสตรีมมิ่ง HTML5 ของ YouTube รองรับโดย Android และกำหนดโดยมาตรฐานการออกอากาศต่างๆ แม้จะไม่ปลอดค่าลิขสิทธิ์ (ตัวเข้ารหัส/ถอดรหัส AAC ยังต้องได้รับใบอนุญาตจากผู้ถือสิทธิบัตรจนกว่าจะหมดอายุ) AAC ก็กลายเป็นม้าศึกของเสียงแบบสูญเสียสมัยใหม่
สรุปได้ว่า AAC ทำตามสัญญาในฐานะทายาทของ MP3: มัน โดยทั่วไปบรรลุคุณภาพเสียงที่สูงกว่า MP3 ที่อัตราบิตเดียวกัน รองรับช่องสัญญาณและช่วงเสียงที่มากขึ้น และยังคงเป็นรูปแบบที่นิยมสำหรับบริการเพลงหลายแห่ง ข้อแลกเปลี่ยนคือความซับซ้อนในการเข้ารหัสที่เพิ่มขึ้น – ตัวเข้ารหัสของ AAC ใช้การประมวลผลหนักขึ้น ซึ่งเป็นราคาที่สมเหตุสมผลสำหรับประสิทธิภาพที่ดีกว่า สำหรับผู้ฟัง AAC กับ MP3 มักจะแยกไม่ออก แต่ผู้ที่ชื่นชอบเสียงและวิศวกรชื่นชมประสิทธิภาพการเขียนโค้ดที่ улучขึ้นและความยืดหยุ่น
Ogg Vorbis – โอเพนซอร์สและไม่ถูกผูกมัด
ในขณะที่ MP3 และ AAC กำลังเปลี่ยนแปลงเสียงดิจิทัล พวกมันมาพร้อมกับเงื่อนไขสิทธิบัตรที่ผูกพัน สิ่งนี้กระตุ้นให้เกิดการสร้าง Ogg Vorbis ซึ่งเป็นตัวแปลงสัญญาณเสียงแบบโอเพนซอร์สและปลอดสิทธิบัตรสำหรับทุกคน Vorbis (มักเรียกกันว่า Ogg Vorbis ตามชื่อคอนเทนเนอร์ของมัน) ถูกนำโดยโปรแกรมเมอร์ Christopher “Monty” Montgomery และมูลนิธิ Xiph.Org โครงการเริ่มต้นในปี 1998–1999 โดยได้แรงบันดาลใจจากเหตุการณ์สำคัญ: Fraunhofer ประกาศแผนการที่จะเริ่มเรียกเก็บค่าลิขสิทธิ์สำหรับ MP3 ซึ่งคุกคามตัวเข้ารหัส/เครื่องเล่น MP3 ที่ให้บริการฟรี Monty จึงตั้งเป้าที่จะสร้างทางเลือกฟรีอย่างสมบูรณ์เพื่อที่ไม่มีใครต้องจ่ายเงินเพื่อบีบอัดหรือเล่นเพลงของตน
หลังจากการพัฒนาอย่างเข้มข้นและความร่วมมือจากชุมชน Vorbis ก็มาถึงการเปิดตัวเวอร์ชัน 1.0 ในเดือนกรกฎาคม 2002 (โดยมีการหยุดรูปแบบบิตสตรีมในเดือนพฤษภาคม 2000) ในทางเทคนิค Vorbis เป็นตัวแปลงสัญญาณแบบสูญเสียข้อมูลที่มีแนวทางคล้ายกับ MPEG audio แต่พัฒนาขึ้นอย่างอิสระ มันใช้ MDCT เช่นเดียวกับ MP3/AAC แต่มีลูกเล่นเฉพาะบางอย่าง (เช่น กลไกการสลับหน้าต่างที่ยืดหยุ่นและขั้นตอนการเข้ารหัสเอนโทรปีขั้นสูง) Vorbis ได้รับการปรับแต่งอย่างหนักเพื่อคุณภาพและไม่มีระดับบิตเรตที่ตายตัว – คุณสามารถกำหนดระดับคุณภาพและมันจะสร้างเสียงแบบบิตเรตแปรผัน (VBR) เพื่อให้ได้คุณภาพนั้น ในการทดสอบการฟังในช่วงเวลาที่เปิดตัว Vorbis มีประสิทธิภาพเทียบเท่าหรือดีกว่า MP3 โดยเฉพาะอย่างยิ่งที่บิตเรตสูงขึ้น (~128-192 kbps) และมันทำได้โดยไม่ละเมิดสิทธิบัตร ซึ่งเป็นสิ่งสำคัญสำหรับซอฟต์แวร์โอเพนซอร์ส
ใครและทำไม: การพัฒนาของ Vorbis เป็นโครงการโอเพนซอร์สระดับรากหญ้าเป็นหลัก Monty Montgomery เขียนโค้ดส่วนใหญ่ของการอ้างอิงการใช้งาน และอาสาสมัครจำนวนมากได้มีส่วนร่วม มันเป็นส่วนหนึ่งของโครงการ Oggที่ใหญ่กว่าภายใต้ Xiph.Org – “Ogg” เป็นรูปแบบคอนเทนเนอร์ และ Vorbis เป็นตัวแปลงสัญญาณเสียงตัวแรกในนั้น ชื่อ “Vorbis” มาจากตัวละครในนวนิยายแฟนตาซี Small Gods ซึ่งสอดคล้องกับประเพณี早期ของ Ogg ในการตั้งชื่อตัวแปลงสัญญาณตามนวนิยาย (Monty ยังสร้างตัวแปลงสัญญาณวิดีโอ Ogg Theora ในอีกสองปีต่อมา) การรวมกัน “Ogg Vorbis” ถูกออกแบบมาเพื่อให้เป็นการผสมผสานที่สมบูรณ์แบบ: คอนเทนเนอร์และตัวแปลงสัญญาณที่ใช้งานได้ฟรีอย่างสมบูรณ์
การนำไปใช้: Vorbis พบกลุ่มเป้าหมายในหมู่ผู้สนับสนุนโอเพนซอร์สและอุตสาหกรรมบางประเภท จากกลางทศวรรษ 2000 มันเป็นตัวแปลงสัญญาณที่เลือกใช้สำหรับเครื่องเล่นสื่อและเกมซอฟต์แวร์เสรีจำนวนมาก ตัวอย่างเช่น วิดีโอเกม (โดยเฉพาะบน PC) มักใช้ Ogg Vorbis สำหรับเพลงประกอบเพื่อหลีกเลี่ยงการออกใบอนุญาต MP3 Vorbis ยังได้รับความนิยมในยุคพอดคาสต์早期และสำหรับวิทยุอินเทอร์เน็ต (เช่น เซิร์ฟเวอร์สตรีมมิ่ง Icecast ของ Xiph เองที่รองรับการสตรีม Ogg Vorbis) ที่น่าสังเกตคือ Spotify ใช้การสตรีม Ogg Vorbis เป็นเวลาหลายปีในแอปเดสก์ท็อปและมือถือ Wikipedia และโครงการ Wikimedia อื่น ๆ เลือก Ogg Vorbis สำหรับไฟล์เสียงเนื่องจากสถานะปลอดค่าลิขสิทธิ์ Vorbis ไม่เคยได้รับการยอมรับชื่อเสียงในระดับสากลเหมือน “MP3” แต่ก็ขับเคลื่อนเสียงดิจิทัลจำนวนมากอย่างเงียบ ๆ การสนับสนุนฮาร์ดแวร์ล่าช้าในตอนแรก (เครื่องเล่น MP3 เพียงไม่กี่เครื่องรองรับ Ogg ในช่วงต้นทศวรรษ 2000) แต่ในที่สุดอุปกรณ์และโทรศัพท์สมัยใหม่จำนวนมากก็สามารถจัดการได้
รูปแบบ Vorbis แสดงให้เห็นว่าความร่วมมือแบบเปิดสามารถสร้างตัวแปลงสัญญาณระดับโลกได้ มันพิสูจน์ว่ามีชีวิตหลังสิทธิบัตร – แนวคิดที่ปูทางสำหรับตัวแปลงสัญญาณฟรีใหม่ ๆ เช่น Opus ในแง่ของคุณภาพ Vorbis อยู่ในระดับเดียวกับ AAC และ MP3 ในสถานการณ์ส่วนใหญ่ (ตัวเข้ารหัส Vorbis ที่ปรับแต่งมาอย่างดีที่คุณภาพ 5 (~160 kbps) โปร่งใสสำหรับผู้ฟังหลายคน) มันมีแนวโน้มที่จะมีประสิทธิภาพดีกว่า MP3 ที่บิตเรตต่ำกว่าและให้นักพัฒนาเป็นทางเลือกที่ไม่ต้องกังวลสำหรับเสียง Vorbis = อิสรภาพ เป็นเสียงเรียกร้อง ปัจจุบัน Vorbis ถูกแทนที่ด้วย Opus เป็นส่วนใหญ่สำหรับโครงการใหม่ (ดังที่เราจะเห็นต่อไป) แต่ก็ยังคงใช้งานอยู่และยังคงเสนอรูปแบบเปิดที่ใช้งานได้สำหรับการบีบอัดเสียงทั่วไป
Opus – สิ่งมหัศจรรย์สมัยใหม่สำหรับเสียง
Opus เป็นผู้เข้ามาใหม่กว่า (กำหนดมาตรฐานใน 2012) ที่กลายเป็น state-of-the-art โคเดกเสียงเปิดที่รวดเร็ว หาก MP3 ครองยุค 90 และ AAC ครองยุค 2000 Opus คือโคเดกแห่งยุค 2010 เป็นต้นไป – โดยเฉพาะสำหรับสตรีมมิ่งและการสื่อสารแบบเรียลไทม์ Opus ได้รับการพัฒนาโดย IETF Codec Working Group (องค์กรที่ปกติไม่ได้อยู่ในธุรกิจโคเดก แต่พวกเขารับมาทำ) โดยได้รับการสนับสนุนจาก Mozilla, Xiph.Org, Skype, Microsoft, Broadcom และอื่นๆ อันที่จริง Opus เกิดจากการรวมโคเดกที่แตกต่างกันสองตัวเข้าด้วยกัน: SILK ของ Skype (ปรับแต่งสำหรับเสียงพูด) และ CELT ของ Xiph (ปรับแต่งสำหรับเพลงคุณภาพสูง) เป้าหมายคือโคเดกเดียวที่จัดการได้ทุกอย่างตั้งแต่การโทรด้วยเสียงแบบ narrowband ไปจนถึงเพลงสเตอริโอ full-bandwidth ผลลัพธ์ถูกส่งไปยัง IETF และใน กันยายน 2012 Opus ได้รับการอนุมัติเป็น RFC 6716 ซึ่งเป็นมาตรฐานเปิด
ความก้าวหน้าทางเทคนิค: ความมหัศจรรย์ของ Opus คือ ความอเนกประสงค์它可以ปรับขนาดได้อย่างราบรื่นจากต่ำสุด 6 kbps (เสียงพูดบีบอัดสูง) ไปจนถึง 510 kbps (เสียงความละเอียดสูง) และทุกอย่างในระหว่างนั้น โดยจะสลับโหมดโดยอัตโนมัติระหว่างโคเดกแบบพยากรณ์ที่ใช้ SILK สำหรับเสียงพูดและโคเดกแบบแปลงที่ใช้ CELT สำหรับเพลง หรือแม้แต่ไฮบริดของทั้งสอง ขึ้นอยู่กับเนื้อหา รองรับ fullband audio (48 kHz) และ ขนาดเฟรม ตั้งแต่ 2.5 ms (สำหรับความหน่วงต่ำพิเศษ) ถึง 60 ms (สำหรับประสิทธิภาพ) Opus ยังทนทานต่อการสูญหายของแพ็กเก็ตและความสั่นสะเทือนของเครือข่าย ทำให้เหมาะสำหรับการสตรีมมิ่งทางอินเทอร์เน็ต ที่สำคัญ Opus บรรลุสิ่งที่โคเดกก่อนหน้าต้องต่อสู้: คุณภาพที่ดีมากสำหรับทั้งเสียงพูดและเพลงด้วยความหน่วงต่ำ การออกแบบก่อนหน้ามักปรับแต่งสำหรับอย่างใดอย่างหนึ่ง (เช่น Speex เป็นเสียงพูดเท่านั้น; Vorbis เป็นเพลงเท่านั้น; AAC-LD มีความหน่วงต่ำแต่ไม่ดีนักที่บิตเรตต่ำมาก เป็นต้น) Opus รวมสิ่งที่ดีที่สุดของทั้งสองโลก ในการทดสอบการฟัง Opus แสดงให้เห็นว่าเหนือกว่าโคเดกเก่า ตัวอย่างเช่น ที่ 64 kbps ให้ประสิทธิภาพดีกว่า HE-AAC และที่บิตเรตต่ำมากให้เสียงพูดที่เข้าใจได้ดีกว่าโคเดกใดๆ ในระดับเดียวกัน นอกจากนี้ยัง ปลอดค่าลิขสิทธิ์โดยสมบูรณ์ ซึ่งเร่งการนำไปใช้โดยเบราว์เซอร์และแพลตฟอร์ม
ใครใช้ Opus: เว็บเบราว์เซอร์สมัยใหม่แทบทุกตัวรองรับ Opus (มักในคอนเทนเนอร์ Ogg หรือ WebM) สำหรับเสียง HTML5 และ WebRTC เมื่อพูดถึง WebRTC Opus เป็นโคเดกเสียงภาคบังคับสำหรับมาตรฐานการสื่อสารแบบเรียลไทม์นี้ – หมายความว่าการโทรด้วยเสียง/วิดีโอผ่านเว็บใดๆ มีแนวโน้มใช้ Opus ภายใต้ฮูด บริการอย่าง Discord, Zoom และ WhatsApp ใช้ Opus สำหรับการโทรด้วยเสียงและข้อความเสียงเนื่องจากความหน่วงต่ำและคุณภาพ ยังใช้โดยแพลตฟอร์มอย่าง YouTube (สำหรับสตรีมมิ่งในรูปแบบ WebM) และ Spotify ได้ทดสอบ Opus สำหรับสตรีมมิ่งเช่นกัน บนเดสก์ท็อปและมือถือ การรองรับแพร่หลายในเฟรมเวิร์ก (Android และ iOS มีตัวถอดรหัส Opus และ FFmpeg/Libav ให้การรองรับแทบทุกเครื่องเล่น) โดยพื้นฐานแล้ว Opus กลายเป็นตัวเลือกแรกสำหรับทุกสถานการณ์ที่ต้องการเสียงที่มีประสิทธิภาพและคุณภาพสูงบนอินเทอร์เน็ตปัจจุบัน
ด้วย Opus เรามาถึงจุดที่การบีบอัดดีมากจนการต่อสู้เก่าๆ (MP3 vs AAC vs Vorbis) อาจไม่สำคัญสำหรับผู้ใช้ส่วนใหญ่ ที่ 128 kbps ขึ้นไป Opus โปร่งใสกับทุกคนเป็นหลัก แม้ที่บิตเรตต่ำกว่ามากก็ยังคงความชัดเจนได้ดีกว่ารูปแบบเดิมมาก เป็นเครื่องยืนยันว่าการเข้ารหัสเสียงมาไกลแค่ไหนตั้งแต่ยุค MP3 ต้นๆ ข้อแลกเปลี่ยนกับ Opus มีน้อย – ใช้การประมวลผลค่อนข้างหนัก (แม้จะถอดรหัสได้อย่างมีประสิทธิภาพ) และเนื่องจากใหม่กว่า อุปกรณ์เก่ามากบางรุ่นอาจไม่รองรับ แต่เนื่องจากเป็นมาตรฐานเปิดและปลอดค่าลิขสิทธิ์ Opus จึงมีแนวโน้มเป็นรากฐานของเสียงอินเทอร์เน็ตในอีกหลายปีข้างหน้า
รูปแบบ Lossy ที่โดดเด่นอื่นๆ (WMA, ATRAC, RealAudio, MP2 ฯลฯ)
รูปแบบข้างต้นเป็นตัวหลัก แต่โคเดก Lossy อื่นๆ อีกมากมายมีบทบาทในประวัติศาสตร์เสียง มาพูดถึงสั้นๆ สักสองสามตัว:
-
WMA (Windows Media Audio): ใน 1999, Microsoft ได้เข้าสู่สมรภูมิด้วย WMA โดยมุ่งหวังที่จะเอาชนะ MP3 ในด้านประสิทธิภาพและผูกเสียงเข้ากับระบบนิเวศ Windows Media ของตน WMA ถูกโฆษณาว่ามี “คุณภาพระดับ MP3 ที่บิตเรตเพียงครึ่งเดียว” แม้ว่าการทดสอบอิสระมักจะหักล้างข้อกล่าวอ้างนั้นก็ตาม WMA ดั้งเดิม (ซึ่งภายหลังเรียกว่า WMA Standard) ทำผลลัพธ์ได้ดีพอสมควรและกลายเป็นรูปแบบ lossy ที่แพร่หลายเป็นอันดับสองในช่วงต้นทศวรรษ 2000 ต้องขอบคุณความเหนือกว่าของ Windows Microsoft ผลักดัน WMA ใน Windows Media Player และร้านค้าออนไลน์ (เช่นผู้ที่ใช้ DRM’d WMA สำหรับบริการสมัครสมาชิกเพลง) ต่อมาพวกเขาเปิดตัว WMA Pro (รองรับรอบทิศทางแบบหลายช่องสัญญาณและเสียง 24-บิต) และ WMA Lossless (ตัวเข้ารหัสที่แตกต่างอย่างสิ้นเชิงสำหรับการบีบอัดแบบไม่สูญเสีย) ในช่วงต้นทศวรรษ 2000 อย่างไรก็ตาม ชะตากรรมของ WMA เสื่อมถอยลง — มันไม่เคยได้รับความนิยมนอกโลกของ PC/Windows และแม้แต่ร้านค้า Zune ของ Microsoft เองก็เลิกใช้ WMA เพื่อหันมาใช้ MP3 โดย 2011 ในที่สุด ปัจจุบัน WMA ถือเป็นมรดกตกทอดโดยพื้นฐาน หากคุณพบเจอ โดยปกติแล้วมันจะอยู่ในคอลเลกชันเก่าที่เน้น Windows หรือไฟล์เก็บถาวรของวิทยุสตรีมมิ่ง การรองรับฮาร์ดแวร์เป็นเรื่องปกติในทศวรรษ 2000 (เครื่องเล่น DVD และเครื่องเสียงรถยนต์จำนวนมากเล่น WMA ได้) แต่ในปัจจุบัน WMA ถูกทิ้งร้างไปเป็นส่วนใหญ่แล้ว สรุปสั้นๆ: WMA ทำหน้าที่ของมันได้ระยะหนึ่ง (โดยเฉพาะการเปิดใช้งานร้านค้าเพลงที่ป้องกันด้วย DRM และไฟล์ขนาดเล็กสำหรับเครื่องเล่นพกพายุคแรก) แต่มันเป็นรูปแบบที่ตายแล้วโดยพื้นฐานใน 2025
-
ATRAC: ย่อมาจาก Adaptive Transform Acoustic Coding, ATRAC เป็นตระกูลตัวเข้ารหัสที่พัฒนาโดย Sony สำหรับรูปแบบ MiniDisc เปิดตัวครั้งแรกใน 1992 พร้อมกับการเปิดตัว MiniDisc ATRAC ถือเป็น ร่วมสมัยกับความพยายาม MP3 ในยุคแรก แต่พัฒนาขึ้นอย่างอิสระ เป้าหมายคือการบีบอัดเสียงซีดีให้เหลือประมาณ 1/5 ของขนาดเดิม (จาก 1411 kbps เป็น ~292 kbps) เพื่อให้เสียง 74 นาทีสามารถบรรจุลงใน MiniDisc แบบแมกนีโตออปติคัลขนาดเล็กได้ ATRAC เป็นระบบปิดที่เป็นกรรมสิทธิ์ แต่ในทางปฏิบัติคุณภาพที่บิตเรตนั้นค่อนข้างดี – ผู้ฟังจำนวนมากพบว่า ATRAC ยุคแรกมีคุณภาพ “ใกล้เคียงซีดี” ตลอดช่วงทศวรรษ 90 และ 2000 ATRAC พัฒนาไปเรื่อยๆ (ATRAC3 ใน 1999, ATRAC3plus ใน 2002 เป็นต้น) เพื่อปรับปรุงคุณภาพและรองรับอุปกรณ์ใหม่ๆ Sony ยังใช้ ATRAC ในเครื่องเล่นเพลงแบบ Solid-state รุ่นแรกๆ (Network Walkman) ก่อนที่จะเพิ่มการรองรับ MP3 ในที่สุด ATRAC ก็ถูกแทนที่ด้วยรูปแบบที่เป็นมาตรฐานมากกว่า ใน 2007–2008 Sony ยกเลิก ATRAC ในตลาดสหรัฐฯ/สหภาพยุโรปและปิดร้านค้าเพลงที่ใช้ ATRAC โดยยอมรับว่าผู้ใช้ส่วนใหญ่ต้องการ MP3/AAC และ 90% ของเจ้าของ Walkman ไม่ได้ใช้ ATRAC อยู่แล้ว ญี่ปุ่นยังคงใช้ ATRAC ต่อไปอีกสักระยะ (มันยังหลงเหลืออยู่ในผลิตภัณฑ์ภายในประเทศของ Sony จนถึง 2012 เมื่อบริการเพลงของญี่ปุ่นเปลี่ยนไปใช้ FLAC) ปัจจุบัน ATRAC เป็นที่สนใจของผู้ชื่นชอบ MiniDisc และนักจดหมายเหตุเป็นส่วนใหญ่ มันเป็นตัวอย่างของตัวเข้ารหัสที่ออกแบบมาอย่างดีซึ่งชีวิตผูกพันกับรูปแบบทางกายภาพที่เฉพาะเจาะจง
-
RealAudio: รูปแบบบุกเบิกสำหรับ การสตรีมเสียง RealAudio เปิดตัวโดย Progressive Networks (RealNetworks) ใน เมษายน 1995 ในช่วงกลางทศวรรษ 90 หากคุณกำลังฟังวิทยุบนเว็บ คุณน่าจะใช้ RealAudio ใน RealPlayer RealAudio ไม่ใช่ตัวเข้ารหัสเดียว แต่เป็นตัวห่อหุ้มรอบวิธีการบีบอัดต่างๆ (บางตัวเป็นตัวเข้ารหัสคำพูดบิตเรตต่ำ บางตัวเป็นตัวเข้ารหัสเพลงที่มีความเที่ยงตรงสูงกว่า) เพื่อให้สามารถเล่นเสียงแบบเรียลไทม์ผ่านอินเทอร์เน็ตแบบ dial-up RealAudio ทำให้สถานีวิทยุและเว็บไซต์ข่าว (เช่น BBC) สามารถสตรีมเสียงได้ทั่วโลก – ความสามารถที่ปฏิวัติวงการในขณะนั้น ผู้ใช้อินเทอร์เน็ตยุคแรกหลายคนจะจำเสียงที่ค่อนข้างแบนของสตรีม RealAudio ที่ 20 kbps และข้อความบัฟเฟอร์ได้ RealNetworks เก็บรายละเอียดไว้เป็นกรรมสิทธิ์ ซึ่งบังคับให้ผู้ใช้ต้องติดตั้ง RealPlayer ของพวกเขา (ที่มักจะเทอะทะ) ในช่วงต้นทศวรรษ 2000 การแข่งขันจากการสตรีม Windows Media และสตรีม MP3 (Shoutcast ฯลฯ) เริ่มกัดกร่อนความเหนือกว่าของ RealAudio ความนิยมลดลงอย่างรวดเร็วเมื่อโซลูชันใหม่ๆ ที่เป็นกรรมสิทธิ์น้อยกว่าปรากฏขึ้น BBC ซึ่งเป็นหนึ่งในผู้ที่ใช้ RealAudio ยาวนานที่สุด ในที่สุดก็เลิกใช้สตรีม Real ภายในปี 2011 เพื่อหันมาใช้ AAC และรูปแบบอื่นๆ มรดกของ RealAudio คือมัน บุกเบิกการสตรีม – มันพิสูจน์แนวคิดนี้หลายปีก่อน YouTube หรือ Spotify แม้ว่าจะอยู่ในรูปแบบที่แตกต่างกันมากก็ตาม
-
MPEG Layer II (MP2): ก่อนหน้า MP3 นั้นมี MP2 อยู่ MPEG Audio Layer II ซึ่งมักเรียกกันสั้นๆ ว่า MP2 หรือ MUSICAM เป็นส่วนหนึ่งของมาตรฐานเสียง MPEG-1 ดั้งเดิมที่สรุปเสร็จสมบูรณ์ในปี 1992 มันถูกสร้างขึ้นโดยกลุ่มพันธมิตรซึ่งรวมถึง Philips, CCETT (ฝรั่งเศส) และ IRT (เยอรมนี) เพื่อเป็นความต่อเนื่องของงาน Digital Audio Broadcasting ของสหภาพยุโรป MP2 ใช้เทคนิคการบีบอัดแบบ subband ที่เรียบง่ายกว่า (มันเป็น sub-band codec ตรงข้ามกับการแปลงแบบไฮบริดของ MP3) แม้ว่า MP3 จะบดบังมันสำหรับการใช้บนพีซี/เพลง แต่ MP2 ก็พบบ้านที่ยั่งยืนในด้าน การกระจายเสียง ระบบวิทยุและโทรทัศน์ดิจิทัลหลายระบบ (DAB, DVB) ใช้เสียง MP2 เพราะมันแข็งแกร่งและใช้พลังการประมวลผลน้อยกว่า ตัวอย่างเช่น DVD-Video อนุญาตให้ใช้เสียง MP2 และบาง Video CD รวมถึงช่องดาวเทียมดิจิทัลยุคแรกก็ใช้มัน โดยทั่วไป MP2 ต้องการบิตเรตที่สูงกว่าเพื่อให้เสียงดีเท่ากับ MP3 – แต่ที่บิตเรตสูง (256-384 kbps) มันมั่นคงมากและถอดรหัสได้ง่ายกว่าบนฮาร์ดแวร์ราคาถูก มันยังมี ความหน่วงต่ำ ซึ่งผู้กระจายเสียงชื่นชอบ ปัจจุบัน MP2 ถือเป็นเทคโนโลยีเก่าแต่ยังคงใช้อยู่ภายใต้ระบบส่งสัญญาณวิทยุ/โทรทัศน์ มันไม่ใช่สิ่งที่ผู้บริโภคเลือกใช้สำหรับเพลงส่วนตัว แต่ก็สมควรได้รับการยกย่องในฐานะก้าวสำคัญ เรื่องน่ารู้: การแข่งขัน “MP3 กับ MP2” ในยุค MPEG ตอนต้นลงเอยด้วย MP3 สำหรับซอฟต์แวร์และ MP2 สำหรับการกระจายเสียง – ทั้งคู่รอดชีวิตใน niche ของตัวเอง ใน 2025 หากคุณปรับวิทยุ FM ดิจิทัลหรือดูเคเบิลดิจิทัลความละเอียดมาตรฐาน คุณอาจยังได้ยินเสียง MP2 อยู่ก็ได้!
-
อื่นๆ (กล่าวสั้นๆ): มี codec แบบ lossy อีกมากมาย แต่ละตัวมีเอกลักษณ์ของตัวเอง Dolby AC-3 หรือที่รู้จักในชื่อ Dolby Digital เปิดตัวในปี 1991 สำหรับระบบเสียงรอบทิศทางในโรงภาพยนตร์และกลายเป็นมาตรฐานสำหรับเสียง DVD (5.1 แชนเนลที่ 384-448 kbps) DTS เป็น codec สำหรับโรงภาพยนตร์/โฮมซินีมาอีกตัวหนึ่ง เสนอบิตเรตที่สูงกว่าซึ่งอาจให้ความเที่ยงตรงที่ดีกว่าใน 5.1 แชนเนล โดยทั่วไปสิ่งเหล่านี้ไม่ค่อยใช้กับไฟล์เพลง แต่คุณจะพบ AC-3 และ DTS ในเนื้อหาวิดีโอ Musepack (MPC) เป็น codec ที่เน้นนักเล่นเครื่องเสียงซึ่งได้รับความนิยมในต้นทศวรรษ 2000 สำหรับความโปร่งใสที่บิตเรตสูง Speex เป็น codec เสียงพูดแบบโอเพนซอร์สจาก Xiph (ปรับแต่งสำหรับเสียงผ่าน IP) – ปัจจุบันถูกแทนที่ด้วย Opus โดยพื้นฐานแล้ว ADPCM (Adaptive Differential PCM) ถูกใช้ในโทรศัพท์ดิจิทัลยุคแรก WAV บางรูปแบบ และแม้แต่ในรูปแบบดั้งเดิมอย่างไฟล์ .vox ของ Microsoft – มันเป็นการบีบอัดแบบง่ายที่มีการประหยัดปานกลางและถูกใช้ในเกมคอมพิวเตอร์เก่าและโทรศัพท์ ATRAC Advanced Lossless – Sony ยังสร้าง codec แบบไฮบริดที่รวม ATRAC3 กับ residual เพื่อการถอดรหัสที่สมบูรณ์แบบ (คล้ายแนวคิดกับโหมดไฮบริดของ WavPack) มี codec หลายสิบตัวที่เกิดขึ้นและหายไป แต่ตัวที่อธิบายไปก่อนหน้านี้คือดาวหลักที่สร้างรูปแบบเสียงดิจิทัล
codec แบบ lossy แต่ละตัวโดยทั่วไปถือกำเนิดจากความต้องการเฉพาะ – ไม่ว่าจะเป็นการสตรีมของ RealAudio ผ่านโมเด็ม 28.8 kbps หรือความต้องการของ ATRAC ที่จะใส่เพลงลงใน MiniDisc หรือการผลักดันของ WMA เพื่อระบบนิเวศที่ควบคุมโดย Microsoft การทำความเข้าใจบริบทของพวกมันช่วยอธิบายการเลือกการออกแบบและลักษณะประสิทธิภาพของพวกมัน
รูปแบบเสียง Lossless: FLAC, ALAC และอื่นๆ
รูปแบบ Lossless บีบอัดเสียงโดยไม่สูญเสียข้อมูล ใดๆ ดังนั้นคุณสามารถถอดรหัสกลับไปเป็นข้อมูล PCM ต้นฉบับที่แน่นอนได้ พวกมันเสนอทางสายกลางที่น่าพอใจสำหรับผู้ที่ต้องการคุณภาพเสียงที่สมบูรณ์แบบแต่มีการลดขนาดไฟล์บ้าง (โดยทั่วไปเล็กกว่า WAV 30–70%) ในยุคแรก พื้นที่จัดเก็บมีราคาแพงมากจน lossless ไม่ได้ถูกใช้อย่างแพร่หลายนอกวงการมืออาชีพ แต่เมื่อดิสก์มีขนาดใหญ่ขึ้นและการบีบอัดดีขึ้น เสียง lossless ก็เฟื่องฟูสำหรับการเก็บคลังคอลเลกชันเพลงและการกระจายเสียงคุณภาพสูง มาสำรวจตัวใหญ่ๆ กัน:
FLAC – Free Lossless Audio Codec
FLAC เป็นรูปแบบ lossless ที่เป็นตัวเลือกหลักสำหรับการใช้งานส่วนใหญ่ในปัจจุบัน ชื่อย่อมาจาก Free Lossless Audio Codec โดยคำว่า “free” หมายถึงทั้งค่าใช้จ่ายและเสรีภาพ – เป็นโอเพนซอร์สและไม่มีค่าลิขสิทธิ์ FLAC ถูกสร้างโดย Josh Coalson และเปิดตัวครั้งแรกในต้นปี 2001 (เวอร์ชัน 1.0 ในเดือนกรกฎาคม 2001) ในปี 2003 โครงการนี้ถูกนำมาอยู่ภายใต้ร่มของ Xiph.Org Foundation (ร่วมกับ Vorbis และอื่นๆ) ตลอดหลายปีที่ผ่านมา FLAC กลายเป็นเสาหลักของโลกเสียงดิจิทัล: เป็นรูปแบบที่เลือกใช้โดยนักเล่นเครื่องเสียง ใช้สำหรับการเผยแพร่เสียงความละเอียดสูง และได้รับการยอมรับจากโปรแกรมและเครื่องเล่นฮาร์ดแวร์จำนวนมาก ในปี 2024 FLAC ยังได้กลายเป็นมาตรฐานในชื่อ RFC 9639 ตอกย้ำสถานะเป็นรูปแบบทางการ
FLAC ทำงานอย่างไรและทำไมจึงยอดเยี่ยม: FLAC ใช้อัลกอริทึมการบีบอัด (เช่น linear prediction และ entropy coding) เพื่อลดขนาดไฟล์เสียงโดยไม่ทิ้งข้อมูลใดๆ ลองคิดว่าเหมือน ZIP file สำหรับเสียง แต่ปรับให้เหมาะกับรูปแบบ PCM โดยทั่วไปไฟล์ FLAC จะมีขนาดเหลือประมาณ 50–70% ของ WAV ต้นฉบับ อัตราส่วนที่แน่นอนขึ้นอยู่กับเพลง (บางเนื้อหาบีบอัดได้ดีกว่าอื่น) ที่สำคัญ การถอดรหัส FLAC ใช้พลังประมวลผลน้อยและรวดเร็ว ทำให้แม้อุปกรณ์ระดับกลางๆ ก็เล่นไฟล์ FLAC ได้โดยไม่กินแบตเตอรี่มาก FLAC ยังรองรับ แท็ก metadata (เช่น ข้อมูลศิลปิน อัลบั้ม) และแม้แต่ภาพปกอัลบั้ม จึงเหมาะมากสำหรับการจัดระเบียบคลังเพลง ข้อดีอีกอย่างคือ FLAC รองรับเสียงที่มี bit-depth และ sample rate สูง (24-bit, 96kHz, 192kHz, 5.1 surround ฯลฯ) ทำให้เป็นที่นิยมสำหรับการเผยแพร่ studio master และเสียงความละเอียดสูง
ทำไม FLAC จึงถูกสร้างขึ้น: ในช่วงปลายทศวรรษ 1990 ผู้ที่แลกเปลี่ยนไฟล์เสียงแบบ lossless (โดยเฉพาะการบันทึกคอนเสิร์ตสดในชุมชน taper) ใช้รูปแบบอย่าง Shorten (.shn) ซึ่งเป็น proprietary และมีประสิทธิภาพน้อยกว่า FLAC ถือกำเนิดขึ้นเพื่อเป็นทางเลือกที่เสรีและมีประสิทธิภาพอย่างแท้จริง ไม่นานก็แซง Shorten, Monkey’s Audio และอื่นๆ ด้วยสัญญาอนุญาตแบบเปิดและประสิทธิภาพที่มั่นคง ผู้ชื่นชอบเพลงนำ FLAC มาใช้เก็บถาวรซีดี – สามารถ rip ซีดีเป็น FLAC และมีสำรองที่สมบูรณ์แบบ ต่างจากการ rip เป็น MP3 ซึ่งสูญเสียคุณภาพ เมื่อที่เก็บข้อมูลมีราคาถูกลง หลายคนตัดสินใจว่าการแลกเปลี่ยน (FLAC ยังใช้เนื้อที่มาก แต่ไม่มากเท่า WAV) คุ้มค่าสำหรับ ความสบายใจและคุณภาพ FLAC ยังกลายเป็นมาตรฐานสำหรับเว็บไซต์ที่ให้ดาวน์โหลดเพลงแบบ lossless (ศิลปินอินดี้หลายคนและบางค่ายเผยแพร่ FLAC บน Bandcamp และแพลตฟอร์มที่คล้ายกัน)
ปัจจุบัน การรองรับ FLAC แพร่หลาย: Windows, macOS, Linux, Android เล่น FLAC ได้ทันทีหรือด้วยปลั๊กอินฟรี iOS/iTunes เป็นผู้ถือมั่นมานาน (Apple ชอบ ALAC) แต่แม้อุปกรณ์ Apple ก็ได้รับการรองรับ FLAC ในที่สุดในช่วงไม่กี่ปีที่ผ่านมา ในรถยนต์ เครื่องเสียงบ้าน และอุปกรณ์สตรีมมิ่ง ความเข้ากันได้กับ FLAC เป็นเรื่องปกติแล้ว ด้วยเหตุนี้ FLAC จึงเป็นสิ่งที่ใกล้เคียงที่สุดกับ รูปแบบเพลง lossless แบบสากลที่เรามี หากต้องการเก็บเพลงโดยไม่สูญเสียคุณภาพ FLAC มักเป็นคำตอบ มีข้อเสียเล็กน้อย: ไฟล์ใหญ่กว่า lossy (ดังนั้นการสตรีม FLAC ผ่าน cellular อาจใช้ข้อมูลมาก) และอุปกรณ์ที่เก่ามากหรือจำกัดบางรุ่นอาจไม่รองรับ FLAC แต่โดยรวมแล้ว FLAC มอบการเก็บถาวรที่ “future-proof” อย่างที่ บล็อกสตรีมมิ่งของ Castr กล่าวไว้ FLAC ได้ “ปฏิวัติวิธีที่เราเก็บและส่งสัญญาณเสียงคุณภาพสูง” ด้วยการให้การบีบอัดโดยไม่ต้องประนีประนอม
ALAC – Apple Lossless Audio Codec
ในช่วงเวลาเดียวกับที่ FLAC กำลังได้รับความนิยม Apple มองเห็นความจำเป็นของรูปแบบ lossless ในระบบนิเวศของตน จึงเกิด ALAC (Apple Lossless Audio Codec) ซึ่ง Apple เปิดตัวใน 2004 พร้อม iTunes 4.5 ในตอนแรก ALAC เป็น proprietary – Apple ใช้ภายใน iTunes และบน iPod เพื่อให้ผู้ใช้ rip ซีดีในรูปแบบ lossless (ไฟล์มักมีนามสกุล .m4a เช่นเดียวกับ AAC แต่ถูกเข้ารหัสด้วย ALAC ภายในคอนเทนเนอร์ MP4) หลายปีที่ ALAC ค่อนข้างปิด; encoder/decoder ทางการมีเพียงจาก Apple เท่านั้น ซึ่งหมายความว่านอกโลกของ Apple ผู้คนชอบ FLAC มากกว่า อย่างไรก็ตาม ในปลายปี 2011 Apple สร้างความประหลาดใจให้ทุกคนด้วยการ เปิดโอเพนซอร์ส ALAC และทำให้ไม่มีค่าลิขสิทธิ์ นับจากนั้น ALAC ก็เสรีในการนำไปใช้พอๆ กับ FLAC และการรองรับ ALAC ในซอฟต์แวร์ของบุคคลที่สามก็เพิ่มขึ้น (FFmpeg เพิ่มการรองรับ ฯลฯ)
ในทางเทคนิคแล้ว ALAC มีวิธีการบีบอัดที่คล้ายกับ FLAC (และตัวแปลงรหัสแบบไม่สูญเสียข้อมูลอื่น ๆ) โดยทั่วไปจะบีบอัดเพลงให้เหลือ 40–60% ของขนาดต้นฉบับ และรองรับเสียงสูงสุดถึง 32 บิตและหลายช่องสัญญาณ ในบางกรณีอาจมีประสิทธิภาพด้อยกว่า FLAC เล็กน้อย แต่ไม่มากนัก – ต่างกันเพียงไม่กี่เปอร์เซ็นต์ในอัตราการบีบอัด ข้อแตกต่างประการหนึ่งคือ ALAC อาศัยอยู่ในรูปแบบคอนเทนเนอร์ MP4 (ไฟล์ .m4a) ควบคู่ไปกับเมทาดาทา เช่น ภาพปก เหมือนกับ AAC ซึ่งทำให้ Apple ผสานรวมเข้ากับ iTunes ได้ง่าย เนื่องจากไม่จำเป็นต้องมีไฟล์ประเภทใหม่สำหรับ Lossless (พวกเขาเพียงติดป้ายไฟล์ ALAC เป็น .m4a เช่นกัน)
การใช้งาน: การใช้งานหลักของ ALAC ในอดีตและปัจจุบันคือภายในระบบนิเวศของ Apple หากคุณใช้ iTunes และต้องการริปซีดีโดยไม่สูญเสียคุณภาพ ALAC คือตัวเลือกที่คลิกเดียว iPods และ iPhone สามารถเล่น ALAC ได้ (ดังนั้นคุณจึงสามารถมีเสียงคุณภาพเต็มรูปแบบบนอุปกรณ์ของคุณ หากมีพื้นที่เพียงพอ) ร้านค้าดนตรีออนไลน์หลายแห่ง (เช่น HDtracks เมื่อเสนอการดาวน์โหลดแบบ “ALAC”) ได้จัดหาให้เพื่อตอบสนองผู้ใช้ Mac ปัจจุบัน การก้าวเข้าสู่ การสตรีมแบบ Lossless เมื่อเร็ว ๆ นี้ของ Apple Music ส่งเพลงในรูปแบบ ALAC (เนื่องจากโครงสร้างพื้นฐานทั้งหมดของพวกเขาสร้างขึ้นรอบ ๆ ALAC สำหรับ Lossless) นอกเหนือจาก Apple แล้ว ALAC ยังมีความโดดเด่นน้อยกว่า แต่เนื่องจากเป็นรูปแบบเปิด โปรแกรมหลายตัวจึงรองรับ ตัวอย่างเช่น Windows 10 และ 11 มีการรองรับ ALAC แบบเนทีฟ ดังนั้น ALAC และ FLAC จึงทดแทนกันได้ในปัจจุบัน – คุณสามารถแปลงระหว่างทั้งสองได้โดยไม่สูญเสียคุณภาพ เป็นเพียงเรื่องของความชอบหรือความเข้ากันได้ของอุปกรณ์
อาจมีคนถามว่า ทำไม ALAC จึงมีอยู่หากมี FLAC อยู่แล้ว แต่เดิมน่าจะเป็นอาการ “Not Invented Here” บวกกับการปรับแต่งให้เหมาะกับแพลตฟอร์มของ Apple ย้อนกลับไปในปี 2004 การอนุญาตของ FLAC (GNU GPL) อาจถูกมองว่ามีปัญหาสำหรับ Apple ที่จะรวมไว้所以他们จึงสร้างโคเดกของตนเองขึ้นมา อีกทั้ง ALAC ยังผสานรวมกับ Core Audio และปรับแต่งสำหรับฮาร์ดแวร์ของ Apple แต่เมื่อ ALAC เปิดแล้วในปัจจุบัน ความแตกต่างจึงมีน้อย หากคุณอยู่ในโลกของ Apple อย่างลึกซึ้ง ALAC ถือเป็นตัวเลือกที่ดีสำหรับเสียงแบบ Lossless หากไม่ใช่ FLAC อาจง่ายกว่า ทั้งสองให้คุณภาพเสียงที่เหมือนกัน – เพราะในฐานะรูปแบบ Lossless พวกมันรักษาทุกบิตของข้อมูล PCM อย่างแท้จริง
รูปแบบ Lossless อื่น ๆ และกลุ่มเฉพาะ
นอกจาก FLAC และ ALAC แล้ว ยังมีตัวแปลงรหัสแบบ Lossless อื่น ๆ อีกสองสามตัวที่มีกลุ่มผู้ติดตาม:
-
WavPack: ตัวแปลงรหัสแบบ Lossless โอเพนซอร์สโดย David Bryant WavPack นำเสนอโหมด “ไฮบริด” ที่ไม่เหมือนใคร ซึ่งสามารถสร้างไฟล์แบบสูญเสียข้อมูลพร้อมไฟล์แก้ไข – รวมเข้าด้วยกันเพื่อให้ได้ต้นฉบับ มีประสิทธิภาพและยังรองรับข้อมูลแบบ float WavPack เป็นที่นิยมในบางกลุ่ม (และเป็นรูปแบบ Lossless เริ่มต้นสำหรับซอฟต์แวร์ดีเจและเครื่องมือผลิตบางตัว) แต่ก็ไม่เคยแพร่หลายเท่า FLAC มันเปิดเต็มรูปแบบและอาจกล่าวได้ว่ายอดเยี่ยมในทางเทคนิค
-
Monkey’s Audio (APE): ตัวแปลงรหัสแบบ Lossless ที่รู้จักกันในอัตราการบีบอัดสูงมาก มักจะดีกว่า FLAC เล็กน้อย อย่างไรก็ตามมันเป็นกรรมสิทธิ์ (แม้จะใช้ฟรีสำหรับการใช้งานส่วนตัว) และในอดีตเป็น Windows เท่านั้น นอกจากนี้ยังมีแนวโน้มที่จะเข้ารหัส/ถอดรหัสช้าและไม่รองรับหลายแพลตฟอร์มได้ดี นักเล่นเครื่องเสียงทดลองกับไฟล์ .ape ในยุค 2000 แต่ FLAC ได้บดบังมันไปเป็นส่วนใหญ่เนื่องจากความเปิดกว้างของ FLAC
-
TAK (Tom’s lossless Audio Kompressor): ตัวแปลงรหัสแบบ Lossless สำหรับ Windows ที่มาทีหลังโดยมุ่งหวังการผสมผสานระหว่างการบีบอัดและความเร็วที่ดีที่สุด เป็นซอร์สปิด แต่ก็ได้รับแฟน ๆ บางส่วนจากประสิทธิภาพ ยังคงเป็นกลุ่มเฉพาะ
-
Shorten (SHN): รุ่นก่อนหน้าของ FLAC ในชุมชนการแลกเปลี่ยนแบบ Lossless ปัจจุบันล้าสมัยแล้ว (ไม่มีการพัฒนาตั้งแต่ต้นยุค 2000) และทุกคนได้ย้ายไฟล์เก็บถาวร SHN ไปเป็น FLAC
-
อื่น ๆ: MPEG-4 มีตัวแปลงรหัสแบบ Lossless ของตัวเองชื่อ ALS ซึ่งหาได้ยากในโลกจริง Dolby มีตัวแปลงรหัสโรงภาพยนตร์แบบ Lossless (TrueHD) DTS-HD Master Audio เป็นอีกตัวที่ใช้บน Blu-ray สำหรับเสียงรอบทิศทางแบบ Lossless สิ่งเหล่านี้มีไว้สำหรับวิดีโอมากกว่าและไม่ได้ใช้ในไฟล์เพลงทั่วไป
มีการกล่าวถึงเป็นพิเศษคือ Direct Stream Digital (DSD) ที่ใช้ใน SACD ในทางเทคนิคถือเป็น “Lossless” แต่ไม่ใช่ PCM – มันเป็นสตรีมซิกมา-เดลตา 1 บิตที่อัตราการสุ่มตัวอย่างสูงมาก เว็บไซต์ดาวน์โหลดสำหรับนักเล่นเครื่องเสียงบางครั้งเสนอไฟล์ DSD (.dsf หรือ .dff) DSD ไม่ใช่รูปแบบการบีบอัด แต่เป็นการแสดงเสียงดิจิทัลทางเลือก การแปลง DSD เป็น PCM และในทางกลับกันมีความซับซ้อน โดยทั่วไปแล้ว รูปแบบ PCM (เช่นทั้งหมดข้างต้น) ชนะสำหรับการใช้งานจริง DSD ยังคงเป็นกลุ่มเฉพาะสำหรับผู้ที่ชื่นชอบ
สรุปได้ว่า รูปแบบ lossless ช่วยรับประกันว่าคุณภาพเสียงจะไม่เสียหายจากการบีบอัด รูปแบบเหล่านี้ตอบโจทย์ความต้องการด้านการเก็บถาวร มืออาชีพ และผู้ฟังที่ต้องการความอุ่นใจอย่างสมบูรณ์ว่าพวกเขามี สำเนาที่ถูกต้องแม่นยำ ของต้นฉบับ ข้อแลกเปลี่ยนคือขนาดไฟล์ – ประมาณสองถึงสามเท่าของไฟล์ AAC/MP3 ที่ดี สำหรับหลายคน ข้อแลกเปลี่ยนนั้นคุ้มค่า เมื่อพิจารณาความจุพื้นที่จัดเก็บในปัจจุบันและอินเทอร์เน็ตที่เร็วขึ้น
สรุปสั้น ๆ – การเลือกรูปแบบเสียงที่เหมาะสม
ในปัจจุบัน เรามีรูปแบบไฟล์เสียงมากมาย แต่ละรูปแบบเหมาะกับการใช้งานเฉพาะ นี่คือคู่มือสั้น ๆ เกี่ยวกับ เวลาที่ควรใช้แต่ละรูปแบบและข้อแลกเปลี่ยน:
-
MP3: ใช้ MP3 เพื่อ ความเข้ากันได้สูงสุด มันยังคงเป็นมาตรฐาน โดยพฤตินัย – เกือบทุกอุปกรณ์ ทั้งเก่าและใหม่ สามารถเล่น MP3 ได้ เหมาะสำหรับการแชร์เพลงเมื่อคุณไม่แน่ใจว่าผู้รับมีเครื่องเล่นอะไร ข้อแลกเปลี่ยน: ไฟล์ใหญ่กว่าสำหรับคุณภาพเดียวกันเมื่อเทียบกับตัวเข้ารหัสใหม่ ๆ (MP3 ที่ 128 kbps เทียบเท่ากับ AAC ที่คุณภาพ 96 kbps โดยประมาณ) และ MP3 ที่บิตเรตต่ำมาก (< 64 kbps) ฟังดูแย่ตามมาตรฐานปัจจุบัน สิทธิบัตรหมดอายุแล้ว จึงไม่เป็นปัญหาอีกต่อไป ใน 2025, MP3 ยังคงเป็นตัวเลือกที่มั่นคงหากคุณต้องการความเรียบง่ายและความเป็นสากล – เพียงใช้บิตเรตที่สูงพอสมควรเพื่อหลีกเลี่ยงอาร์ติแฟกต์
-
AAC (.m4a): ใช้ AAC เพื่อ คุณภาพเสียงที่ดีกว่าที่บิตเรตปานกลาง หากคุณอยู่ในระบบนิเวศ Apple หรืออัปโหลดไปยังแพลตฟอร์มอย่าง YouTube หรือ Spotify (ซึ่งภายในมักใช้ AAC หรือ Ogg) AAC เป็นตัวเลือกที่ยอดเยี่ยม AAC ที่ 256 kbps ให้คุณภาพโปร่งใสสำหรับเพลงทั้งหมดเป็นหลัก แม้ที่ 128 kbps AAC ก็ยังเหนือกว่า MP3 ซึ่งเป็นเหตุผลที่ Apple ใช้ AAC ที่ 256 kbps เป็นการตั้งค่า "คุณภาพสูง" ของตน ข้อแลกเปลี่ยน: การสนับสนุนในอดีตอาจน้อยกว่าเล็กน้อย แต่ทุกวันนี้เครื่องเล่นส่วนใหญ่รองรับ AAC ยังคงถูกครอบคลุมโดยสิทธิบัตรบางส่วน (แม้หลายรายการหมดอายุแล้ว) แต่สิ่งนี้ส่งผลต่อนักพัฒนาเป็นหลัก ไม่ใช่ผู้ใช้ หากคุณกำลังริปคอลเลกชันและต้องการคุณภาพดีกว่า MP3 ในขนาดไฟล์เดียวกัน AAC เป็นตัวเลือกที่แข็งแกร่ง
-
WAV / AIFF: ใช้รูปแบบเหล่านี้เพื่อ การผลิตเสียงและการเก็บมาสเตอร์เพื่อการเก็บถาวร (หรือหากคุณต้องการ PCM ดิบเพื่อวัตถุประสงค์บางอย่าง) รูปแบบเหล่านี้เก็บเสียงแบบไม่บีบอัด ดังนั้นการแก้ไขจึงไม่เพิ่มการสูญเสียคุณภาพสะสม – ซึ่งเป็นเหตุผลที่ในสตูดิโอ การบันทึกและการมิกซ์ขั้นกลางมักอยู่ในรูปแบบ WAV/AIFF ที่ความละเอียดสูง ข้อแลกเปลี่ยน: ไฟล์ขนาดใหญ่ – ประมาณ 10 MB ต่อนาทีสำหรับสเตอริโอคุณภาพ CD ไม่มีประสิทธิภาพสำหรับการแจกจ่ายเพลงให้ผู้ฟัง นอกจากนี้ การรองรับเมทาดาทาใน WAV อาจไม่แน่นอน (AIFF ดีกว่าด้านเมทาดาทา) กล่าวโดยสรุป ใช้ WAV/AIFF เมื่อคุณภาพสำคัญที่สุด และ คุณไม่สนใจขนาดไฟล์ (หรือวางแผนจะบีบอัดภายหลัง) สำหรับผู้ฟังปลายทาง แทบไม่จำเป็นต้องใช้ WAV แทนรูปแบบบีบอัดแบบ lossless อย่าง FLAC ยกเว้นในกรณีเฉพาะ
-
FLAC: ใช้ FLAC หากคุณต้องการ คุณภาพแบบ lossless แต่มีการบีบอัด เหมาะอย่างยิ่งสำหรับ การเก็บถาวรคลังเพลงของคุณหรือการแชร์เสียงที่คุณภาพสำคัญอย่างแท้จริง (เช่น การแลกเปลี่ยนแทร็กระหว่างนักดนตรี หรือการเผยแพร่เพลงให้ชุมชนที่คาดหวัง lossless) ข้อแลกเปลี่ยน: ใหญ่กว่ารูปแบบ lossy – ประมาณ 2× ถึง 3× เท่าของ 320 kbps MP3 เป็นต้น นอกจากนี้ แม้อุปกรณ์จำนวนมากรองรับ FLAC ในปัจจุบัน แต่บางรุ่นที่เก่ากว่าอาจไม่รองรับ แต่เนื่องจาก FLAC เป็นมาตรฐาน RFC และได้รับการนำไปใช้อย่างกว้างขวาง จึงมักเป็นตัวเลือกที่ดีที่สุดสำหรับ lossless และเป็นโบนัส มันเปิดและฟรี ไม่มีปัญหาด้านลิขสิทธิ์
-
ALAC (.m4a): ใช้ ALAC ในกรณีเดียวกับ FLAC โดยพื้นฐาน – แต่โดยเฉพาะหากคุณใช้ อุปกรณ์/ซอฟต์แวร์ Apple ที่ต้องการมัน ตัวอย่างเช่น หากคุณใช้ iTunes (แอป Music) และต้องการเก็บคลังเพลงแบบ lossless ALAC ช่วยให้ผสานรวมได้อย่างสมบูรณ์แบบ (เนื่องจาก iPod รุ่นเก่าบางรุ่นไม่เล่น FLAC) ข้อแลกเปลี่ยน: แทบไม่มีเลยหากคุณอยู่ในโลก Apple – ALAC เป็นโอเพนซอร์สแล้วและรองรับบน Windows และอื่น ๆ ด้วย FLAC กับ ALAC ส่วนใหญ่เป็นเรื่องของระบบนิเวศ ทั้งสองบีบอัดเป็นขนาดใกล้เคียงกันและรักษาคุณภาพเต็มที่ เลือกสิ่งที่อุปกรณ์ของคุณจัดการได้ดีที่สุด
-
Ogg Vorbis: ใช้ Vorbis หากคุณต้องการ รูปแบบการบีบอัดแบบสูญเสียข้อมูลแบบโอเพนซอร์ส – ตัวอย่างเช่น หากคุณกำลังพัฒนาเกมหรือแอปและต้องการหลีกเลี่ยงปัญหาสิทธิบัตร (แม้ว่า ณ 2025 สิทธิบัตรส่วนใหญ่ของ MP3/AAC จะสิ้นสุดลงแล้ว แต่ Vorbis ก็เป็นตัวเลือกที่ปลอดภัยมาเป็นเวลานาน) Vorbis ยังให้คุณภาพที่ดีกว่า MP3 เล็กน้อยที่บิตเรตที่กำหนดในหลายกรณี และโดดเด่นในบิตเรตระดับกลางถึงสูง ข้อแลกเปลี่ยน: ในอดีตมีการสนับสนุนฮาร์ดแวร์น้อยกว่าเล็กน้อย (แม้ว่าการสนับสนุนในปัจจุบันจะดีพอสมควร) นอกจากนี้ Vorbis ไม่ได้รับชิปเร่งฮาร์ดแวร์เหมือนที่ MP3/AAC ได้รับ แต่บนซีพียูในปัจจุบันนั่นเป็นปัญหาเล็กน้อย สำหรับผู้บริโภค เว้นแต่คุณจะใส่ใจเป็นพิเศษว่ามันปลอดสิทธิบัตร AAC อาจได้เปรียบกว่า แต่ถ้าคุณกำลังใช้เสียงในบทความวิกิพีเดียหรือโครงการโอเพนซอร์ส Vorbis ในคอนเทนเนอร์ Ogg ถือเป็นตัวเลือกที่มั่นคงและไม่ละเมิดกฎหมายใดๆ
-
Opus: ใช้ Opus สำหรับ ทุกโครงการใหม่ที่คุณต้องการเสียงแบบสูญเสียข้อมูล และคุณควบคุมการเล่นได้ (เช่น ในแอปของคุณเอง หรือเว็บแอปพลิเคชัน หรือการสื่อสาร) Opus โดดเด่นอย่างแท้จริงในบิตเรตต่ำ (เสียงพูดที่ 16-24 kbps หรือเพลงที่ 64-96 kbps) ซึ่งมันทำได้ดีกว่าตัวเข้ารหัสเก่าๆ ดังนั้นจึงยอดเยี่ยมสำหรับการสตรีมที่แบนด์วิดท์จำกัด นอกจากนี้ยังเป็นตัวเลือกที่ดีที่สุดสำหรับเสียงแบบโต้ตอบ (VoIP, การโทร Zoom, แชทในเกม) เนื่องจากมีความหน่วงต่ำ ปัจจุบันหลายคนกำลังพิจารณา Opus สำหรับการสตรีมเพลงด้วย เนื่องจากในการตั้งค่าคุณภาพสูงมันยอดเยี่ยมและไม่มีค่าลิขสิทธิ์ ข้อแลกเปลี่ยน: ไม่ใช่เครื่องเล่นรุ่นเก่าทั้งหมดที่รู้จัก Opus (ตัวอย่างเช่น เครื่องเล่น stereo ในรถรุ่นเก่าที่รองรับ USB อาจไม่เล่นไฟล์ .opus ในขณะที่มันจะเล่น MP3) นอกจากนี้ Apple เพิ่งเพิ่มการสนับสนุน Opus บน iOS/macOS เมื่อไม่นานมานี้ แต่เบราว์เซอร์สมัยใหม่ทั้งหมดและ Android รองรับ ข้อพิจารณาอีกประการ: Opus มักอยู่ในคอนเทนเนอร์ Ogg หรือ WebM ไฟล์ .opus โดยพื้นฐานแล้วคือ Ogg อย่างไรก็ตาม ความเข้ากันได้กำลังตามทัน ด้วยประสิทธิภาพและสถานะฟรี Opus จึงเป็นดาวรุ่ง – หากคุณกำหนดเป้าหมายแพลตฟอร์มสมัยใหม่ อาจกล่าวได้ว่ามันเป็นรูปแบบสูญเสียข้อมูลที่ดีที่สุดที่มีอยู่
-
WMA: หลีกเลี่ยง เว้นแต่คุณจะมีกรณีการใช้งานเฉพาะเช่นการเล่นไฟล์บนอุปกรณ์ Windows Mobile เก่าๆ หรืออะไรทำนองนั้น ในอดีต คุณอาจใช้ WMA เพื่อบีบคุณภาพให้ได้มากขึ้นเล็กน้อยที่บิตเรตต่ำ หรือใช้ WMA Lossless สำหรับการเก็บถาวรบน Windows แต่ในปัจจุบัน WMA ถูกลดความสำคัญลงอย่างมาก – แม้แต่ Microsoft ก็ไม่ได้ผลักดันมัน ใช้ MP3/AAC สำหรับแบบสูญเสียข้อมูลหรือ FLAC สำหรับแบบไม่สูญเสียข้อมูลแทน ข้อแลกเปลี่ยน: แม้ว่ามาตรฐาน WMA จะเล่นได้อย่างกว้างขวางบน Windows แต่แพลตฟอร์มอื่นอาจไม่รองรับโดยกำเนิด และการเพิ่มคุณภาพก็เป็นที่ถกเถียงได้ นอกจากนี้ WMA เป็นทางตัน (ไม่มีการพัฒนาอย่างต่อเนื่องมาหลายปี) WMA เดียวที่ยังมีการใช้งานเฉพาะกลุ่มคือในการตั้งค่าการสตรีมหรือการออกอากาศเก่าบางแห่ง และแม้แต่เหล่านั้นก็กำลังเปลี่ยนแปลง
-
RealAudio / ATRAC / อื่นๆ: สิ่งเหล่านี้ปัจจุบันล้าสมัย คุณจะใช้มันก็ต่อเมื่อต้องจัดการกับเนื้อหาเก่าเฉพาะ ตัวอย่างเช่น หากคุณมีคอลเลกชันไฟล์ RealAudio เก่าจากยุค 90 คุณจะแปลงมันเป็นรูปแบบที่ทันสมัย ATRAC อาจยังพบได้หากคุณชื่นชอบ MiniDisc แต่นอกนั้นคุณจะไม่เลือกใช้สำหรับการบันทึกใหม่ MP2 ยังคงใช้งานในการออกอากาศ – หากคุณกำลังเข้ารหัสเสียงสำหรับวิทยุดิจิทัล คุณจะใช้ MP2 เพราะนั่นคือมาตรฐานที่นั่น แต่สำหรับการเผยแพร่ส่วนบุคคลหรือทั่วไป คุณจะไม่เลือก MP2 แทน MP3/AAC Dolby Digital (AC-3) หรือ DTS อาจใช้หากคุณกำลังสร้าง DVD/Blu-ray หรือไฟล์ภาพยนตร์ระบบเสียงรอบทิศทาง พวกมันเป็นสิ่งที่บังคับในแวดวงนั้น แต่พวกมันจะไม่ใช่ตัวเลือกของคุณสำหรับอัลบั้มเพลงหรือไฟล์เสียงทั่วไป
โดยสรุป รูปแบบที่ "ดีที่สุด" ขึ้นอยู่กับความต้องการของคุณ: MP3 สำหรับความเข้ากันได้, AAC หรือ Opus สำหรับประสิทธิภาพ, FLAC/ALAC สำหรับความสมบูรณ์แบบ, WAV/AIFF สำหรับการตัดต่อ แต่ละรูปแบบเป็นภาพรวมของเทคโนโลยีและข้อจำกัดในยุคของมัน – ตั้งแต่กระบอกเสียงของ Edison ไปจนถึงตัวเข้ารหัสที่เสริมด้วยโครงข่ายประสาทเทียมในปัจจุบัน น่าทึ่งมากที่เราเดินทางมาไกลขนาดนี้ โชคดีที่การจัดเก็บและแบนด์วิดท์ในปัจจุบันช่วยให้เราเลือกคุณภาพเมื่อเราต้องการ (ไฟล์แบบไม่สูญเสียข้อมูล) หรือความสะดวกเมื่อเราต้องการ (การสตรีมในรูปแบบสูญเสียข้อมูล) การเข้าใจรูปแบบเหล่านี้ช่วยให้คุณเลือกได้ถูกต้องสำหรับสถานการณ์ที่เหมาะสม เพื่อให้เสียงของคุณโดนโน้ตที่สมบูรณ์แบบเสมอ
การอ่านเพิ่มเติมและแหล่งข้อมูล
- คณะกรรมการฝ่ายประวัติศาสตร์ AES – "ไทม์ไลน์เสียง" (2004)
- E&T History Wiki – "พัลส์โค้ดมอดูเลชัน (PCM)"
- พิพิธภัณฑ์ประวัติศาสตร์คอมพิวเตอร์ – “เรื่องราวของคอมแพกต์ดิสก์”
- Microsoft Docs – "รูปแบบไฟล์ WAV"
- บล็อก iZotope – “WAV กับ AIFF: ต่างกันอย่างไร?”
- สถาบัน Fraunhofer – “MP3: ตำนาน”
- ThoughtCo – “ประวัติศาสตร์ของ MP3”
- วิกิพีเดีย – “MP3”
- วิกิพีเดีย – “Advanced Audio Coding (AAC)”
- Hydrogenaudio Wiki – “AAC”
- Xiph.Org – “เอกสารประกอบ Vorbis”
- Xiph.Org – “รูปแบบคอนเทนเนอร์ Ogg”
- เว็บไซต์อย่างเป็นทางการของ Opus Codec
- RFC 6716 – คำนิยามของ Opus Audio Codec
- Hydrogenaudio Wiki – “Windows Media Audio (WMA)”
- วิกิพีเดีย – “ATRAC”
- วิกิพีเดีย – “RealAudio”
- วิกิพีเดีย – “MPEG-1 Audio Layer II (MP2)”
- เว็บไซต์อย่างเป็นทางการของ FLAC
- RFC 9639 – ข้อกำหนด FLAC (IETF)
- Hydrogenaudio Wiki – “FLAC”
- Ars Technica – “Apple เปิดซอร์สตัวแปลงรหัสเสียงแบบไม่สูญเสียข้อมูล (ALAC)”
- Hydrogenaudio Wiki – “ALAC”
- วิกิพีเดีย – “การเปรียบเทียบรูปแบบเสียง”
