Przejdź do artykułu

Ewolucja nagrywania dźwięku i formatów

Ewolucja nagrywania dźwięku i formatów

Od folii cynowej do strumieni cyfrowych: Historia formatów audio obejmuje prawie 150 lat, począwszy od pierwszych prymitywnych nagrań dźwiękowych, aż po zaawansowane technologicznie pliki cyfrowe, których używamy dziś. W 1877 Thomas Edison zarejestrował fragment „Mary Had a Little Lamb” na cylindrze pokrytym folią cynową – narodził się fonograf. Wynalazek Edisona zapoczątkował erę analogową, w której fale dźwiękowe były wyryte na cylindrach lub płytach i odtwarzane na mechanicznych gramofonach. Przez dziesięciolecia muzyka i głos były nagrywane w formie analogowej na nośnikach takich jak płyty winylowe i taśma magnetyczna. Jednak wraz z postępem technologii naukowcy zaczęli szukać sposobów przedstawiania dźwięku za pomocą sygnałów elektrycznych i cyfr. W 1937 brytyjski inżynier Alec Reeves zaproponował modulację impulsowo-kodową (PCM) – kodowanie dźwięku jako ciągu liczb binarnych. Ten pomysł digitalizacji dźwięku położył podwaliny pod wszystko, od płyt CD po pliki MP3, choć nie mógł być zrealizowany przy użyciu elektroniki 1930. W połowie 20 wieku innowatorzy z Bell Labs i innych miejsc eksperymentowali z dźwiękiem cyfrowym, a podstawy teoretyczne (jak twierdzenie o próbkowaniu Nyquista w 1928) były już gotowe.

Rewolucja cyfrowa: Prawdziwy przełom nastąpił pod koniec lat 1970 i na początku lat 1980. Firmy takie jak Sony i Philips zastosowały PCM w audio konsumenckim, dając nam płytę kompaktową (CD). Po latach prac rozwojowych Philips publicznie zademonstrował CD w 1981, a Sony wydało pierwszy komercyjny odtwarzacz CD (CDP-101) w 1982. Nagle muzyki można było słuchać z krystalicznie czystym dźwiękiem cyfrowym 16-bit/44.1 kHz, bez trzasków i szumów. Przez całe lata 1980 dźwięk cyfrowy rozprzestrzeniał się w studiach i domach – od wielośladowych rejestratorów studyjnych po wprowadzenie taśmy DAT i pierwszych komputerowych stacji roboczych audio. Na początku lat 1990 scena była gotowa na cyfrowe pliki audio na komputerach osobistych. Apple wprowadził Macintosha z wbudowanym dźwiękiem, a Microsoft przygotowywał Windows do multimediów.

Od komputerów PC do Internetu: W miarę jak komputery zyskiwały moc, pojawiały się nowe formaty plików audio do przechowywania i udostępniania dźwięków. W 1988 Apple wprowadził Audio Interchange File Format (AIFF) dla Macintosha, jeden z pierwszych standaryzowanych cyfrowych formatów plików audio. Kilka lat później, w 1991, Microsoft i IBM odpowiedzieli Waveform Audio File Format (WAV) dla Windows. Początkowo te duże, nieskompresowane pliki były używane do dźwięków systemowych lub profesjonalnej edycji audio. Wkrótce jednak rozwój Internetu i ograniczona przestrzeń dyskowa wymusiły zapotrzebowanie na kompresję. Naukowcy opracowali algorytmy drastycznie zmniejszające dane audio, dając początek formatom stratnym, takim jak MP3 na początku lat 1990. Pod koniec lat 90 skompresowane pliki audio przelatywały przez sieć za pośrednictwem Napstera i innych usług, rewolucjonizując dystrybucję muzyki. Dziś mamy bogaty ekosystem formatów audio – każdy z własną historią, technologią i przeznaczeniem. W tym poście zagłębimy się w główne typy plików audio (zarówno popularne, jak i niszowe), badając, dlaczego zostały stworzone, kto je wynalazł, jakie przełomy techniczne przyniosły i gdzie są używane.

Nieskompresowane formaty audio: WAV, AIFF i PCM

Gdy audio jest nieskompresowane, jest przechowywane jako surowe dane reprezentujące każdą próbkę fali dźwiękowej. Najczęstszą formą jest liniowa PCM (modulacja impulsowo-kodowa) – ten sam format używany na płytach CD, który wiernie koduje amplitudę przebiegu fali w równych odstępach czasu. Nieskompresowane audio zapewnia maksymalną jakość kosztem dużych rozmiarów plików. Dwa z najwcześniejszych cyfrowych formatów plików audio, WAV i AIFF, zostały stworzone do przechowywania danych PCM odpowiednio dla Windows i Mac.

WAV – Waveform Audio File Format firmy Microsoft

WAV (Waveform Audio File Format) to standardowy format plików audio dla komputerów z systemem Windows, opracowany wspólnie przez IBM i Microsoft i wydany w 1991. Został wprowadzony wraz z Windows 3.1 jako natywny cyfrowy format audio dla tej platformy. WAV jest zasadniczo opakowaniem surowych danych audio PCM. Jest zbudowany na formacie kontenera RIFF (Resource Interchange File Format) firmy Microsoft, który przechowuje dane w oznaczonych chunkach. Ta konstrukcja oparta na chunkach uczyniła WAV rozszerzalnym i pozwoliła mu zawierać metadane, a nawet skompresowane audio, choć w praktyce zdecydowana większość plików WAV zawiera nieskompresowany PCM. Wcześni użytkownicy Windows mogą pamiętać dźwięk startowy – krótki plik WAV odtwarzany przy rozruchu – jako swoje pierwsze zetknięcie z cyfrowym audio na komputerze PC.

Dużą zaletą WAV było zachowywanie audio dokładnie tak, jak zostało nagrane. Stereofoniczny plik WAV jakości CD (44.1 kHz, 16-bit) zajmuje około 10 MB na minutę, ponieważ nic nie jest odrzucane. Ta bezstratna wierność czyniła WAV idealnym do profesjonalnego nagrywania, edycji i archiwizacji. Studia przyjęły WAV do przechowywania masterów, a nawet dziś cyfrowe stacje robocze audio zwykle używają WAV pod spodem. Wadą jest oczywiście rozmiar pliku – nieskompresowane pliki WAV są obszerne, co czyniło je niepraktycznymi dla nośników przenośnych lub wczesnego udostępniania w internecie. Aby rozwiązać niektóre ograniczenia, rozszerzenia takie jak Broadcast WAV (BWF) w 1997 dodały metadane (znaczniki czasu itp.) do zastosowań broadcastowych, a wariant RF64 rozszerzył rozmiar pliku poza limit 4 GB standardowego WAV. Ale pod względem jakości audio WAV z PCM jest tak dobry, jak to tylko możliwe: jest to bit-perfect kopia oryginalnego dźwięku analogowego (w granicach częstotliwości próbkowania i głębi bitowej).

AIFF – format Audio Interchange File Format firmy Apple

Po stronie Macintosha AIFF (Audio Interchange File Format) został wprowadzony przez Apple w 1988 jako odpowiedź Maca na WAV. Apple oparł AIFF na formacie IFF firmy Electronic Arts (zapoczątkowanym na komputerze Amiga), używając podobnego przechowywania opartego na chunkach do przechowywania danych audio i metadanych. Podobnie jak WAV, standardowy AIFF przechowuje nieskompresowane audio PCM (zazwyczaj 16-bit stereo przy różnych częstotliwościach próbkowania). W rzeczywistości pod spodem AIFF i WAV są bardzo podobne – oba mogą zawierać PCM, który zapewnia „pełną jakość studyjną audio” na swoich platformach. Jedną różnicą techniczną jest kolejność bajtów: klasyczny AIFF jest big-endian (pasujący do procesorów Motorola w starych Macach), podczas gdy WAV jest little-endian (pasujący do komputerów PC z Intel).

AIFF umożliwił komputerom Mac z końca lat 80 po raz pierwszy obsługę wysokiej jakości cyfrowego audio. Muzycy i inżynierowie dźwięku mogli nagrywać i edytować dźwięk jakości CD na komputerze – ogromny krok naprzód od niskiej jakości audio 8-bit, które miało wiele komputerów domowych. Wczesne przyjęcie AIFF przez Apple było związane z produktami takimi jak Sound Designer II, a później Logic Pro i GarageBand; jeśli pracowałeś w studiu opartym na Macu, AIFF był powszechny. Z czasem AIFF ewoluował – rozszerzenie AIFF-C pozwalało na skompresowane dane – ale nieskompresowany AIFF pozostał normą. Dziś AIFF jest mniej wszechobecny niż WAV (częściowo dlatego, że Windows dominował w latach 90), ale nadal jest w pełni obsługiwany na wszystkich platformach. Użytkownicy Maców często swobodnie wymieniają AIFF i WAV, ponieważ nie ma między nimi różnicy w jakości. Dziedzictwo AIFF jest głównie historyczne: pokazało, że komputery PC i Maki mogą osiągnąć audio „studyjnej klasy”, torując drogę dla wszystkiego, od nagrań domowych po bogate doświadczenia multimedialne, które teraz uważamy za oczywiste.

(Zarówno WAV, jak i AIFF służą temu samemu celowi: zachowaniu danych audio w nienaruszonym stanie. Jeśli musisz zachować każdy bit jakości – na przykład podczas masteringu muzyki lub edycji dźwięku do filmu – użyjesz WAV lub AIFF. Kompromisem jest ogromny rozmiar pliku i brak kompresji. Do codziennego słuchania lub dystrybucji taki nadmiarowy poziom jakości nie jest konieczny, i tu wkraczają poniższe formaty.)

Stratne formaty skompresowanego audio

Wraz z rozprzestrzenianiem się dźwięku cyfrowego szybko stało się oczywiste, że surowe pliki PCM są zbyt duże dla wielu zastosowań. Wkracza kompresja stratna: techniki, które znacznie zmniejszają rozmiar pliku, odrzucając lub przybliżając dane audio, których ludzie prawdopodobnie nie usłyszą. Formaty stratne wykorzystują naukę psychoakustyki – skutecznie „oszukując” nasze uszy, aby skompresowane audio nadal brzmiało dobrze (przez większość czasu) pomimo użycia znacznie mniejszej liczby bitów. W 1990 nastąpił rozkwit rozwoju kodeków stratnych, napędzany potrzebą przechowywania muzyki na ograniczonej przestrzeni (wczesne dyski twarde, MiniDisc) oraz strumieniowania lub pobierania audio przez wolne sieci. Zbadajmy główne formaty stratne, od zmieniającego świat MP3 po nowoczesnych następców.

MP3 – MPEG Layer III, rewolucja audio

Żaden format audio nie miał takiego wpływu kulturowego jak MP3. Technicznie znany jako MPEG-1 Audio Layer III, MP3 został opracowany pod koniec lat 1980 i na początku lat 90 głównie przez zespół w niemieckim Instytucie Fraunhofera, kierowany przez dr. Karlheinza Brandenburga, z wkładem innych instytucji. Grupa Fraunhofera badała wysokiej jakości kodowanie audio o niskiej przepływności w ramach wspieranego przez UE projektu EUREKA DAB od 1987. Brandenburg, często nazywany „ojcem MP3”, pracował nad algorytmami kompresji muzyki od lat 1970, a wysiłki Fraunhofera (o kryptonimie ASPEC) konkurowały z innymi propozycjami w komitecie MPEG. W 1991 grupa MPEG wybrała podejście hybrydowe: zaczerpnęła pomysły z wielu kodeków (Musicam Layer II, ASPEC AT&T itp.), aby stworzyć MPEG Layer III. Rezultatem był MP3, sfinalizowany w standardzie MPEG-1 opublikowanym w 1993. Fraunhofer wydał pierwszy programowy enkoder MP3 (l3enc) w 1994 i wybrał rozszerzenie „.mp3” w lipcu 1995.

Dlaczego MP3 był przełomem: Używając sprytnych sztuczek percepcyjnych, MP3 mógł zmniejszyć audio CD o około 90%, a mimo to brzmiało zaskakująco wiernie. Wykorzystuje hybrydowy zespół filtrów (częściowo polifazowy, częściowo MDCT) i model psychoakustyczny do odrzucania niesłyszalnych treści. Na przykład głośne dźwięki maskują ciche, więc MP3 usuwa zamaskowane audio i zmniejsza precyzję tam, gdzie nie zostanie to zauważone. Typowy cel 128 kbps dla muzyki stereo został wybrany, aby zapewnić jakość „prawie CD” w znacznie mniejszym pliku. W słynnej anegdocie Brandenburg testował algorytm na a cappella „Tom’s Diner” Suzanne Vegi – jej głos był notorycznie trudny do skompresowania bez artefaktów. Słuchał wielokrotnie, udoskonalając enkoder, aż wokale Vegi zabrzmiały naturalnie, co przyniosło jej przydomek „Matki MP3”. To rygorystyczne dostrojenie się opłaciło: audio MP3 w ułamku oryginalnego rozmiaru było nieodróżnialne od źródła dla większości słuchaczy, zwłaszcza przez słuchawki lub głośniki 90.

Wzrost i wszechobecność: MP3 pozostawał głównie w laboratoriach do późnych lat 1990, kiedy to eksplodował w świadomości publicznej. W 1997 patent MP3 był aktywnie licencjonowany (Fraunhofer uzyskał patent USA w 1996), ale grupy hakerskie również złamały kodek i wydały darmowe enkodery (jak LAME). Co kluczowe, w latach 1998-1999 scena była gotowa na dystrybucję MP3 w internecie. Rozmiar pliku umożliwił pobieranie piosenek przez modem, a oryginalny serwis muzyczny Napster pojawił się w 1999, pozwalając milionom użytkowników wymieniać się MP3 w sieciach peer-to-peer. Nagle każdy mógł zgrywać CD do MP3 i udostępniać je na całym świecie – zmiana paradygmatu, która wstrząsnęła przemysłem muzycznym. Wytwórnie płytowe uznały darmową wymianę MP3 przez Napstera za „piractwo muzyczne” i pozwały go, co doprowadziło do zamknięcia Napstera, ale dżin wydostał się z butelki. Przenośne „odtwarzacze MP3” trafiły na rynek (Diamond Rio itp.), a na początku lat 2000 MP3 stał się de facto standardem muzyki cyfrowej. Pomimo nowszych formatów, kompatybilność i popularność MP3 utrzymały go na tronie. W rzeczywistości, nawet dziś, prawie każde urządzenie może odtwarzać MP3, a wiele sklepów internetowych (Amazon itp.) oferuje muzykę do pobrania w formacie MP3.

Ograniczenia: kompresja psychoakustyczna MP3 jest stratna – część informacji audio zostaje bezpowrotnie utracona. Przy niższych przepływnościach (poniżej ~128 kbps) artefakty takie jak pre-echo, „warbling” (efekt falowania) lub pusty dźwięk mogą stać się słyszalne. Ponadto MP3 jest ograniczony do dwóch kanałów (stereo) dla MPEG-1 i nie miał wbudowanego wsparcia dla dźwięku przestrzennego ani wyższych częstotliwości próbkowania (częściowo rozwiązano to w MPEG-2 AAC). MP3 uwikłał się również w licencjonowanie patentów; Fraunhofer i Thomson pobierali opłaty za kodery/dekodery przez dziesięciolecia. (Warto zauważyć, że patenty MP3 wygasły z dniem 2017, co czyni go darmowym w użyciu.) Mimo wszystko MP3 osiągnął to, o czym marzyli jego twórcy – „znacząco zmniejszył ilość danych wymaganych” dla audio, jednocześnie w większości przypadków brzmiąc jak oryginał. Utorował drogę dla naszego współczesnego świata streamingu i muzyki na żądanie.

AAC – Następca MP3

AAC (Advanced Audio Coding) został zaprojektowany pod koniec lat 1990 jako oficjalny następca MP3 – nowy kodek, który mógł naprawić niedoskonałości MP3 i osiągnąć lepszą wydajność. AAC został opracowany przez koalicję firm, w tym Dolby Labs, Fraunhofer IIS, AT&T Bell Labs, Sony i Nokia, działających w ramach organizacji MPEG. Pierwsza wersja AAC została znormalizowana w 1997 jako MPEG-2 Part 7 (często nazywana MPEG-2 AAC). Została później ulepszona i włączona do standardu MPEG-4 (czyniąc AAC podstawowym formatem audio również dla MPEG-4).

Dlaczego stworzono AAC: MP3 udowodnił wartość kompresji stratnej, ale inżynierowie wiedzieli, że mogą zrobić to lepiej. AAC incorporates more advanced coding tools and psychoacoustic models to deliver higher fidelity at a given bitrate. Key improvements of AAC over MP3 include: support for more sample rates (from 8 kHz up to 96 kHz) and more channels (up to 48 channels versus MP3’s stereo). AAC uses a finer-resolution filterbank (2048-point MDCT) and can switch block sizes to better handle transient signals (reducing pre-echo). It also introduced features like joint stereo improvements, scale-factor tuning, and optional modules (like predictor, gain control, etc.) to improve efficiency. Mówiąc prosto, dobrze zakodowany plik AAC brzmi bliżej oryginału niż MP3 o tej samej przepływności. Testy ogólnie pokazują, że AAC osiąga równoważną jakość przy około 30% niższej przepływności w porównaniu do MP3. Na przykład AAC przy ~96 kbps może rywalizować z MP3 przy 128 kbps – to znaczący zysk.

Adaptacja i zastosowanie: AAC początkowo zyskał popularność dzięki wczesnym implementacjom, takim jak QuickTime Apple pod koniec lat ’90 i wysiłkom Sony w zakresie zastąpienia ATRAC, ale jego wielki przełom nastąpił wraz z Apple iTunes. W 2003 Apple wybrał AAC jako format dla iTunes Music Store i iPoda (używając kontenerów .m4a). Miliony konsumentów nieświadomie kupowały i zgrywały muzykę jako AAC, ustanawiając go głównym standardem. AAC jest również formatem audio dla plików wideo MP4 (to „AAC” w .mp4 lub .m4v), powszechnie stosowanym w streamingu i na platformach wideo. Z czasem opracowano warianty AAC: HE-AAC („AAC+”) dodał Spectral Band Replication i Parametric Stereo, aby poprawić wydajność przy niskich przepływnościach, czyniąc AAC odpowiednim nawet dla aplikacji o bardzo niskiej przepustowości, takich jak radio internetowe. AAC-LD i AAC-ELD zapewniły tryby niskiego opóźnienia dla komunikacji w czasie rzeczywistym. Dziś AAC jest wszędzie – jest domyślnym formatem dla Apple Music (obecnie często przy 256 kbps AAC), używanym w streamingu HTML5 YouTube’a, obsługiwanym przez Androida i wymaganym przez różne standardy nadawania. Chociaż nie jest wolny od opłat licencyjnych (kodery/dekodery AAC nadal wymagały licencji od posiadaczy patentów do czasu wygaśnięcia), AAC stał się koniem roboczym nowoczesnego stratnego audio.

Podsumowując, AAC spełnił swoją obietnicę jako następca MP3: ogólnie osiąga wyższą jakość dźwięku niż MP3 przy tej samej przepływności, obsługuje więcej kanałów i zakresów audio oraz pozostaje formatem pierwszego wyboru dla wielu serwisów muzycznych. Ceną jest zwiększona złożoność kodowania – enkoder AAC jest bardziej wymagający obliczeniowo, co jest rozsądną ceną za lepszą wydajność. Dla słuchacza porównanie AAC vs MP3 jest zwykle przezroczyste, ale audiofile i inżynierowie docenili poprawioną efektywność kodowania i elastyczność.

Ogg Vorbis – otwartoźródłowy i nieobciążony

Podczas gdy MP3 i AAC przekształcały dźwięk cyfrowy, wiązały się z patentami. To zmotywowało do stworzenia Ogg Vorbis, otwartoźródłowego, wolnego od patentów kodeka audio dla ludzi. Vorbis (często nazywany Ogg Vorbis, od swojego kontenera) został zainicjowany przez programistę Christophera „Monty'ego” Montgomery'ego i Fundację Xiph.Org. Projekt rozpoczął się w 1998–1999, pobudzony przez przełomowe wydarzenie: Fraunhofer ogłosił plany rozpoczęcia pobierania opłat licencyjnych za MP3, co zagroziło darmowym koderom/odtwarzaczom MP3. Monty postanowił zbudować całkowicie wolną alternatywę, aby nikt nie musiał płacić za kompresję lub odtwarzanie swojej muzyki.

Po intensywnym rozwoju i współpracy społeczności Vorbis osiągnął wydanie 1.0 w lipcu 2002 (z zamrożeniem formatu strumienia bitowego w maju 2000). Technicznie Vorbis jest kodekiem stratnym o podejściu podobnym do MPEG audio, ale opracowanym niezależnie. Wykorzystuje MDCT podobnie jak MP3/AAC, ale z pewnymi unikalnymi rozwiązaniami (np. elastyczny mechanizm przełączania okien i zaawansowany etap kodowania entropijnego). Vorbis był intensywnie dostrajany pod kątem jakości i nie ma sztywnych poziomów przepływności – można ustawić poziom jakości, a generuje audio o zmiennej przepływności (VBR) spełniające tę jakość. W testach odsłuchowych około czasu wydania Vorbis wypadał na równi lub lepiej niż MP3, szczególnie przy wyższych przepływnościach (~128-192 kbps). I robił to bez naruszania patentów, co było kluczowe dla oprogramowania open source.

Kto i dlaczego: Rozwój Vorbisa był zasadniczo oddolnym projektem open source. Monty Montgomery napisał większość implementacji referencyjnej, a wielu wolontariuszy wniosło wkład. Był częścią większego Projektu Ogg w ramach Xiph.Org – „Ogg” to format kontenera, a Vorbis pierwszym kodekiem audio w nim. Nazwa „Vorbis” pochodzi od postaci z powieści fantasy Small Gods, zgodnie z wczesną tradycją Ogg nazywania kodeków od fikcji (Monty stworzył także kodek wideo Ogg Theora kilka lat później). Połączenie „Ogg Vorbis” miało zapewnić podwójny cios: kontener i kodek całkowicie darmowe w użyciu.

Wdrożenie: Vorbis znalazł niszę wśród zwolenników open source i niektórych branż. W połowie lat 2000 był kodekiem z wyboru dla wielu darmowych odtwarzaczy multimedialnych i gier. Na przykład gry wideo (zwłaszcza na PC) często używały Ogg Vorbis do ścieżek dźwiękowych, aby uniknąć licencjonowania MP3. Vorbis stał się również popularny we wczesnej erze podcastów i radia internetowego (np. własny serwer strumieniowy Icecast Xiph obsługiwał strumieniowanie Ogg Vorbis). Warto zauważyć, że Spotify używało strumieniowania Ogg Vorbis przez wiele lat w swoich aplikacjach desktopowych i mobilnych. Wikipedia i inne projekty Wikimedia wybrały Ogg Vorbis na pliki dźwiękowe ze względu na status wolny od opłat licencyjnych. Vorbis nigdy nie osiągnął uniwersalnej rozpoznawalności nazwy „MP3”, ale po cichu zasilał wiele dźwięku cyfrowego. Wsparcie sprzętowe początkowo było opóźnione (niewiele odtwarzaczy MP3 obsługiwało Ogg na początku lat 2000), ale ostatecznie wiele nowoczesnych urządzeń i telefonów mogło go obsługiwać.

Format Vorbis pokazał, że otwarta współpraca może stworzyć kodek klasy światowej. Udowodnił, że istnieje życie poza patentami – koncepcja, która utorowała drogę dla nowszych darmowych kodeków, takich jak Opus. Pod względem jakości Vorbis jest w większości scenariuszy w przybliżeniu na równi z AAC i MP3 (dobrze dostrojony enkoder Vorbis przy jakości 5 (~160 kbps) jest przezroczysty dla wielu słuchaczy). Ma tendencję do przewyższania MP3 przy niższych przepływnościach i dał programistom opcję bez zmartwień dla audio. Vorbis = Wolność było okrzykiem bojowym. Dziś Vorbis został w dużej mierze zastąpiony przez Opus w nowych projektach (jak zobaczymy dalej), ale pozostaje w użyciu i nadal oferuje opłacalny otwarty format ogólnej kompresji audio.

Opus – nowoczesny cud dla audio

Opus to nowszy uczestnik (standaryzowany w 2012), który szybko stał się najnowocześniejszym otwartym kodekiem audio. Jeśli MP3 rządził w 90 latach, a AAC w 2000 latach, Opus jest kodekiem 2010 lat i późniejszych – zwłaszcza w streamingu i komunikacji w czasie rzeczywistym. Opus został opracowany przez Grupę Roboczą ds. Kodeków IETF (organizację, która zwykle nie zajmuje się kodekami, ale się tym zajęła) przy udziale Mozilli, Xiph.Org, Skype'a, Microsoft, Broadcom i innych. W rzeczywistości Opus powstał z połączenia dwóch bardzo różnych kodeków: SILK firmy Skype (zoptymalizowanego do mowy) i CELT firmy Xiph (zoptymalizowanego do muzyki wysokiej jakości). Celem było stworzenie jednego kodeka, który poradzi sobie ze wszystkim, od wąskopasmowych połączeń głosowych po pełnopasmową muzykę stereo. Wynik został przedłożony IETF, a we wrześniu 2012 Opus został zatwierdzony jako RFC 6716, otwarty standard.

Przełomy techniczne: Magia Opusa polega na jego wszechstronności. Może bezproblemowo skalować się od zaledwie 6 kbps (wysoce skompresowana mowa) do 510 kbps (dźwięk wysokiej rozdzielczości) i wszystkiego pomiędzy. Automatycznie przełącza tryby między predykcyjnym kodekiem opartym na SILK dla mowy a transformacyjnym kodekiem opartym na CELT dla muzyki, a nawet hybrydą obu, w zależności od treści. Obsługuje dźwięk pełnopasmowy (48 kHz) i rozmiary ramek od 2.5 ms (dla ultra-niskiego opóźnienia) do 60 ms (dla wydajności). Opus jest również odporny na utratę pakietów i zmienność sieci, co czyni go idealnym do streamingu internetowego. Co kluczowe, Opus osiągnął to, z czym wcześniejsze kodeki miały problemy: bardzo dobrą jakość zarówno dla mowy, jak i muzyki przy niskim opóźnieniu. Poprzednie konstrukcje często optymalizowano pod jeden aspekt (np. Speex był tylko do mowy; Vorbis tylko do muzyki; AAC-LD miał niskie opóźnienie, ale nie był świetny przy ultra-niskich przepływnościach itp.). Opus połączył najlepsze z obu światów. W testach odsłuchowych wykazano, że Opus przewyższa starsze kodeki: na przykład przy 64 kbps przewyższa HE-AAC, a przy bardzo niskich przepływnościach wytwarza bardziej zrozumiałą mowę niż jakikolwiek wcześniejszy kodek w swojej klasie. Jest również całkowicie wolny od opłat licencyjnych, co przyspieszyło jego adopcję przez przeglądarki i platformy.

Kto używa Opusa: Praktycznie każda nowoczesna przeglądarka internetowa obsługuje Opusa (często w kontenerze Ogg lub WebM) dla dźwięku HTML5 i WebRTC. Mówiąc o WebRTC, Opus jest obowiązkowym kodekiem audio dla tego standardu komunikacji w czasie rzeczywistym – co oznacza, że każde internetowe połączenie głosowe/wideo prawdopodobnie używa Opusa pod spodem. Usługi takie jak Discord, Zoom i WhatsApp używają Opusa do połączeń głosowych i wiadomości audio ze względu na niskie opóźnienie i jakość. Jest również używany przez platformy takie jak YouTube (do streamingu w formacie WebM), a Spotify testowało Opusa do streamingu. Na komputerach stacjonarnych i urządzeniach mobilnych wsparcie jest powszechne w frameworkach (Android i iOS mają dekodery Opusa, a FFmpeg/Libav zapewniają wsparcie dla praktycznie wszystkich odtwarzaczy). Zasadniczo Opus stał się pierwszym wyborem w każdym scenariuszu wymagającym wydajnego, wysokiej jakości dźwięku w dzisiejszym internecie.

Z Opusem osiągnęliśmy punkt, w którym kompresja jest tak dobra, że stare bitwy (MP3 vs AAC vs Vorbis) mogą nie mieć znaczenia dla większości użytkowników. Przy 128 kbps i powyżej Opus jest przezroczysty dla praktycznie wszystkich. Nawet przy znacznie niższych przepływnościach zachowuje klarowność znacznie lepiej niż starsze formaty. To świadectwo tego, jak daleko zaszło kodowanie audio od wczesnych dni MP3. Kompromisy związane z Opusem są minimalne – jest nieco ciężki obliczeniowo (choć wydajny w dekodowaniu), a będąc nowszym, niektóre bardzo stare urządzenia mogą go nie obsługiwać. Ale biorąc pod uwagę, że jest to otwarty standard i wolny od opłat licencyjnych, Opus prawdopodobnie pozostanie fundamentem internetowego audio przez wiele lat.

Inne znaczące formaty stratne (WMA, ATRAC, RealAudio, MP2 itp.)

Powyższe formaty to główni gracze, ale wiele innych kodeków stratnych odegrało rolę w historii audio. Omówmy krótko kilka z nich:

  • WMA (Windows Media Audio): W 1999 firma Microsoft wkroczyła do gry z WMA, dążąc do pokonania MP3 pod względem wydajności i powiązania dźwięku z ich ekosystemem Windows Media. WMA reklamowano jako oferujące „jakość MP3 przy połowie przepływności”, choć niezależne testy często obalały to twierdzenie. Oryginalne WMA (retrospektywnie nazwane WMA Standard) osiągało przyzwoite wyniki i stało się drugim najpowszechniej występującym formatem stratnym na początku lat 2000 dzięki dominacji Windows. Microsoft promował WMA w Windows Media Player i sklepach internetowych (takich jak te wykorzystujące WMA z DRM w usługach subskrypcji muzyki). Później wprowadzili WMA Pro (obsługujące dźwięk wielokanałowy i audio 24-bitowe) oraz WMA Lossless (zupełnie inny kodek do bezstratnej kompresji) na początku lat 2000. Jednak los WMA osłabł — nigdy nie przyjął się poza światem PC/Windows, a nawet własny sklep Zune firmy Microsoft ostatecznie porzucił WMA na rzecz MP3 do 2011. Dziś WMA jest zasadniczo formatem przestarzałym. Jeśli się na nie natkniesz, zwykle jest to w starszych kolekcjach zorientowanych na Windows lub w archiwach radia internetowego. Wsparcie sprzętowe było powszechne w latach 2000 (wiele odtwarzaczy DVD i radioodtwarzaczy samochodowych odtwarzało WMA), ale obecnie WMA zostało w dużej mierze porzucone. TL;DR: WMA przez jakiś czas spełniało swoje zadanie (w szczególności umożliwiało sklepy z muzyką chronioną DRM i mniejsze pliki dla wczesnych przenośnych odtwarzaczy), ale w 2025 jest w dużej mierze martwym formatem.

  • ATRAC: Skrót od Adaptive Transform Acoustic Coding, ATRAC to rodzina kodeków opracowanych przez Sony dla formatu MiniDisc. Debiutując w 1992 wraz z premierą MiniDisc, ATRAC był współczesny wczesnym wysiłkom MP3, ale rozwijany niezależnie. Celem było skompresowanie dźwięku CD do około 1/5 jego rozmiaru (z 1411 kbps do ~292 kbps), aby 74 minut dźwięku zmieściło się na małej magneto-optycznej MiniDisc. ATRAC był zamkniętym, zastrzeżonym systemem, ale w praktyce jego jakość przy tej przepływności była całkiem dobra – wielu słuchaczy uważało wczesny ATRAC za „prawie CD” pod względem jakości. Przez lata 90 i 2000 ATRAC ewoluował (ATRAC3 w 1999, ATRAC3plus w 2002 itd.), aby poprawić jakość i obsługiwać nowe urządzenia. Sony używało ATRAC także w niektórych z pierwszych odtwarzaczy muzyki półprzewodnikowej (Network Walkman), zanim ostatecznie dodało obsługę MP3. Ostatecznie ATRAC został wyprzedzony przez bardziej znormalizowane formaty. W latach 2007–2008 Sony wycofało ATRAC z rynków USA/UE i zamknęło swój sklep muzyczny oparty na ATRAC, przyznając, że większość użytkowników wolała MP3/AAC, a 90% właścicieli Walkmanów i tak nie używało ATRAC. Japonia utrzymała ATRAC nieco dłużej (pozostał w krajowych produktach Sony do 2012, kiedy japońskie usługi muzyczne przeszły na FLAC). Dziś ATRAC interesuje głównie entuzjastów MiniDisc i archiwistów. Jest przykładem dobrze zaprojektowanego kodeka, którego życie było związane z konkretnym formatem fizycznym.

  • RealAudio: Pionierski format strumieniowania audio, RealAudio został wprowadzony przez Progressive Networks (RealNetworks) w kwietniu 1995. W połowie lat 90, jeśli słuchałeś radia w sieci, prawdopodobnie używałeś RealAudio w RealPlayerze. RealAudio nie był pojedynczym kodekiem, lecz opakowaniem dla różnych metod kompresji (niektóre były kodekami mowy o niskiej przepływności, inne kodekami muzycznymi o wyższej wierności), aby umożliwić odtwarzanie audio w czasie rzeczywistym przez internet dial-up. RealAudio pozwalało stacjom radiowym i serwisom informacyjnym (takim jak BBC) strumieniować audio globalnie – co było wówczas rewolucyjną możliwością. Wielu wczesnych użytkowników internetu pamięta nieco metaliczny dźwięk strumieni RealAudio o przepływności 20 kbps i komunikaty o buforowaniu. RealNetworks utrzymywało szczegóły w tajemnicy, co zmuszało użytkowników do instalowania ich (często nieporęcznego) RealPlayera. Na początku lat 2000 konkurencja ze strony strumieniowania Windows Media i strumieni MP3 (Shoutcast itp.) zaczęła podkopywać dominację RealAudio. Jego popularność gwałtownie spadła, gdy pojawiły się nowsze, mniej zastrzeżone rozwiązania. BBC, jeden z najdłużej trzymających się RealAudio, ostatecznie porzuciło strumienie Real do 2011 na rzecz AAC i innych formatów. Dziedzictwo RealAudio polega na tym, że zapoczątkowało strumieniowanie – udowodniło tę koncepcję lata przed YouTube lub Spotify, choć w bardzo odmiennej formie.

  • MPEG Layer II (MP2): Zanim powstał MP3, istniał MP2. MPEG Audio Layer II, często nazywany po prostu MP2 lub MUSICAM, był częścią pierwotnych standardów audio MPEG-1 sfinalizowanych w 1992. Został stworzony przez konsorcjum obejmujące Philips, CCETT (Francja) i IRT (Niemcy) jako kontynuację prac UE nad Digital Audio Broadcasting. MP2 wykorzystuje prostszą technikę kompresji podpasmowej (jest to kodek podpasmowy w przeciwieństwie do hybrydowej transformaty MP3). Choć MP3 przyćmił go w zastosowaniach PC/muzycznych, MP2 znalazł trwałe miejsce w nadawaniu. Wiele cyfrowych systemów radiowych i telewizyjnych (DAB, DVB) używa audio MP2, ponieważ jest solidne i mniej wymagające obliczeniowo. Na przykład DVD-Video pozwala na audio MP2, a niektóre Video CD i wczesne cyfrowe kanały satelitarne go używały. Ogólnie rzecz biorąc, MP2 potrzebuje wyższego bitrate'u, aby brzmieć tak dobrze jak MP3 – ale przy wysokich bitrate'ach (256-384 kbps) jest bardzo solidny i łatwiejszy do dekodowania na tanim sprzęcie. Ma również niskie opóźnienie, co nadawcy doceniają. Dziś MP2 jest uważany za starą technologię, ale nadal jest używany pod maską w transmisji radiowej/telewizyjnej. Nie jest to coś, co konsumenci wybierają do osobistej muzyki, ale zasługuje na uznanie jako ważny kamień milowy. Ciekawostka: rywalizacja „MP3 vs MP2” we wczesnym MPEG zakończyła się MP3 dla oprogramowania i MP2 dla nadawania – oba przetrwały w swoich niszach. W 2025, jeśli dostroisz cyfrowe radio FM lub obejrzysz standardowej rozdzielczości telewizję kablową, możesz nadal słyszeć audio MP2!

  • Inne (krótkie wzmianki): Istniało wiele innych kodeków stratnych, każdy z własnym twistem. Dolby AC-3, znany jako Dolby Digital, został wprowadzony w 1991 dla dźwięku przestrzennego w kinach i stał się standardem dla audio DVD (5.1 kanałów przy 384-448 kbps). DTS to kolejny kodek kinowy/domowego kina, oferujący wyższe bitrate'y dla potencjalnie lepszej wierności w 5.1 kanałach. Te zazwyczaj nie są używane do plików muzycznych, ale spotkasz AC-3 i DTS w treściach wideo. Musepack (MPC) był kodekiem skierowanym do audiofili, popularnym na początku lat 2000 ze względu na przejrzystość przy wysokich bitrate'ach. Speex był otwartoźródłowym kodekiem mowy od Xiph (zoptymalizowanym pod voice over IP) – obecnie zasadniczo wypartym przez Opus. ADPCM (Adaptive Differential PCM) był używany we wczesnych telefonach cyfrowych, niektórych wariantach WAV, a nawet w starszych formatach, takich jak pliki .vox Microsoft – to prosta kompresja z umiarkowanymi oszczędnościami, używana w starych grach komputerowych i telefonii. ATRAC Advanced Lossless – Sony stworzyło nawet kodek hybrydowy, który łączył ATRAC3 z resztą residuum dla doskonałego dekodowania (koncepcyjnie podobny do trybu hybrydowego WavPack). Dziesiątki kodeków pojawiły się i zniknęły, ale te opisane wcześniej to główne gwiazdy, które ukształtowały cyfrowe audio.

Każdy kodek stratny zazwyczaj rodził się z konkretnej potrzeby – czy to streamingu RealAudio przez modemy 28.8 kbps, czy potrzeby ATRAC, by zmieścić muzykę na MiniDisc, czy dążenia WMA do ekosystemu kontrolowanego przez Microsoft. Zrozumienie ich kontekstów pomaga wyjaśnić ich wybory projektowe i charakterystykę wydajności.

Formaty audio bezstratne: FLAC, ALAC i inne

Formaty bezstratne kompresują audio bez utraty jakiejkolwiek informacji, więc można je zdekodować z powrotem do dokładnych oryginalnych danych PCM. Oferują złoty środek dla tych, którzy chcą doskonałej jakości audio, ale z pewnym zmniejszeniem rozmiaru pliku (zazwyczaj 30–70% mniejsze niż WAV). We wczesnych dniach pamięć masowa była tak droga, że bezstratne formaty nie były szeroko stosowane poza kręgami profesjonalnymi, ale wraz ze wzrostem pojemności dysków i poprawą kompresji, bezstratne audio zyskało popularność do archiwizowania kolekcji muzycznych i dystrybucji wysokiej jakości audio. Zbadajmy te najważniejsze:

FLAC – Free Lossless Audio Codec

FLAC to dziś format bezstratny pierwszego wyboru w większości zastosowań. Nazwa oznacza Free Lossless Audio Codec, a „free” odnosi się zarówno do kosztu, jak i wolności – jest otwartoźródłowy i wolny od opłat licencyjnych. FLAC stworzył Josh Coalson i po raz pierwszy wydał na początku 2001 (wersja 1.0 w lipcu 2001). W 2003 projekt został objęty parasolem Fundacji Xiph.Org (dołączając do Vorbis itp.). Z biegiem lat FLAC stał się filarem świata cyfrowego dźwięku: jest formatem z wyboru dla audiofilów, używany do dystrybucji dźwięku high-res i akceptowany przez wiele odtwarzaczy software'owych i hardware'owych. W 2024 FLAC został nawet standaryzowany jako RFC 9639, cementując swój status oficjalnego formatu.

Jak działa FLAC i dlaczego jest świetny: FLAC wykorzystuje algorytmy kompresji (takie jak predykcja liniowa i kodowanie entropijne) do zmniejszenia rozmiaru plików audio bez wyrzucania jakichkolwiek danych. Pomyśl o nim jak o pliku ZIP dla dźwięku, ale zoptymalizowanym pod wzorce PCM. Zazwyczaj pliki FLAC mają 50–70% rozmiaru oryginalnego WAV. Dokładny współczynnik zależy od muzyki (niektóre materiały kompresują się lepiej niż inne). Co ważne, dekodowanie FLAC jest obliczeniowo łatwe i szybkie, co oznacza, że nawet skromne urządzenia mogą odtwarzać pliki FLAC bez dużego zużycia baterii. FLAC obsługuje również tagi metadanych (takie jak wykonawca, informacje o albumie), a nawet okładki albumów, więc świetnie nadaje się do organizowania biblioteki muzycznej. Kolejny duży plus: FLAC obsługuje dźwięk o wysokiej głębi bitowej i wysokiej częstotliwości próbkowania (24-bit, 96kHz, 192kHz, 5.1 surround itp.), co czyni go popularnym w wydaniach masterów studyjnych i dźwięku wysokiej rozdzielczości.

Dlaczego stworzono FLAC: Pod koniec lat 1990 ludzie handlujący bezstratnym dźwiękiem (zwłaszcza nagraniami koncertów na żywo w społecznościach taperów) używali formatów takich jak Shorten (.shn), które były własnościowe i mniej wydajne. FLAC pojawił się, aby zapewnić prawdziwie wolną, wydajną alternatywę. Szybko wyprzedził Shorten, Monkey’s Audio i inne dzięki otwartej licencji i solidnej wydajności. Entuzjaści muzyki pokochali FLAC do archiwizowania płyt CD – można było zgrać CD do FLAC i mieć idealną kopię zapasową, w przeciwieństwie do zgrywania do MP3, które traci jakość. Wraz z rosnącą dostępnością tańszych nośników, wielu uznało, że kompromis (FLAC wciąż zajmuje znaczną przestrzeń, ale znacznie mniej niż WAV) jest wart spokoju ducha i jakości. FLAC stał się także standardem dla stron oferujących bezstratne pobieranie muzyki (wielu niezależnych artystów i niektóre wytwórnie dystrybuują FLAC na Bandcamp i podobnych platformach).

Dziś obsługa FLAC jest powszechna: Windows, macOS, Linux, Android odtwarzają FLAC od razu lub z darmową wtyczką. iOS/iTunes przez długi czas pozostawał w tyle (Apple preferował ALAC), ale nawet urządzenia Apple ostatecznie zyskały obsługę FLAC w ostatnich latach. W samochodach, domowych zestawach stereo i urządzeniach streamingowych kompatybilność z FLAC jest teraz powszechna. W rezultacie FLAC jest najbliższą rzeczą do uniwersalnego bezstratnego formatu muzycznego, jaką mamy. Jeśli chcesz przechowywać muzykę bez utraty jakości, FLAC jest zazwyczaj odpowiedzią. Są drobne wady: pliki są większe niż w formatach stratnych (więc streaming FLAC przez sieć komórkową może być obciążający dla danych) i niektóre bardzo stare lub ograniczone urządzenia mogą nie obsługiwać FLAC. Ale ogólnie rzecz biorąc, FLAC oferuje archiwizację „odporną na przyszłość”. Jak ujął to blog streamingowy Castr, FLAC „zrewolucjonizował sposób, w jaki przechowujemy i przesyłamy dźwięk wysokiej jakości”, zapewniając kompresję bez kompromisów.

ALAC – Apple Lossless Audio Codec

Mniej więcej w tym samym czasie, gdy FLAC zyskiwał popularność, Apple dostrzegł potrzebę formatu bezstratnego w swoim ekosystemie. Wtedy pojawił się ALAC (Apple Lossless Audio Codec), który Apple wprowadził w 2004 wraz z iTunes 4.5. Początkowo ALAC był własnościowy – Apple używał go w iTunes i na iPodach, aby umożliwić użytkownikom zgrywanie płyt CD w formacie bezstratnym (pliki miały zazwyczaj rozszerzenie .m4a, takie samo jak AAC, ale były kodowane ALAC wewnątrz kontenera MP4). Przez lata ALAC był nieco zamknięty; jedyny oficjalny koder/dekoder pochodził od Apple. Oznaczało to, że poza światem Apple preferowano FLAC. Jednak pod koniec 2011 Apple zaskoczył wszystkich, otwierając kod źródłowy ALAC i czyniąc go wolnym od opłat licencyjnych. Od tego momentu ALAC stał się równie darmowy do wdrożenia jak FLAC, a obsługa ALAC w oprogramowaniu firm trzecich rosła (FFmpeg dodał go itp.).

Technicznie, ALAC jest podobny w podejściu do kompresji do FLAC (i innych kodeków bezstratnych). Zazwyczaj kompresuje muzykę 40–60% oryginalnego rozmiaru i obsługuje dźwięk do 32 bitów oraz wielokanałowy. W niektórych przypadkach jest nieco mniej wydajny niż FLAC, ale nieznacznie – różnica w stopniu kompresji wynosi kilka punktów procentowych. Jedna różnica polega na tym, że ALAC jest osadzony w formacie kontenera MP4 (pliki .m4a), wraz z metadanymi, takimi jak okładki, podobnie jak AAC. Dzięki temu Apple mógł łatwo zintegrować go z iTunes, ponieważ nie potrzebował nowego typu pliku dla bezstratności (po prostu oznaczyli pliki ALAC jako .m4a).

Zastosowania: Podstawowym zastosowaniem ALAC było i jest środowisko Apple. Jeśli używałeś iTunes i chciałeś zgrywać płyty CD bezstratnie, ALAC był opcją jednego kliknięcia. iPody i iPhony mogły odtwarzać ALAC (więc można było mieć dźwięk pełnej jakości na urządzeniu, pod warunkiem wystarczającej ilości miejsca). Kilku sprzedawców muzyki online (np. HDtracks, oferując pobieranie „ALAC”) dostarczało go, aby zaspokoić użytkowników komputerów Mac. Dziś niedawne przejście Apple Music na streaming bezstratny dostarcza utwory w formacie ALAC (ponieważ cała ich infrastruktura jest zbudowana wokół ALAC dla bezstratności). Poza Apple, ALAC jest mniej dominujący, ale ponieważ jest otwarty, wiele programów go obsługuje. Windows 10 i 11, na przykład, mają natywną obsługę ALAC. Więc ALAC i FLAC są teraz w pewnym sensie wymienne – można konwertować między nimi bez utraty jakości, to tylko kwestia preferencji lub kompatybilności urządzenia.

Można zapytać, dlaczego ALAC istnieje, skoro FLAC już był? Początkowo był to prawdopodobnie trochę „syndrom wynalezienia tutaj” plus optymalizacja dla platform Apple. W 2004, licencjonowanie FLAC (GNU GPL) mogło być postrzegane jako problematyczne dla Apple do włączenia, więc stworzyli własny kodek. ALAC został również zintegrowany z Core Audio i zoptymalizowany pod sprzęt Apple. Ale teraz, gdy ALAC jest otwarty, różnica jest niewielka. Jeśli jesteś głęboko w świecie Apple, ALAC jest dobrym wyborem dla dźwięku bezstratnego. Jeśli nie, FLAC może być łatwiejszy. Oba zapewniają identyczną jakość dźwięku – ponieważ, jako formaty bezstratne, dosłownie zachowują każdy bit danych PCM.

Inne formaty bezstratne i nisze

Poza FLAC i ALAC istnieje kilka innych kodeków bezstratnych, które mają swoich zwolenników:

  • WavPack: Otwartoźródłowy kodek bezstratny autorstwa Davida Bryanta, WavPack oferuje unikalny tryb „hybrydowy”, w którym może wygenerować plik stratny plus plik korekcyjny – połącz je, aby uzyskać oryginał. Jest wydajny i obsługuje nawet dane zmiennoprzecinkowe. WavPack jest popularny w niektórych kręgach (i jest domyślnym formatem bezstratnym dla niektórych programów DJ-skich i narzędzi produkcyjnych). Ale nigdy nie stał się tak powszechny jak FLAC. Jest w pełni otwarty i można argumentować, że jest technicznie doskonały.

  • Monkey’s Audio (APE): Kodek bezstratny znany z bardzo wysokich współczynników kompresji, często nieco lepszych niż FLAC. Jednak jest własnościowy (choć darmowy do użytku osobistego) i historycznie tylko dla Windows. Ma również tendencję do wolnego kodowania/dekodowania i nie obsługiwał dobrze wielu platform. Audiofile eksperymentowali z plikami .ape w 2000 latach, ale FLAC w dużej mierze go przyćmił ze względu na otwartość FLAC.

  • TAK (Tom’s lossless Audio Kompressor): Późniejszy kodek bezstratny dla Windows, dążący do najlepszego połączenia kompresji i szybkości. Zamknięte źródło, ale zdobył kilku fanów za wydajność. Nadal niszowy.

  • Shorten (SHN): Poprzednik FLAC w społeczności handlu bezstratnego. Obecnie jest przestarzały (brak rozwoju od wczesnych lat 2000) i wszyscy przenieśli swoje archiwa SHN do FLAC.

  • Inne: MPEG-4 ma własny kodek bezstratny o nazwie ALS, rzadko spotykany w praktyce. Dolby ma bezstratny kodek kinowy (TrueHD). DTS-HD Master Audio to kolejny używany na Blu-ray do bezstratnego dźwięku przestrzennego. Są one bardziej dla wideo i nie są używane w codziennych plikach muzycznych.

Warto szczególnie wspomnieć o Direct Stream Digital (DSD), używanym w SACD. Technicznie jest „bezstratny”, ale nie jest PCM – to strumień sigma-delta o 1 bitach przy mega-wysokich częstotliwościach próbkowania. Strony z pobieraniem dla audiofili czasami oferują pliki DSD (.dsf lub .dff). DSD nie jest formatem kompresji, ale alternatywną cyfrową reprezentacją dźwięku. Konwersja DSD do PCM i odwrotnie ma swoje złożoności. Ogólnie rzecz biorąc, formaty PCM (jak wszystkie powyższe) wygrały w praktycznym użyciu. DSD pozostaje niszą dla entuzjastów.

Podsumowując, formaty bezstratne gwarantują, że jakość dźwięku nigdy nie padnie ofiarą kompresji. Zaspokajają potrzeby archiwizacyjne, profesjonalistów oraz słuchaczy, którzy chcą mieć absolutną pewność, że posiadają dokładną kopię źródła. Ceną jest rozmiar pliku – mniej więcej dwukrotnie lub trzykrotnie większy niż dobrego pliku AAC/MP3. Dla wielu ta cena jest warta zachodu, biorąc pod uwagę współczesne pojemności dysków i szybszy internet.

TL;DR – Wybór właściwego formatu audio

W dzisiejszym krajobrazie mamy mnóstwo formatów plików audio. Każdy z nich jest dostosowany do określonych zastosowań. Oto krótki przewodnik po tym, kiedy używać każdego formatu i jakie są kompromisy:

  • MP3: Używaj MP3, gdy zależy Ci na maksymalnej kompatybilności. To wciąż de facto standard – praktycznie każde urządzenie, stare czy nowe, potrafi odtworzyć MP3. Idealny do udostępniania muzyki, gdy nie masz pewności, jaki odtwarzacz ma odbiorca. Kompromis: większy plik przy tej samej jakości w porównaniu z nowszymi kodekami (MP3 przy 128 kbps odpowiada w przybliżeniu jakościowo AAC przy 96 kbps), a pliki MP3 o bardzo niskim bitrate (< 64 kbps) brzmią słabo według współczesnych standardów. Patenty wygasły, więc to już nie jest problem. W 2025 MP3 pozostaje solidnym wyborem, jeśli potrzebujesz prostoty i uniwersalności – po prostu użyj odpowiednio wysokiego bitrate, aby uniknąć artefaktów.

  • AAC (.m4a): Używaj AAC, gdy zależy Ci na lepszej jakości dźwięku przy umiarkowanych bitrate'ach. Jeśli jesteś w ekosystemie Apple lub wgrywasz na platformy takie jak YouTube czy Spotify (które wewnętrznie często używają AAC lub Ogg), AAC to świetny wybór. AAC przy 256 kbps jest przezroczysty dla praktycznie całej muzyki. Nawet przy 128 kbps AAC może przewyższać MP3, dlatego Apple używa AAC przy 256 kbps jako ustawienia „wysokiej jakości”. Kompromis: historycznie nieco mniej powszechne wsparcie, ale obecnie większość odtwarzaczy obsługuje AAC. Wciąż objęty niektórymi patentami (choć wiele wygasło), ale to dotyczy głównie deweloperów, nie użytkowników. Jeśli ripujesz swoją kolekcję i chcesz czegoś lepszego niż MP3 przy tym samym rozmiarze pliku, AAC jest silnym kandydatem.

  • WAV / AIFF: Używaj ich do produkcji audio i archiwizacji masterów (lub jeśli potrzebujesz surowego PCM do jakiegoś celu). Przechowują nieskompresowany dźwięk, więc ich edycja nie kumuluje utraty jakości – dlatego w studiach nagrania i pośrednie miksy często są w WAV/AIFF w wysokiej rozdzielczości. Kompromis: ogromne pliki – około 10 MB na minutę dla stereofonicznego dźwięku jakości CD. Nieefektywne przy dystrybucji muzyki do słuchaczy. Dodatkowo obsługa metadanych w WAV bywa niepewna (AIFF radzi sobie z metadanymi lepiej). Krótko mówiąc, używaj WAV/AIFF, gdy jakość jest najważniejsza i nie zależy Ci na rozmiarze pliku (lub planujesz późniejszą kompresję). Dla końcowych słuchaczy rzadko zachodzi potrzeba użycia WAV zamiast bezstratnego formatu skompresowanego, jak FLAC, poza niszowymi przypadkami.

  • FLAC: Używaj FLAC, jeśli chcesz jakości bezstratnej, ale z kompresją. Jest idealny do archiwizacji biblioteki muzycznej lub udostępniania audio, gdzie jakość absolutnie ma znaczenie (np. wymiana utworów między muzykami lub wydawanie muzyki społeczności, która oczekuje bezstratności). Kompromis: większy niż formaty stratne – na przykład około 2× do 3× rozmiaru pliku 320 kbps MP3. Ponadto, choć wiele urządzeń obsługuje teraz FLAC, kilka starszych może nie. Ale ponieważ FLAC jest teraz standardem RFC i został powszechnie przyjęty, generalnie jest najlepszym wyborem dla bezstratności. Dodatkowym atutem jest to, że jest otwarty i darmowy, bez problemów licencyjnych.

  • ALAC (.m4a): Używaj ALAC zasadniczo w tych samych przypadkach co FLAC – ale konkretnie, jeśli korzystasz z urządzeń/oprogramowania Apple, które preferują ten format. Na przykład, jeśli używasz iTunes (aplikacji Muzyka) i chcesz zachować bibliotekę w jakości bezstratnej, ALAC zapewnia idealną integrację (ponieważ niektóre starsze iPody i tym podobne nie odtwarzają FLAC). Kompromis: praktycznie żaden, jeśli jesteś w świecie Apple – ALAC jest teraz open source i obsługiwany również na Windows i innych systemach. FLAC vs ALAC to głównie kwestia ekosystemu. Kompresują do podobnych rozmiarów i oba zachowują pełną jakość. Wybierz to, co najlepiej obsługują Twoje urządzenia.

  • Ogg Vorbis: Używaj Vorbisa, jeśli potrzebujesz format stratny o otwartym kodzie źródłowym – na przykład, gdy tworzysz grę lub aplikację i chcesz uniknąć problemów patentowych (choć od 2025 większość patentów na MP3/AAC wygasła, Vorbis przez długi czas był bezpiecznym wyborem). Vorbis jest również dobry, gdy w danym bitrate'cie oferuje nieco lepszą jakość niż MP3 w wielu przypadkach, i świetnie sprawdza się przy średnio-wysokich bitrate'ach. Kompromis: historycznie nieco mniejsze wsparcie sprzętowe (choć obecne wsparcie jest przyzwoite). Vorbis nie doczekał się też układów akceleracji sprzętowej, jakie otrzymały MP3/AAC, ale na dzisiejszych procesorach to drobiazg. Dla konsumentów, o ile nie zależy ci konkretnie na braku patentów, AAC może go wyprzedzić. Ale jeśli na przykład używasz audio w artykule Wikipedii lub w projekcie open-source, Vorbis w kontenerze Ogg to solidny wybór, który nie nadepnie nikomu na odcisk prawny.

  • Opus: Używaj Opusa w każdym nowym projekcie, w którym potrzebujesz stratnego audio i masz kontrolę nad odtwarzaniem (np. we własnej aplikacji, aplikacjach webowych lub komunikacji). Opus naprawdę błyszczy przy niskich bitrate'ach (mowa przy 16-24 kbps, muzyka przy 64-96 kbps), gdzie przewyższa starsze kodeki, więc jest fantastyczny do streamingu przy ograniczonym paśmie. To także najlepszy wybór do audio interaktywnego (VoIP, rozmowy Zoom, czat w grach) dzięki niskiemu opóźnieniu. Wiele osób rozważa teraz Opusa także do streamingu muzyki, ponieważ przy wysokich ustawieniach jakości jest doskonały i wolny od licencji. Kompromis: nie wszystkie starsze odtwarzacze znają Opusa (na przykład stary odtwarzacz samochodowy z obsługą USB może nie odtworzyć plików .opus, podczas gdy odtworzy MP3). Ponadto Apple dodał obsługę Opusa w iOS/macOS stosunkowo niedawno. Ale wszystkie nowoczesne przeglądarki i Android go obsługują. Inna kwestia: Opus zwykle znajduje się w kontenerze Ogg lub WebM; pliki .opus to zasadniczo Ogg. Zgodność jednak nadrabia zaległości. Biorąc pod uwagę wydajność i darmowy status, Opus to wschodząca gwiazda – jeśli celujesz w nowoczesne platformy, to prawdopodobnie najlepszy dostępny format stratny.

  • WMA: Unikaj, chyba że masz konkretny przypadek użycia, jak odtwarzanie plików na starym urządzeniu Windows Mobile. W przeszłości mogłeś używać WMA, by wycisnąć nieco więcej jakości przy niższych bitrate'ach lub użyć WMA Lossless do archiwizacji w Windows. Ale dziś WMA jest w dużej mierze przestarzałe – nawet Microsoft go nie promuje. Zamiast tego używaj MP3/AAC do stratnej lub FLAC do bezstratnej. Kompromis: choć standard WMA jest szeroko odtwarzalny w Windows, inne platformy mogą go nie obsługiwać natywnie. A zyski jakości są dyskusyjne; dodatkowo WMA to ślepa uliczka (brak aktywnego rozwoju od wielu lat). Jedynym WMA, które wciąż ma niszowe zastosowanie, są pewne starsze konfiguracje streamingowe lub nadawcze, i nawet one odchodzą.

  • RealAudio / ATRAC / inne: Są teraz mało znane. Używałbyś ich tylko w przypadku konkretnych treści legacy. Na przykład, jeśli masz kolekcję starych plików RealAudio z lat 90, przekonwertujesz je na coś nowoczesnego. ATRAC może się jeszcze pojawić, jeśli interesują cię MiniDiscs, ale poza tym nie wybrałbyś go do nowych nagrań. MP2 wciąż znajduje zastosowanie w nadawaniu – jeśli kodujesz audio do radia cyfrowego, użyjesz MP2, ponieważ tam jest to standard. Ale do dystrybucji osobistej lub ogólnej nie wybrałbyś MP2 zamiast MP3/AAC. Dolby Digital (AC-3) lub DTS mogą być użyte, jeśli tworzysz DVD/Blu-ray lub plik filmowy z dźwiękiem surround; są tam obowiązkowe. Ale nie byłyby twoim wyborem do albumu muzycznego lub ogólnego pliku audio.

Podsumowując, „najlepszy” format zależy od twoich potrzeb: MP3 dla zgodności, AAC lub Opus dla wydajności, FLAC/ALAC dla perfekcji, WAV/AIFF do edycji. Każdy format to migawka technologii i ograniczeń swoich czasów – od cylindrów Edisona po dzisiejsze kodeki wspomagane sieciami neuronowymi, to niezwykłe, jak daleko zaszliśmy. Na szczęście nowoczesna pamięć masowa i przepustowość pozwalają nam wybierać jakość, kiedy chcemy (pliki bezstratne), lub wygodę, kiedy potrzebujemy (streaming w formatach stratnych). Zrozumienie tych formatów pozwala dokonać właściwego wyboru w odpowiedniej sytuacji, zapewniając, że twoje audio zawsze trafi w idealną nutę.

Dalsza lektura i źródła

  1. AES Historical Committee – „An Audio Timeline” (2004)
  2. E&T History Wiki – „Pulse Code Modulation (PCM)”
  3. Computer History Museum – „The Compact Disc Story”
  4. Dokumentacja Microsoft – „WAV File Format”
  5. Blog iZotope – „WAV vs AIFF: What’s the Difference?”
  6. Instytut Fraunhofera – „MP3: The Legend”
  7. ThoughtCo – „The History of MP3”
  8. Wikipedia – „MP3”
  9. Wikipedia – „Advanced Audio Coding (AAC)”
  10. Hydrogenaudio Wiki – „AAC”
  11. Xiph.Org – „Vorbis Documentation”
  12. Xiph.Org – „The Ogg Container Format”
  13. Oficjalna strona kodeka Opus
  14. RFC 6716 – Definition of the Opus Audio Codec
  15. Hydrogenaudio Wiki – „Windows Media Audio (WMA)”
  16. Wikipedia – „ATRAC”
  17. Wikipedia – „RealAudio”
  18. Wikipedia – „MPEG-1 Audio Layer II (MP2)”
  19. Oficjalna strona FLAC
  20. RFC 9639 – FLAC Specification (IETF)
  21. Hydrogenaudio Wiki – „FLAC”
  22. Ars Technica – „Apple open-sources its lossless audio codec (ALAC)”
  23. Hydrogenaudio Wiki – „ALAC”
  24. Wikipedia – „Comparison of Audio Formats”
← Wszystkie artykuły

Czytaj dalej

Zobacz wszystkie artykuły

Zacznij transkrypcję

Otrzymaj pełną transkrypcję za darmo, bez dziennego limitu. Sprawdź wiodącą w branży dokładność z V4-Pro.

Zacznij transkrybować bezpłatnie