Co jsou WAV a FLAC?
WAV a FLAC jsou dva formáty, které ukládají zvuk bez ztráty jediného vzorku — oba jsou bezeztrátové. Dělají to velmi různými způsoby. WAV je surový kontejner, který ukládá nekomprimované vzorky PCM přesně tak, jak je vyprodukoval mikrofon nebo syntezátor: každý snímek amplitudy přistane v souboru doslova, což je důvod, proč je WAV velký, ale plně upravitelný a univerzální mezi-formát ve studiích. FLAC zabalí tentýž PCM do bezeztrátového kompresoru, který soubor typicky zmenší o 50–60 %, a přitom umožní bitově přesné dekódování zpět na původní bajty — decode(encode(x)) je vždy rovno x. Oba formáty uchovávají každý vzorek, na rozdíl od ztrátových formátů jako MP3, AAC a Ogg Vorbis (popsaných na jejich vlastních stránkách); kompromisem je velikost souboru.
Pět faktů, o které se opře zbytek stránky:
• WAV = kontejner RIFF se surovým, nekomprimovaným PCM (žádná komprese)
• FLAC = bezeztrátová komprese PCM, obvykle o 50–60 % menší, bitově přesně dekódovatelná
• datový tok (bps) = vzorkovací frekvence (Hz) × hloubka bitů × počet kanálů — jediné tři ovladače velikosti PCM
• velikost WAV (bajty) = datový tok × délka v sekundách / 8 — zcela předvídatelný výpočet
• Nyquist: nejvyšší reprodukovatelná frekvence = vzorkovací frekvence / 2; 44,1 kHz zachytí až 22,05 kHz, nad lidským sluchem (20 kHz)
PCM a jak funguje digitální zvuk
PCM (Pulse Code Modulation) je univerzální surový formát digitálního zvuku: analogová vlna se rozdělí na stejné časové intervaly (vzorkovací frekvence) a v každém intervalu se amplituda zaokrouhlí na nejbližší z pevného počtu diskrétních úrovní (hloubka bitů). Nahrávka 44,1 kHz / 16 bitů / stereo ukládá 44 100 měření amplitudy za sekundu na kanál, každé zaokrouhlené na jednu z 216 = 65 536 úrovní (24 bitů: jednu z 224 = 16 777 216). Nyquistova–Shannonova věta o vzorkování říká, že vzorkovaný signál lze dokonale rekonstruovat, pokud je jeho nejvyšší frekvence menší než vzorkovací frekvence / 2. Lidský sluch sahá zhruba do 20 kHz, takže 44,1 kHz (zachycující až 22,05 kHz) je matematicky dostatečné pro dokonalou reprodukci — proto standard CD přijal přesně tuto hodnotu.
Hloubka bitů řídí dynamický rozsah (poměr mezi nejhlasitějším a nejtišším signálem), ne frekvenční odezvu. Každý další bit přidává zhruba 6,02 dB teoretického odstupu signálu od šumu: 16 bitů dává 98,1 dB, 24 bitů 146,2 dB, 32bitová plovoucí řádová čárka (interně používaná v DAW) 194,4 dB. Reálný hardware teoretické hodnoty nikdy nedosáhne — kvalitní 24bitový ADC dodává zhruba 120 dB použitelného rozsahu (vinyl ~70 dB, kazeta ~60 dB).
WAV je kontejner PCM
WAV (nebo WAVE, formálně WAVEform Audio File Format) je kontejner RIFF společností Microsoft/IBM definovaný v roce 1991. Jeho rozložení na disku tvoří tři za sebou jdoucí bloky: hlavička RIFF o 12 bajtech, která označuje soubor jako WAVE, blok fmt popisující formát PCM (vzorkovací frekvence, kanály, hloubka bitů) a blok data obsahující samotné surové vzorky. Bajty jsou v pořadí little-endian; formát se za 35 let nezměnil; každý operační systém a DAW jej čte nativně.
Protože WAV ukládá surový PCM bez komprese a bez režie nad hlavičkou, je velikost souboru přesně předvídatelná: bajty = vzorkovací frekvence × hloubka bitů × kanály × délka v sekundách / 8. Stopa v kvalitě CD (44,1 kHz / 16 bitů / stereo, datový tok = 1 411 200 b/s = 1411,2 kb/s) spotřebuje 1 411 200 ÷ 8 = 176 400 bajtů za sekundu, což dělá 10,584 MB za minutu nebo zhruba 42,336 MB za čtyřminutovou skladbu. Studiový formát 48 kHz / 24 bitů / stereo (datový tok 2304 kb/s) vystoupá na 17,280 MB za minutu. Tato předvídatelnost je důvod, proč WAV zůstává výměnným formátem oboru.
FLAC je bezeztrátová komprese
FLAC (Free Lossless Audio Codec) navrhl Josh Coalson v roce 2001 jako otevřenou a bezplatnou odpověď na tehdy uzavřený ALAC od Applu. Pracuje s bloky vzorků (typicky 4 096 při úrovni 5) ve třech krocích: dekorelace mezi kanály (sblížení dvou stereo kanálů), lineárně prediktivní kódování (předpověď dalšího vzorku z předchozích a uložení jen malého rozdílu) a entropické kódování Rice (téměř optimální způsob, jak zabalit malá celá čísla do bitů). Klíčová vlastnost: dekódování vrátí původní PCM bajt po bajtu. FLACdecode(FLACencode(x)) === x. Právě tato identita dělá FLAC bezeztrátovým — ne „vysoce kvalitním“, ale bitově identickým.
FLAC nabízí 9 úrovní komprese (0–8), které obměňují rychlost kódování a velikost souboru. Úroveň 0 je nejrychlejší a dosáhne jen asi 30% zmenšení; úroveň 5 je výchozí a dosáhne asi 55%; úroveň 8 vymáčkne asi 62%, ale kódování trvá 4–5krát déle. Skutečné poměry závisejí na hudbě: sólové klavírní nebo vokální skladby se zmenší o 45–50 %, protože signál je řídký; husté orchestrální nebo elektronické skladby o 55–65 %, protože šumová hladina je předvídatelnější. Typická čtyřminutová stopa v kvalitě CD na úrovni 5 vyjde kolem 19,05 MB — téměř přesně polovina 42,336 MB WAV.
Výpočet datového toku a velikosti souboru
Datový tok libovolného proudu PCM je dán jediným krátkým vzorcem: b/s = vzorkovací frekvence × hloubka bitů × kanály. Běžné orientační hodnoty:
- 1411,2 kb/s — zvuk CD (44,1 kHz / 16 bitů / stereo)
- 1536 kb/s — 48 kHz / 16 bitů / stereo (DAT, rané DVD)
- 2304 kb/s — 48 kHz / 24 bitů / stereo (studiový master)
- 4608 kb/s — 96 kHz / 24 bitů / stereo (Hi-Res)
- 9216 kb/s — 192 kHz / 24 bitů / stereo (ultra Hi-Res)
Chcete-li převést datový tok na velikost souboru, vynásobte délkou a vydělte 8 (bajty na bit). Pro čtyřminutový příklad v kvalitě CD: 1411200 × 240 / 8 = 42 336 000 bajtů = 42,336 MB. U FLAC vynásobte velikost WAV hodnotou 1 - poměr_komprese: při výchozí úrovni 5 (~55 %) je tatáž skladba 42 336 000 × 0,45 ≈ 19 051 200 bajtů ≈ 19,05 MB. Stopa 48 kHz / 24 bitů / stereo váží 17,280 MB za minutu ve WAV a zhruba 7,78 MB za minutu ve FLAC úrovně 5. Ztrátové kodeky (MP3, AAC, Opus) zvládnou tentýž zvuk při 128–256 kb/s, o řád menší — ale k tomu zahazují vzorky. Stojí za zapamatování jedna past u jednotek: datové toky se uvádějí v kilobitech za sekundu (kb/s), zatímco správci souborů počítají kilobajty — pro převod vydělte 8 (1411,2 kb/s ÷ 8 = 176,4 kB/s).
Kdy použít WAV a kdy FLAC
Oba formáty jsou bezeztrátové, takže otázkou je pracovní postup a šířka pásma, ne kvalita. Použijte WAV, když editor nebo DAW potřebuje vstup v surovém PCM, když renderujete mezi-výstup, který se bude dál zpracovávat, nebo když chcete master, který přečte každý program na světě bez knihoven. Použijte FLAC, když chcete bezeztrátový zvuk na poloviční velikost pro archivaci, hudební knihovny, síťový streaming (jedno bezeztrátové CD se vejde zhruba do 19 MB místo 42 MB) a zálohy fyzických médií. FLAC také podporuje bohaté metadata přes komentáře Vorbis, což je schopnější než seznam RIFF LIST INFO u WAV (který nemá pole album interpret — proto editor značek výše skrývá vstup pro album interpreta, když je zvolen WAV).
Tip k velikosti: hlasové nahrávky jsou přirozeně mono — jedna ústa, jeden mikrofon. Nahrávání řeči ve stereu zdvojnásobí datový tok bez přírůstku informací (hodinová hlasová nahrávka 44,1 kHz / 16 bitů má 317,5 MB v monu a 635,0 MB ve stereu), takže pro hlas přepněte volbu Kanály výše na Mono.
Časté omyly
- FLAC je „lepší kvalita“ než WAV. Ne — oba jsou bitově dokonalé bezeztrátové formáty. FLAC jen uloží tentýž zvuk v menším prostoru. Dekódování FLACu zpět na PCM dá bajtovou posloupnost identickou s tou, kterou by uložil WAV.
- Vyšší hloubka bitů vždy zní lépe. 24bitů dává více rezervy pro úpravy (slabé signály leží výrazně nad hladinou šumu), ale finální distribuce je obvykle 16bitová. Navíc 8 bitů je pracovní přesnost v DAW, ne slyšitelná kvalita v reproduktorech.
- Hi-Res (96 kHz / 192 kHz) zní lépe než CD (44,1 kHz). U dokonale ditherované hudby lidé nerozeznají frekvence nad přibližně 20 kHz. 96 kHz zachytí ultrazvukový obsah, který žádný člověk neslyší a žádná sluchátka nereprodukují. Sporný přínos Hi-Res je menší počet aliasingových artefaktů v nahrávacím řetězci, ne kvalita přehrávání.
- Převod MP3 do WAV obnoví původní kvalitu. Ne. Jakmile ztrátová komprese zahodí vzorky, jsou navždy pryč. Výsledný soubor WAV obsahuje artefakty MP3 — není bitově identický s masterem před MP3, bez ohledu na příponu.
Související nástroje: Zvuk do MP3 / značky ID3 pro ztrátovou kompresi, Zvuk do OGG / Opus pro otevřené ztrátové kodeky, Zvuk do AIFF / ALAC / WavPack pro jiné bezeztrátové formáty, Spektrum zvuku pro zobrazení frekvencí ve zvuku a MIDI do WAV (MIDI jsou pokyny, ne zvuk — jiný převodní postup).