Mitä WAV ja FLAC ovat?
WAV ja FLAC ovat kaksi muotoa, jotka tallentavat ääntä menettämättä yhtään näytettä — molemmat ovat häviöttömiä. Ne tekevät sen hyvin eri tavoin. WAV on raaka kontti, joka tallentaa pakkaamatonta PCM-näytteitä täsmälleen sellaisina kuin mikrofoni tai syntetisaattori ne tuotti: jokainen amplitudikuvaus päätyy sanasanaan tiedostoon, minkä vuoksi WAV on suuri mutta täysin muokattava ja studioiden yleinen välimuoto. FLAC kääri saman PCM:n häviöttömään pakkaajaan, joka yleensä pienentää tiedoston 50–60 % ja mahdollistaa silti bittitarkan dekoodauksen takaisin alkuperäisiin tavuihin — dekoodaus(koodaus(x)) on aina x. Molemmat muodot säilyttävät jokaisen näytteen, toisin kuin MP3, AAC ja Ogg Vorbis (kukin omalla sivullaan); kompromissi on tiedostokoko.
Viisi faktaa, joilla sivun loppuosa ankkuroidaan:
• WAV = RIFF-kontti, jossa on raakaa, pakkaamatonta PCM:ää (ei lainkaan pakkausta)
• FLAC = PCM:n häviötön pakkaus, tyypillisesti 50–60 % pienempi, dekoodautuu tavu tavulta täsmälleen
• bittinopeus (bps) = näytteenottotaajuus (Hz) × bittisyvyys × kanavat — ainoat kolme säädintä PCM-koolle
• WAV-koko (tavuja) = bittinopeus × kesto_sekunteina / 8 — täysin ennustettava laskutoimitus
• Nyquist: suurin toistettava taajuus = näytteenottotaajuus / 2; 44,1 kHz tallentaa 22,05 kHz:iin asti, mikä on ihmiskuulon (20 kHz) yläpuolella
PCM ja digitaalisen äänen toiminta
PCM (Pulse Code Modulation) on digitaalisen äänen yleinen raakaformaatti: analoginen aaltomuoto viipaloidaan tasavälisiin aikaväleihin (näytteenottotaajuus), ja jokaisella välillä amplitudi pyöristetään lähimpään kiinteän määrän diskreeteistä tasoista (bittisyvyys). 44,1 kHz / 16-bittinen / stereo-tallenne tallentaa 44 100 amplitudimittausta sekunnissa kanavaa kohti, kukin pyöristettynä yhdelle 216 = 65 536 tasosta (24-bittinen: yhdelle 224 = 16 777 216 tasosta). Nyquist–Shannonin näytteenottolause sanoo, että näytteistetty signaali voidaan rekonstruoida täydellisesti, kun sen korkein taajuus on alle näytteenottotaajuus / 2. Ihmiskuulo ulottuu noin 20 kHz:iin, joten 44,1 kHz (joka tallentaa 22,05 kHz:iin asti) riittää matemaattisesti täydelliseen toistoon — siksi CD-standardi valitsi juuri tämän taajuuden.
Bittisyvyys säätelee dynamiikka-aluetta (suurimman ja hiljaisimman signaalin suhdetta), ei taajuusvastetta. Jokainen lisäbitti lisää teoreettisesti noin 6,02 dB signaali-kohinasuhdetta: 16-bittinen antaa 98,1 dB, 24-bittinen 146,2 dB ja 32-bittinen liukuluku (DAW:ien sisäinen) 194,4 dB. Todellinen laitteisto ei koskaan saavuta teoreettista lukua — hyvin suunniteltu 24-bittinen AD-muunnin antaa noin 120 dB käytettävää aluetta (vinyyli: noin 70 dB, kasetti: noin 60 dB).
WAV on PCM-kontti
WAV (tai WAVE, virallisesti WAVEform Audio File Format) on Microsoftin/IBM:n RIFF-kontti, joka määriteltiin vuonna 1991. Sen levytason asettelu on kolme lohkoa peräkkäin: 12 tavun RIFF-otsake, joka nimeää tiedoston WAVEksi, fmt -lohko, joka kuvaa PCM-muodon (näytteenottotaajuus, kanavat, bittisyvyys), ja data-lohko, joka sisältää raakanäytteet. Tavut ovat little-endian; muoto ei ole muuttunut 35 vuoteen; jokainen käyttöjärjestelmä ja DAW lukee sen suoraan.
Koska WAV tallentaa raakaa PCM:ää ilman pakkausta ja ilman mitään yläkustannusta otsakkeen lisäksi, tiedostokoko on täsmälleen ennustettavissa: tavuja = näytteenottotaajuus × bittisyvyys × kanavat × kesto_sekunteina / 8. CD-laatuinen kappale (44,1 kHz / 16-bittinen / stereo, bittinopeus = 1 411 200 bps = 1411,2 kbps) kuluttaa 1 411 200 ÷ 8 = 176 400 tavua sekunnissa, mikä on 10,584 MB minuutissa tai noin 42,336 MB 4 minuutin kappaleelle. Studion 48 kHz / 24-bittinen / stereo-formaatti (bittinopeus 2304 kbps) nousee 17,280 MB minuutissa. Tämä ennustettavuus on syy, miksi WAV on yhä alan vaihtomuoto.
FLAC on häviötön pakkaus
FLAC (Free Lossless Audio Codec) suunniteltiin Josh Coalsonin toimesta vuonna 2001 avoimeksi, rojaltivapaaksi vastaukseksi silloiselle omistukselliselle ALACille. Se toimii näytelohkoilla (tyypillisesti 4 096 tasolla 5) kolmessa vaiheessa: kanavien välinen dekorrelaatio (tekee kaksi stereokanavaa samankaltaisemmiksi), lineaarinen ennustava koodaus (ennusta seuraava näyte aiemmista ja tallenna vain pieni jäännös) ja Rice-entropiakoodaus (lähes optimaalinen tapa pakata pienet kokonaisluvut biteiksi). Ratkaiseva ominaisuus: dekoodaus palauttaa alkuperäisen PCM:n tavu tavulta. FLACdecode(FLACencode(x)) === x. Tämä identiteetti tekee FLACista häviöttömän — ei "korkealaatuisen" vaan bittitarkan.
FLAC tarjoaa 9 pakkaustasoa (0–8), jotka vaihtavat koodausnopeutta tiedostokokoon. Taso 0 on nopein ja saavuttaa vain noin 30 % pienennyksen; taso 5 on oletus ja saavuttaa noin 55 %; taso 8 puristaa noin 62 % mutta vie 4–5 kertaa kauemmin koodata. Todelliset suhteet riippuvat musiikista: pelkkä piano- tai lauluraita pienenee 45–50 %, koska signaali on harva; tiheä orkesteri- tai elektroninen musiikki pienenee 55–65 %, koska kohinapohja on ennustettavampi. Tyypillinen 4 minuutin CD-laatuinen kappale tasolla 5 on noin 19,05 MB — lähes täsmälleen puolet 42,336 MB:n WAVista.
Bittinopeus ja tiedostokoon laskenta
Minkä tahansa PCM-virran bittinopeus annetaan yhdellä lyhyellä kaavalla: bps = näytteenottotaajuus × bittisyvyys × kanavat. Yleiset vertailukohdat:
- 1411,2 kbps — CD-ääni (44,1 kHz / 16-bittinen / stereo)
- 1536 kbps — 48 kHz / 16-bittinen / stereo (DAT, varhainen DVD)
- 2304 kbps — 48 kHz / 24-bittinen / stereo (studiomaster)
- 4608 kbps — 96 kHz / 24-bittinen / stereo (Hi-Res)
- 9216 kbps — 192 kHz / 24-bittinen / stereo (ultra-Hi-Res)
Bittinopeuden muuttamiseksi tiedostokooksi kerro kestolla ja jaa 8:lla (tavua per bitti). CD-laatuisen 4 minuutin esimerkin kohdalla: 1411200 × 240 / 8 = 42 336 000 tavua = 42,336 MB. FLACille kerro WAV-koko luvulla 1 - pakkaussuhde: oletustasolla 5 (noin 55 %) sama kappale on 42 336 000 × 0,45 ≈ 19 051 200 tavua ≈ 19,05 MB. 48 kHz / 24-bittinen / stereo-kappale painaa 17,280 MB minuutissa WAVina ja noin 7,78 MB minuutissa FLACina tasolla 5. Häviölliset koodekit (MP3, AAC, Opus) saavuttavat saman äänen 128–256 kbps:llä, taas kymmenen kertaa pienempänä — mutta ne hylkäävät näytteitä sen tekemiseksi. Yksi yksikköloukku: bittinopeudet ilmoitetaan kilobiteissä sekunnissa (kbps), kun taas tiedostonhallinta laskee kilotavuja — jaa 8:lla muuntaakseen (1411,2 kbps ÷ 8 = 176,4 kt/s).
Milloin käyttää WAV:ia ja milloin FLACia
Molemmat muodot ovat häviöttömiä, joten kysymys on työnkulusta ja kaistanleveydestä, ei laadusta. Käytä WAVia, kun editori tai DAW tarvitsee raakaa PCM-syötettä, kun renderöit välibounceä, jota käsitellään edelleen, tai kun halutaan masteritiedoston, jonka jokainen ohjelma maailmassa voi lukea ilman kirjastoja. Käytä FLACia, kun halutaan häviötöntä ääntä puolet pienempänä arkistointiin, musiikkikirjastoihin, verkkosuoratoistoon (yksi häviötön CD mahtuu noin 19 MB:iin 42 MB:n sijasta) ja fyysisen median varmuuskopioihin. FLAC tukee myös rikasta metatietoa Vorbis-kommenttien kautta, mikä on kykenevämpää kuin WAVin RIFF LIST INFO (jossa ei ole albumin esittäjää — siksi yllä oleva tagieditori piilottaa albumin esittäjän kentän WAVia valittaessa).
Yksi kokovinkki: puhetallenteet ovat luonnostaan monoa — yksi suu, yksi mikrofoni. Puheen tallentaminen stereona kaksinkertaistaa bittinopeuden ilman tiedon lisäystä (1 tunnin 44,1 kHz / 16-bittinen puhetallenne on 317,5 MB monona ja 635,0 MB stereona), joten vaihda yllä oleva Kanavat-asetus monoksi puhetta varten.
Yleisiä väärinkäsityksiä
- FLAC on "parempilaatuinen" kuin WAV. Ei ole — molemmat ovat bittitarkkoja häviöttömiä. FLAC tallentaa saman äänen vain pienempään tilaan. FLACin dekoodaus takaisin PCM:ksi antaa täsmälleen saman tavujonon, jonka WAV olisi tallentanut.
- Korkeampi bittisyvyys kuulostaa aina paremmalta. 24-bittinen antaa enemmän varaa muokkaukseen (hiljaiset signaalit ovat hyvin kohinapohjan yläpuolella), mutta lopullinen kuluttajatoimitus on yleensä 16-bittinen. Ylimääräiset 8 bittiä ovat työtarkkuutta DAW:ssa, eivät kaiuttimista kuultavaa laatua.
- Hi-Res (96 kHz / 192 kHz) kuulostaa paremmalta kuin CD (44,1 kHz). Täydellisesti dithered-musiikissa ihminen ei erota taajuuksia yli noin 20 kHz. 96 kHz tallentaa ultraääntä, jota kukaan ei kuule eikä mikään kuulokkeet toista. Hi-Res-edun kiistanalainen hyöty on vähemmän aliasing-artefakteja tallennusketjussa, ei toiston laadussa.
- MP3:n muuntaminen WAVille palauttaa alkuperäisen laadun. Ei palauta. Kun häviöllinen pakkaus on hylännyt näytteitä, ne ovat poissa lopullisesti. Tuloksena oleva WAV-tiedosto sisältää MP3-artefaktit — se ei ole bittitarkka ennen MP3:a olleelle masterille, tiedostopäätteestä riippumatta.
Aiheeseen liittyvät työkalut: Ääni MP3:ksi / ID3-tagit häviölliseen pakkaukseen, Ääni OGG/Opus-muotoon avoimiin häviöllisiin koodekkeihin, Ääni AIFF/ALAC/WavPack-muotoon muihin häviöttömiin muotoihin, Äänispektri näyttämään, mitkä taajuudet äänessäsi ovat, ja MIDI WAV:ksi (MIDI on ohjeita, ei ääntä — eri muunnosputki).
