Hva er WAV og FLAC?
WAV og FLAC er de to formatene som lagrer lyd uten å miste en eneste sampel — begge er tapsfrie. De gjør det på svært forskjellige måter. WAV er den rå beholderen som lagrer ukomprimert PCM-sampling nøyaktig slik mikrofonen eller synthesizeren produserte dem: hvert amplitudeøyeblikksbilde havner ordrett i filen, og derfor er WAV stor men helt redigerbar og det universelle mellomformatet i studioer. FLAC pakker den samme PCM-lyden inn i en tapsfri kompressor som typisk krymper filen med 50–60 %, samtidig som den tillater en bit-for-bit dekoding tilbake til de opprinnelige bytene — dekoding(koding(x)) er lik x, hver gang. Begge formatene beholder hver sampel, i motsetning til tapsbaserte formater som MP3, AAC og Ogg Vorbis (som har egne sider); avveiningen er filstørrelse.
Fem fakta som forankrer resten av siden:
• WAV = RIFF-beholder med rå, ukomprimert PCM (ingen komprimering i det hele tatt)
• FLAC = tapsfri komprimering av PCM, vanligvis 50–60 % mindre, og kan dekodes bit for bit
• bitrate (bps) = samplingsfrekvens (Hz) × bitdybde × kanaler — de eneste tre innstillingene for størrelsen på PCM
• WAV-størrelse (byte) = bitrate × varighet i sekunder / 8 — helt forutsigbart regnestykke
• Nyquist: høyeste reproduserbare frekvens = samplingsfrekvens / 2; 44,1 kHz fanger opp til 22,05 kHz, over menneskets hørsel (20 kHz)
PCM og hvordan digital lyd fungerer
PCM (Pulse Code Modulation) er det universelle rårformatet for digital lyd: den analoge bølgeformen skjæres i like tidsintervaller (samplingsfrekvensen), og i hvert intervall avrundes amplituden til nærmeste av et fast antall diskrete nivåer (bitdybden). Et opptak på 44,1 kHz / 16-bit / stereo lagrer 44 100 amplitudemålinger per sekund per kanal, hver avrundet til ett av 216 = 65 536 nivåer (24-bit: ett av 224 = 16 777 216). Nyquist–Shannon-samplingsteoremet sier at et samplet signal kan rekonstrueres perfekt så lenge den høyeste frekvensen er under samplingsfrekvens / 2. Menneskets hørsel går opp til omtrent 20 kHz, så 44,1 kHz (som fanger opp til 22,05 kHz) er matematisk tilstrekkelig for perfekt gjengivelse — og det er derfor CD-standarden valgte nettopp den frekvensen.
Bitdybden styrer dynamikkområdet (forholdet mellom det sterkeste og det svakeste signalet), ikke frekvensresponsen. Hver ekstra bit gir omtrent 6,02 dB teoretisk signal-støy-forhold: 16-bit gir 98,1 dB, 24-bit gir 146,2 dB, 32-bit flyttall (brukt internt i DAW-er) gir 194,4 dB. Ekte maskinvare når aldri den teoretiske verdien — en godt konstruert 24-bit ADC gir omtrent 120 dB brukbart område (vinyl: ~70 dB, kassett: ~60 dB).
WAV er PCM-beholderen
WAV (eller WAVE, formelt WAVEform Audio File Format) er Microsoft/IBM-RIFF-beholderen definert i 1991. Oppsettet på disk er tre blokker etter hverandre: en 12-byte RIFF-header som angir filen som WAVE, en fmt -blokk som beskriver PCM-formatet (samplingsfrekvens, kanaler, bitdybde), og en data-blokk med selve de rå samplene. Bytene er little-endian; formatet har ikke endret seg på 35 år; alle operativsystemer og DAW-er leser det naturlig.
Fordi WAV lagrer rå PCM uten komprimering og uten annen overhead enn headeren, er filstørrelsen nøyaktig forutsigbar: byte = samplingsfrekvens × bitdybde × kanaler × varighet i sekunder / 8. Et spor i CD-kvalitet (44,1 kHz / 16-bit / stereo, bitrate = 1 411 200 bps = 1411,2 kbps) bruker 1 411 200 ÷ 8 = 176 400 byte per sekund, noe som gir 10,584 MB per minutt eller omtrent 42,336 MB for en sang på 4 minutter. Studioformatet 48 kHz / 24-bit / stereo (bitrate 2304 kbps) når 17,280 MB per minutt. Denne forutsigbarheten er grunnen til at WAV fortsatt er bransjens utvekslingsformat.
FLAC er tapsfri komprimering
FLAC (Free Lossless Audio Codec) ble laget av Josh Coalson i 2001 som et åpent, royalty-fritt svar på Apples den gang proprietære ALAC. Den arbeider på blokker med sampler (vanligvis 4096 på nivå 5) i tre trinn: korrelasjon mellom kanaler (gjør de to stereokanalene mer like), lineær prediktiv koding (predikerer neste sampel fra de forrige og lagrer bare den lille resten), og Rice-entropikoding (en nesten optimal måte å pakke små heltall i bits på). Den avgjørende egenskapen: dekoding gir tilbake den opprinnelige PCM-en byte for byte. FLACdecode(FLACencode(x)) === x. Denne identiteten er det som gjør FLAC tapsfritt — ikke «høy kvalitet», men bit-identisk.
FLAC har 9 komprimeringsnivåer (0–8) som bytter koding mot filstørrelse. Nivå 0 er raskest og gir bare omtrent 30 % reduksjon; nivå 5 er standard og når omtrent 55 %; nivå 8 presser ut omtrent 62 %, men tar 4–5 ganger så lang tid å kode. Reelle forhold avhenger av musikken: solo-piano eller vokalspor reduseres med 45–50 % fordi signalet er tynt; tett orkester- eller elektronisk musikk reduseres med 55–65 % fordi støygulvet er mer forutsigbart. Et typisk spor på 4 minutter i CD-kvalitet på nivå 5 havner rundt 19,05 MB — nesten nøyaktig halvparten av 42,336 MB for WAV.
Regnestykket for bitrate og filstørrelse
Bitraten til en hvilken som helst PCM-strøm gis av én kort formel: bps = samplingsfrekvens × bitdybde × kanaler. Vanlige referansepunkter:
- 1411,2 kbps — CD-lyd (44,1 kHz / 16-bit / stereo)
- 1536 kbps — 48 kHz / 16-bit / stereo (DAT, tidlig DVD)
- 2304 kbps — 48 kHz / 24-bit / stereo (studiomaster)
- 4608 kbps — 96 kHz / 24-bit / stereo (Hi-Res)
- 9216 kbps — 192 kHz / 24-bit / stereo (ultra-Hi-Res)
For å gjøre bitrate om til filstørrelse, multipliser med varigheten og del på 8 (byte per bit). For CD-eksempelet på 4 minutter: 1411200 × 240 / 8 = 42 336 000 byte = 42,336 MB. For FLAC multipliserer man WAV-størrelsen med 1 - komprimeringsforhold: ved standardnivået 5 og ca. 55 % blir det samme sporet 42 336 000 × 0,45 ≈ 19 051 200 byte ≈ 19,05 MB. Et spor i 48 kHz / 24-bit / stereo veier 17,280 MB per minutt i WAV og omtrent 7,78 MB per minutt i FLAC nivå 5. Tapsbaserte kodeker (MP3, AAC, Opus) gjengir det samme lydinnholdet ved 128–256 kbps, ti ganger mindre igjen — men de kaster samples for å gjøre det. En enhetsfelle verdt å kjenne til: bitrate oppgis i kilobit per sekund (kbps), mens filbehandlere teller kilobyte — del på 8 for å konvertere (1411,2 kbps ÷ 8 = 176,4 kB/s).
Når man bør velge WAV kontra FLAC
Begge formatene er tapsfrie, så spørsmålet gjelder arbeidsflyt og båndbredde, ikke kvalitet. Bruk WAV når en redigerer eller DAW trenger rå PCM-inndata, når man lager en mellomliggende eksport som skal bearbeides videre, eller når man vil ha en masterfil som ethvert program på jorden kan lese uten biblioteker. Bruk FLAC når man vil ha tapsfri lyd i halv størrelse for arkivering, musikkbiblioteker, nettverksstrømming (en tapsfri CD får plass i omtrent 19 MB i stedet for 42 MB) og sikkerhetskopier av fysiske medier. FLAC støtter også rik metadata via Vorbis-kommentarer, som er mer kapabelt enn WAVs RIFF LIST INFO (som mangler et albumartist-felt — derfor skjuler taggredigereren over albumartist-feltet når WAV er valgt).
Et tips om størrelse: stemmeopptak er i utgangspunktet mono — én munn, én mikrofon. Å ta opp tale i stereo dobler bitraten uten informasjonsgevinst (et opptak på 1 time med tale i 44,1 kHz / 16-bit er 317,5 MB i mono og 635,0 MB i stereo), så bytt til Mono i kanalvalget over for tale.
Vanlige misforståelser
- FLAC er «bedre kvalitet» enn WAV. Nei — begge er bit-perfekte og tapsfrie. FLAC lagrer bare den samme lyden på mindre plass. Dekoding av FLAC tilbake til PCM gir den identiske bytesekvensen som WAV ville ha lagret.
- Høyere bitdybde høres alltid bedre ut. 24-bit gir mer headroom for redigering (signaler på lavt nivå ligger godt over støygulvet), men den endelige leveransen til forbrukere er vanligvis 16-bit. De ekstra 8 bitene er arbeidspresisjon i DAW-en, ikke hørbar kvalitet i høyttalerne.
- Hi-Res (96 kHz / 192 kHz) høres bedre ut enn CD (44,1 kHz). For perfekt dithered musikk kan ikke mennesker skille frekvenser over omtrent 20 kHz. 96 kHz fanger opp ultralyd som ingen mennesker hører og ingen hodetelefoner gjengir. Den omstridte fordelen med Hi-Res er færre aliaseringsartefakter i opptakskjeden, ikke bedre avspilling.
- Å konvertere MP3 til WAV gjenoppretter den opprinnelige kvaliteten. Nei. Når tapsbasert komprimering har kastet samplene, er de borte for alltid. Den resulterende WAV-filen inneholder MP3-artefakter — den er ikke bit-identisk med masteren fra før MP3, uansett filendelse.
Relaterte verktøy: Lyd til MP3 / ID3-tagger for tapsbasert komprimering, Lyd til OGG / Opus for åpne tapsbaserte kodeker, Lyd til AIFF / ALAC / WavPack for andre tapsfrie formater, Lydspektrum for å visualisere hvilke frekvenser som finnes i lyden, og MIDI til WAV (MIDI er instruksjoner, ikke lyd — en annen konverteringsflyt).
