Czym są WAV i FLAC?
WAV i FLAC to dwa formaty, które przechowują audio bez utraty ani jednej próbki — oba są bezstratne. Robią to na bardzo różne sposoby. WAV to surowy kontener, który przechowuje nieskompresowane próbki PCM dokładnie tak, jak wyprodukował je mikrofon lub syntezator: każda migawka amplitudy trafia do pliku dosłownie, dlatego WAV jest duży, ale w pełni edytowalny i stanowi uniwersalny format pośredni w studiach. FLAC opakowuje ten sam PCM w bezstratny kompresor, który zwykle zmniejsza plik o 50–60%, a jednocześnie pozwala na dekodowanie bit w bit do oryginalnych bajtów — decode(encode(x)) równa się x, za każdym razem. Oba formaty zachowują każdą próbkę, w odróżnieniu od stratnych formatów takich jak MP3, AAC i Ogg Vorbis (opisanych na ich własnych stronach); kompromisem jest rozmiar pliku.
Pięć faktów, które ułatwią zrozumienie reszty strony:
• WAV = kontener RIFF z surowym, nieskompresowanym PCM (zero kompresji)
• FLAC = bezstratna kompresja PCM, zwykle o 50–60% mniejsza, dekodowalna bit w bit
• przepływność (bps) = częstotliwość próbkowania (Hz) × głębia bitowa × kanały — to jedyne trzy pokrętła rozmiaru PCM
• rozmiar WAV (bajty) = przepływność × czas trwania w sekundach / 8 — w pełni przewidywalny rachunek
• Nyquist: maksymalna odtwarzalna częstotliwość = częstotliwość próbkowania / 2; 44,1 kHz obejmuje do 22,05 kHz, powyżej słuchu człowieka (20 kHz)
PCM i jak działa cyfrowe audio
PCM (Pulse Code Modulation) to uniwersalny surowy format cyfrowego audio: przebieg analogowy jest cięty na równe odstępy czasu (częstotliwość próbkowania), a w każdym z nich amplituda jest zaokrąglana do najbliższego z ustalonej liczby poziomów (głębia bitowa). Nagranie 44,1 kHz / 16 bitów / stereo zapisuje 44 100 pomiarów amplitudy na sekundę na kanał, każdy zaokrąglony do jednego z 216 = 65 536 poziomów (24 bity: jeden z 224 = 16 777 216). Twierdzenie Nyquista–Shannona mówi, że próbkowany sygnał można idealnie odtworzyć, o ile jego najwyższa częstotliwość jest niższa niż częstotliwość próbkowania / 2. Słuch człowieka sięga do około 20 kHz, więc 44,1 kHz (obejmujące do 22,05 kHz) jest matematycznie wystarczające do idealnego odtworzenia — dlatego standard CD przyjął właśnie tę częstotliwość.
Głębia bitowa określa zakres dynamiki (stosunek najgłośniejszego do najcichszego sygnału), a nie charakterystykę częstotliwościową. Każdy dodatkowy bit dodaje około 6,02 dB teoretycznego stosunku sygnału do szumu: 16 bitów daje 98,1 dB, 24 bity 146,2 dB, a 32-bitowy float (używany wewnętrznie w DAW) 194,4 dB. Prawdziwy sprzęt nigdy nie osiąga wartości teoretycznej — dobrze zaprojektowany przetwornik 24-bitowy daje około 120 dB użytecznego zakresu (winyl: ok. 70 dB, kaseta: ok. 60 dB).
WAV to kontener PCM
WAV (lub WAVE, formalnie WAVEform Audio File Format) to kontener RIFF firmy Microsoft i IBM, zdefiniowany w 1991 roku. Układ na dysku to trzy bloki jeden za drugim: nagłówek RIFF o długości 12 bajtów, który określa plik jako WAVE, blok fmt opisujący format PCM (częstotliwość próbkowania, kanały, głębię bitową) oraz blok data zawierający same surowe próbki. Bajty są w porządku little-endian; format nie zmienił się od 35 lat, a każdy system operacyjny i DAW odczytuje go natywnie.
Ponieważ WAV przechowuje surowy PCM bez kompresji i bez narzutu poza nagłówkiem, rozmiar pliku jest dokładnie przewidywalny: bajty = częstotliwość próbkowania × głębia bitowa × kanały × czas trwania w sekundach / 8. Utwór w jakości CD (44,1 kHz / 16 bitów / stereo, przepływność 1 411 200 bps = 1411,2 kbps) zajmuje 1 411 200 ÷ 8 = 176 400 bajtów na sekundę, czyli 10,584 MB na minutę lub około 42,336 MB za 4-minutowy utwór. Studyjny format 48 kHz / 24 bity / stereo (przepływność 2304 kbps) osiąga 17,280 MB na minutę. Ta przewidywalność sprawia, że WAV pozostaje formatem wymiany w branży.
FLAC to kompresja bezstratna
FLAC (Free Lossless Audio Codec) został zaprojektowany przez Josha Coalsona w 2001 roku jako otwarta, wolna od opłat odpowiedź na wtedy zastrzeżony ALAC Apple. Działa na blokach próbek (zwykle 4096 przy poziomie 5) w trzech krokach: dekorelacja międzykanałowa (upodobnienie obu kanałów stereo), kodowanie liniowo-predykcyjne (przewidywanie następnej próbki na podstawie poprzednich i zapisywanie tylko małej reszty) oraz kodowanie entropijne Rice'a (niemal optymalny sposób upakowania małych liczb w bity). Kluczowa własność: dekodowanie zwraca oryginalny PCM bajt w bajt. FLACdecode(FLACencode(x)) === x. Ta tożsamość sprawia, że FLAC jest bezstratny — nie „wysokiej jakości”, lecz identyczny co do bitu.
FLAC oferuje 9 poziomów kompresji (0–8), które wymieniają szybkość kodowania na rozmiar pliku. Poziom 0 jest najszybszy i daje redukcję tylko o około 30%; poziom 5 jest domyślny i osiąga około 55%; poziom 8 wyciska około 62%, ale kodowanie trwa 4–5 razy dłużej. Rzeczywiste wskaźniki zależą od muzyki: utwory z solowym fortepianem lub wokalem zmniejszają się o 45–50%, bo sygnał jest rzadki; gęsta muzyka orkiestrowa lub elektroniczna o 55–65%, bo poziom szumu jest bardziej przewidywalny. Typowy 4-minutowy utwór w jakości CD na poziomie 5 ma około 19,05 MB — niemal dokładnie połowę 42,336 MB pliku WAV.
Przepływność a rozmiar pliku
Przepływność dowolnego strumienia PCM wyznacza jeden krótki wzór: bps = częstotliwość próbkowania × głębia bitowa × kanały. Typowe punkty odniesienia:
- 1411,2 kbps — audio CD (44,1 kHz / 16 bitów / stereo)
- 1536 kbps — 48 kHz / 16 bitów / stereo (DAT, wczesne DVD)
- 2304 kbps — 48 kHz / 24 bity / stereo (master studyjny)
- 4608 kbps — 96 kHz / 24 bity / stereo (Hi-Res)
- 9216 kbps — 192 kHz / 24 bity / stereo (ultra Hi-Res)
Aby przeliczyć przepływność na rozmiar pliku, pomnóż ją przez czas trwania i podziel przez 8 (bajty na bit). Dla 4-minutowego przykładu w jakości CD: 1411200 × 240 / 8 = 42 336 000 bajtów = 42,336 MB. Dla FLAC pomnóż rozmiar WAV przez 1 - współczynnik_kompresji: przy domyślnym poziomie 5 (ok. 55%) ten sam utwór to 42 336 000 × 0,45 ≈ 19 051 200 bajtów ≈ 19,05 MB. Utwór 48 kHz / 24 bity / stereo waży 17,280 MB na minutę w WAV i około 7,78 MB na minutę we FLAC poziomu 5. Kodeki stratne (MP3, AAC, Opus) zapisują to samo audio przy 128–256 kbps, czyli kolejne dziesięć razy mniej — ale robią to, odrzucając próbki. Warto znać jedną pułapkę jednostek: przepływność podaje się w kilobitach na sekundę (kbps), podczas gdy menedżery plików liczą kilobajty — aby przeliczyć, podziel przez 8 (1411,2 kbps ÷ 8 = 176,4 kB/s).
Kiedy WAV, a kiedy FLAC
Oba formaty są bezstratne, więc pytanie dotyczy przepływu pracy i przepustowości, a nie jakości. Użyj WAV, gdy edytor lub DAW potrzebuje surowego PCM na wejściu, gdy renderowany jest pośredni bounce, który będzie dalej przetwarzany, albo gdy potrzebny jest plik master, który odczyta każdy program na świecie bez bibliotek. Użyj FLAC, gdy potrzebne jest audio bezstratne w połowie rozmiaru do archiwum, bibliotek muzycznych, strumieniowania w sieci (jedna bezstratna płyta CD mieści się w około 19 MB zamiast 42 MB) i kopii zapasowych nośników fizycznych. FLAC obsługuje też bogate metadane przez komentarze Vorbis, które są bardziej rozbudowane niż RIFF LIST INFO w WAV (ta ostatnia nie ma pola wykonawcy albumu — dlatego edytor tagów powyżej ukrywa pole wykonawcy albumu, gdy wybrany jest WAV).
Wskazówka dotycząca rozmiaru: nagrania głosu z natury są mono — jeden usta, jeden mikrofon. Nagrywanie mowy w stereo podwaja przepływność bez zysku informacji (godzinne nagranie głosu 44,1 kHz / 16 bitów to 317,5 MB w mono i 635,0 MB w stereo), więc do głosu przełącz opcję Kanały na Mono.
Typowe nieporozumienia
- FLAC ma „lepszą jakość” niż WAV. Nie — oba są bezstratne co do bitu. FLAC po prostu zapisuje to samo audio w mniejszej przestrzeni. Dekodowanie FLAC do PCM daje dokładnie ten sam ciąg bajtów, który zapisałby WAV.
- Wyższa głębia bitowa zawsze brzmi lepiej. 24 bity dają więcej zapasu przy edycji (sygnały o niskim poziomie leżą wyraźnie ponad szumem), ale ostateczna dystrybucja dla odbiorcy to zwykle 16 bitów. Dodatkowe 8 bitów to precyzja robocza w DAW, a nie słyszalna jakość w głośnikach.
- Hi-Res (96 kHz / 192 kHz) brzmi lepiej niż CD (44,1 kHz). Przy muzyce z poprawnym ditheringiem człowiek nie rozróżnia częstotliwości powyżej około 20 kHz. 96 kHz zachowuje treści ultradźwiękowe, których nikt nie słyszy i żadne słuchawki nie odtwarzają. Domniemana korzyść Hi-Res to mniej artefaktów aliasingu w torze nagrywania, a nie jakość odtwarzania.
- Konwersja MP3 do WAV przywraca oryginalną jakość. Nie. Gdy kompresja stratna odrzuci próbki, są one utracone na zawsze. Powstały plik WAV zawiera artefakty MP3 — nie jest identyczny bit w bit z masterem sprzed MP3, niezależnie od rozszerzenia pliku.
Powiązane narzędzia: Audio do MP3 / tagi ID3 dla kompresji stratnej, Audio do OGG / Opus dla otwartych kodeków stratnych, Audio do AIFF / ALAC / WavPack dla innych formatów bezstratnych, Widmo audio, aby zobaczyć, jakie częstotliwości zawiera audio, oraz MIDI do WAV (MIDI to instrukcje, a nie dźwięk — to inny proces konwersji).
