Ce sunt WAV și FLAC?
WAV și FLAC sunt cele două formate care stochează audio fără a pierde niciun eșantion — ambele sunt fără pierderi. Fac asta în moduri foarte diferite. WAV este containerul brut care stochează eșantioane PCM necomprimate exact așa cum le-a produs microfonul sau sintetizatorul: fiecare instantaneu al amplitudinii ajunge în fișier nemodificat, de aceea WAV este mare, dar perfect editabil și formatul intermediar universal al studiourilor. FLAC învelește același PCM într-un compresor fără pierderi, care de obicei reduce fișierul cu 50–60%, permițând în continuare decodarea identică bit cu bit la octeții originali — decode(encode(x)) este egal cu x, de fiecare dată. Ambele formate păstrează fiecare eșantion, spre deosebire de formatele cu pierderi precum MP3, AAC și Ogg Vorbis (tratate pe propriile pagini); compromisul este dimensiunea fișierului.
Cinci fapte care susțin restul paginii:
• WAV = container RIFF cu PCM brut, necomprimat (fără nicio compresie)
• FLAC = compresie fără pierderi a PCM, de obicei cu 50–60% mai mic, decodabil identic bit cu bit
• rata de bit (bps) = frecvența de eșantionare (Hz) × adâncimea de bit × canale — singurele trei parametri care determină dimensiunea PCM
• dimensiunea WAV (octeți) = rata de bit × durata în secunde / 8 — calcul complet previzibil
• Nyquist: frecvența maximă reproductibilă = frecvența de eșantionare / 2; 44,1 kHz captează până la 22,05 kHz, peste auzul uman (20 kHz)
PCM și cum funcționează audio digital
PCM (Pulse Code Modulation) este formatul brut universal pentru audio digital: forma de undă analogică este tăiată în intervale de timp egale (frecvența de eșantionare), iar la fiecare interval amplitudinea se rotunjește la cel mai apropiat dintr-un număr fix de niveluri discrete (adâncimea de bit). O înregistrare de 44,1 kHz / 16 biți / stereo stochează 44 100 de măsurători de amplitudine pe secundă pentru fiecare canal, fiecare rotunjită la unul dintre 216 = 65 536 de niveluri (24 de biți: unul dintre 224 = 16 777 216). Teorema eșantionării Nyquist–Shannon spune că un semnal eșantionat poate fi reconstruit perfect atâta timp cât frecvența sa cea mai înaltă este sub frecvența de eșantionare / 2. Auzul uman ajunge până în jurul a 20 kHz, deci 44,1 kHz (care captează până la 22,05 kHz) este matematic suficient pentru reproducere perfectă — motiv pentru care standardul CD a adoptat exact această rată.
Adâncimea de bit controlează gama dinamică (raportul dintre cel mai puternic și cel mai slab semnal), nu răspunsul în frecvență. Fiecare bit în plus adaugă aproximativ 6,02 dB de raport teoretic semnal-zgomot: 16 biți dau 98,1 dB, 24 de biți dau 146,2 dB, virgula mobilă pe 32 de biți (folosită intern în DAW-uri) dă 194,4 dB. Hardware-ul real nu atinge niciodată cifra teoretică — un ADC de 24 de biți bine proiectat oferă aproximativ 120 dB de gamă utilizabilă (vinil: ~70 dB, casetă: ~60 dB).
WAV este containerul PCM
WAV (sau WAVE, formal WAVEform Audio File Format) este containerul RIFF Microsoft/IBM definit în 1991. Structura sa pe disc este formată din trei blocuri unul după altul: un antet RIFF de 12 octeți, care numește fișierul WAVE, un bloc fmt care descrie formatul PCM (frecvența de eșantionare, canalele, adâncimea de bit) și un bloc data care conține chiar eșantioanele brute. Octeții sunt little-endian; formatul nu s-a schimbat de 35 de ani; fiecare sistem de operare și DAW îl citește nativ.
Deoarece WAV stochează PCM brut, fără compresie și fără alt cost decât antetul, dimensiunea fișierului este exact previzibilă: octeți = frecvența de eșantionare × adâncimea de bit × canale × durata în secunde / 8. O piesă de calitate CD (44,1 kHz / 16 biți / stereo, rată de bit 1 411 200 bps = 1411,2 kbps) consumă 1 411 200 ÷ 8 = 176 400 de octeți pe secundă, adică 10,584 MB pe minut sau aproximativ 42,336 MB pentru un cântec de 4 minute. Formatul de studio de 48 kHz / 24 de biți / stereo (rată de bit 2304 kbps) urcă la 17,280 MB pe minut. Această previzibilitate explică de ce WAV rămâne formatul de schimb al industriei.
FLAC este compresie fără pierderi
FLAC (Free Lossless Audio Codec) a fost proiectat de Josh Coalson în 2001, ca răspuns deschis, fără taxe de licență, la ALAC, care era atunci proprietar Apple. Lucrează pe blocuri de eșantioane (de obicei 4 096 la nivelul 5) în trei pași: decorelarea între canale (face cele două canale stereo mai asemănătoare), codarea predictivă liniară (prezice următorul eșantion din cele anterioare și stochează doar reziduul mic) și codarea entropică Rice (un mod aproape optim de a împacheta numere întregi mici în biți). Proprietatea crucială: decodarea returnează PCM-ul original octet cu octet. FLACdecode(FLACencode(x)) === x. Această identitate face FLAC fără pierderi — nu „de înaltă calitate”, ci identic bit cu bit.
FLAC oferă 9 niveluri de compresie (0–8), care fac un compromis între viteza de codificare și dimensiunea fișierului. Nivelul 0 este cel mai rapid și reduce doar cu aproximativ 30%; nivelul 5 este implicit și ajunge la aproximativ 55%; nivelul 8 stoarce aproximativ 62%, dar durează de 4–5 ori mai mult la codificare. Rapoartele reale depind de muzică: piesele solo de pian sau vocale se reduc cu 45–50%, pentru că semnalul este rar; muzica orchestrală densă sau electronică se reduce cu 55–65%, pentru că zgomotul de fond este mai previzibil. O piesă tipică de 4 minute, în calitate CD, la nivelul 5 ajunge în jur de 19,05 MB — aproape exact jumătate din 42,336 MB ale WAV-ului.
Rata de bit și calculul dimensiunii fișierului
Rata de bit a oricărui flux PCM este dată de o formulă scurtă: bps = frecvența de eșantionare × adâncimea de bit × canale. Puncte de referință uzuale:
- 1411,2 kbps — audio CD (44,1 kHz / 16 biți / stereo)
- 1536 kbps — 48 kHz / 16 biți / stereo (DAT, DVD timpuriu)
- 2304 kbps — 48 kHz / 24 de biți / stereo (master de studio)
- 4608 kbps — 96 kHz / 24 de biți / stereo (Hi-Res)
- 9216 kbps — 192 kHz / 24 de biți / stereo (ultra-Hi-Res)
Pentru a transforma rata de bit în dimensiune de fișier, se înmulțește cu durata și se împarte la 8 (octeți pe bit). Pentru exemplul de 4 minute, în calitate CD: 1411200 × 240 / 8 = 42 336 000 octeți = 42,336 MB. Pentru FLAC, dimensiunea WAV se înmulțește cu 1 - raport_de_compresie: la nivelul implicit 5, cu aproximativ 55%, aceeași piesă are 42 336 000 × 0,45 ≈ 19 051 200 octeți ≈ 19,05 MB. O piesă de 48 kHz / 24 de biți / stereo cântărește 17,280 MB pe minut în WAV și aproximativ 7,78 MB pe minut în FLAC nivelul 5. Codecurile cu pierderi (MP3, AAC, Opus) ajung la același audio la 128–256 kbps, de zece ori mai mici — dar elimină eșantioane pentru a face asta. O capcană de unitate care merită reținută: ratele de bit se exprimă în kilobiți pe secundă (kbps), iar managerii de fișiere numără în kiloocteți — se împarte la 8 pentru conversie (1411,2 kbps ÷ 8 = 176,4 kB/s).
Când se folosește WAV și când FLAC
Ambele formate sunt fără pierderi, deci întrebarea ține de fluxul de lucru și de lățimea de bandă, nu de calitate. Se folosește WAV atunci când un editor sau un DAW are nevoie de intrare PCM brută, când se redă un intermediar care va fi prelucrat în continuare sau când se dorește un fișier master pe care orice program de pe planetă îl poate citi fără biblioteci. Se folosește FLAC pentru audio fără pierderi la jumătate din dimensiune, pentru arhivare, biblioteci muzicale, streaming în rețea (un CD fără pierderi încape în aproximativ 19 MB în loc de 42 MB) și pentru copii de siguranță ale suporturilor fizice. FLAC acceptă și metadate bogate prin Vorbis Comment, care sunt mai capabile decât RIFF LIST INFO din WAV (care nu are câmp pentru artistul de album — de aceea editorul de etichete de mai sus ascunde câmpul artist de album când este selectat WAV).
Un sfat privind dimensiunea: înregistrările vocale sunt mono prin natura lor — o gură, un microfon. Înregistrarea vorbirii în stereo dublează rata de bit fără niciun câștig de informație (o înregistrare vocală de o oră la 44,1 kHz / 16 biți are 317,5 MB în mono și 635,0 MB în stereo), așa că opțiunea Canale de mai sus se trece pe Mono pentru voce.
Concepții greșite frecvente
- FLAC are „calitate mai bună” decât WAV. Nu — ambele sunt fără pierderi, perfecte la nivel de bit. FLAC stochează pur și simplu același audio într-un spațiu mai mic. Decodarea FLAC înapoi în PCM dă exact aceeași succesiune de octeți pe care ar fi stocat-o WAV.
- Adâncimea de bit mai mare sună întotdeauna mai bine. 24 de biți oferă mai multă rezervă pentru editare (semnalele de nivel scăzut stau mult deasupra zgomotului de fond), dar livrarea finală pentru consumatori este de obicei pe 16 biți. Cei 8 biți în plus sunt precizie de lucru în DAW, nu calitate audibilă în boxe.
- Hi-Res (96 kHz / 192 kHz) sună mai bine decât CD-ul (44,1 kHz). Pentru muzică perfect dithered, oamenii nu pot distinge frecvențele peste aproximativ 20 kHz. 96 kHz captează conținut ultrasonic pe care nu-l aude nimeni și pe care nu-l reproduce nicio cască. Beneficiul discutabil al Hi-Res ține de mai puține artefacte de aliasing în lanțul de înregistrare, nu de calitatea redării.
- Convertirea unui MP3 în WAV restabilește calitatea originală. Nu. Odată ce compresia cu pierderi a eliminat eșantioane, acestea dispar pentru totdeauna. Fișierul WAV rezultat conține artefactele MP3 — nu este identic bit cu bit cu masterul dinaintea MP3-ului, indiferent de extensie.
Instrumente conexe: Audio în MP3 / etichete ID3 pentru compresie cu pierderi, Audio în OGG / Opus pentru codecuri deschise cu pierderi, Audio în AIFF / ALAC / WavPack pentru alte formate fără pierderi, Spectru audio pentru a vizualiza ce frecvențe există în audio și MIDI în WAV (MIDI sunt instrucțiuni, nu audio — un alt flux de conversie).
