Čo sú WAV a FLAC?
WAV a FLAC sú dva formáty, ktoré ukladajú zvuk bez straty jedinej vzorky — oba sú bezstratové. Robia to veľmi rozdielne. WAV je surový kontajner, ktorý ukladá nekomprimované vzorky PCM presne tak, ako ich vytvoril mikrofón alebo syntetizátor: každý snímok amplitúdy sa uloží doslovne, preto je WAV veľký, ale dokonale upraviteľný a univerzálny medziformát pre štúdiá. FLAC obaľuje to isté PCM do bezstratového kompresora, ktorý zvyčajne zmenší súbor o 50–60 %, pričom stále umožňuje bitovo presné dekódovanie späť na pôvodné bajty — dekódovanie(kódovanie(x)) sa rovná x, vždy. Oba formáty si zachovávajú každú vzorku, na rozdiel od stratových formátov ako MP3, AAC a Ogg Vorbis (popísaných na ich vlastných stránkach); kompromisom je veľkosť súboru.
Päť faktov, na ktorých stojí zvyšok stránky:
• WAV = kontajner RIFF s nekomprimovaným PCM (žiadna kompresia)
• FLAC = bezstratová kompresia PCM, zvyčajne o 50–60 % menšia, dekódovateľná bit po bite
• dátový tok (b/s) = vzorkovacia frekvencia (Hz) × hĺbka bitov × kanály — len tri ovládače veľkosti PCM
• veľkosť WAV (bajty) = dátový tok × trvanie v sekundách / 8 — úplne predvídateľný výpočet
• Nyquist: najvyššia reprodukovateľná frekvencia = vzorkovacia frekvencia / 2; 44,1 kHz zachytí až 22,05 kHz, čo je nad ľudským sluchom (20 kHz)
PCM a ako funguje digitálny zvuk
PCM (Pulse Code Modulation) je univerzálny surový formát digitálneho zvuku: analógový priebeh sa nakrája na rovnaké časové intervaly (vzorkovacia frekvencia) a v každom intervale sa amplitúda zaokrúhli na najbližšiu z pevného počtu diskrétnych úrovní (hĺbka bitov). Nahrávka 44,1 kHz / 16-bit / stereo ukladá 44 100 meraní amplitúdy za sekundu na kanál, každé zaokrúhlené na jednu z 216 = 65 536 úrovní (24-bit: jednu z 224 = 16 777 216). Nyquistova–Shannonova veta o vzorkovaní hovorí, že vzorkovaný signál možno dokonale zrekonštruovať, pokiaľ je jeho najvyššia frekvencia nižšia než vzorkovacia frekvencia / 2. Ľudský sluch siaha približne do 20 kHz, takže 44,1 kHz (zachytí až 22,05 kHz) je matematicky postačujúce na dokonalú reprodukciu — preto štandard CD prijal presne túto hodnotu.
Hĺbka bitov riadi dynamický rozsah (pomer medzi najhlasnejším a najtichším signálom), nie frekvenčnú odozvu. Každý ďalší bit pridá teoreticky približne 6,02 dB odstupu signálu od šumu: 16-bit dáva 98,1 dB, 24-bit 146,2 dB, 32-bit s pohyblivou rádovou čiarkou (používaný interne v DAW) 194,4 dB. Reálny hardvér teoretickú hodnotu nikdy nedosiahne — dobre navrhnutý 24-bitový AD prevodník dodá približne 120 dB použiteľného rozsahu (vinyl: ~70 dB, kazeta: ~60 dB).
WAV je kontajner PCM
WAV (alebo WAVE, formálne WAVEform Audio File Format) je kontajner RIFF od Microsoftu a IBM definovaný v roku 1991. Jeho rozloženie na disku tvoria tri bloky za sebou: 12-bajtová hlavička RIFF, ktorá označí súbor ako WAVE, blok fmt s opisom formátu PCM (vzorkovacia frekvencia, kanály, hĺbka bitov) a blok data so samotnými surovými vzorkami. Bajty sú little-endian; formát sa za 35 rokov nezmenil; každý operačný systém a DAW ho číta natívne.
Pretože WAV ukladá surové PCM bez kompresie a bez režije okrem hlavičky, veľkosť súboru je presne predvídateľná: bajty = vzorkovacia frekvencia × hĺbka bitov × kanály × trvanie v sekundách / 8. Skladba v kvalite CD (44,1 kHz / 16-bit / stereo, dátový tok 1 411 200 b/s = 1411,2 kb/s) spotrebuje 1 411 200 ÷ 8 = 176 400 bajtov za sekundu, čo je 10,584 MB za minútu alebo približne 42,336 MB za štvorminútovú pieseň. Štúdiový formát 48 kHz / 24-bit / stereo (dátový tok 2304 kb/s) vystúpi na 17,280 MB za minútu. Táto predvídateľnosť je dôvod, prečo WAV zostáva výmenným formátom priemyslu.
FLAC je bezstratová kompresia
FLAC (Free Lossless Audio Codec) navrhol Josh Coalson v roku 2001 ako otvorenú a bezplatnú odpoveď na vtedy vlastnícky ALAC od Applu. Pracuje na blokoch vzoriek (zvyčajne 4 096 pri úrovni 5) v troch krokoch: medzikanálová dekorelácia (zvýši podobnosť oboch stereo kanálov), lineárne prediktívne kódovanie (predpovie ďalšiu vzorku z predchádzajúcich a uloží len malé reziduum) a Riceovo entropické kódovanie (takmer optimálny spôsob zabalenia malých čísel do bitov). Kľúčová vlastnosť: dekódovanie vráti pôvodné PCM bajt po bajte. FLACdecode(FLACencode(x)) === x. Táto identita robí FLAC bezstratovým — nie „vysokej kvality“, ale bitovo identickým.
FLAC ponúka 9 úrovní kompresie (0–8), ktoré obchodujú rýchlosť kódovania za veľkosť súboru. Úroveň 0 je najrýchlejšia a dosiahne len zhruba 30 % zmenšenie; úroveň 5 je predvolená a dosiahne okolo 55 %; úroveň 8 vytlačí okolo 62 %, ale kódovanie trvá 4–5-krát dlhšie. Skutočné pomery závisia od hudby: sólové klavírne alebo vokálne skladby sa zmenšia o 45–50 %, pretože signál je riedky; husté orchestrálne alebo elektronické skladby o 55–65 %, pretože šumové pozadie je predvídateľnejšie. Typická 4-minútová skladba v kvalite CD na úrovni 5 má okolo 19,05 MB — takmer presne polovicu z 42,336 MB WAV.
Výpočet dátového toku a veľkosti súboru
Dátový tok akéhokoľvek prúdu PCM dáva jeden krátky vzorec: b/s = vzorkovacia frekvencia × hĺbka bitov × kanály. Bežné referenčné hodnoty:
- 1411,2 kb/s — zvuk CD (44,1 kHz / 16-bit / stereo)
- 1536 kb/s — 48 kHz / 16-bit / stereo (DAT, skoré DVD)
- 2304 kb/s — 48 kHz / 24-bit / stereo (štúdiový master)
- 4608 kb/s — 96 kHz / 24-bit / stereo (Hi-Res)
- 9216 kb/s — 192 kHz / 24-bit / stereo (ultra Hi-Res)
Dátový tok na veľkosť súboru: vynásobí sa trvaním a vydelí sa 8 (bajty na bit). Pre štvorminútový príklad v kvalite CD: 1411200 × 240 / 8 = 42 336 000 bajtov = 42,336 MB. Pre FLAC sa veľkosť WAV vynásobí 1 - pomer_kompresie: pri predvolenej úrovni 5 (~55 %) je tá istá skladba 42 336 000 × 0,45 ≈ 19 051 200 bajtov ≈ 19,05 MB. Skladba 48 kHz / 24-bit / stereo váži 17,280 MB za minútu vo WAV a približne 7,78 MB za minútu vo FLAC úrovne 5. Stratové kodeky (MP3, AAC, Opus) dosiahnu ten istý zvuk pri 128–256 kb/s, ďalších desaťkrát menej — no na to zahadzujú vzorky. Jedna pasca jednotiek: dátové toky sa udávajú v kilobitoch za sekundu (kb/s), kým správcovia súborov počítajú kilobajty — na prevod sa vydelí 8 (1411,2 kb/s ÷ 8 = 176,4 kB/s).
Kedy použiť WAV a kedy FLAC
Oba formáty sú bezstratové, takže ide o pracovný postup a šírku pásma, nie o kvalitu. WAV sa hodí, keď editor alebo DAW potrebuje surový vstup PCM, pri vykresľovaní medzipriechodu, ktorý sa bude ďalej spracúvať, alebo keď sa chce master, ktorý každý program na svete prečíta bez knižníc. FLAC sa hodí, keď sa chce bezstratový zvuk v polovičnej veľkosti pre archív, hudobné knižnice, sieťové streamovanie (jedno bezstratové CD sa zmestí do ~19 MB namiesto 42 MB) a zálohy fyzických médií. FLAC tiež podporuje bohaté metadáta cez komentáre Vorbis, ktoré sú schopnejšie než RIFF LIST INFO vo WAV (ten nemá pole interpreta albumu — preto editor značiek vyššie skrýva vstup pre interpreta albumu, keď je zvolený WAV).
Jeden tip k veľkosti: hlasové nahrávky sú prirodzene mono — jedna ústa, jeden mikrofón. Nahrávanie reči v stereo zdvojnásobí dátový tok bez zisku informácie (jednohodinová hlasová nahrávka 44,1 kHz / 16-bit je 317,5 MB v mono a 635,0 MB v stereo), preto pre hlas treba prepnúť voľbu Kanály vyššie na Mono.
Časté omyly
- FLAC je „kvalitnejší“ než WAV. Nie — oba sú bitovo presné bezstratové formáty. FLAC len uloží ten istý zvuk v menšom priestore. Dekódovaním FLAC späť na PCM vznikne rovnaká bajtová postupnosť, akú by uložil WAV.
- Vyššia hĺbka bitov znie vždy lepšie. 24 bitov dáva väčšiu rezervu pri úprave (slabé signály sú ďaleko nad šumovým pozadím), ale finálne doručenie spotrebiteľovi je zvyčajne 16-bitové. Ďalších 8 bitov je pracovná presnosť v DAW, nie počuteľná kvalita z reproduktorov.
- Hi-Res (96 kHz / 192 kHz) znie lepšie než CD (44,1 kHz). Pri správne dithrovanej hudbe ľudia nerozlíšia frekvencie nad približne 20 kHz. 96 kHz zachytí ultrazvukový obsah, ktorý nepočuje nikto a ktorý nereprodukuje žiadne slúchadlo. Diskutabilný prínos Hi-Res je menej aliasingových artefaktov v nahrávacom reťazci, nie kvalita prehrávania.
- Prevod MP3 do WAV obnoví pôvodnú kvalitu. Nie. Keď stratová kompresia zahodí vzorky, sú navždy preč. Výsledný súbor WAV obsahuje artefakty MP3 — nie je bitovo identický s masterom pred MP3, bez ohľadu na príponu súboru.
Súvisiace nástroje: Zvuk do MP3 / značky ID3 pre stratovú kompresiu, Zvuk do OGG / Opus pre otvorené stratové kodeky, Zvuk do AIFF / ALAC / WavPack pre ďalšie bezstratové formáty, Spektrum zvuku na zobrazenie frekvencií v zvuku a MIDI do WAV (MIDI sú pokyny, nie zvuk — iný prevodový reťazec).
