Công cụ chuyển âm thanh sang WAV / FLAC

WAV và FLAC là hai định dạng lưu âm thanh mà không mất một mẫu nào — cả hai đều là không mất dữ liệu. Chúng làm điều đó theo những cách rất khác nhau. WAV là vùng chứa thô lưu các mẫu PCM không nén đúng như micro hay bộ tổng hợp tạo ra: mọi ảnh chụp biên độ đều nằm nguyên vẹn trong tệp, đó là lý do WAV lớn nhưng hoàn toàn dễ chỉnh sửa và là định dạng trung gian phổ quát của các phòng thu. FLAC bọc cùng PCM đó trong một bộ nén không mất dữ liệu, thường giảm tệp 50–60% nhưng vẫn cho phép giải mã đúng từng byte về bản gốc — decode(encode(x)) bằng x, mọi lần. Cả hai định dạng đều giữ mọi mẫu, khác với các định dạng có mất dữ liệu như MP3, AAC và Ogg Vorbis (được trình bày riêng trên các trang tương ứng); cái giá phải trả là dung lượng.

PCM (Pulse Code Modulation) là định dạng thô phổ quát của âm thanh số: dạng sóng tương tự được cắt thành các khoảng thời gian bằng nhau (tần số lấy mẫu), và tại mỗi khoảng biên độ được làm tròn về mức gần nhất trong một số mức rời rạc cố định (độ sâu bit). Một bản thu 44,1 kHz / 16-bit / stereo lưu 44.100 phép đo biên độ mỗi giây cho mỗi kênh, mỗi phép đo được làm tròn về một trong 2¹⁶ = 65.536 mức (24-bit: một trong 2²⁴ = 16.777.216 mức). Định lý lấy mẫu Nyquist–Shannon nói rằng một tín hiệu đã lấy mẫu có thể được tái tạo hoàn hảo miễn là tần số cao nhất của nó nhỏ hơn tần số lấy mẫu / 2. Thính giác con người đạt tới khoảng 20 kHz, nên 44,1 kHz (ghi được đến 22,05 kHz) đủ về mặt toán học để tái tạo hoàn hảo — đó là lý do tiêu chuẩn CD đã chọn đúng tốc độ này.

Độ sâu bit kiểm soát dải động (tỷ lệ giữa tín hiệu to nhất và nhỏ nhất), không phải đáp ứng tần số. Mỗi bit thêm vào cho khoảng 6,02 dB tỷ số tín hiệu trên nhiễu về mặt lý thuyết: 16-bit cho 98,1 dB, 24-bit cho 146,2 dB, float 32-bit (được DAW dùng nội bộ) cho 194,4 dB. Phần cứng thực tế không bao giờ đạt con số lý thuyết — một ADC 24-bit được thiết kế tốt cho khoảng 120 dB dải dùng được (đĩa than: khoảng 70 dB, băng cassette: khoảng 60 dB).

WAV (hay WAVE, tên chính thức là WAVEform Audio File Format) là vùng chứa RIFF của Microsoft/IBM được định nghĩa năm 1991. Bố cục trên đĩa gồm ba chunk nối tiếp: tiêu đề RIFF 12 byte khai báo tệp là WAVE, chunk fmt mô tả định dạng PCM (tần số lấy mẫu, số kênh, độ sâu bit), và chunk data chứa chính các mẫu thô. Các byte theo little-endian; định dạng không thay đổi trong 35 năm; mọi hệ điều hành và DAW đều đọc được nó gốc.

Vì WAV lưu PCM thô, không nén và không có phần phụ nào ngoài tiêu đề, dung lượng tệp hoàn toàn dự đoán được: số byte = tần số lấy mẫu × độ sâu bit × số kênh × thời lượng (giây) / 8. Một bản nhạc chất lượng CD (44,1 kHz / 16-bit / stereo, tốc độ bit = 1.411.200 bps = 1411,2 kbps) tiêu thụ 1.411.200 ÷ 8 = 176.400 byte mỗi giây, tức là 10,584 MB mỗi phút hoặc khoảng 42,336 MB cho một bài hát 4 phút. Định dạng studio 48 kHz / 24-bit / stereo (tốc độ bit 2304 kbps) lên tới 17,280 MB mỗi phút. Sự dự đoán được này là lý do WAV vẫn là định dạng trao đổi của ngành.

FLAC (Free Lossless Audio Codec) do Josh Coalson thiết kế năm 2001 như một lựa chọn mở, không cần trả phí bản quyền, thay cho ALAC độc quyền của Apple thời đó. Nó làm việc trên các khối mẫu (thường 4.096 mẫu ở mức 5) qua ba bước: khử tương quan giữa các kênh (làm hai kênh stereo giống nhau hơn), mã hóa dự đoán tuyến tính (dự đoán mẫu tiếp theo từ các mẫu trước, chỉ lưu phần dư nhỏ), và mã hóa entropy Rice (cách gần tối ưu để nén các số nguyên nhỏ thành bit). Thuộc tính quyết định: giải mã trả về đúng PCM gốc từng byte. FLACdecode(FLACencode(x)) === x. Chính đồng nhất thức này làm FLAC không mất dữ liệu — không phải “chất lượng cao” mà là giống hệt từng bit.

FLAC có 9 mức nén (0–8) đánh đổi tốc độ mã hóa lấy dung lượng tệp. Mức 0 nhanh nhất và chỉ giảm được khoảng 30%; mức 5 là mặc định và giảm khoảng 55%; mức 8 nén thêm được khoảng 62% nhưng mã hóa lâu gấp 4–5 lần. Tỷ lệ thực tế phụ thuộc vào âm nhạc: bản piano độc tấu hoặc giọng hát giảm 45–50% vì tín hiệu thưa; nhạc giao hưởng dày đặc hoặc điện tử giảm 55–65% vì mức nhiễu nền dễ dự đoán hơn. Một bài hát 4 phút chất lượng CD thông thường ở mức 5 cho khoảng 19,05 MB — gần đúng một nửa so với 42,336 MB của WAV.

Tốc độ bit của bất kỳ luồng PCM nào được cho bởi một công thức ngắn: bps = tần số lấy mẫu × độ sâu bit × số kênh. Các mốc tham chiếu thường gặp:

• 1411,2 kbps — âm thanh CD (44,1 kHz / 16-bit / stereo)
• 1536 kbps — 48 kHz / 16-bit / stereo (DAT, DVD đời đầu)
• 2304 kbps — 48 kHz / 24-bit / stereo (bản master studio)
• 4608 kbps — 96 kHz / 24-bit / stereo (Hi-Res)
• 9216 kbps — 192 kHz / 24-bit / stereo (siêu Hi-Res)

Để chuyển tốc độ bit thành dung lượng tệp, nhân với thời lượng rồi chia 8 (số bit trên một byte). Với ví dụ bài hát 4 phút chất lượng CD: 1411200 × 240 / 8 = 42.336.000 byte = 42,336 MB. Với FLAC, nhân dung lượng WAV với 1 - tỷ lệ nén: ở mức mặc định 5 với khoảng 55%, cùng bài hát là 42.336.000 × 0,45 ≈ 19.051.200 byte ≈ 19,05 MB. Một bản 48 kHz / 24-bit / stereo nặng 17,280 MB mỗi phút ở WAV và khoảng 7,78 MB mỗi phút ở FLAC mức 5. Các codec có mất dữ liệu (MP3, AAC, Opus) xử lý cùng âm thanh ở 128–256 kbps, nhỏ hơn thêm mười lần — nhưng chúng loại bỏ mẫu để làm được điều đó. Một cái bẫy đơn vị cần biết: tốc độ bit được ghi bằng kilobit mỗi giây (kbps) trong khi trình quản lý tệp đếm bằng kilobyte — chia 8 để đổi (1411,2 kbps ÷ 8 = 176,4 kB/s).

Cả hai định dạng đều không mất dữ liệu, nên câu hỏi là quy trình làm việc và băng thông, không phải chất lượng. Dùng WAV khi trình chỉnh sửa hoặc DAW cần đầu vào PCM thô, khi bạn kết xuất một bản trung gian sẽ được xử lý tiếp, hoặc khi muốn một tệp master mà mọi chương trình trên thế giới đều đọc được mà không cần thư viện. Dùng FLAC khi muốn âm thanh không mất dữ liệu với dung lượng bằng một nửa cho lưu trữ, thư viện nhạc, phát trực tuyến qua mạng (một đĩa CD không mất dữ liệu vừa khoảng 19 MB thay vì 42 MB), và sao lưu đĩa vật lý. FLAC cũng hỗ trợ siêu dữ liệu phong phú qua Vorbis Comment, hơn hẳn LIST INFO của RIFF trong WAV (vốn thiếu trường nghệ sĩ album — đó là lý do trình chỉnh sửa thẻ ở trên ẩn ô nhập nghệ sĩ album khi chọn WAV).

Một mẹo về dung lượng: bản ghi giọng nói về bản chất là mono — một miệng, một micro. Ghi lời nói ở stereo làm gấp đôi tốc độ bit mà không tăng thông tin (một bản ghi giọng nói 1 giờ ở 44,1 kHz / 16-bit có dung lượng 317,5 MB ở mono, 635,0 MB ở stereo), nên hãy chuyển tùy chọn Kênh ở trên sang Mono cho giọng nói.

• FLAC có "chất lượng tốt hơn" WAV. Không — cả hai đều không mất dữ liệu từng bit. FLAC chỉ lưu cùng âm thanh trong ít dung lượng hơn. Giải mã FLAC về PCM cho ra đúng chuỗi byte mà WAV đã lưu.
• Độ sâu bit cao hơn luôn nghe hay hơn. 24-bit cho nhiều khoảng dự trữ hơn khi chỉnh sửa (tín hiệu mức thấp nằm xa hơn ngưỡng nhiễu), nhưng sản phẩm giao cho người dùng thường là 16-bit. 8 bit thêm là độ chính xác làm việc trong DAW, không phải chất lượng nghe được qua loa.
• Hi-Res (96 kHz / 192 kHz) nghe hay hơn CD (44,1 kHz). Với nhạc đã được dither đúng cách, con người không phân biệt được các tần số trên khoảng 20 kHz. 96 kHz ghi được nội dung siêu âm mà không ai nghe thấy và không tai nghe nào tái tạo được. Lợi ích có thể tranh luận của Hi-Res là ít artefact răng cưa hơn trong chuỗi thu, chứ không phải chất lượng phát lại.
• Chuyển MP3 sang WAV sẽ khôi phục chất lượng gốc. Không. Một khi nén có mất đã loại bỏ các mẫu, các mẫu đó mất vĩnh viễn. Tệp WAV tạo ra chứa các artefact của MP3 — nó không giống hệt từng bit với bản master trước khi nén MP3, bất kể phần mở rộng tệp là gì.

Công cụ liên quan: Âm thanh sang MP3 / thẻ ID3 cho nén có mất dữ liệu, Âm thanh sang OGG / Opus cho các codec mở có mất dữ liệu, Âm thanh sang AIFF / ALAC / WavPack cho các định dạng không mất dữ liệu khác, Phổ âm thanh để xem âm thanh của bạn có những tần số nào, và MIDI sang WAV (MIDI là chỉ dẫn chứ không phải âm thanh — một quy trình chuyển đổi khác).