MP3, AAC, WAV, FLAC: объяснение всех форматов аудиофайлов

Даже скромное качество, высокое -fidelity стерео звук может использовать значительный объем дискового пространства. Для веб-разработчиков еще большее беспокойство вызывает пропускная способность сети, необходимая для передачи звука, будь то потоковая передача или загрузка для использования во время игры. Обработка аудиоданных для их кодирования и декодирования осуществляется с помощью аудиокодека ( CO der/ DEC или) . В этой статье мы рассмотрим аудиокодеки, используемые в Интернете для сжатия и распаковки звука, их возможности и варианты использования, а также дадим рекомендации по выбору аудиокодеков для использования в вашем контенте..

Кроме того, реализации WebRTC обычно используют подмножество этих кодеков для кодирования и декодирования мультимедиа, а также могут поддерживать дополнительные кодеки для оптимальной межплатформенной поддержки видео- и аудиоконференций, а также для лучше интегрироваться с устаревшими телекоммуникационными решениями. Подробнее см. Кодеки, используемые WebRTC.

Для получения информации о фундаментальных концепциях, лежащих в основе работы цифрового звука, см. Статью Концепции цифрового звука.

В приведенном ниже списке указаны кодеки, наиболее часто используемые в Интернете, и какие контейнеры (типы файлов) их поддерживают. Если все, что вам нужно знать, это то, какие кодеки вообще можно использовать, это для вас. Конечно, отдельные браузеры могут поддерживать или не поддерживать все эти кодеки, и их поддержка того, какие типы контейнеров могут их использовать, также может различаться. Кроме того, браузеры могут выбрать поддержку дополнительных кодеков, не включенных в этот список.

[1] Когда данные кодека MPEG-1 Audio Layer III хранятся в файле MPEG, и в файле нет видеодорожки, файл обычно называется файлом MP3, даже если он все еще является файлом формата MPEG.

Есть две общие категории факторов, которые влияют на кодированный звук, который выводится аудиокодеком. кодировщик: подробные сведения о формате и содержимом исходного звука, а также о кодеке и его конфигурации во время процесса кодирования.

Для каждого фактора, влияющего на кодированный звук, существует простое правило, которое почти всегда верно : поскольку точность цифрового звука определяется степенью детализации и точностью выборок, взятых для преобразования его в поток данных, чем больше данных используется для представления цифровой версии аудио, тем точнее выборка звука будет соответствовать исходному материалу.

Поскольку кодированный звук по своей сути использует меньше битов для представления каждого образца, исходный аудиоформат может иметь меньшее влияние на размер закодированного аудио, чем можно было бы ожидать. Однако ряд факторов все еще влияет на качество и размер закодированного звука. В таблице ниже перечислены несколько ключевых факторов формата исходного аудиофайла и их влияние на закодированный звук.

Конечно, эти эффекты могут быть изменены решениями, принятыми при кодировании звука. Например, если кодировщик настроен на снижение частоты дискретизации, влияние частоты дискретизации на выходной файл будет уменьшено.

Для получения дополнительной информации об этих и других функциях аудиоданных см. Формат и структура аудиоданных в понятиях цифрового аудио.

Аудиокодеки обычно используют умно разработанные и очень сложные математические алгоритмы для получения исходных аудиоданных и их сжатия, чтобы занять существенно меньше места в памяти или пропускной способности сети. Помимо выбора типа используемого кодировщика, у вас может быть возможность настроить кодировщик, используя параметры, которые выбирают определенные алгоритмы, настраивают эти алгоритмы и указывают, сколько проходов применять при кодировании..

Доступные параметры и диапазон возможных значений варьируются от кодека к кодеку и даже среди различных утилит кодирования для одного и того же кодека, поэтому прочтите документацию, которая поставляется с программным обеспечением кодирования, которое вы используете, чтобы узнать больше.

На размер закодированного аудио влияют несколько факторов. Некоторые из них зависят от формы исходного звука; другие связаны с решениями, принимаемыми при кодировании звука.

Кодеки без потерь и кодеки с потерями

Есть две основные категории сжатия звука. Алгоритмы сжатия без потерь уменьшают размер звука без ущерба для качества или точности звука. При декодировании аудио, сжатого с помощью кодека без потерь, такого как FLAC или ALAC, результат во всех отношениях идентичен исходному звуку, вплоть до бит.

Lossy кодеки, с другой стороны, используют тот факт, что человеческое ухо не является идеальным интерпретатором звука, и тот факт, что человеческий мозг может извлекать важную информацию из несовершенного или шумного звука. Они удаляют звуковые частоты, которые используются нечасто, допускают потерю точности декодированного вывода и используют другие методы для потери аудиоконтента, качества и точности для создания меньшего количества кодированных носителей. После декодирования результат в разной степени все еще понятен.. Конкретный используемый кодек и выбранная конфигурация сжатия определяют, насколько близким к исходному несжатому аудиосигналу будет выход, когда его слышит человеческое ухо.

Из-за различий в том, как кодеки с потерями работают по сравнению с кодеками без потерь, особенно тот факт, что кодеки без потерь должны быть гораздо более консервативными в отношении сжатия, кодеки с потерями почти всегда приводят к значительно меньшему сжатому аудио, чем кодеки без потерь.

В общем, Наиболее распространенные причины выбора аудио без потерь заключаются в том, что вам требуется хранилище архивного качества или потому, что образцы аудио будут повторно микшироваться и повторно сжиматься, и вы хотите избежать усиления артефактов в аудио из-за повторного сжатия. Для потоковой передачи звука в реальном времени обычно требуется кодек с потерями, чтобы поток данных мог не отставать от скорости воспроизведения звука независимо от производительности сети.

Звук, доставляемый на каждый динамик в звуковой системе, обеспечивается одним аудиоканалом в потоке. Монофонический звук — это один канал. Стереозвука — два. Объемный звук 5.1 имеет пять аудиоканалов и один канал Low Frequency Enhancement ( LFE ).

Каналы LFE специально разработаны для хранения низкочастотных аудиоданных и обычно используются для передачи аудиоданных, например, для сабвуферов. Когда вы видите количество аудиоканалов, записанных в форме X.Y (например, 2.1 или 5.1), число после десятичной точки Y — это количество каналов LFE. Например, MP3 поддерживает один канал LFE, в то время как AAC поддерживает до 16.

Помимо предоставления звука для определенных динамиков в звуковой системе, некоторые кодеки могут позволять использовать аудиоканалы для обеспечения альтернативы. аудио, например вокал на разных языках или описательное аудио для людей с ослабленным зрением.

полоса звуковой частоты кодека указывает диапазон звуковых частот, который может быть представлен с помощью кодека. Некоторые кодеки работают специально, удаляя звук, выходящий за пределы заданного частотного диапазона. Существует корреляция между частотой дискретизации и максимальной частотой звука, которая может быть представлена ​​формой волны, представленной кодеком. На теоретическом уровне максимальная частота, которую может представить кодек, равна частоте дискретизации, деленной на два; эта частота называется частотой Найквиста. На самом деле максимум немного ниже, но он близок.

Полоса пропускания звуковой частоты особенно ярко проявляется, когда кодек разработан или настроен для представления человеческой речи, а не широкого диапазона звуков. Человеческая речь обычно находится в диапазоне звуковых частот от 300 Гц до 18 кГц.. Однако подавляющее большинство человеческих вокализаций существует в диапазоне от 300 Гц до 8 кГц, и вы можете записать достаточно человеческих вокализаций в частотном диапазоне от 500 Гц до 3 кГц, чтобы их можно было понять.

по этой причине кодеки, специфичные для речи, часто начинают с пропуска звука, выходящего за пределы установленного диапазона. Этот диапазон — полоса пропускания звуковой частоты. G.722, например, удаляет звуки, выходящие за пределы полосы звуковой частоты от 50 Гц до 7 кГц. Это сокращает объем данных, которые необходимо кодировать с самого начала.

Ниже мы кратко рассмотрим для каждого из этих кодеков, глядя на их основные возможности и основные варианты использования.

Кодек Advanced Audio Coding ( AAC ) определен как часть стандарта MPEG-4 (H.264); в частности, как часть MPEG-4 Part 3 и MPEG-2 Part 7. Разработанный для обеспечения большего сжатия с более высокой точностью воспроизведения звука, чем MP3, AAC стал популярным выбором и является стандартным форматом для звука во многих типах носители, включая диски Blu-Ray и HDTV, а также формат, используемый для песен, приобретенных у онлайн-продавцов, включая iTunes.

AAC имеет ряд профилей, которые определяют методы сжатия звука для конкретного использования случаях, в том числе все, от высококачественного объемного звука до звука с низким качеством воспроизведения только для речи.

В качестве запатентованного формата поддержка AAC несколько менее предсказуема. Например, Firefox поддерживает AAC только в том случае, если поддержка предоставляется операционной системой или внешней библиотекой.

[1] Из-за проблем с патентами Firefox не поддерживает AAC напрямую. Вместо этого Firefox полагается на встроенную поддержку AAC платформой. Эта возможность была представлена ​​на каждой платформе в разных выпусках Firefox:

[2] Chrome поддерживает AAC только в контейнерах MP4 и поддерживает только основной профиль AAC. Кроме того, AAC недоступен в сборках Chromium.

Аудиокодек Apple Lossless ( ALAC или Apple Lossless ) — кодек без потерь, разработанный Apple. Изначально это был закрытый формат, но Apple открыла его по лицензии Apache.

Кросс-платформенная и браузерная поддержка ALAC не очень сильна, что делает его менее чем идеальным выбором для общего использования. Однако, если ваша цель — в первую очередь пользователи macOS и iOS, возможно, стоит подумать, поскольку операционные системы имеют встроенную поддержку ALAC. В противном случае, FLAC, вероятно, будет лучшим выбором, если вы должны использовать кодек без потерь.

Однако имейте в виду, что кодеки без потерь требуют значительно большей пропускной способности и емкости хранилища и могут быть не лучшим выбором вне очень специфических случаев использования.

Адаптивный многоскоростной аудиокодек оптимизирован для эффективного кодирования человеческой речи. Он был стандартизирован в 1999 году как часть стандарта звука 3GPP, используемого как для сотовой телефонии GSM, так и UMTS, и использует многоскоростной узкополосный алгоритм для кодирования звуковых частот с уровнем качества телефонного уровня около 7,4 кбит/с. Помимо использования для телефонии в реальном времени, звук AMR можно использовать для голосовой почты и других коротких аудиозаписей.

Звук AMR, который хранится в файлах, может быть набран .amr , но также может быть инкапсулирован в файлы .3gp .

Как кодек для речи, AMR по существу бесполезен для любого другого контента, включая аудио, содержащее только певческие голоса. Кроме того, поскольку AMR разработан для минимизации требований к емкости, он захватывает только ту часть полной полосы звуковой частоты человеческой речи, которая абсолютно необходима для понимания того, что говорится, поэтому качество соответственно снижается. Если вам нужна возможность записывать звук с минимальным влиянием на сеть и/или емкость хранилища, AMR может стать отличным выбором. Однако, если вам нужно воспроизведение человеческой речи с высокой точностью — или даже воспроизведение музыки низкого качества — вам нужно выбрать другой формат.

[1] Хотя браузер Chrome не поддерживает AMR, Chrome OS поддерживает AMR-NB (узкополосный) и AMR- WB (широкополосный).

[2] Браузер Firefox не поддерживает AMR; однако платформа Boot to Gecko поддерживает как узкополосный, так и широкополосный AMR в контейнерах 3GP.

FLAC ( Free Lossless Audio Codec ) — это аудиокодек без потерь, опубликованный Xiph.org Foundation. Он обеспечивает хорошую степень сжатия без потери качества звука; то есть распакованный звук идентичен оригиналу. Поскольку алгоритм сжатия специально разработан для аудио, он дает лучшие результаты, чем были бы достигнуты с использованием алгоритма сжатия общего назначения.

FLAC — отличный выбор для небольших файлов звуковых эффектов, где нетронутое качество и тональность точность желательна, а также для архивирования музыки.

Спецификация G.711 , опубликованная Международным союзом электросвязи (ITU ), изначально был создан в 1972 году для определения стандартов кодирования голосовых частот на телефонных линиях в цифровую форму. Аудио кодируется с использованием импульсной кодовой модуляции (PCM) с кодированием по закону µ или A.

Основным преимуществом кодирования по закону µ является то, что байт 0x00 никогда не появляется в кодированном аудио, что может быть полезно в определенных приложениях или сетевых средах. µ-закон в основном используется в Северной Америке и Японии, а A-закон преобладает в других местах.

Недостатки G.711 очевидны: небольшие 8-битные отсчеты и узкая полоса звуковой частоты. При этом он использовался десятилетиями, «достаточно хорош» для голосовых приложений и жизненно важен, если вам может потребоваться интерфейс со стандартной телефонной сетью. Этот кодек должен поддерживаться всеми решениями WebRTC, потому что это простой, легкий в реализации, широко используемый и совместимый кодек.

Как правило, большинство современных приложений будут использовать G.711 только в качестве резервный вариант, если ограничения не имеют особого значения для их вариантов использования. Opus, например, предлагает узкополосное кодирование со скоростью передачи данных 40 кбит/с. Тем не менее, G.711 обеспечивает наименьший общий знаменатель, к которому можно прибегнуть при необходимости.

[1 ] G.711 поддерживается только для соединений WebRTC.

Кодек G.722 , опубликованный Международным союзом электросвязи (ITU), разработан специально для сжатия голоса. Его полоса звукового кодирования ограничена диапазоном от 50 Гц до 7000 Гц, который покрывает большую часть диапазона частот типичной человеческой вокализации. Это делает его непригодным для обработки любого звука, который может выходить за пределы диапазона человеческой речи, например музыки.

Аудио G.722 кодируется с использованием адаптивной дифференциальной импульсной кодовой модуляции (ADPCM), в которой каждый образец представлен не своим абсолютным значением, а значением, показывающим, насколько новый образец отличается от предыдущего.

G.722 в основном используется с соединениями WebRTC, поскольку он является одним из аудиокодеки, требуемые спецификацией WebRTC.

[1] Только WebRTC.

Из аудиоформатов, определенных стандартами MPEG/MPEG-2, MPEG-1 Audio Layer III — иначе известный как MP3 — на сегодняшний день является наиболее широко используемым и известным. Кодек MP3 определен в MPEG-1, часть 3 и MPEG-2, часть 3, и был представлен в 1991 году (и завершен в 1992 году).

Когда звук в формате MP3 хранится внутри контейнера MPEG , результирующий файл также называется просто «MP3-файл» или «MP3». Файлы с повсеместным расширением .mp3 хранятся в том, что, возможно, является наиболее широко распространенным форматом аудиофайлов в мире, который в значительной степени ответственен за революцию цифрового аудио в конце 1990-х и начале 2000-е.

Аудио MPEG-1 MP3 поддерживает более высокую скорость передачи данных, а также более высокую частоту дискретизации, чем звук MP3 в файлах MPEG-2. Формат MPEG-1 MP3 обычно лучше всего подходит для музыки или другого сложного звука, в то время как звук MP3 в режиме MPEG-2 приемлем для речи и других более простых звуков.

Срок действия патентов на MP3 истек, поэтому многие или большинство лицензионных проблем, связанных с использованием файлов MP3 в ваших проектах. Это делает их хорошим выбором для многих проектов.

[1] По причинам патента Firefox напрямую не поддерживал MP3 до версии 71; вместо этого для поддержки MP3 использовались собственные библиотеки платформы. Эта возможность была представлена ​​на каждой платформе в разных выпусках Firefox:

Аудиоформат Opus был создан Xiph.org Foundation как полностью открытый аудиоформат; он был стандартизирован IETF как RFC 6716. Это хороший аудиокодек общего назначения, который может эффективно обрабатывать как аудио низкой сложности, например речь, так и музыку и другие звуки высокой сложности.

Opus поддерживает несколько алгоритмов сжатия и даже может использовать более одного алгоритма в одном аудиофайле, поскольку кодировщик может выбирать скорость передачи данных, полосу пропускания звука, алгоритм и другие детали настроек сжатия для каждого кадра звука.

Opus — хороший универсальный аудиокодек для использования в ваших веб-приложениях, и его можно использовать для любых звуковых задач, которые вы имеете в виду.

[1] Указанные частоты дискретизации — это эффективные частоты дискретизации . Opus использует алгоритм, основанный на полосе пропускания звука, а не на частоте дискретизации. Подробнее см. RFC 6716, раздел 2. Кроме того, есть необязательная часть спецификации Opus (Opus Custom), которая допускает нестандартные частоты дискретизации, но использование этой функции не рекомендуется.

[2] Safari поддерживает Opus в элементе только в том случае, если он упакован в файл CAF и только в macOS High Sierra (10.13) или iOS 11.

[3] Хотя теорема выборки Найквиста – Шеннона показывает, что полоса пропускания звука может составлять половину частоты дискретизации, Opus не позволяет кодировать за пределами диапазона звуковых частот максимум 20 кГц, поскольку человеческое ухо может В любом случае не воспринимаю ничего выше 20 кГц. Это экономит место в закодированном аудио..

Vorbis — это открытый формат от Xiph.org Foundation, который поддерживает широкий спектр комбинаций каналов, включая монофонический , стерео, полифонический, квадрофонический, объемный 5.1, амбизонический или до 255 дискретных аудиоканалов. В зависимости от настроек качества, используемых во время кодирования, итоговая скорость передачи данных может варьироваться от 45 до 500 кбит/с. Vorbis изначально использует кодирование с переменной скоростью передачи данных; скорость передачи данных может меняться от одного сэмпла к другому по мере необходимости в процессе сжатия.

Как правило, Vorbis более эффективен с точки зрения размера и скорости передачи, чем MP3 при аналогичных уровнях качества. Это и его бесплатная открытая лицензия делают его хорошим выбором для многих видов аудиоданных, если высокая задержка не является проблемой.

Как правило, независимо от того, какой кодек вы используете, он обычно выполняет свою работу, даже если это не идеальный выбор, если вы выбираете кодек, специально не предназначенный для совершенно другого типа исходного звука. Например, выбор голосового кодека и попытка использовать его для музыки не принесет полезных результатов.

Однако некоторые кодеки могут ограничивать совместимость, а другие могут быть более оптимальными для ваших нужд, чем другие. Здесь мы предоставим рекомендации, которые помогут вам выбрать подходящий кодек для вашего варианта использования..

Выбирая кодек для звука, вы должны сначала рассмотреть следующие вопросы:

• Будет ли закодированный звук подвергаться повторному микшированию или повторному сжатию ? Если это так, избегайте сжатия с потерями, которое может усугубиться повторным сжатием звука; или, по крайней мере, используйте как можно меньшее сжатие.
• Если аудио необходимо передать в файл определенного типа, имейте это в виду, поскольку медиа-контейнеры обычно поддерживают определенное подмножество доступных кодеков.
• Какой аудиоконтент будет обрабатывать кодек? Некоторые кодеки специально разработаны для голосового контента (они используют преимущества уменьшенного частотного диапазона, необходимого для человеческой речи). Другие могут иметь алгоритмическую тенденцию хуже работать при кодировании определенных жанров музыки.
• Какие битрейты и другие настраиваемые свойства есть у каждого кодека, которые могут сделать его хорошим (или плохим) выбором?
• Насколько задержка имеет значение для ваших нужд? Если вам нужен звук с очень точной синхронизацией, чем меньше задержка, тем лучше.
• Какой степени сжатия вам нужно достичь?

Давайте рассмотрим несколько распространенных сценариев, позволяющих почувствовать процесс принятия решений.

Для потоковой передачи музыки , вы хотите выбрать кодек, который сводит к минимуму использование полосы пропускания в максимально возможной степени, вводя как можно меньше артефактов в звук посредством сжатия. Это необходимо, потому что скорость загрузки музыки не должна превышать доступную полосу пропускания в сети, и в идеале должно оставаться место для колебаний скорости сети и использования сети другими приложениями.

Если нет особой потребности в сжатии без потерь или если пропускная способность сети гарантированно будет достаточно высокой для его поддержки, схема сжатия с потерями является хорошим выбором. Какой из них вы выберете, зависит от совместимости браузера и наличия каких-либо специальных функций, для поддержки которых может потребоваться кодек.

Обычно задержка не особенно важна при потоковой передаче Музыка. Возможные исключения включают зацикленную музыку, когда вам нужно, чтобы музыка могла воспроизводиться непрерывно снова и снова, или когда вам нужно иметь возможность воспроизводить песни подряд без промежутков между ними. Это может быть особенно важно для классической музыки, театральных саундтреков и фоновой музыки во время игры.

Для обычного воспроизведения музыки тремя наиболее вероятными кандидатами являются MP3, AAC и Vorbis.

• AAC в контейнере MP4 поддерживается всеми основными браузерами, что делает его отличным выбором.
• Vorbis почти всегда используется в файлах Ogg, но в контейнерах Ogg не поддерживаются повсеместно. Даже Microsoft Edge, который поддерживает оба Vorbis, пока не поддерживает контейнеры Ogg.

• MP3 (MPEG-1 Audio Layer III) поддерживается всеми основными браузерами.. Эти файлы представляют собой файлы MPEG-1, содержащие дорожку Audio Layer III.

Если вам нужно минимизировать задержку во время воспроизведения музыки, вам следует настоятельно рекомендовать Opus, который имеет наименьший диапазон задержек для кодеков общего назначения (от 5 мс до 66,5 мс, по сравнению с не менее 100 мс для других).

Исходя из этого, AAC, вероятно, ваш лучший выбор, если вы можете поддерживать только один аудиоформат. Конечно, если вы можете предоставить несколько форматов (например, используя элемент в ваших и ), вы можете избежать многих или всех этих исключений.

Музыка, загружаемая пользователем, может быть сжата до большего общего размера файла, чем потоковая музыка, поскольку (в отличие от потоковой передачи) не имеет значения, медленнее ли скорость загрузки, чем скорость воспроизведения мультимедиа. Это означает, что вы можете рассмотреть возможность использования сжатия с потерями при более высокой скорости передачи данных, что приведет к увеличению размера файлов, но с меньшей потерей точности. Или вы можете выбрать формат без потерь. Выбор во многом зависит от сочетания требований вашего приложения и предпочтений пользователей.

Для реальной службы загрузки музыки вы можете предлагать песни для загрузки в виде файлов MP3 со скоростью 128 кбит/с, файлов AAC с 256 кбит/с (в контейнерах MP4) или файлы FLAC, в зависимости от предпочтений, выбранных пользователем. Если вам нужно выбрать только один формат, выберите тот, который имеет смысл с учетом ваших требований и типа загружаемого аудиоконтента.

Как правило, конечно, MP3 является наиболее распространенным форматом, используемым для музыки; если возможно, выберите битрейт не менее 192 кбит/с. Магазин iTunes, с другой стороны, распространяет музыку в формате AAC 256 кбит/с.

Специфические характеристики человеческой речи позволяют кодекам, специфичным для речи, сжимать звук в гораздо большей степени, чем это может сделать большинство кодеков общего назначения. Это потому, что, хотя люди слышат частоты в диапазоне от 20 до 20 000 Гц, а звуки человеческой речи — от 300 до 18 000 Гц, большинство звуков речи, которые нам нужны, чтобы понять, что говорится, находятся в частотном диапазоне От 500 Гц до 3000 Гц или около того. Это означает, что кодеки только для голоса могут отбросить все остальное.

Однако все кодеки, предназначенные только для голоса, по своей природе имеют очень большие потери, и любой звук со значительной информацией в частотных диапазонах за пределами записываемого вокального диапазона будет быть полностью потерянным. Это делает эти кодеки совершенно непригодными для чего-либо, кроме произнесенных слов.. Даже звук, который содержит только голоса, но поет, а не говорит, скорее всего, не будет иметь приемлемого качества в одном из этих форматов.

Запись и воспроизведение голоса обычно должны выполняться с малой задержкой для синхронизации с видеодорожками или во избежание перекрестных помех или других проблем. К счастью, характеристики, которые приводят к тому, что речевые кодеки являются настолько эффективными с точки зрения памяти, также приводят к очень низкой задержке. Если вы работаете с WebRTC, G.722, например, имеет задержку 4 мс (по сравнению с более чем 100 мс для MP3), а задержка AMR составляет около 25 мс.

Кодеки, обычно используемые в Интернете, которые для кодирования только голоса используются G.722 и AMR. AMR — это узкополосный кодек, кодирующий только частоты между 200 Гц и 3400 Гц при скорости передачи данных обычно около 7,4 кбит/с, в то время как G.722 — это широкополосный кодек, который расширяет полосу пропускания звука до 50–7000 Гц при гораздо более высоких скоростях передачи данных — обычно 64 кбит/с.

Если у вас достаточно пропускной способности сети, с которой вы можете работать, и вы достаточно уверены, что ваши пользователи тоже, то G.722 — лучший выбор. Чтобы максимизировать эффективность хранения и сети в ограниченной среде, выберите AMR.

Когда при сжатии звука, который будет микшироваться или ремикшироваться, обычно требуется нулевая или близкая к нулю потеря точности, что предполагает использование кодека без потерь. Однако, поскольку кодирование без потерь, естественно, имеет гораздо более низкий уровень сжатия, чем кодирование с потерями, вы можете обнаружить, что если ваш исходный звук достаточно велик, вам все равно, возможно, придется выбрать кодировщик с потерями, особенно в веб-среде, в которой вы не можете контролировать скорость загрузки мультимедиа.

Предполагая, что сжатие без потерь является нашим лучшим вариантом (что обычно так и есть, если аудиофайлы небольшие), с точки зрения кодеков, три наиболее сильных кандидата: FLAC, Apple Lossless (ALAC) и MPEG-4 ALS. Что мы выберем, будет зависеть от поддержки браузера и поддерживаемых ими форматов медиа-контейнеров.

Для целей этого примера мы предположим, что все браузеры имеют тот же кодек и поддержку контейнеров, что и Firefox (хотя это далеко не так). Принимая решение, учитывайте широту фактической поддержки кодеков.

• Firefox поддерживает FLAC в собственных контейнерах FLAC, а также в файлах Ogg и MPEG-4 (MP4).
• Firefox поддерживает Apple Lossless только благодаря поддержке QuickTime для конкретной платформы.
• Firefox не поддерживает MP4 ALS.

В этом случае кажется, что FLAC, скорее всего, лучший кодек; ALAC практически не поддерживает прямую поддержку браузером.

Для кодирования звука доступно множество инструментов.. Самыми простыми из них являются те, которые предназначены для копирования компакт-дисков или извлечения аудиофайлов и быстрого и автоматического преобразования их в формат MP3 или AAC для хранения в библиотеке, такой как iTunes. Но при разработке веб-приложений, которые используют звук в качестве компонента приложения, например игр, вам потребуется больше контроля над процессом кодирования и дополнительные параметры, связанные с форматом, используемым при кодировании звука.

A несколько популярных вариантов:

FFmpeg

Возможно, самый известный и наиболее широко известный из доступных пакетов кодеков с открытым исходным кодом, FFmpeg поддерживает большинство популярные аудиоформаты и предоставляет инструменты и библиотеки командной строки для кодирования, декодирования и преобразования форматов аудио и видео. Бинарные файлы доступны для macOS, Linux и Windows.

Handbrake

Очень популярный интерфейс с открытым исходным кодом для FFmpeg, который добавляет графический пользовательский интерфейс, который делает его намного легче контролировать широкий спектр опций, которые предлагает FFmpeg при кодировании аудио и/или видео. Двоичные файлы доступны для macOS, Linux и Windows.

Audacity

Аудиоредактор с открытым исходным кодом, который поддерживает загрузку звука из многих различных форматов, редактирование, фильтрацию и настройку аудио и сохраните его в исходном или новом формате. Доступно для macOS, Linux и Windows.

LAME

Высококачественный кодировщик MP3 с открытым исходным кодом с поддержкой кодировок CBR, ABR и VBR, а также различных других вариантов. Распространяется только в исходной форме проектом LAME, но может быть установлен с помощью Homebrew или аналогичных инструментов.

• Форматы медиа-контейнеров
• Элементы и
• WebRTC API
• Руководство по веб-видеокодекам
• Кодеки, используемые WebRTC