24ビット/192kHzの音楽ダウンロードとその無意味さ
24-bit/192kHz music downloads and why they make no sense (people.xiph.org)
要約
この記事は、24ビット/192kHzという高解像度の音楽ダウンロード形式が、実際の音質向上にほとんど寄与せず、むしろ16ビット/44.1kHzなどの標準形式よりも再生忠実度が劣る場合さえあると論じています。人間の聴覚の限界や、オーディオ愛好家の間で広まる誤解、そして真に改善が必要なデジタル音楽配信の課題について解説しています。
全文翻訳
24/192 音楽ダウンロード
[画像]
Xiph.Org の新しいビデオ「Digital Show & Tell」もご覧ください。実際の機器でデジタルサンプリングの詳細なデモンストレーションを行っています!
先月、ミュージシャンのニール・ヤングとAppleのスティーブ・ジョブズが「妥協のないスタジオ品質」のデジタル音楽ダウンロードを提供することについて話し合ったという記事が出ました。多くの報道やユーザーのコメントは、非圧縮の24ビット192kHzダウンロードの可能性に特に熱狂的でした。24/192は、数ヶ月前にヤング氏のグループとの私の会話でも頻繁に話題に上りました。
残念ながら、24ビット/192kHz形式で音楽を配布する意味はありません。その再生忠実度は16/44.1や16/48よりもわずかに劣り、6倍のスペースを占有します。
今日のデジタル配信音楽の音質と「体験」には、いくつかの実際の問題があります。24/192はそれらのどれも解決しません。誰もが24/192を魔法の弾丸のように考えている間、実際の改善は見られないでしょう。
まず、悪いニュース
ここ数週間、私は24/192ダウンロードを信じており、それがなぜ異論を唱える人がいるのか疑問に思っている、科学的思考を持つ知的な人々と会話してきました。彼らは詳細な回答に値する良い質問をしました。
また、高レートデジタルオーディオ擁護の動機にも興味がありました。回答によると、基本的な信号理論やサンプリング定理を理解している人はほとんどいません。これは驚くにはあたりません。数学、技術、生理学の誤解はほとんどの会話で生じ、しばしば他の点でかなりのオーディオ専門知識を持つ専門家によって主張されました。サンプリング定理がデジタルオーディオの実際の仕組みを本当に説明していないとさえ主張する人もいました [1]。
誤った情報と迷信は詐欺師にしか役立ちません。したがって、実際に役立つ改善を提案する前に、なぜ24/192配布が無意味なのかの基本をいくつか見ていきましょう。
皆さん、耳にご挨拶
耳は、蝸牛内の共鳴基底膜上にある有毛細胞を介して音を聞きます。各有毛細胞は、膜上の位置によって決まる狭い周波数帯域に効果的に同調しています。感度は帯域の中央でピークに達し、両側に向かって非対称な円錐形に低下し、他の近くの有毛細胞の帯域と重なります。音が聞こえないのは、それを聞くように同調した有毛細胞がない場合です。
[画像]
左上:人間の蝸牛の解剖学的断面図。基底膜はベージュ色で示されています。この膜は、長さの異なる周波数で共鳴するように調整されており、基底部の近くに高周波、頂部に低周波があります。いくつかの周波数の近似的な位置がマークされています。
右上:重なり合うフィルターのバンクとして基底膜に沿った有毛細胞の応答を表す模式図。
これは、チューナーが実際に設定された場所の近くで強い局からの周波数を受信するアナログラジオに似ています。局の周波数から離れるほど、信号は弱く歪み、消滅するまで続きます。人間の聴覚には上限(および下限)周波数があり、それを超えると最後の有毛細胞の感度がゼロになり、聴覚は終了します。
サンプリングレートと可聴スペクトル
皆さんも何度も聞いたことがあると思いますが、人間の聴覚範囲は20Hzから20kHzです。これらの具体的な数値がどのように導き出されたかを知ることは重要です。
まず、オーディオ範囲全体にわたる「絶対聴覚閾値」をリスナーのグループで測定します。これにより、理想的な状況で健康な耳で測定された、任意の周波数に対して人間が知覚できる最も静かな音を表す曲線が得られます。無響環境、精密に校正された再生機器、厳密な統計分析は簡単な部分です。耳と聴覚の集中力はどちらもすぐに疲労するため、リスナーが元気な時にテストを行う必要があります。これは、方法論に応じて、数時間から数日かかることを意味します。
次に、「痛覚閾値」の反対側の極端のデータを収集します。これは、オーディオの振幅が非常に高く、耳の物理的および神経系のハードウェアが入力によって完全に圧倒されるだけでなく、物理的な痛みを経験する点です。このデータを収集するのはより困難です。その過程で誰かの聴覚を永久に損なうことは避けたいでしょう。
[画像]
上:フレッチャーとマンソン(1933年)および現代の情報源(16kHz超の周波数)から導き出されたおおよその等ラウドネス曲線。絶対聴覚閾値と痛覚閾値の曲線は赤でマークされています。後続の研究者たちはこれらの測定値を洗練させ、フォン音スケールとISO 226規格の等ラウドネス曲線に至りました。現代のデータは、耳がフレッチャーとマンソンの結果よりも低周波数に対して著しく感度が低いことを示しています。
人間のオーディオ範囲の上限は、絶対聴覚閾値曲線が痛覚閾値曲線と交差する点として定義されます。その点(またはそれ以上)でオーディオをかすかに知覚するためには、同時に耐え難いほど大きく聞こえなければなりません。
低周波数では、蝸牛はバスレフエンクロージャーのように機能します。ヘリコトレマは基底膜の頂点にある開口部で、個人によって40Hzから65Hzのどこかにチューニングされたポートとして機能します。この周波数より下では応答は急激に低下します。
したがって、20Hz-20kHzは十分な範囲です。これは可聴スペクトルを完全にカバーしており、ほぼ1世紀にわたる実験データによって裏付けられた主張です。
遺伝的ギフトとゴールデンイヤー
私のやり取りに基づくと、多くの人々が並外れた聴覚能力を持つ個人を信じています。「ゴールデンイヤー」は本当に存在するのでしょうか?
ゴールデンイヤーをどのように呼ぶかによります。
若く健康な耳は、古い耳や傷ついた耳よりも良く聞こえます。一部の人々は、ほとんどの人が存在すら知らない音や音楽のニュアンスを聞くように特別に訓練されています。1990年代には、私はすべての主要なmp3エンコーダーを音で識別できました(それらがすべて非常に悪かった頃ですが)、そしてそれを二重盲検試験で確実に実証できました [[2]]。
健康な耳と高度に訓練された識別能力が組み合わさった場合、私はその人をゴールデンイヤーと呼びます。それでも、平均以下の聴覚も、訓練されていないリスナーが逃す詳細に気づくように訓練することができます。ゴールデンイヤーは、平均的な人間の物理的能力を超えて聞くことよりも、訓練に関するものです。
聴覚研究者は、聴覚範囲が大きく拡張されたような、真に例外的な聴覚を持つ個人を見つけ、テストし、文書化することを熱望しています。普通の人は素晴らしいですが、誰もが本当に興味深い論文のために遺伝的な異常を見つけたいと思っています。過去100年間のテストでそのような人を見つけていないので、おそらく存在しないでしょう。残念です。探し続けます。
スペクトロファイル
おそらく、私が今書いたことすべてに懐疑的かもしれません。それは確かにほとんどのマーケティング資料に反しています。代わりに、既存のオーディオファイル的なしがらみを伴わない、仮説上のワイドスペクトルビデオブームを考えてみましょう。
[画像]
上:人間の目の桿体細胞と錐体細胞の近似対数スケール応答。可視スペクトル上に重ね合わされています。これらの感覚器官は、音の周波数帯域の重なり合う帯域に応答するように調整された耳の有毛細胞と同様に、光の重なり合う帯域に応答します。
人間の目は限られた範囲の光の周波数、つまり可視スペクトルを見ます。これは音波の可聴スペクトルと直接類似しています。耳と同様に、目には異なるが重なり合う周波数帯域で光を検出する感覚細胞(桿体細胞と錐体細胞)があります。
可視スペクトルは約400THz(深紅)から850THz(深紫)まで広がっています [[3]]。知覚は端で急激に低下します。これらの近似的な限界を超えると、わずかな知覚に必要な光の電力は網膜を焦がす可能性があります。したがって、これは若い、健康な、遺伝的に才能のある個人にとっても十分な範囲であり、可聴スペクトルの十分な限界に匹敵します。
私たちの仮説的なワイドスペクトルビデオブームでは、これらの限界は十分ではないと信じている熱狂的なスペクトロファイルグループを考えてみましょう。彼らは、ビデオが可視スペクトルだけでなく、赤外線と紫外線の両方を表すべきだと提案しています。比較を続けると、ビデオがマイクロ波やX線スペクトルの一部も含むと、ビデオがさらに自然に感じられると主張する、さらにハードコアな(そしてそれに誇りを持っている!)派閥があります。ゴールデンアイにとって、彼らは主張します、その違いは昼と夜です!
もちろん、これはばかげています。
誰もX線(または赤外線、紫外線、マイクロ波)を見ることができません。人ができると信じているかどうかは関係ありません。網膜には感覚ハードウェアがありません。
誰でもできる実験があります。AppleのIRリモコンを入手してください。LEDは980nm、つまり約306THzの近赤外線スペクトルで発光します。これは可視範囲からそれほど遠くありません。リモコンを、夜中に、電気が消えた最も暗い部屋、または地下室に持って行ってください。目に暗闇に慣れさせてください。
[画像]
上:デジタルカメラで撮影されたApple IRリモコン。エミッターは非常に明るく、発光周波数は可視スペクトルの赤色部分のすぐ外側ですが、目には完全に不可視です。
ボタンを押したときにAppleリモコンのLEDが点滅するのを見ることができますか [[4]]?いいえ?ほんのわずかでも?他のIRリモコンをいくつか試してください。多くは、可視帯域に少し近い310〜350THzのIR波長を使用しています。それらも見ることができません。残りは350〜380THzの可視性の端で発光し、完全に暗い中で暗闇に順応した目にはかろうじて見えるかもしれません [[5]]。もしそれらが可視スペクトル内に十分に入っていれば、すべてが眩しく、痛みを伴うほど明るくなるでしょう。
これらの近赤外線LEDは、可視境界から可視周波数限界の最大20%を超えて発光します。192kHzオーディオは可聴限界の400%まで拡張されます。リンゴとオレンジを比較していると非難されないように、聴覚と視覚の知覚は端に向かって同様に低下します。
192kHzは有害と見なされる
192kHzデジタル音楽ファイルには利点がありません。それらは中立でさえありません。実際の忠実度はわずかに悪いです。超高周波音は再生中に負担となります。
オーディオ変換器もパワーアンプも歪みから自由ではありません。そして歪みは、最も低い周波数と最も高い周波数で急速に増加する傾向があります。同じ変換器が可聴コンテンツと一緒に超高周波音を再生する場合、非線形性があれば、超高周波コンテンツの一部が可聴範囲にシフトし、制御不能な相互変調歪み生成物として可聴スペクトル全体をカバーします。パワーアンプの非線形性も同様の効果を生み出します。効果は非常にわずかですが、リスニングテストにより、両方の効果が知覚可能であることが確認されています。
[画像]
上:約0.09%の全高調波歪み(THD)を持つ理論上のアンプで、30kHzと33kHzのトーンの相互変調から生じる歪み生成物のイラスト。歪み生成物は、いずれかのトーンよりも低い周波数を含むスペクトル全体に現れます。
知覚できない超高周波音は、可聴範囲(水色部分)での相互変調歪みに寄与します。超高周波音を再生するように設計されていないシステムは、20kHzを超える周波数でさらに高いレベルの歪みを持つことが多く、相互変調にさらに寄与します。超高周波音を考慮するために設計の周波数範囲を広げるには、可聴スペクトル内のノイズと歪み性能を低下させる妥協が必要です。いずれにしても、超高周波コンテンツの不要な再生は性能を低下させます。
追加の歪みを回避する方法はいくつかあります。
- 超高周波音専用のスピーカー、アンプ、クロスオーバー段を使用して、聞こえない超高周波音を分離して個別に再生し、聞こえる音を邪魔しないようにする。
- より広い周波数再生のために設計されたアンプと変換器を使用し、超高周波音が可聴相互変調を引き起こさないようにする。同等の費用と複雑さの場合、この追加の周波数範囲は、可聴部分の性能低下を犠牲にする必要があります。
- 超高周波音を再生しないように慎重に設計されたスピーカーとアンプ。
- そもそもそのような広い周波数範囲をエンコードしない。超高周波コンテンツがない場合、可聴帯域で超高周波相互変調歪みが発生することはありません。
これらはすべて同じことを意味しますが、意味があるのは4番目だけです。
ご自身のシステムのパフォーマンスに興味がある場合は、以下のサンプルに30kHzと33kHzのトーンが含まれる24/96 WAVファイル、FLACの長いバージョン、いくつかのトリトーンワブル、および24kHzから46kHzの超高周波範囲全体にシフトされた通常の曲クリップが含まれています。
-
相互変調テスト:
お使いのシステムが実際にフル96kHz再生に対応していると仮定すると [[6]]、上記のファイルは、可聴ノイズ、トーン、ホイッスル、クリックなどの音なしで完全に無音であるはずです。何か聞こえた場合、お使いのシステムには可聴相互変調を引き起こす非線形性があります。音量を上げる際は注意してください。デジタルまたはアナログクリッピング、ソフトクリッピングであっても、突然大きな相互変調トーンを引き起こす可能性があります。
要約すると、相互変調が特定のシステムで知覚可能であるとは限りません。追加された歪みは無視できる場合もあれば、顕著な場合もあります。いずれにしても、超高周波コンテンツは決して利点ではなく、多くのシステムでは忠実度を聴覚的に損ないます。損なわないシステムでは、超高周波音を処理するためのコストと複雑さを節約できたか、代わりに可聴範囲のパフォーマンス向上に費やすことができたでしょう。
サンプリングの誤謬と誤解
信号処理のバックグラウンドがないと、サンプリング理論は直感的ではありません。多くの人々、たとえ他の分野で優秀な博士号を持つ人々でさえ、それを日常的に誤解しているのも不思議ではありません。また、自分が間違っていることに気づいていない人も多いのも不思議ではありません。
[画像]
上:サンプリングされた信号は、元の信号の貧弱な近似のように見える粗い階段状(赤)として描かれることがよくあります。しかし、この表現は数学的に正確であり、アナログに変換されると信号は元の(青い)滑らかな形状を正確に回復します。
最も一般的な誤解は、サンプリングが本質的に粗く、損失が多いということです。サンプリングされた信号は、しばしばギザギザで角張った階段状のファクシミリとして描かれ、元の完全に滑らかな波形を近似します。サンプリングがこのように機能すると想像した場合、サンプリングレートが高くなるほど(そしてサンプルあたりのビット数が増えるほど)、階段は細かくなり、近似はより近くなると考えるかもしれません。サンプリングレートが無限大に近づくにつれて、デジタル信号は元の信号にどんどん近づいて聞こえるでしょう。
同様に、多くの非DSPの人は以下のようなものを見るでしょう。
[画像]
そして、「うわー!」と言うでしょう。サンプリングされた信号は、高周波アナログ波形を悪く表現しているように見えるかもしれません。または、オーディオ周波数が高くなるにつれて、サンプリング品質が低下し、周波数応答が低下するか、入力位相に敏感になる可能性があります。
見た目は欺瞞的です。これらの信念は間違っています!
追加 2013-04-04:
デジタル波形と階段状の信号に関するすべてのメールへのフォローアップとして、ビデオ「Digital Show & Tell」で実際のデジタル動作を実機で実演しているので、私の言葉を鵜呑みにする必要はありません!
ナイキスト周波数(サンプリングレートの半分)以下のコンテンツを持つすべての信号は、サンプリングによって完璧かつ完全にキャプチャされます。無限のサンプリングレートは必要ありません。サンプリングは周波数応答や位相に影響を与えません。アナログ信号は、元のタイミングを正確に保ちながら、ロスレスでスムーズに再構築できます。
したがって、数学は理想的ですが、現実世界の複雑さはどうでしょうか?最も悪名高いのは帯域制限の要件です。ナイキスト周波数を超えるコンテンツを持つ信号は、エイリアシング歪みを避けるためにサンプリング前にローパスフィルタリングする必要があります。このアナログローパスフィルタが、悪名高いアンチエイリアシングフィルターです。アンチエイリアシングは実際には理想的ではありませんが、最新の技術はそれを非常に近いものにしています。そして、それとともにオーバーサンプリングに至ります。
オーバーサンプリング
48kHzを超えるサンプリングレートは、高忠実度オーディオデータには無関係ですが、いくつかの最新のデジタルオーディオ技術には内部的に不可欠です。オーバーサンプリングが最も関連性の高い例です [[7]]。
オーバーサンプリングはシンプルで巧妙です。私の「A Digital Media Primer for Geeks」から覚えているかもしれませんが、高いサンプリングレートは、私たちが気にする最も高い周波数(20kHz)とナイキスト周波数(サンプリングレートの半分)の間に十分なスペースを提供します。これにより、よりシンプルでスムーズ、より信頼性の高いアナログアンチエイリアシングフィルターが可能になり、忠実度が向上します。20kHzとナイキスト周波数の間のこの追加スペースは、本質的にアナログフィルターのスペクトルパディングです。
[画像]
上:A Digital Media Primer for Geeksのホワイトボード図。48kHz ADC/DAC(左)と96kHz ADC/DAC(右)の遷移帯域幅を示しています。
それは物語の半分にすぎません。デジタルフィルターはアナログフィルターの実際的な制限をほとんど持たないため、アンチエイリアシングプロセスをデジタルでより効率的かつ正確に完了できます。非常に高いレートの生のデジタル信号は、デジタルアンチエイリアシングフィルターを通過します。これは、タイトなスペースに遷移帯域を収めるのに問題がありません。このさらなるデジタルアンチエイリアシングの後、余分なパディングサンプルは単に破棄されます。オーバーサンプリングされた再生は、逆のプロセスで機能します。
これは、192kHz以上のサンプリングのすべての忠実度上の利点(スムーズな周波数応答、低エイリアシング)を持ち、欠点(相互変調歪みを引き起こす超高周波音、スペースの無駄)を持たない、低レートの44.1kHzまたは48kHzオーディオを使用できることを意味します。今日のほとんどのアナログ-デジタルコンバーター(ADC)およびデジタル-アナログコンバーター(DAC)は、非常に高いレートでオーバーサンプリングしています。ほとんどの人はこれが起こっていることに気づいていません。なぜなら、それは完全に自動的で隠されているからです。
ADCとDACは常に透過的にオーバーサンプリングしていたわけではありません。30年前、一部のレコーディングコンソールはアナログフィルターのみを使用して高サンプリングレートで録音しており、プロダクションとマスタリングはその高レート信号を使用していました。デジタルアンチエイリアシングとデシメーションステップ(CDやDATのために低レートにリサンプリングする)は、マスタリングの最終段階で行われました。これが、96kHzと192kHzがプロの音楽制作と関連付けられるようになった初期の理由の1つである可能性があります [[8]]。
16ビット vs 24ビット
さて、192kHzの音楽ファイルは意味がない。カバー済み、完了。では、16ビット対24ビットオーディオはどうでしょうか?
16ビットリニアPCMオーディオは、理想的な条件下での人間の耳の理論上のダイナミックレンジ全体をわずかにカバーしていないのは事実です。また、録音やプロダクションで16ビットを超えるビット数を使用する理由(そして常に存在する)があります。
それらのどれも再生には関係ありません。ここでは、24ビットオーディオは192kHzサンプリングと同じくらい役に立ちません。良いニュースは、少なくとも24ビット深度が忠実度を損なわないことです。役に立たないだけで、スペースを無駄にするだけです。
耳を再訪する
耳の周波数範囲については議論しましたが、最も静かな音から最も大きな音までのダイナミックレンジはどうでしょうか?
絶対ダイナミックレンジを定義する1つの方法は、絶対聴覚閾値と痛覚閾値の曲線を見直すことです。痛覚閾値曲線の最も高い点と絶対聴覚閾値曲線の最も低い点との間の距離は、若く健康なリスナーの場合、約140デシベルです。ただし、それは長くは続きません。+130dBは、数秒から数分で聴覚を永久に損傷するのに十分な大きさです。参考までに、1メートル離れたジャックハンマーはわずか約100〜110dBです。
絶対聴覚閾値は、年齢や聴力低下とともに増加します。興味深いことに、痛覚閾値は増加するのではなく、年齢とともに低下します。蝸牛の有毛細胞自体は、耳の140dB範囲のごく一部しか持っていません。耳の筋肉は、虹彩が目に入る光の量を調節するのと同じように、耳小骨をシフトさせることによって蝸牛に到達する音の量を継続的に調整します [[9]]。このメカニズムは年齢とともに硬くなり、耳のダイナミックレンジを制限し、保護メカニズムの効果を低下させます [[10]]。
環境ノイズ
絶対聴覚閾値が実際にどれほど静かであるかを認識している人はほとんどいません。
知覚可能な最も静かな音は約-8dB SPLです [[11]]。Aウェイトスケールを使用すると、1メートル離れた100ワットの白熱電球のハム音は約10dB SPLなので、約18dB大きくなります。電球は調光器ではるかに大きくなります。
20dB SPL(または最も静かな可聴音より28dB大きい)は、空の放送/録音スタジオまたは遮音室でよく引用されます。これは、例外的に静かな環境のベースラインであり、電球のハム音に気づいたことがない理由の1つです。
16ビットのダイナミックレンジ
16ビットリニアPCMは、最も一般的な定義によれば96dBのダイナミックレンジを持っています。これは、ダイナミックレンジを(6 *ビット)dBとして計算します。多くの人は、16ビットオーディオは-96dBより静かな任意の音を表現できないと信じています。これは間違いです。
ここに2つの16ビットオーディオファイルへのリンクを貼りました。1つは0dB(0dBは最も大きなトーン)の1kHzトーンを含み、もう1つは-105dBの1kHzトーンを含みます。
[画像]
上:16ビット/48kHz PCMとしてエンコードされた-105dBトーンのスペクトル分析。16ビットPCMは96dBよりも明らかに深く、そうでなければ-105dBトーンを表現できず、聞こえることもないでしょう。
この信号を、歪みなく、そしてうまくエンコードできるのはどうしてでしょうか。そのピーク振幅は1ビットの3分の1なのに?
このパズルのいくつかは、適切なディザーによって解決されます。ディザーは量子化ノイズを入力信号から独立させます。これは、ディザー付き量子化が歪みを導入せず、相関のないノイズのみを導入することを意味します。そうなると、1ビットよりもはるかに小さいピーク振幅を持つ信号でさえ、任意の深度の信号をエンコードできることになります [[12]]。しかし、ディザーは、信号がノイズフロアを下回ると効果的に消えるべきであるという事実を変えません。-105dBのトーンが-96dBのノイズフロアよりもはるかに明瞭に聞こえるのはなぜでしょうか?
答え:私たちの-96dBノイズフロアの数値は実際には間違っています。不適切なダイナミックレンジの定義を使用しています。(6 *ビット)dBは広帯域信号全体のRMSノイズを提供しますが、耳の各有毛細胞は全帯域幅のごく一部にしか感度がありません。各有毛細胞はノイズフロアエネルギーのごく一部しか聞かないため、その有毛細胞でのノイズフロアは広帯域の-96dBよりもはるかに低くなります。
したがって、16ビットオーディオは96dBよりもかなり深く行くことができます。シェイプドディザーを使用すると、量子化ノイズエネルギーを聞き取りにくい周波数に移動させることができ、16ビットオーディオの実効ダイナミックレンジは実際には120dBに達します [[13]]。これは、同じ部屋にいる蚊と1フィート離れたジャックハンマーの差よりも大きいか、または「防音」された部屋と数秒で聴覚障害を引き起こすほどの音の差よりも大きいです。
16ビットは、私たちが聞くすべてを保存するのに十分であり、永遠に十分でしょう。
信号対雑音比
耳のS/N比は、絶対ダイナミックレンジよりも小さいことに簡単に言及する価値があります。特定のクリティカルバンド内では、通常のS/Nは約30dBと推定されています。広く離れた帯域を考慮しても、相対S/Nは完全なダイナミックレンジに達しません。これにより、リニア16ビットPCMは実際に必要とされるよりも高い解像度を提供することが保証されます。
また、オーディオ表現のビット深度を16から24ビットに増やしても、知覚可能な解像度やオーディオの「きめ細かさ」は増加しないことにも言及する価値があります。それは単にダイナミックレンジ、つまり最も静かな音と最も大きな音の間の範囲を、ノイズフロアを下げることによって増加させるだけです。しかし、16ビットのノイズフロアはすでに私たちが聞くことができるものよりも低いです。
24ビットはいつ重要か?
プロは録音やプロダクションで24ビットサンプルを使用します [[14]]。ヘッドルーム、ノイズフロア、利便性の理由からです。
16ビットは、実際の聴覚範囲を余裕をもってカバーするのに十分です。オーディオ機器の可能な信号範囲全体をカバーするわけではありません。録音時に24ビットを使用する主な理由は、間違いを防ぐためです。16ビット録音を中心にするように注意するのではなく、高すぎると推測してクリッピングのリスクを負い、低すぎるとノイズを追加するのではなく、24ビットを使用するとオペレーターがレベルを大まかに設定でき、あまり心配する必要がなくなります。ゲイン設定を数ビット間違えても影響はなく、録音された範囲を動的に圧縮するエフェクトは、処理するための深いフロアを持っています。
エンジニアは、ミキシングやマスタリング中に16ビット以上のビット数も必要とします。最新のワークフローでは、文字通り数千ものエフェクトや操作が含まれる場合があります。16ビットサンプルの量子化ノイズとノイズフロアは、再生中には検出できないかもしれませんが、そのノイズを数千回掛けると、最終的には目立つようになります。24ビットは、蓄積されたノイズを非常に低いレベルに保ちます。音楽の配布準備ができたら、16ビット以上を保持する必要はありません。
リスニングテスト
理解は、理論と現実が出会う場所です。2つの意見が一致して初めて、問題は解決されます。
リスニングテストからの経験的証拠は、44.1kHz/16ビットが可能な限り最高の忠実度再生を提供するという主張を裏付けています。これを裏付ける多くの制御されたテストがありますが、ここでは地元のボストンオーディオソサエティで行われた最近の論文「Audibility of a CD-Standard A/D/A Loop Inserted into High-Resolution Audio Playback」を宣伝します。
残念ながら、論文全体をダウンロードするにはAESのメンバーシップが必要です。しかし、この記事やフォーラムで広く議論されており、著者自身も参加しています。以下にいくつかのリンクを示します。
- The Emperor's New Sampling Rate
- Hydrogen Audio フォーラムディスカッショントピック
- ボストンオーディオソサエティの補足情報ページ、機器とサンプルリストを含む
この論文では、リスナーに、高レートDVD-A/SACDコンテンツ(高解像度オーディオ愛好家が高解像度の優位性を示すために選択したもの)と、その同じコンテンツをその場で16ビット/44.1kHzコンパクトディスクレートにリサンプリングしたものとの選択肢を提示しました。リスナーは、ABX手法を使用して、両者の間にどのような違いがあるかを特定するように挑戦されました。BASは、ノイズ隔離されたスタジオリスニング環境で、アマチュアと訓練されたプロのリスナーの両方を使用して、ハイエンドのプロ用機器でテストを実施しました。
554回の試行で、リスナーは49.8%の確率で正しく選択しました。つまり、推測していました。テスト全体を通して、16/44.1と高レートのどちらがどちらであるかを特定できたリスナーは一人もいませんでした [[15]]。そして、16ビット信号はディザーさえされていませんでした!
別の最近の研究 [[16]]では、以前の研究が示唆していたように、超高周波音が知覚可能である可能性を調査しました。テストは、相互変調生成物が最も知覚されやすい場所に配置することで、検出の可能性を最大化するように構築されました。超高周波トーンは知覚可能ではないことがわかりましたが、スピーカーによって導入された相互変調歪み生成物は知覚可能である可能性がありました。
この論文は多くのさらなる研究を刺激しました。その多くは結果が混在しています。曖昧さの一部は、超高周波音がパワーアンプで予想以上に多くの相互変調歪みを誘発する可能性があることが判明したことで説明されています。例えば、David Griesinger はこの実験を再現しました [[17]]、彼のスピーカーセットアップは超高周波音からの可聴相互変調歪みを導入しませんでしたが、彼のステレオアンプは導入したと発見しました。
注意(Caveat Lector)
個々の論文や「専門家のコメント」を文脈から外したり、利害関係のある情報源から抜き出したりしないことが重要です。すべての論文がこれらの結果と完全に一致しているわけではありません(そして、かなりの部分で意見が異なるものもあります)。そのため、あらゆる想像上の結論を支持するように見える少数意見を見つけるのは簡単です。いずれにしても、上記の論文とリンクは、実験記録の広範な重みと幅を代表するものです。査読済みの論文で、これらの結果と実質的に矛盾するものは時間の経過とともに残っていません。論争は、消費者と愛好家のオーディオファイルコミュニティ内にのみ存在します。
むしろ、Googleで入手可能な曖昧で、決定的でなく、完全に無効な実験結果の数は、正確で客観的なテストを構築することがいかに難しいかを浮き彫りにしています。研究者が探している違いは微細です。それらは、テスト被験者の意識から逃れる潜在意識の選択を検出するために、厳密な統計分析を必要とします。私たちが存在しないものを「証明」しようとしている可能性が高いことを考えると、それはさらに困難になります。帰無仮説を証明することは、停止性問題を証明することに似ています。証明することはできません。圧倒的な重みを与える証拠を収集することしかできません。
それにもかかわらず、帰無仮説を確認する論文は特に強力な証拠です。可聴性のなさを確認することは、それを否定することよりも実験的にはるかに困難です。テスト方法論や機器の未発見の誤りは、ほとんどの場合、誤った陰性結果(誤って知覚可能な違いを導入することによって)ではなく、誤った陽性結果を生み出します。
専門の研究者でさえ微細で孤立した知覚可能な違いを適切にテストするのに苦労しているなら、アマチュアにとってそれがどれほど難しいか想像できるでしょう。
リスニング比較を(意図せず)台無しにする方法
超高レートオーディオの信奉者から聞いた最も一般的なコメントは、
「自分で高レートオーディオを聞いたが、改善は明らかだ。自分の耳を信じるなと言うのか?」
もちろん、自分の耳を信じることはできます。信じやすいのは脳です。軽々しく言っているわけではありません。人間として、私たちは皆そのように配線されています。
確認バイアス、プラセボ効果、および二重盲検
リスナーが聴覚以外のいかなる手段でも2つの選択肢を区別できるテストでは、結果は通常、リスナーが事前に期待していたものになります。これは確認バイアスと呼ばれ、プラセボ効果に似ています。人々は、オーディオとは無関係の潜在意識的な手がかりや好み(例:より高価な(またはより魅力的な)アンプを安価なオプションよりも好む)のために、違いを「聞く」ということです。
人間の脳は、存在しない場所でもパターンや違いに気づくように設計されています。この傾向は、人が客観的な決定を求められているときにオフにすることはできません。それは完全に潜在意識的です。懐疑論だけではバイアスを克服できません。管理された実験は、確認バイアスの認識が効果を増加させることさえあることを示しています!確認バイアスを注意深く排除しないテストは無価値です [[18]]。
シングルブラインドテストでは、リスナーはテストの選択肢について事前に何も知りません。テスト中にフィードバックを受け取ることもありません。シングルブラインドテストはカジュアルな比較よりも優れていますが、実験者のバイアスを排除しません。テスト管理者(例:「本当にそれが聞こえているのですか?」、間違った選択を示唆するボディランゲージ、意図しないためらいなど)を通じて、テストに簡単に意図せず影響を与えたり、自身の潜在意識的なバイアスをリスナーに伝えたりすることができます。実験者のバイアスも、テスト被験者の結果に影響を与えることが実験的に証明されています。
ダブルブラインドリスニングテストはゴールドスタンダードです。これらのテストでは、テスト管理者もテスト対象者も、テストの内容や進行中の結果を知りません。コンピュータ実行のABXテストが最も有名な例であり、独自のコンピュータでABXテストを実行するための無料ツールが利用可能です [[19]]。ABXは、リスニングテストが意味を持つための最低限の基準と見なされており、Hydrogen Audioのような評判の良いオーディオフォーラムでは、この最低限の客観性要件を満たさない限り、リスニング結果の議論を許可しないことさえあります [[20]]。
[画像]
上:Squishyball、シンプルなコマンドラインABXツール。xtermで実行中。
個人的には、開発中に、どんなにカジュアルなものであっても、ABXツールなしで品質比較テストを行うことはありません。科学は科学です、怠慢はありません。
ラウドネスのトリック
人間の耳は、約1dBの振幅差を意識的に識別でき、実験では0.2dB未満の振幅差の潜在意識的な認識を示しています。人間はほぼ普遍的に、より大きなオーディオの方が良く聞こえると考えるため、0.2dBはこれらの好みを確立するのに十分です。振幅を慎重に一致させない比較では、たとえ振幅差が意識的に気づけないほど小さくても、より大きな選択肢が好まれます。ステレオ販売員はこのトリックを長年知っています。
プロのテスト標準は、ソースを0.1dB以下に一致させることです。これには、オシロスコープまたは信号アナライザーの使用が必要になることがよくあります。2つのソースがほぼ同じに聞こえるまでノブを回して推測するだけでは不十分です。
クリッピング
クリッピングは別の簡単な間違いであり、時には事後的にしか明らかになりません。わずかなクリップされたサンプルやその影響でさえ、クリップされていない信号と比較して聞き取りやすいです。
クリッピングの危険性は、デジタル信号をオンザフライで作成、リサンプリング、またはその他の方法で操作するテストで特に有害です。48kHzサンプリングの忠実度を192kHzソースサンプルと比較したいとします。典型的な方法は、192kHzから48kHzにダウンサンプリングし、それを192kHzにアップサンプリングしてから、ABXテストで元の192kHzサンプルと比較することです [[21]]。この構成により、機器の変動やサンプル切り替えが結果に影響を与える可能性を排除できます。同じDACを使用して両方のサンプルを再生し、ハードウェアモードを変更せずに切り替えることができます。
残念ながら、ほとんどのサンプルはデジタルレンジ全体を使用するようにマスタリングされています。単純なリサンプリングは、しばしばクリッピングを引き起こす可能性があります。クリッピングを監視する(そしてクリップされたオーディオを破棄する)か、減衰などの他の手段でクリッピングを回避する必要があります。
異なるメディア、異なるマスター
「同じ」録音のCDとオーディオDVD(またはSACD)を比較して、24ビットまたは96/192kHzの利点を宣言する記事やブログ投稿をいくつか見かけました。この比較は無効です。マスターは通常異なります。
意図しない手がかり
古いアナログおよびハイブリッドデジタル/アナログテストセットアップでは、意図しない知覚可能な手がかりはほとんど避けられません。純粋なデジタルテストセットアップは、一部のテスト形式では問題を完全に排除できますが、複雑なソフトウェアバグの可能性も増幅します。このような制限やバグは、テストで誤った陽性結果を引き起こした長い歴史があります [[22]]。
The Digital Challenge - More on ABX Testingは、1984年に実施された特定のリスニングテストの興味深い物語を語っています。当時のオーディオファイル権威者に対し、CDはビニールよりも本質的に劣ると主張していたことに反論するためです。この記事は、テストの結果(おそらく推測できるでしょう)ほど、そのようなテストを実施するプロセスと現実世界の複雑さには関心がありません。例えば、テスターのエラーにより、招待されたオーディオファイル専門家がオーディオ忠実度に基づいて選択していたのではなく、ABXスイッチのアナログリレーによって生成されるわずかに異なるクリック音を聞いていたことが意図せず明らかになりました!
逸話はデータに取って代わるものではありませんが、この話は、未発見の欠陥がリスニングテストをどれほど簡単に偏らせるかを示しています。議論されているオーディオファイルの信念の一部も非常に面白いです。現代の例のいくつかは、20年後には同様に愚かに見なされることを願っています。
最後に、良いニュース
私たちが聞いているデジタルオーディオの品質を実際に向上させるものは何でしょうか?
より良いヘッドフォン
最も簡単な修正はデジタルではありません。コストあたりの最も劇的な忠実度向上は、良いヘッドフォンから得られます。オーバーイヤー、インイヤー、オープンまたはクローズド、どれでも構いません。高価である必要さえありませんが、高価なヘッドフォンはお金に見合う価値がある場合があります。注意してください。一部のヘッドフォンは、よく作られていて、耐久性があり、素晴らしい音がするため高価です。他のものは、スタイリング、ブランド名、マーケティングの何百ドルもの層の下にある20ドルのヘッドフォンのため高価です。ここでは具体的な推奨はしませんが、大型量販店では、たとえそれが電子機器や音楽を専門としていても、良いヘッドフォンを見つけることはまずないでしょう。消費者向けハイファイの他のすべての側面と同様に、調査を行ってください(そして注意してください)。
ロスレスフォーマット
適切にエンコードされたOggファイル(またはMP3、AACファイル)は、中程度のビットレートであれば元のファイルと区別がつかないというのは事実です。
しかし、悪いエンコードファイルはどうでしょうか?
20年前、すべてのmp3エンコーダーは今日の基準では非常に悪かったです。これらの古い、悪いエンコーダーの多くは依然として使用されています。おそらくライセンスが安いため、そしてほとんどの人が違いに気づけないか、気にしないからです。なぜ企業がお金を使って、壊れていると認識していないものを修理するのでしょうか?
VorbisやAACのような新しいフォーマットに移行しても、必ずしも役立つわけではありません。例えば、多くの企業や個人は、FFmpegの非常に低品質な組み込みVorbisエンコーダーを使用していました(そして今も使用しています)。なぜなら、それはFFmpegのデフォルトであり、それがどれほど悪いかを知らなかったからです。AACは、広く展開されている低品質エンコーダーのさらに長い歴史を持っています。すべての主流のロッシーフォーマットがそうです。
FLACのようなロスレスフォーマットは、低品質のロッシーエンコーダー、あるいは誤って使用された優れたロッシーエンコーダーによってオーディオ忠実度が損なわれる可能性をすべて回避します [[23]]。
ロスレスフォーマットを配布する2番目の理由は、世代間の損失を回避することです。再エンコードまたはトランスコードごとに、さらに多くのデータが失われます。最初のエンコードが透過的であっても、2番目のエンコードで知覚可能なアーティファクトが発生する可能性は非常に高いです。これは、ダウンロードからリミックスまたはサンプリングしたい人にとって重要です。特に私たちコーデック研究者にとっては重要です。作業するにはクリーンなオーディオが必要です。
より良いマスター
前述のBASテストでは、SACD版の録音はCDリリースよりも実質的に良く聞こえる可能性があると付記しています。これは、サンプルレートやビット深度の増加によるものではなく、SACDが高品質のマスターを使用したためです。CD-Rにバウンスされたとき、SACD版は元のSACDと同じくらい良く、CDリリースよりも優れています。なぜなら、SACDを作成するために使用された元のオーディオがより良かったからです。優れたプロダクションとマスタリングは、明らかに音楽の最終的な品質に貢献します [[24]]。
「Mastered for iTunes」や他の業界レーベルからの同様の取り組みに関する最近のカバレッジは、ある程度励みになります。Appleや他の企業が実際に「それを理解している」のか、それとも単に消費者にすでに所有している音楽の、さらに高価なコピーを販売するためのフックなのかは、まだわかりません。
サラウンド
別の可能な「セールスフック」であり、私自身が熱狂的に購入するであろうものは、サラウンド録音です。残念ながら、これには技術的な危険が伴います。
多くのチャンネル(5.1、7.1など)を持つ旧式のディスクリートサラウンドは、1960年代の劇場にまでさかのぼる技術的な遺物です。競合システムよりも多くのチャンネルを使用するため、非効率的です。サラウンドイメージは限定的であり、リスナーが位置からずれたり移動したりすると、近くのスピーカーに集中する傾向があります。
Ambisonicsのようなシステムで、優れた堅牢なローカリゼーションを表現およびエンコードできます。問題は、再生機器のコストと、自然な音場のためにエンコードされたものがステレオにミックスダウンされると悪く聞こえ、説得力のある方法で人工的に作成できないことです。アンビソニックスやホログラフィックオーディオを偽造するのは難しいです。3Dビデオが常に派手なギミックに退化し、人口の5%に乗り物酔いを確実に引き起こすのと同じように。
バイノーラルオーディオも同様に困難です。それは人によってわずかに異なる方法で機能するため、シミュレートすることはできません。それは耳介、耳道、および神経処理の自己組み立てシステムに調整された学習スキルであり、決して2人の個人でまったく同じように組み立てられることはありません。人々はまた、ローカリゼーションを強化するために無意識のうちに頭を動かし、そうしないと適切にローカライズできません。これはバイノーラル録音ではキャプチャできませんが、固定サラウンドではある程度可能です。
これらは決して不可能な技術的ハードルではありません。ディスクリートサラウンドは市場で確固たる支持を得ており、私は個人的にAmbisonicsが提供する可能性に特に興奮しています。
終わりに
「私は音楽をあまり気にかけたことがない。
ハイファイなんだ!」
— Flanders & Swann, A Song of Reproduction
要点は音楽を楽しむことですよね?現代の再生忠実度は、一世代前に利用可能だったすでに優れたアナログシステムよりも信じられないほど優れています。論理的な極限は、単なる別のファーストワールド・プロブレムにすぎないのでしょうか?おそらくそうですが、悪いミックスとエンコーディングは私を悩ませます。それらは音楽から私をそらし、私はおそらく一人ではありません。
なぜ24/192に反対するのか?それは存在しない問題の解決策であり、意図的な無知と人々を騙すことに基づいたビジネスモデルだからです。疑似科学が世界全体で unchecked になるほど、真実がtruthiness(真実らしさ)を克服するのは難しくなります。たとえこれが小さく比較的無関係な例であっても。
「私にとって、宇宙を本当にそうであるように理解することは、たとえそれが満足のいくものであり、安心できるものであっても、妄想に固執するよりもはるかに良いことです。」
— Carl Sagan
さらに読む
読者は、私が自分の記事を始める前に知らなかった2つの優れた論文に注意を促してくれました。それらは、より詳細に私が扱った多くの同じ点を扱っています。
-
Coding High Quality Digital Audio Meridian Audio の Bob Stuart による論文は、その長さにもかかわらず、非常に簡潔で美しいです。私たちの結論はいくらか異なります(彼は、あまり正当化せずに、わずかに広い周波数範囲とビット深度の必要性を当然のこととして受け入れています)が、提示は明確で理解しやすいです。[編集:スチュアート氏の他の記事の多くには同意しないかもしれませんが、この論文は非常に気に入っています。]
-
Sampling Theory For Digital Audio (2012-10-04 更新リンク) Lavry Engineering の Dan Lavry による論文は、他の読者が指摘してくれた別の記事です。私のサンプリング、オーバーサンプリング、およびフィルタリングに関する約2ページを、より詳細な27ページの治療法に拡張しています。心配しないでください、グラフ、例、参考文献はたくさんあります。
audiocheck.net の Stephane Pigeon は、彼のウェブサイトで紹介されているブラウザベースのリスニングテストを宣伝するために連絡してきました。テストセットはまだ比較的小さいですが、そのうちのいくつかはこの記事の文脈で直接関連していました。それらはうまく機能し、品質は非常に良いと感じました。
注釈
-
ある不満を持った投稿者が書いたように、
「[サンプリング定理]はデジタルオーディオの仕組みを説明するために発明されたのではなく、その逆です。デジタルオーディオは定理から発明されたのです。定理を信じないなら、デジタルオーディオも信じられません!」
http://www.head-fi.org/t/415361/24bit-vs-16bit-the-myth-exploded
-
史上最も退屈なパーティーのトリックでなければ、それに近いものでした。
-
可視光をナノメートルまたはオングストロームで測定された波長で話すのが一般的です。音と一貫性を保つために周波数を使用しています。それらは同等です。周波数は波長の逆数です。
-
LED実験は「紫外線」LEDでは機能しません。主に、それらは実際には紫外線ではないためです。それらは少し蛍光を引き起こすのに十分な深さの紫色ですが、それでも可視範囲内です。本物の紫外線LEDは、このテストに使用すると目の損傷を引き起こすため、1個あたり100〜1000ドルかかります。コンシューマーグレードの「偽」UV LEDは、明るく見せるためにわずかな白色光も放出するため、放出ピークが実際に紫外線範囲にあったとしても、それらを見ることができるでしょう。
-
この記事の元のバージョンでは、IR LEDは300〜325THz(約920〜980nm)の波長で動作し、それらは不可視であると述べられていました。多くの読者が、実際にかろうじてリモコンのいくつか(またはすべて)で見ることができると書いてきました。数名が親切にもどのリモコンか教えてくれたので、分光計でいくつかテストすることができました。見てみると、これらのリモコンは350〜380THz(800〜850nm)のより高い周波数LEDを使用しており、可視範囲の極端な端とわずかに重なっていました。
-
96kHzサンプルを再生できない多くのシステムは、ファイルを再生しないのではなく、サイレントに48kHzにダウンサンプリングします。この場合、トーンはまったく再生されず、システムの非線形性に関係なく再生は無音になります。
-
オーバーサンプリングは、信号処理における高サンプリングレートの唯一のアプリケーションではありません。配布のためにダウンサンプリングされる場合でも、高サンプリングレートで帯域制限オーディオを生成することには、デシメーションを回避するという理論上の利点がいくつかあります。ほとんどのプロフェッショナルコンソールの仕組みは企業秘密であるため、実際に使用されているかどうかは不明です。
-
歴史的な理由であれ何であれ、多くのプロフェッショナルが今日高レートを使用しているのは、消費者のように、20kHzを超えるコンテンツを保持すると音が良くなると誤って想定しているからであることは間違いありません。
-
大音量の音楽をオフにしたときに鼓膜が「元に戻る」感覚は非常に現実的です!
-
いくつかの素晴らしい図はHyperPhysicsサイトで見つけることができます。
http://hyperphysics.phy-astr.gsu.edu/hbase/sound/protect.html#c1 -
聴覚測定の目的で0dBとして一般的に定義される20µPa。1kHzでの聴覚閾値にほぼ等しいです。ただし、耳は2〜4kHzの間で最大8dB感度が高くなります。
-
以下の論文は、私がこれまでに見つけた中で最高のディザーの説明です。画像ディザーについてですが、前半はオーディオでのディザーの理論と実践をカバーしてから、画像への使用を拡張しています。
Cameron Nicklaus Christou, Optimal Dither and Noise Shaping in Image Processing
-
DSPエンジニアは、私の賢い同僚の一人が指摘したように、無限フーリエ変換を使用して純粋なトーンの理論上のダイナミックレンジが無限になる場合、16ビットオーディオは無限のダイナミックレンジを持つと指摘するかもしれません。この概念は電波天文学にとって非常に重要です。
耳はフーリエ変換と完全に似ていないわけではありませんが、その解像度は比較的限られています。これにより、16ビットオーディオ信号の最大実効ダイナミック深度に制限が課せられます。
-
プロダクションでは、32ビットフロートがますます使用されています。これは、最新のプロセッサーで非常に便利であることと、ミキシングを台無しにする可能性のある偶発的なクリッピングをあらゆる段階で完全に排除できるためです。
-
数人の読者が、超高周波音が知覚可能な相互変調歪みを引き起こす可能性がある場合、MeyerとMoranの2007年のテストがなぜヌル結果を生成できたのかを知りたいと思っていました。
「できる」と「時々」は、「必ず」と「常に」と同じではないことは明白であるべきです。超高周波音からの相互変調歪みは、特定の素材のセットに対して、特定のシステムでは可能性であり、確実性ではありません。MeyerとMoranのヌル結果は、彼らのテスト中に使用されたシステムで相互変調歪みが知覚不可能であったことを示しています。
読者は、お使いの機器の相互変調ポテンシャルの簡単なチェックのために、上記の簡単な超高周波相互変調歪みテストを試すことをお勧めします。
-
Karou and Shogo, Detection of Threshold for tones above 22kHz (2001)。Convention paper 5401、2001年5月12〜15日、アムステルダムで開催された第110回コンベンションで発表。
-
公表以来、数人のコメンターが同様の逸話のバージョンを私に書いてきました(要約):「私はかつて、結果Aを期待してヘッドフォン/アンプ/録音を聞きましたが、Bが見つかって驚きました!確認バイアスはナンセンスです!」
私は2つの考えを提案します。
第一に、確認バイアスはすべての正しい結果を間違った結果に置き換えるわけではありません。それは、未知の量で、制御不能な方向に結果を歪めます。テストが自身の潜在意識によって操作されている場合、正誤を確実に判断するにはどうすればよいでしょうか?大きな違いを聞くと期待していましたが、小さな違いに驚いたとしましょう。実際には違いがなかったとしたらどうでしょうか?あるいは、違いがあったのかもしれません。そして、潜在的なバイアスを意識していたので、あなたの善意の懐疑論は過剰補償したのでしょうか?あるいは、あなたは完全に正しかったのかもしれませんか?ABXのような客観的なテストは、これらすべての不確実性を排除します。
第二に、「あなたは自分がバイアスされていないと思っているのですか?素晴らしい!証明してください!」客観的なテストの価値は、自身の理解を深める能力だけでなく、他者を説得する能力にもあります。主張には証明が必要です。並外れた主張には並外れた証明が必要です。
-
ABXテストに使用する最も簡単なツールはおそらく次のとおりです。
-
Squishyball、Xiph内で使用しているLinuxコマンドラインツール
-
Hydrogen Audioでは、客観的テストの要件は、サービス利用規約の8番目の項目であるため、TOS8と略されます。
-
リサンプリングが信号を修復不可能に損傷すると一般的に仮定されていますが、そうではありません。クリッピングを引き起こすような明らかな間違いをしない限り、ダウンサンプリングしてからアップサンプリングされた信号は、元の信号と知覚的に区別がつきません。これは、より高いサンプリングレートが不要であることを確立するために使用される通常のテストです。
-
オーディオに厳密に関連しないかもしれませんが...光速を超えるニュートリノはどうですか?
-
Wired誌は、FLACのようなロスレスフォーマットが常に完全にロスレスではないと示唆しています:
「一部の純粋主義者は、FLACを完全にスキップしてWAVを購入するように言うでしょう。[...] WAVを購入することで、ファイルがFLACに圧縮されるときに発生する可能性のあるデータ損失を回避できます。このデータ損失はまれですが、発生します。」
これは誤りです。ロスレス圧縮プロセスは元のデータをまったく変更しないため、FLACも例外ではありません。
Wiredがハードウェアによるデータファイルの破損(ディスク障害、メモリ障害、太陽フレア)を指していた場合、FLACとWAVの両方が影響を受けます。ただし、FLACファイルにはチェックサムがあり、破損を検出できます。FLACファイルはWAVよりも小さいため、影響を受けるデータが少ないため、ランダムな破損は発生しにくいです。
-
'ラウドネス・ウォー'は、今日の業界における悪いマスタリング慣行の一般的に引用される例ですが、それだけではありません。ラウドネスは、Wikipediaの記事が示唆するよりも古い現象です。1950年代初頭から、アーティストやプロデューサーは可能な限り大きな録音を求めていました。機器ベンダーは、より高い、より大きなマスターを可能にするために、新しい技術をますます研究・販売しました。例えば、1970年代と1980年代の高度なビニールマスタリング機器は、グルーヴのスペースが通常許可するよりも高い振幅を可能にするために、可能な限りグルーヴエンベロープを追跡し、ネストしました。
今日のデジタル技術により、ラウドネスは不合理なレベルまで引き上げられるようになりました。また、それがどのように機能しているか、または実際には何をしているのかを広く理解せずに大量に展開される、多数の自動化された、高度に複雑な、独自のDAWプラグインも提供しています。
—Monty (monty@xiph.org) 2012年3月1日
*読者からの提案を受けて2012年3月25日に最終改訂。スペルミスを除き、この日付以降に行われた編集と修正はインラインでマークされています。
[画像]
Montyの記事とデモ作品は、Red Hat Emerging Technologiesによってスポンサーされています。
(C) Copyright 2012 Red Hat Inc. and Xiph.Org
この記事への技術的な貢献に対してGregory Maxwellに特別感謝します
[画像]