ऑडियो और संगीत गाइड
डिजिटल ऑडियो की बुनियाद: सैंपल रेट, बिट डेप्थ, बिटरेट, कोडेक
डिजिटल ऑडियो संख्याओं के रूप में रखी गई आवाज़ है, और हर ऑडियो फ़ाइल को कुछ गिनी-चुनी संख्याओं से बयान किया जाता है: सैंपल रेट, बिट डेप्थ, बिटरेट और चैनल की गिनती। दो और शब्द, कोडेक और कंटेनर, बताते हैं कि आवाज़ कैसे पैक हुई और उसे किस तरह की फ़ाइल थामे है। डिजिटल ऑडियो की ये बुनियादी बातें समझाती हैं कि एक ही गाने की दो कॉपियों के आकार में दस गुना फ़र्क क्यों हो सकता है।
डाउनलोड बटन दबाने के लिए इनमें से कुछ भी जानना ज़रूरी नहीं। फ़ॉर्मैट चुनते समय, यह सोचते समय कि फ़ाइल बड़ी क्यों है, या यह जानने के लिए कि 320 kbps जैसा लेबल असल में क्या वादा करता है, यह काम आता है। हर शब्द के साथ CD क्वालिटी के आँकड़े दिए गए हैं, जो आम पैमाना हैं। किसी एक फ़ॉर्मैट को गहराई से पढ़ने के लिए MP3 फ़ाइल क्या है देखें।
सैंपल रेट: डिजिटल ऑडियो आवाज़ को कितनी बार मापता है
माइक्रोफ़ोन आवाज़ को धीरे-धीरे बदलते बिजली के सिग्नल में बदलता है। उसे रखने के लिए एक कन्वर्टर उस सिग्नल को तय अंतराल पर मापता है, और हर माप को सैंपल कहते हैं। सैंपल रेट प्रति सेकंड लिए गए सैंपल की संख्या है। CD में 44,100 होते हैं, जिन्हें 44.1 kHz लिखा जाता है। वीडियो और प्रसारण में 48 kHz चलता है। स्टूडियो रिकॉर्डिंग अक्सर 96 kHz पर बनती हैं।
कोई सैंपल रेट अपने मान के आधे तक की पिच पकड़ सकता है। इसलिए 44.1 kHz लगभग 22 kHz तक पहुँचता है, जो युवा, स्वस्थ कानों की 20 kHz की ऊपरी सीमा से थोड़ा आगे है। इसी वजह से CD ऑडियो वहीं रुक गया। ऊँचे रेट उस आवाज़ को भी दर्ज करते हैं जो इंसान सुन नहीं पाते। वे निर्माण के दौरान मदद करते हैं और फ़ाइलें बड़ी बनाते हैं, पर तैयार गाने के लिए कोई साबित फ़ायदा नहीं देते।
बिट डेप्थ: हर सैंपल कितनी बारीकी से दर्ज होता है
बिट डेप्थ वह संख्या है कि हर सैंपल लिखने में कितने बिट इस्तेमाल हुए। 16 बिट से 65,536 संभावित स्तर मिलते हैं। 24 बिट से 1.6 करोड़ से ज़्यादा। ज़्यादा स्तर यानी छोटी राउंडिंग गलतियाँ, और वे गलतियाँ हल्की पृष्ठभूमि की सरसराहट के रूप में सुनाई देती हैं। हर अतिरिक्त बिट इस सरसराहट को लगभग 6 डेसिबल घटाता है।
16 बिट की रिकॉर्डिंग सबसे तेज़ आवाज़ और शोर के निचले स्तर के बीच लगभग 96 dB का दायरा रखती है, जो ज़्यादातर सुनने के कमरों के काम में आने से भी ज़्यादा है। 24 बिट की रिकॉर्डिंग लगभग 144 dB का दायरा रखती है और स्टूडियो में आम है, जहाँ यह अतिरिक्त गुंजाइश अधूरे लेवल सेटिंग को माफ़ कर देती है। बिट डेप्थ यह तय नहीं करती कि कौन-सी पिच दर्ज होंगी। वह सैंपल रेट का काम है।
बिटरेट और चैनल: हर सेकंड इस्तेमाल होने वाला डेटा
बिटरेट आवाज़ के हर सेकंड पर ख़र्च होने वाले डेटा की मात्रा है। बिना कंप्रेस किए ऑडियो के लिए यह सीधा गुणा है: 44,100 सैंपल गुणा 16 बिट गुणा 2 चैनल से 1,411,200 बिट प्रति सेकंड, यानी 1,411 kbps बनता है। यही CD क्वालिटी है, और यह प्रति मिनट लगभग 10.6 मेगाबाइट भरती है। मोनो में एक चैनल होता है, स्टीरियो में दो और 5.1 सराउंड में छह।
कंप्रेस्ड फ़ॉर्मैट हिसाब को पलट देते हैं। बिटरेट पहले चुना जाता है, जैसे 128 या 256 kbps, और एनकोडर तय करता है कि उस बजट में कौन-सा ब्योरा समाएगा। इसीलिए MP3 फ़ाइलों के लिए बिटरेट सबसे ज़्यादा बताया जाने वाला आँकड़ा है। MP3 बिटरेट गाइड दिखाती है कि हर आम सेटिंग मेगाबाइट में कितनी पड़ती है और आवाज़ में क्या लौटाती है।
कोडेक और कंटेनर: तरीका और उसका लिफ़ाफ़ा
कोडेक ऑडियो को पैक और अनपैक करने का तरीका है। PCM कच्चे सैंपल बिना किसी पैकिंग के रखता है। FLAC और ALAC लॉसलेस हैं: वे डेटा छोटा करते हैं और हर सैंपल सही-सलामत लौटाते हैं। MP3, AAC और Opus लॉसी हैं: वे उस ब्योरे को हटा देते हैं जिसे अनसुना माना जाता है और बहुत छोटे आकार तक पहुँचते हैं। MP3, AAC, Opus, WAV और FLAC को ऑडियो फ़ॉर्मैट की तुलना साथ-साथ रखती है, और लॉसी-लॉसलेस की जोड़ी को MP3 बनाम FLAC अकेले परखता है।
कंटेनर वह फ़ाइल है जो एनकोड की गई आवाज़ को लपेटती है। WAV आम तौर पर PCM लपेटता है, M4A आम तौर पर AAC, और WebM अक्सर Opus। फ़ाइल एक्सटेंशन कंटेनर का नाम बताता है, और अंदर का कोडेक अलग-अलग हो सकता है। YouTube वीडियो की आवाज़ AAC या Opus में रखता है, इसलिए YouTube to MP3 कन्वर्टर को उस स्ट्रीम को दोबारा एनकोड करना पड़ता है।
सवाल और जवाब
क्या bit rate और bit depth एक ही हैं?
नहीं। बिट डेप्थ हर सैंपल के बिटों की संख्या है और तय करती है कि हर माप कितना सटीक है। बिटरेट पूरी स्ट्रीम के लिए प्रति सेकंड इस्तेमाल हुए बिट हैं। बिना कंप्रेस किए ऑडियो में बिटरेट बराबर है सैंपल रेट गुणा बिट डेप्थ गुणा चैनल। MP3 जैसी लॉसी फ़ाइलों का बिटरेट होता है, पर कोई तय बिट डेप्थ नहीं।
मुझे 44.1 kHz इस्तेमाल करना चाहिए या 48 kHz?
उद्देश्य के हिसाब से चुनें। CD या आम सुनने के लिए बने संगीत के लिए 44.1 kHz, और वीडियो से जुड़ी आवाज़ के लिए 48 kHz, जो वहाँ मानक है। कोई भी दूसरे से बेहतर नहीं सुनाई देता। अगर फ़ाइल में इनमें से एक रेट पहले से है, तो उसे वैसे ही रहने दें, क्योंकि उनके बीच बदलने से कुछ हासिल नहीं होता।
कोडेक और कंटेनर में क्या फ़र्क है?
कोडेक वह तरीका है जो आवाज़ को एनकोड और डिकोड करता है, जैसे AAC, Opus या FLAC। कंटेनर वह फ़ाइल फ़ॉर्मैट है जो एनकोड की गई स्ट्रीम को टैग और कभी-कभी वीडियो के साथ रखता है, जैसे MP4, WebM या Ogg। एक कंटेनर अलग-अलग कोडेक रख सकता है, इसलिए अकेला फ़ाइल एक्सटेंशन यह नहीं बताता कि कौन-सा इस्तेमाल हुआ।
क्या ऊँचा सैंपल रेट हमेशा बेहतर सुनाई देता है?
नहीं। 44.1 या 48 kHz का रेट पहले ही इंसानी सुनने का पूरा दायरा ढकता है। ऊँचे रेट अल्ट्रासोनिक सामग्री दर्ज करते हैं और रिकॉर्डिंग व एडिटिंग में उपयोगी हैं, पर सुनने के परीक्षणों में तैयार संगीत के लिए भरोसेमंद सुनाई देने वाला फ़ायदा नहीं दिखा। किसी मौजूदा फ़ाइल का रेट बढ़ाने से कोई नई जानकारी नहीं जुड़ती।
CD क्वालिटी की संख्याओं का क्या मतलब है?
CD क्वालिटी 44.1 kHz, 16-बिट, स्टीरियो है। यानी प्रति सेकंड 44,100 सैंपल, हर एक 16 बिट में लिखा हुआ, दो चैनल पर। इन्हें गुणा करें तो 1,411 kbps आता है, लगभग हर मिनट 10.6 MB, बिना किसी कंप्रेशन के।
क्या मोनो स्टीरियो से ख़राब है?
हर चीज़ के लिए नहीं। मोनो में एक चैनल होता है, जो भाषण, पॉडकास्ट और लेक्चर के लिए काफ़ी है, और मोनो फ़ाइल अपना पूरा बिटरेट उसी एक चैनल पर लगा सकती है। स्टीरियो में मिक्स किया संगीत मोनो में समेटने पर अपना बाएँ-दाएँ का फैलाव खो देता है, इसलिए गानों के लिए स्टीरियो रखें।
लॉसलेस ऑडियो क्या है?
लॉसलेस ऑडियो बिना कुछ हटाए कंप्रेस किया जाता है, इसलिए प्लेबैक में ठीक वही सैंपल लौटते हैं जो अंदर गए थे। FLAC और ALAC इसी तरह काम करते हैं और आम तौर पर WAV फ़ाइल को उसके लगभग 50 से 70 प्रतिशत आकार तक ले आते हैं। लॉसी स्रोत से बनी लॉसलेस फ़ाइल बेहतर नहीं होती। वह नुकसान को ही सुरक्षित रखती है।
PCM क्या है?
PCM, यानी pulse-code modulation, डिजिटल ऑडियो का सादा बिना कंप्रेस किया रूप है: सैंपल मानों की एक सूची, जिसमें न कुछ हटा है और न कुछ पैक हुआ है। WAV और AIFF फ़ाइलों में आम तौर पर PCM होता है, और ऑडियो CD में भी। बाकी हर कोडेक PCM से शुरू होता है और प्लेबैक के लिए उसी पर लौटता है।
अपडेट किया गया: