การใช้งานช่องค้นหาถือว่าคุณยอมรับข้อกำหนดการใช้งานของเรา

ค้นหา

คู่มือเสียงและเพลง

พื้นฐานเสียงดิจิทัล: อัตราสุ่มตัวอย่าง บิตเดปท์ บิตเรต และโคเดก

เสียงดิจิทัลคือเสียงที่เก็บเป็นตัวเลข และไฟล์เสียงทุกไฟล์อธิบายได้ด้วยตัวเลขไม่กี่ตัวเหมือนกัน คืออัตราสุ่มตัวอย่าง (sample rate) บิตเดปท์ (bit depth) บิตเรต และจำนวนช่องเสียง อีกสองคำคือโคเดกกับคอนเทนเนอร์ บอกว่าเสียงถูกบีบอัดด้วยวิธีใด และไฟล์ชนิดใดห่อไว้ พื้นฐานเสียงดิจิทัลเหล่านี้อธิบายว่าทำไมสำเนาเพลงเดียวกันสองไฟล์อาจมีขนาดต่างกันสิบเท่า

การกดปุ่มดาวน์โหลดไม่จำเป็นต้องรู้เรื่องเหล่านี้ แต่จะมีประโยชน์เมื่อคุณเลือกระหว่างรูปแบบไฟล์ สงสัยว่าทำไมไฟล์ใหญ่ หรืออยากรู้ว่าป้ายอย่าง 320 kbps สัญญาอะไรกันแน่ แต่ละคำด้านล่างมาพร้อมตัวเลขของคุณภาพระดับซีดีซึ่งเป็นจุดอ้างอิงที่ใช้กันทั่วไป หากต้องการอ่านรูปแบบเดียวให้ลึก ดู ไฟล์ MP3 คืออะไร

อัตราสุ่มตัวอย่าง: เสียงดิจิทัลวัดเสียงถี่แค่ไหน

ไมโครโฟนเปลี่ยนเสียงเป็นสัญญาณไฟฟ้าที่เปลี่ยนแปลงอย่างต่อเนื่อง การจะเก็บไว้ ตัวแปลงสัญญาณจะวัดสัญญาณนั้นตามช่วงเวลาคงที่ และการวัดแต่ละครั้งเรียกว่าหนึ่งตัวอย่าง (sample) อัตราสุ่มตัวอย่างคือจำนวนตัวอย่างที่เก็บต่อวินาที ซีดีใช้ 44,100 เขียนเป็น 44.1 kHz วิดีโอและการแพร่ภาพใช้ 48 kHz ส่วนงานบันทึกเสียงในสตูดิโอมักใช้ 96 kHz

อัตราสุ่มตัวอย่างจับระดับเสียงได้ถึงครึ่งหนึ่งของค่าตัวเอง ดังนั้น 44.1 kHz ครอบคลุมถึงราว 22 kHz เลยขีดจำกัดบน 20 kHz ของการได้ยินในคนหนุ่มสาวสุขภาพดีไปเล็กน้อย ซีดีจึงหยุดที่ค่านั้น อัตราที่สูงกว่าบันทึกเสียงที่เกินกว่าที่คนได้ยิน ช่วยในขั้นตอนผลิตและทำให้ไฟล์ใหญ่ขึ้น โดยไม่มีหลักฐานว่าได้ประโยชน์กับเพลงที่เสร็จแล้ว

บิตเดปท์: บันทึกแต่ละตัวอย่างละเอียดแค่ไหน

บิตเดปท์คือจำนวนบิตที่ใช้เขียนค่าของแต่ละตัวอย่าง ที่ 16 บิตมีระดับที่เป็นไปได้ 65,536 ระดับ ที่ 24 บิตมีมากกว่า 16 ล้านระดับ ยิ่งมีระดับมาก ความคลาดเคลื่อนจากการปัดเศษก็ยิ่งเล็ก และความคลาดเคลื่อนนั้นได้ยินเป็นเสียงซ่าเบา ๆ ในพื้นหลัง ทุกบิตที่เพิ่มช่วยลดเสียงซ่าลงราว 6 เดซิเบล

การบันทึก 16 บิตครอบคลุมช่วงราว 96 dB ระหว่างเสียงที่ดังที่สุดกับระดับสัญญาณรบกวนพื้นฐาน ซึ่งมากกว่าที่ห้องฟังส่วนใหญ่ใช้ได้จริง การบันทึก 24 บิตครอบคลุมราว 144 dB และเป็นมาตรฐานในสตูดิโอ ที่ช่วงเผื่อนี้ช่วยให้ตั้งระดับเสียงคลาดเคลื่อนได้ บิตเดปท์ไม่ได้กำหนดว่าจับระดับเสียงใดได้บ้าง นั่นเป็นหน้าที่ของอัตราสุ่มตัวอย่าง

บิตเรตและช่องเสียง: ข้อมูลที่ใช้ในแต่ละวินาที

บิตเรตคือปริมาณข้อมูลที่ใช้ต่อหนึ่งวินาทีของเสียง สำหรับเสียงที่ไม่บีบอัดเป็นการคูณธรรมดา 44,100 ตัวอย่าง คูณ 16 บิต คูณ 2 ช่องเสียง ได้ 1,411,200 บิตต่อวินาที หรือ 1,411 kbps นั่นคือคุณภาพระดับซีดี และใช้พื้นที่ราว 10.6 เมกะไบต์ต่อนาที โมโนมีหนึ่งช่อง สเตอริโอสองช่อง และเซอร์ราวด์ 5.1 มีหกช่อง

รูปแบบบีบอัดคิดกลับด้าน กำหนดบิตเรตก่อน เช่น 128 หรือ 256 kbps แล้วตัวเข้ารหัสตัดสินว่ารายละเอียดใดจะอยู่ในงบนั้น นี่คือเหตุผลที่บิตเรตเป็นตัวเลขที่ระบุบ่อยที่สุดกับไฟล์ MP3 คู่มือบิตเรต MP3 แสดงว่าแต่ละค่าที่ใช้บ่อยกินพื้นที่กี่เมกะไบต์ และให้คุณภาพเสียงคืนมาเท่าไร

โคเดกและคอนเทนเนอร์: วิธีการกับสิ่งที่ห่อหุ้ม

โคเดกคือวิธีที่ใช้บีบอัดและคลายเสียง PCM เก็บตัวอย่างดิบโดยไม่บีบอัด FLAC และ ALAC เป็นแบบไม่สูญเสีย คือย่อข้อมูลลงและคืนทุกตัวอย่างครบถ้วน ส่วน MP3, AAC และ Opus เป็นแบบสูญเสีย คือตัดรายละเอียดที่ถือว่าไม่ได้ยินออกและได้ขนาดเล็กลงมาก เปรียบเทียบฟอร์แมตเสียง วาง MP3, AAC, Opus, WAV และ FLAC เทียบกัน ส่วน MP3 vs FLAC เทียบคู่แบบสูญเสียกับแบบไม่สูญเสียโดยเฉพาะ

คอนเทนเนอร์คือไฟล์ที่ห่อเสียงที่เข้ารหัสแล้ว WAV มักห่อ PCM, M4A มักห่อ AAC และ WebM มักห่อ Opus นามสกุลไฟล์บอกชื่อคอนเทนเนอร์ ส่วนโคเดกข้างในอาจต่างกันได้ YouTube เก็บเสียงของวิดีโอเป็น AAC หรือ Opus ดังนั้น แปลง YouTube เป็น MP3 จึงต้องเข้ารหัสสตรีมนั้นใหม่

คำถามและคำตอบ

bit rate กับ bit depth คือสิ่งเดียวกันไหม

ไม่ใช่ บิตเดปท์คือจำนวนบิตในแต่ละตัวอย่าง และกำหนดความละเอียดของการวัดแต่ละครั้ง ส่วนบิตเรตคือจำนวนบิตที่ใช้ต่อวินาทีของทั้งสตรีม ในเสียงที่ไม่บีบอัด บิตเรตเท่ากับอัตราสุ่มตัวอย่าง คูณบิตเดปท์ คูณจำนวนช่องเสียง ไฟล์แบบสูญเสียอย่าง MP3 มีบิตเรตแต่ไม่มีบิตเดปท์คงที่

ควรใช้ 44.1 kHz หรือ 48 kHz

เลือกตามจุดประสงค์ ใช้ 44.1 kHz กับเพลงที่ทำสำหรับซีดีหรือฟังทั่วไป และใช้ 48 kHz กับเสียงที่เป็นส่วนของวิดีโอ ซึ่งเป็นมาตรฐานของงานนั้น ทั้งสองค่าไม่มีค่าใดเสียงดีกว่า หากไฟล์มีค่าใดค่าหนึ่งอยู่แล้วให้คงไว้ เพราะการแปลงระหว่างกันไม่ได้อะไรเพิ่ม

โคเดกกับคอนเทนเนอร์ต่างกันอย่างไร

โคเดกคือวิธีเข้ารหัสและถอดรหัสเสียง เช่น AAC, Opus หรือ FLAC ส่วนคอนเทนเนอร์คือรูปแบบไฟล์ที่ห่อสตรีมที่เข้ารหัสแล้วพร้อมแท็กและบางครั้งวิดีโอ เช่น MP4, WebM หรือ Ogg คอนเทนเนอร์เดียวใส่โคเดกต่างกันได้ นามสกุลไฟล์เพียงอย่างเดียวจึงบอกไม่ได้ว่าใช้โคเดกอะไร

อัตราสุ่มตัวอย่างที่สูงกว่าให้เสียงดีกว่าเสมอไหม

ไม่ อัตรา 44.1 หรือ 48 kHz ก็ครอบคลุมช่วงการได้ยินทั้งหมดของมนุษย์แล้ว อัตราที่สูงกว่าจับเสียงเหนือช่วงที่ได้ยินและมีประโยชน์ตอนบันทึกและตัดต่อ แต่การทดสอบการฟังยังไม่พบว่าให้ผลที่ได้ยินชัดเจนกับเพลงที่เสร็จแล้ว การเพิ่มอัตราของไฟล์ที่มีอยู่ไม่ได้เพิ่มข้อมูลใด ๆ

ตัวเลขของคุณภาพระดับซีดีหมายความว่าอย่างไร

คุณภาพระดับซีดีคือ 44.1 kHz, 16 บิต, สเตอริโอ นั่นคือ 44,100 ตัวอย่างต่อวินาที แต่ละตัวอย่างเขียนด้วย 16 บิต บนสองช่องเสียง เมื่อคูณกันได้ 1,411 kbps หรือราว 10.6 MB ต่อนาที โดยไม่มีการบีบอัด

เสียงโมโนแย่กว่าสเตอริโอหรือเปล่า

ไม่เสมอไป โมโนมีหนึ่งช่อง ซึ่งพอสำหรับเสียงพูด พอดแคสต์ และการบรรยาย และไฟล์โมโนใช้บิตเรตทั้งหมดกับช่องเดียวนั้นได้ ดนตรีที่มิกซ์เป็นสเตอริโอจะเสียความกว้างซ้ายขวาเมื่อรวมเป็นโมโน จึงควรเก็บสเตอริโอไว้สำหรับเพลง

เสียงแบบไม่สูญเสีย (lossless) คืออะไร

เสียงแบบไม่สูญเสียถูกบีบอัดโดยไม่ตัดอะไรทิ้ง การเล่นจึงคืนตัวอย่างเดิมที่ใส่เข้าไปทุกตัว FLAC และ ALAC ทำงานแบบนี้ และมักย่อไฟล์ WAV เหลือราว 50 ถึง 70 เปอร์เซ็นต์ของขนาดเดิม ไฟล์แบบไม่สูญเสียที่ทำจากต้นทางแบบสูญเสียไม่ได้ดีขึ้น เพียงเก็บส่วนที่เสียไปแล้วไว้เท่าเดิม

PCM คืออะไร

PCM หรือ pulse-code modulation คือรูปแบบเสียงดิจิทัลดิบแบบไม่บีบอัด เป็นรายการค่าตัวอย่างโดยไม่มีอะไรถูกตัดและไม่มีอะไรถูกบีบ ไฟล์ WAV และ AIFF มักบรรจุ PCM แผ่นซีดีเพลงก็เช่นกัน โคเดกอื่นทุกตัวเริ่มจาก PCM และกลับไปเป็น PCM ตอนเล่น

อัปเดตเมื่อ: