Кодеки для аудио. Что выбрать для обработки

Что ж, раз предыдущая тема про видео нашла отклик, продолжу. В этот раз обсудим аудиокодеки.

Звуковые кодеки — это алгоритмы или устройства, которые кодируют и декодируют аудиосигнал для хранения, передачи или воспроизведения.  Они преобразуют аналоговый звук в цифровой формат и обратно, а также могут сжимать данные для уменьшения размера файла или битрейта.

Ключевые параметры кодеков

• Частота дискретизации (44.1 кГц, 48 кГц и др.) — сколько раз в секунду измеряется звук.
• Разрядность (16, 24 бита) — точность измерения уровня сигнала.
• Битрейт — объём данных в секунду (например, 128-320 кбит/с у MP3).
• Задержка кодирования — важна в реальном времени (VoIP, Bluetooth).
• Частотный диапазон — узкополосный (до 3.4 кГц), широкополосный (до 7 кГц), полноспектральный (до 20 кГц).

Кодеки с потерями (lossy)

Lossy-аудиокодеки — это технологии сжатия звука, при которых часть аудиоданных удаляется для уменьшения размера файла.  Такое сжатие называют необратимым, потому что восстановить утерянную информацию невозможно.

Цель таких кодеков — достичь компромисса между качеством звука и размером файла. Они активно используются в повседневной жизни благодаря своей эффективности и широкой совместимости.

WMA (Windows Media Audio) 

Разработан Microsoft. Высокая степень сжатия, но уступает AAC и MP3 в качестве. 
Применение: Windows-устройства.

MP3 (MPEG-1 Layer III)

Самый распространённый формат. Хорошее соотношение размера и качества. Поддерживается везде. MP3 работает за счет удаления аудиочастот, которые человеческое ухо воспринимает слабо или не воспринимает вовсе — это называется психоакустическим моделированием. Алгоритм использует преобразование Фурье для анализа звукового сигнала и отсечения «избыточной» информации. В результате файл сжимается в 10-11 по сравнению с оригиналом, при этом сохраняется приемлемое качество звука.

Хотя MP3 уступил место более эффективным кодекам (AAC, Opus), он остаётся самым узнаваемым форматом и поддерживается всеми устройствами. В продаже и сегодня можно встретить устройства с таким названием: Ozon, WB, хотя, конечно, непосредственного отношения к MP3 они не имеют, поддержка воспроизводимых форматов шире.

История разработки MP3

• 1986 год — Карлхайнц Бранденбург и его команда начинают работу над сжатием аудио в рамках проекта EUREKA EU147.
• 1988 год — созданы первые прототипы формата, основанного на психоакустике и маскировке звука.
• 1989 год — Институт Фраунгофера получает немецкий патент на технологию MP3.
• 1991 год, 6 декабря — почти полный стандарт MPEG-1 Audio Layer III опубликован в открытом доступе.
• 1992 год — MPEG официально выбирает усовершенствованный кодек ASPEC в качестве основы для Layer III.
• 1994 год — выпуск первого кодировщика L3enc.
• Июль 1995 года — принято решение использовать расширение .mp3, что считается днём рождения формата.
• Сентябрь 1995 года — выпуск первого программного плеера WinPlay3.
• 1996 год — MP3 патентуется в США, начинается коммерциализация.
• 1998 год — появление первых портативных плееров (MPMan, Rio).
• 23 апреля 2017 года — истекают последние патенты, формат становится полностью открытым.

Особенности:

• Использует перцепционное кодирование — удаляет звуковые частоты, неразличимые для человеческого уха.
• Сжимает аудио до 1/10-1/12 исходного размера (например, с 1411 кбит/с у CD до 128 кбит/с).
• Поддерживает постоянный (CBR) и переменный (VBR) битрейт.
• Файл состоит из фреймов, каждый содержит заголовок и сжатые данные.
• Метаданные хранятся в ID3-тегах (название, исполнитель, обложка).

AAC (Advanced Audio Coding)

AAC (Advanced Audio Coding) — это аудиокодек с потерями, разработанный в 1997 году как часть стандарта MPEG-2 (ISO/IEC 13818-7), позже улучшенный в MPEG-4.  Создан совместно Fraunhofer IIS, Dolby, Sony, AT&T и другими. Целью было создание более эффективного аудиокодека, превосходящего MP3 по качеству, особенно на низких битрейтах. Стандартизирован MPEG (ISO/IEC 13818-7 и 14496-3) в 1997-1999 годах.  Участники разработки: Fraunhofer IIS, AT&T, Dolby, Sony, Nokia.

История:

• 1994 год — начало разработки AAC совместно Fraunhofer IIS, AT&T, Dolby, Sony и Nokia.
• 1997 год — AAC официально стандартизирован как часть MPEG-2 (ISO/IEC 13818-7).
• 1999 год — улучшенная версия включена в MPEG-4 (ISO/IEC 14496-3) с поддержкой технологии PNS (Perceptual Noise Substitution).
• 2003 год — выпуск HE-AAC (aacPlus), оптимизированного для низких битрейтов (32-48 кбит/с).
• 2004 год — представлен HE-AAC v2 с параметрическим стерео, обеспечивающим качество на битрейтах ~16 кбит/с.
• Апрель 2012 года — анонсирован xHE-AAC, поддерживающий адаптивную передачу от 12 до 300 кбит/с.

Ключевые особенности:

• Частота дискретизации: 8-96 кГц, поддержка до 48 каналов (включая 5.1 и 7.1).  
• Битрейт: от 8 до 320 кбит/с на канал
• Качество: превосходит MP3 при одинаковом битрейте, особенно на низких значениях. 128 кбит/с AAC ≈ 192 кбит/с MP3
• Технологии: использует MDCT (модифицированное дискретное косинусное преобразование), TNS, PNS, динамическое окно (256-2048 отсчёта).
• Профили: LC-AAC (наиболее распространён), HE-AAC (AAC+), xHE-AAC (до 12 кбит/с).
• Применение: Apple (iTunes, iOS), YouTube, Bluetooth, DAB+, потоковое вещание.
• Контейнеры: .m4a, .mp4, .aac, .adts.

Помню, как в конце нулевых я пережал музыку из распространённого тогда .mp3 — формата по умолчанию — в .aac, ещё ничего в этом не понимая. То было на телефоне и отличий на слух заметно не было, а размер уменьшился.

Для примера конвертировал большой аудиофайл через ffmpeg, изменив только расширение: в MP3 битрейт 256 кбит/с, а AAC 138 кбит/с. Обратите внимание на выходной размер.

ffmpeg -i 'file.mp3' 'file.aac'

Сравнение MP3 и AAC

AAC был разработан в рамках международного проекта под руководством MPEG (Moving Picture Experts Group). Таким образом, AAC появился как преемник MP3, предлагающий лучшее качество звука, поддержку многоканального аудио и более гибкие алгоритмы сжатия.

Качество и сжатие

• AAC обеспечивает лучшее качество звука при одинаковом битрейте, особенно на низких значениях (ниже 160 кбит/с).
• Причина — более совершенные алгоритмы, включая модель восприятия звука и динамическое переключение размера окон (MDCT), что снижает артефакты, такие как «кваканье».
• AAC использует меньшие семплы (120-128) против 192 у MP3, что позволяет точнее кодировать аналоговый сигнал.

Технические возможности

• Частотный диапазон: AAC поддерживает частоты от 8 до 96 кГц, MP3 — от 16 до 48 кГц.
• Количество каналов: AAC поддерживает до 48 каналов (включая 5.1 объёмный звук), MP3 — максимум 2 (стерео).
• AAC имеет разные профили сжатия (например, LC, HE-AAC), позволяя гибко управлять качеством и размером

Вывод

• AAC лучше по качеству и эффективности, особенно при экономии места.
• MP3 лучше по совместимости, но уступает в технических возможностях.

Vorbis

OggVorbis — это открытый аудиокодек с потерями, разработанный Xiph.Org Foundation как свободная альтернатива MP3, AAC и WMA и был официально представлен летом 2002 года. Используется в играх и вебе (например, WebM). Кодек Vorbis обычно упаковывается в контейнер Ogg, поэтому файлы имеют расширение .ogg или .oga.

Формат предназначен для хранения аудио среднего и высокого качества (от 8 кГц до 48 кГц, 16+ бит, многоканальный звук) при фиксированном или переменном битрейте — от 16 до 256 кбит/с на канал.

Термин «Ogg Vorbis» часто используется как единое название, но на самом деле он состоит из двух компонентов:

• Vorbis — сам аудиокодек (сжатие с потерями), а Ogg — контейнер, в котором он обычно хранится (отсюда название Ogg Vorbis).
• Появился в 2000 году, официальный выпуск — 2002 год.
• Поддерживает частоты от 8 до 192 кГц, до 255 каналов, переменный битрейт (VBR) и качество выше MP3 при том же размере.
• Использует UTF-8 для метаданных, что позволяет писать на разных языках.
• Применяется в играх (Unreal Tournament), WebM (с VP8/VP9), потоковом вещании (Icecast) и подкастах.
• Бесплатен и не запатентован, что делает его привлекательным для разработчиков.

Файлы имеют расширение .ogg и хорошо подходят для интернет-трансляций и хранения музыки без лицензионных ограничений. Хотя Vorbis чаще всего используется с контейнером Ogg (и такие файлы имеют расширение .ogg), он может применяться и в других контейнерах. Однако в большинстве случаев под «Ogg Vorbis» понимают именно аудиофайл в контейнере Ogg с кодированием Vorbis.

Я в своей практике пережатия видео со звуком в кодек Vorbis (libvorbis) сталкивался, что у людей отсутствовал звук. По этой причине звук я теперь жму в Opus (libopus), который ещё лучше сохраняет место накопителя и тоже открытый.

Преимущества Vorbis:

• Меньший размер по сравнению с MP3 при том же качестве.
• Открытый исходный код (лицензия BSD).
• Хорошо работает на низких битрейтах (например, 64-128 кбит/с).

Последняя версия — libvorbis 1.3.7 (2020 год). Активно используется, но постепенно дополняется более современным Opus.

Opus

Opus — это современный аудиокодек с открытым исходным кодом, разработанный IETF (Internet Engineering Task Force) и стандартизированный в RFC 6716.  Используется для передачи речи и музыки в реальном времени. Разработка началась в 2010 году как совместный проект IETF, объединивший технологии SILK (от Skype) и CELT (от Xiph.Org). Официальный релиз стандарта RFC 6716 состоялся 11 сентября 2012 года.

Ключевые особенности:

• Низкая задержка: от 2,5 до 60 мс — идеален для VoIP, видеоконференций и стриминга.
• Гибкость: поддерживает битрейт от 6 до 510 кбит/с, частоту дискретизации от 8 до 48 кГц.
• Поддержка моно и стерео, а также до 255 каналов (мультисемпл).
• Динамическая настройка: можно менять битрейт, частоту и размер кадра «на лету» без разрыва потока.
• Высокое качество: превосходит MP3 и AAC при низких битрейтах, особенно в речи.

Преимущества Opus перед OggVorbis:

• Лучшее качество на низких битрейтах (до 96 кбит/с), особенно для речи и музыки.
• Гибкость: объединяет технологии SILK (для речи) и CELT (для музыки), автоматически адаптируясь к типу аудио.
• Меньший размер файла при одинаковом качестве.
• Не требует больших кодовых книг, эффективен даже для коротких аудиофрагментов.
• С 2013 года Xiph.Org рекомендует Opus вместо Vorbis для новых проектов.

Вот для примера тот же файл, но пережатый уже в Opus и .mkv

ffmpeg -i 'file.mp3' -c:a libopus 'file.opus'

Вывод: 
Opus — современный стандарт для интернет-аудио, тогда как Vorbis остаётся актуальным в основном для совместимости с устаревшими системами. Opus превосходит Vorbis по качеству, латентности и универсальности, особенно при низких битрейтах и в реальном времени.

Кодеки без потерь (lossless)

Lossless-аудиокодеки — это форматы, которые сжимают звук без потери качества.  При декодировании файл восстанавливается точно в исходный вид, как если бы сжатия не было.  Они используются для хранения музыки в высоком качестве, архивации и прослушивания на Hi-Fi-оборудовании.

WAV и AIFF

Без сжатия. Качество CD, но огромные файлы.
Применение: студийная запись, монтаж.

WAV (Waveform Audio File Format) и AIFF (Audio Interchange File Format) — это форматы без сжатия, сохраняющие полное качество аудио (например, CD — 44.1 кГц, 16 бит).

WAV

• Разработан Microsoft и IBM.
• Основан на формате RIFF.
• Универсальный — поддерживается на всех платформах.
• Не поддерживает метаданные (ID3-теги) в чистом виде, хотя есть расширения (WAVEX)

AIFF

• Разработан Apple.
• Основан на формате IFF.
• Используется в экосистеме Apple (macOS, Logic Pro).
• Поддерживает метаданные (автор, название, обложка).

Сравнение

• Качество одинаковое — оба хранят PCM-аудио без потерь.
• Размер файлов большой: ~10 МБ на минуту (16 бит, 44.1 кГц).
• Использование: студийная запись, архивация, монтаж.

На практике — WAV для Windows, AIFF для macOS, но оба работают на любой системе.

FLAC

Открытый, поддерживает теги и метаданные. На 40-60% меньше, чем WAV.  
Применение: архивация, аудиофилы.

FLAC — это аудиокодек без потерь, разработанный в 2001 году инженером Джошем Коулсоном из фонда Xiph.Org Foundation. Сжимает аудио без потерь на 50-70%, поддерживает до 32 бит/655 кГц, метаданные, контрольные суммы и открытый исходный код. Используется для архивирования CD, Hi-Fi стриминга и прослушивания на качественной аппаратуре.

История:

• 2000 год — разработка начата Джошем Коулсоном.
• 15 января 2001 — выпуск бета-версии FLAC 0.5.
• 20 июля 2001 — выход первой стабильной версии FLAC 1.0.
• 29 января 2003 — проект включён в Xiph.Org Foundation.
• 17 сентября 2007 — добавлена поддержка AIFF/RIFF метаданных (версия 1.2.1).
• 26 мая 2013 — выпуск FLAC 1.3.0, переход на Git-репозиторий Xiph.Org.
• 25 ноября 2014 — улучшена производительность кодирования/декодирования (SSE/AVX).
• Декабрь 2024 — формат стандартизирован IETF как RFC 9639.
• 11 февраля 2025 — выход версии FLAC 1.5.0.

Особенности:

• Без потерь: сохраняет 100% исходного аудиосигнала, в отличие от MP3 и AAC.
• Сжатие: уменьшает размер файла на 30-60% по сравнению с WAV, без ухудшения качества.
• Поддержка высокого качества: до 32 бит/655 кГц, включая форматы выше CD (24 бит/192 кГц).
• Открытый исходный код: бесплатен, не запатентован, поддерживается на всех платформах.
• Метаданные: поддержка тегов (включая ID3), обложек, разметки на треки.
• Потоковое воспроизведение: каждый кадр независим, что позволяет быстро декодировать и искать фрагменты.
• Устойчивость к ошибкам: повреждение одного кадра не ломает весь файл.
• Архивирование: идеален для резервного копирования аудиодисков (например, CD) в один файл.

FLAC — лучший выбор для аудиофилов и тех, кто ценит качество звука.

ALAC (Apple Lossless Audio Codec)

Аналог FLAC от Apple. Полная интеграция с экосистемой Apple.
Применение: iTunes, iPhone.

История:

• 28 апреля 2004 года — ALAC впервые представлен в QuickTime 6.5.1 и iTunes 4.5.
• 27 октября 2011 года — Apple открыла исходный код под лицензией Apache 2.0, сделав формат открытым и бесплатным.
• Использует контейнер MP4 с расширением .m4a (таким же, как AAC), что может вызывать путаницу.
• Поддерживает до 8 каналов, глубину до 32 бит и частоту до 384 кГц.
• Сжимает аудио на 40-60% без потерь, аналогично FLAC.
• Не использует DRM, но может работать с ним через контейнер.
• Широко поддерживается: все устройства Apple, VLC, Windows 10+, Spotify, Plex, Kodi.
• С 2021 года — основа Lossless-аудио в Apple Music (до 24 бит/192 кГц).

Особенности:

• Сжатие без потерь: сохраняет 100% оригинального звука, уменьшая размер файла на 40-60%.
• Формат и контейнер: использует MP4-контейнер с расширением .m4a, но не является AAC.
• Поддержка качества: до 24 бит/192 кГц (Hi-Res), 8 каналов.
• Совместимость: нативная поддержка на всех устройствах Apple, а также в VLC, Windows 10+, Spotify, Plex.
• Открытый исходный код: с 2011 года доступен под лицензией Apache 2.0.
• Без DRM: сам кодек не использует защиту, но контейнер позволяет её добавить.
• Эффективность декодирования: оптимизирован для устройств с низким энергопотреблением (например, iPod).
• Интеграция: основа Lossless-аудио в Apple Music.

Совместимость ALAC с другими платформами и ПО

• Apple: нативная поддержка на всех устройствах (iPhone, iPad, Mac, Apple TV).
• Windows: поддерживается с Windows 10 версии 1809 и выше (через Groove Music, Windows Media Player, VLC).
• Android: воспроизведение возможно через VLC, Poweramp, Foobar2000 и другие сторонние плееры.
• ПО с поддержкой: VLC Media Player, Foobar2000, Winamp, Spotify (только загрузка), Plex, Kodi.
• Контейнер: ALAC хранится в .m4a (MP4), что обеспечивает широкую совместимость с проигрывателями, поддерживающими этот контейнер.

Хотя ALAC изначально разрабатывался для экосистемы Apple, с открытием исходного кода и поддержкой VLC он стал хорошо совместим с Windows, Linux, Android и кроссплатформенными приложениями.

Подводя итоги

Если меня спросить, то сегодня для кодирования звука я выбираю Opus (libopus), так как он является современной заменой для некогда актуальных MP3 и AAC.  Звук в фильмах и сегодня встречается именно в aac, но opus уменьшает размер файла при пережатии, что уже является хорошим основанием для выбора. Opus выбран потому, что он открытый, экономит место и лучше с технической точки зрения.

Что до flac: ничего против него не имею, предпочту скачать музыку именно с расширением .flac, хотя мой самый обычный ПК не обладает продвинутой звуковой картой и акустикой, то есть разницы в звучании я не замечу, скорее всего. Некогда хорошие уши HD280 Pro уже изрядно поистрепались (амбюшуры), поэтому не ожидаю от них получить чего-то выше среднего. Но однажды это может измениться: обзаведусь внешней звуковой, которая уже раскрасит звучание, обновлю наушники и/или колонки. Место на диске для flac'ов имеется, но не часто, к сожалению, встречается такая музыка в раздачах.