Аудиокодек

Аудиокодек — это устройство или программа, предназначенные для преобразования аналогового звукового сигнала в цифровой вид (кодирование) и обратно (декодирование), а также для сжатия цифрового аудиопотока с целью уменьшения объёма данных при сохранении приемлемого качества звучания. Термин образован от слов «кодер» и «декодер». Аудиокодеки являются ключевым компонентом систем записи, хранения, передачи и воспроизведения звука — от цифровых музыкальных плееров и видеозвонков до стриминговых сервисов и систем распознавания речи.

Принцип работы

Основная задача аудиокодека — преобразование непрерывного аналогового сигнала (звуковой волны) в дискретный цифровой поток, который может быть обработан, сохранён или передан по каналам связи. Этот процесс включает несколько этапов:

1. Дискретизация (сэмплирование): Измерение амплитуды сигнала через равные промежутки времени. Частота дискретизации (сэмплрейт, измеряется в герцах, Гц) определяет, сколько раз в секунду берётся отсчёт. Чем выше частота, тем точнее цифровая копия исходного сигнала. Стандартные значения: 44,1 кГц (компакт-диски), 48 кГц (DVD, профессиональное видео), 96 кГц и 192 кГц (высокое разрешение).
2. Квантование: Каждому отсчёту присваивается числовое значение из конечного набора. Разрядность квантования (битность) определяет количество возможных уровней громкости. Чем выше битность, тем меньше шум квантования и больше динамический диапазон. Стандартные значения: 16 бит (CD-качество), 24 бита (студийная запись).
3. Кодирование (сжатие): Полученный цифровой поток может быть сжат для уменьшения объёма. Сжатие бывает:

• Без потерь (lossless): Позволяет восстановить исходные данные с абсолютной точностью. Примеры: FLAC, ALAC, WAV (без сжатия), APE.
• С потерями (lossy): Удаляет часть аудиоинформации, неразличимой или малозаметной для человеческого уха (согласно психоакустической модели). Это позволяет достичь гораздо большей степени сжатия (в 5–10 раз и более), но с необратимой потерей качества. Примеры: MP3, AAC, Ogg Vorbis, Opus.

Классификация аудиокодеков

Аудиокодеки можно классифицировать по нескольким признакам.

По типу реализации

• Программные кодеки: Реализованы в виде программного обеспечения (библиотек, драйверов, плагинов). Работают на универсальных процессорах (CPU) или графических процессорах (GPU). Примеры: LAME (MP3), libvorbis, libopus, кодеки FFmpeg.
• Аппаратные кодеки: Реализованы в виде специализированных микросхем (DSP — цифровые сигнальные процессоры, ASIC — специализированные интегральные схемы). Обеспечивают низкое энергопотребление и высокую производительность, что критично для мобильных устройств, Bluetooth-гарнитур и встраиваемых систем. Примеры: Qualcomm aptX, Sony LDAC, Cirrus Logic.

По методу сжатия

• Кодеки без потерь (Lossless): Сохраняют исходное качество. Используются для архивирования, профессионального звука и аудиофильского прослушивания. Размер файла обычно в 2–3 раза меньше несжатого WAV.
• FLAC (Free Lossless Audio Codec): Самый популярный открытый кодек без потерь. Поддерживает метаданные, обложки, многоканальный звук.
• ALAC (Apple Lossless Audio Codec): Проприетарный кодек Apple, используемый в iTunes и устройствах Apple.
• WAV (Waveform Audio File Format): Контейнер, часто содержащий несжатый PCM-поток. Формально не является кодеком, но используется как эталон.
• Кодеки с потерями (Lossy): Обеспечивают высокую степень сжатия за счёт отбрасывания «неважной» информации. Широко используются в интернете, мобильных устройствах и бытовой технике.
• MP3 (MPEG-1/2 Audio Layer III): Исторически первый массовый кодек с потерями. Долгое время был стандартом де-факто. Обеспечивает приемлемое качество при битрейте 128–320 кбит/с.
• AAC (Advanced Audio Coding): Более современный и эффективный кодек, чем MP3. Используется в iTunes, YouTube, Nintendo Switch, PlayStation. При одинаковом битрейте звучит качественнее MP3.
• Ogg Vorbis: Открытый кодек, свободный от патентных ограничений. Используется в играх (например, в файлах ресурсов), в контейнерах Matroska (MKV) и в некоторых стриминговых сервисах.
• Opus: Современный универсальный открытый кодек, разработанный IETF. Объединяет в себе лучшие качества кодека речи (SILK) и кодека общего назначения (CELT). Обеспечивает наилучшее качество при низких (6–12 кбит/с) и средних (64–128 кбит/с) битрейтах. Используется в Discord, WhatsApp (продукт Meta, признанной экстремистской и запрещённой в РФ), WebRTC, YouTube.
• WMA (Windows Media Audio): Проприетарный кодек Microsoft.

По области применения

• Речевые кодеки: Оптимизированы для передачи человеческой речи (диапазон частот 300–3400 Гц). Используются в телефонии (VoIP, GSM). Примеры: G.711, G.729, AMR, SILK.
• Музыкальные кодеки общего назначения: Оптимизированы для передачи сложного музыкального сигнала с широким частотным диапазоном. Примеры: MP3, AAC, Vorbis, Opus.
• Кодеки для Bluetooth: Специализированные кодеки для беспроводной передачи аудио по Bluetooth. Влияют на задержку и качество звука.
• SBC (Subband Coding): Стандартный кодек Bluetooth. Обеспечивает базовое качество, часто с заметными потерями.
• AAC: Используется в устройствах Apple.
• aptX, aptX HD, aptX Adaptive: Проприетарные кодеки Qualcomm, обеспечивающие более высокое качество и низкую задержку.
• LDAC: Проприетарный кодек Sony, способный передавать звук с битрейтом до 990 кбит/с, близким к lossless-качеству.
• LC3 (Low Complexity Communication Codec): Новый стандарт для Bluetooth LE Audio, обеспечивающий лучшее качество при меньшем битрейте, чем SBC.

Основные характеристики

• Битрейт (Bitrate): Количество данных, передаваемых или обрабатываемых в единицу времени (обычно в кбит/с). Чем выше битрейт, тем выше потенциальное качество, но больше размер файла. Для кодеков с потерями различают постоянный (CBR) и переменный (VBR) битрейт.
• Задержка (Latency): Время между поступлением звукового сигнала на вход кодера и его воспроизведением на выходе декодера. Критично для интерактивных приложений (видеозвонки, игры, живые выступления). Речевые кодеки обычно имеют низкую задержку (менее 20 мс), в то время как некоторые музыкальные кодеки могут иметь задержку в несколько сотен миллисекунд.
• Сложность (Complexity): Требования к вычислительной мощности процессора. Высокая сложность может приводить к увеличению энергопотребления и нагреву устройства.
• Психоакустическая модель: Для кодеков с потерями — набор алгоритмов, моделирующих особенности восприятия звука человеком (маскирование тихих звуков громкими, частотная чувствительность уха). Качество работы психоакустической модели напрямую влияет на воспринимаемое качество при низких битрейтах.

История развития

• 1970-е – 1980-е: Разработка первых алгоритмов сжатия речи для цифровой телефонии (PCM, ADPCM). Появление стандарта MPEG-1.
• 1993: Публикация стандарта MPEG-1 Audio Layer III (MP3). Начало эры цифрового аудио.
• 1997: Появление формата AAC (MPEG-2 AAC).
• 2000-е: Бурное развитие интернета и файлообменных сетей. Популяризация MP3. Появление открытых кодеков Ogg Vorbis (2000) и FLAC (2001).
• 2010-е: Разработка кодека Opus (2012), ставшего стандартом для интернет-телефонии и стриминга. Развитие Bluetooth-кодеков высокого разрешения (aptX HD, LDAC).
• 2020-е: Внедрение Bluetooth LE Audio с кодеком LC3. Развитие кодеков на основе нейросетей (например, Lyra от Google, EnCodec от Meta — организация признана экстремистской и запрещена в РФ). Рост интереса к lossless-аудио в стриминговых сервисах (Apple Music, Amazon Music, «Яндекс.Музыка»).

Применение

• Цифровое вещание: DAB, DVB.
• Интернет-телефония и видеоконференции: Skype, Zoom, Discord, Telegram.
• Стриминговые сервисы: Spotify, Apple Music, YouTube Music, «Яндекс.Музыка».
• Хранение и распространение музыки: CD, цифровые магазины (iTunes Store, Bandcamp).
• Мобильные устройства: Смартфоны, плееры, Bluetooth-наушники и колонки.
• Профессиональная звукозапись и кинопроизводство: DAW (цифровые звуковые рабочие станции), кодеки для кино (Dolby Digital, DTS).
• Игры: Озвучка, музыка, звуковые эффекты.
• Системы распознавания речи и голосовые помощники: «Алиса», «Салют», Google Assistant, Siri.

Критика и ограничения

Основная критика в адрес кодеков с потерями связана с необратимой потерей качества. При низких битрейтах (например, 64 кбит/с для MP3) возникают артефакты сжатия — «звон», «бульканье», потеря высоких частот и детализации. Разные кодеки по-разному справляются с этой задачей: Opus и AAC при низких битрейтах звучат значительно лучше, чем MP3.

Патентные ограничения долгое время сдерживали развитие открытых кодеков. MP3 и AAC требуют лицензирования, что влияет на стоимость устройств и программного обеспечения. В отличие от них, Ogg Vorbis и Opus являются свободными.

Аппаратные кодеки в Bluetooth-гарнитурах часто имеют ограниченный набор поддерживаемых профилей и кодеков, что может приводить к несовместимости устройств и снижению качества при использовании неоптимального кодека.

Источники

1. Борзенко, А. Е. (2005). Мультимедиа для всех. Москва: КомпьютерПресс.
2. Ватолин, Д. С. (2003). Сжатие аудио- и видеоинформации. Москва: МГУ.
3. ITU-T Recommendation G.711. (1988). Pulse Code Modulation (PCM) of Voice Frequencies.
4. ISO/IEC 11172-3. (1993). Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 3: Audio.
5. RFC 6716. (2012). Definition of the Opus Audio Codec.
6. Bluetooth SIG. (2020). LE Audio Specification.
7. Документация к библиотекам LAME, libvorbis, libopus, FFmpeg.