perceptual coding

Mit jelent?

Egy zsúfolt buliban nem hallod, mit suttog valaki a hangfal mellett. Ha ezt a suttogást kitörölnék a felvételből, senki sem venné észre. A perceptual coding (hallásalapú kódolás) pontosan erre épít.

A kódoló egy hallásmodellt használ, ami leírja, mit hallunk és mit nem. Két fő szabály dolgozik benne. Az egyik a masking (elfedés): egy hangos hang eltakarja a közeli frekvenciájú halkabbakat. A másik a hallásküszöb: a nagyon halk hangokat egyáltalán nem érzékeljük, és ez a határ frekvenciánként más.

A kódoló a hangot sok keskeny frekvenciasávra bontja. Ahová a modell szerint úgysem figyelünk, oda kevés bitet vagy semmit sem ad. A megspórolt biteket a jól hallható részekre költi.

Hol találkozol vele?

• Minden lossy (veszteséges) formátumban: az MP3, az AAC és az Opus mind ezen az elven működik, más-más hallásmodellel.
• Alacsony bitrate (adatsebesség) esetén: ha kevés a bit, a kódoló a hallható részekből is kénytelen elvenni. Ekkor jelenik meg a fátyolos, zizegő artifact (mellékhang).
• Cintányéroknál és zengetésnél: ezek zajszerű, magas hangjai általában elsőként sínylik meg a túl erős tömörítést.

Gyakori félreértés

• „Amit eldob, azt senki sem hallja.” A modell átlagos hallgatóra és helyzetre épül. Jó fülhallgatón, ismerős dalnál sokan meghallják a különbséget, főleg kis bitrate-nél.
• „A perceptual coding egy fájlformátum.” Nem formátum, hanem elv. Minden codec (kódoló-dekódoló) a saját módján valósítja meg.