Zvukový súborový formát

Digitalizácia analógového zvukového signálu sa robí prevodom signálu v pravidelných intervaloch. Čím kratšie budú intervaly, tým viac meraní (vzoriek) urobíme za určitý časový úsek a tým presnejšie priebeh zvuku zachytíme. Získame tak kvalitnejší záznam. Počet meraní za určitú časovú jednotku sa nazýva vzorkovacia frekvencia (sampling rate) a udáva sa v kHz (napr. frekvencii 11 kHz zodpovedá 11 000 meraní za sekundu)

Najnižšie hodnoty vzorkovacej frekvencie sa používajú pri digitalizácii telefónneho hovoru (bežne je to 8 kHz). Jednou z najnižších používaných hodnôt vzorkovacej frekvencie je 11,025 kHz. Ďalej sa používa 22,05 kHz a pre digitalizáciu veľmi kvalitnej nahrávky, zodpovedajúcej kvalite CD audio nahrávky, sa používa frekvencia 44,1 kHz a 48 kHz, čo predstavuje 44 100 a 48 000 vzoriek za sekundu.

Ďalším parametrom kvality nahrávky je veľkosť vzorky (sample size) alebo bitová hĺbka. Udáva sa v počte bitov. Čím väčší počet bitov, tým presnejší údaj získame a môžeme zachytiť väčšie rozdiely v hlasitosti. Pre uloženie nameranej hodnoty sa používa najmenej 1 byte, t. j. 8 bitov, pri kvalitných nahrávkach sa využíva 16 bitov, pri stereo hudbe potom máme dvakrát 16 bitov. Audacity pracuje s bítovou hĺbkou 32 bitov.

Vzorkovanie a prevod analógového signálu sa robí pomocou prevodníka A/D (analog-to-digital) zvyčajne uloženého na zvukovej karte. Pri prehrávaní záznamu treba spätne digitálny signál previesť na analógový pomocou prevodníka D/A. Na kvalite analógovo-digitálneho prevodníka (zvukovej karty) závisí kvalita výsledného digitalizovaného zvuku. Najčastejšou metódou prevodu analógového signálu na digitálny je Pulzná kódová modulácia (PCM).

Kvalita stratovo komprimovaného audio sa najčastejšie vyjadruje v kbit/s.

Digitálny signál s dĺžkou 10 minút vytvorený pomocou PCM v základnom formáte môže mať nasledovnú veľkosť:

• pri vzorkovaní 8 kHz a 8 bitovej vzorke 4,8 MB (klasický telefónny prístroj)
• pri vzorkovaní 22,05 kHz a 8 bitovej vzorke 13,23 MB (rozhlasové vysielanie FM)
• pri vzorkovaní 44,1 kHz a 16 bitovej vzorke 105,84 MB (CD kvalita)

Zvukové súbory obsahujú zvuk v rôznych formátoch. Formáty digitalizovaného zvuku môžeme rozdeliť na nekomprimované (zaberajú na disku viac miesta) a komprimované, ktoré sú pri porovnateľnej kvalite menšie a sú vhodné aj na prenos po internete. Formáty bez kompresie ukladajú zvukové dáta v takej podobe ako boli získané digitalizáciou. Formáty s kompresiou tieto dáta ďalej upravujú. Pod pojmom kompresia sa rozumie znížiť množstvo výstupných dát, takže súbor zaberá menej miesta na disku.

Kompresné formáty sa rozdeľujú na stratové a bezstratové. Bezstratové kompresie odstraňujú len redundantnú časť dát tak, aby bolo možné vrátiť súbor do originálneho stavu. Stratové kompresie odstraňujú väčšie množstvo dát, takže sa nemôžeme vrátiť k pôvodnej kvalite. Štruktúra zvukového súboru pozostáva z hlavičky a samotných dát. V hlavičke sú uložené dôležité informácie ako dĺžka záznamu, počet kanálov, typ formátu, vzorkovacia frekvencia a pod.

Pre hudobné účely bol vyvinutý formát MIDI. MIDI predstavuje čisto digitálny zvuk, teda zvuk ktorý bol vytvorený priamo v počítači. MIDI súbory zaberajú na disku omnoho menej miesta ako zvukové vzorky a pritom ponúkajú vynikajúcu kvalitu zvuku.

Pre efektívnejšiu prácu so zvukovými súbormi sa používajú kodeky. Slovo kodek pochádza z angličtiny (codec) a je to skratka z dvoch slov COder a DECoder. Kodek slúži na zakódovanie a dekódovanie, inak povedané na kompresiu a dekompresiu zvuku. Je to ovládač, ktorý pridáva podporu pre nejaký konkrétny audio/video formát pre operačný systém. Vďaka kodeku operačný systém tento formát rozozná a dovolí ho prehrať (decode = dekóduje ho) alebo dovolí zmeniť ho na iný formát (encode = zakóduje).

Metódy kompresie sú kvôli vzájomnej kompatibilite aplikácií a technického vybavenia definované štandardami ISO (International Organization for Standardization), ITU (International Telecommunications Union) a IEC (International Electronical Commission). V súčasnosti existuje veľké množstvo kodekov, pričom mnohé z nich boli vytvorené pre špeciálne účely.

• RAW Audio (*.raw, *.pcm, *.sam.) je formát zvukových súborov na ukladanie nekomprimovaného zvuku v surovej podobe. Na rozdiel od ďalších neobsahuje žiadne informácie o zvuku hlavičke (napr. ako vzorkovacia frekvencia, bitová hĺbka, endian alebo počet kanálov a pod.).

Vznik súborov so stratovou kompresiou bol podmienený hlavne potrebou podstatne znížiť objem dát zvukových súborov. Mnohé z týchto formátov našli svoje uplatnenie najmä na sieti internet.

• MPEG Audio (*.mp1, *.mp2, *.mp3, *.m2a, *.m4a, *.mpa, *.mpg, *.mpeg, *.sws) – MPEG je stratovou kompresnou schémou založenou na psychoakustickom modeli ľudského ucha. MPEG má mnoho podôb, v závislosti od zložitosti použitých kompresií. Čím vyššia vrstva, tým vyššia kompresia a menšia veľkosť súboru.
• WMA (*.wma) – (Windows Media Audio) WMA vyvinula spoločnosť Microsoft ako odpoveď na obľúbený formát mp3.
• Vorbis - vyvinutý nadáciou Xiph.Org. Jeho účelom je nahradiť formát MP3. Zvyčajne je používaný v spojení s multimediálnym kontajnerom Ogg, Matroska alebo WebM.
• RealAudio (*.ra, *.rm, *.ram) – Tento formát získal svoju popularitu vďaka streamovaniu zvuku na webe ako prvý streamovací zvukový formát. Patrí medzi najstaršie formáty a má široké použitie. Vysoký kompresný pomer, ale nízka kvalita.

• MIKUŠ, Ľ.: Efektívna tvorba CBT kurzov, Žilinská univerzita, 2002. – 101 s. + CD-ROM, ISBN 80-7100-995-4
• GRACE, R.: Hudba a zvuk na počítači, GRADA Publishing, 2000, + CD, ISBN 80-7169-519-X