MP3

MPEG-1 Audio Layer 3
Förlängning .mp3[ett]
MIME -typ audio/mpeg [2] , audio/MPA [3] och audio/mpa-robust [4]
Utvecklaren Fraunhofer Society , Karlheinz Brandenburg , Heinz Gerhäuser [d] , Bernhard Grill [d] och Harald Popp [d]
publiceras 1993
Formattyp ljudformat
 Mediafiler på Wikimedia Commons

MP3 (mer exakt, engelska  MPEG-1/2/2.5 Layer 3 ; men inte MPEG-3 ) är ett filformat som utvecklats av MPEG -teamet för att lagra ljudinformation . Formatet licensierades , men den 23 april 2017 gick alla patent ut och licensavgifterna upphörde [5] .

MP3 är ett av de vanligaste och populäraste digitala ljudkodningsformaten . Det används ofta i fildelningsnätverk för utvärderande musiknedladdningar . Formatet kan spelas på nästan alla populära operativsystem , på de flesta bärbara ljudspelare , och stöds även av alla moderna modeller av musikcenter och DVD-spelare .

MP3-formatet använder en förlustkompressionsalgoritm utformad för att avsevärt minska mängden data som krävs för att spela upp en inspelning och ge en ljudåtergivningskvalitet nära originalet (enligt de flesta lyssnare), men med en märkbar kvalitetsförlust när den hörs på ett kvalitetsljudsystem . Principen för komprimering är att minska noggrannheten hos vissa delar av ljudströmmen, vilket är praktiskt taget omöjligt att särskilja för att höra på den allestädes närvarande utrustningen för återgivning av lågfilighetsljud (till exempel den dominerande majoriteten av bärbara enheter, ljudkort, stereoapparater, bilradioapparater och annan icke-speciell utrustning), såväl som för personer som är äldre, på grund av naturliga åldersrelaterade förändringar i hörapparaten, men är i de flesta fall tydligt urskiljbara på högfientlig ljudutrustning . Denna metod kallas perceptuell kodning [6] . Samtidigt, i det första steget, konstrueras ett ljuddiagram i form av en sekvens av korta tidsintervall, sedan tas information som inte kan särskiljas av det mänskliga örat bort från det, och den återstående informationen lagras i en kompakt form. Detta tillvägagångssätt liknar den komprimeringsmetod som används vid komprimering av bilder till JPEG-format . [ förtydliga ] Att skapa en MP3 med en genomsnittlig bithastighet på 128 kbps resulterar i en fil som är ungefär 1/11 av storleken på den ursprungliga CD-Audio-filen ( det okomprimerade CD-Audio-formatet i sig har en bithastighet på 1411,2 kbps). MP3-filer kan skapas med hög eller låg bithastighet, vilket påverkar kvaliteten på den resulterande filen.

Historik

MP3 utvecklades av en arbetsgrupp från Fraunhofer Institute ( tyska:  Fraunhofer-Institut für Integrierte Schaltungen ) ledd av Karlheinz Brandenburg och universitetet i Erlangen-Nürnberg i samarbete med AT&T Bell Labs och Thomson (Johnson, Stoll, Deeri, etc.) .

Utvecklingen av MP3 baserades på den experimentella codec ASPEC (Adaptive Spectral Perceptual Entropy Coding). Den första MP3-kodaren var L3Enc , som släpptes sommaren 1994. Ett år senare dök den första mjukvaru-MP3-spelaren upp  - Winplay3 .

Vid utvecklingen av algoritmen utfördes tester på ganska specifika populära kompositioner. Suzanne Vegas " Tom's Diner " blev huvudlåten . Därav skämtet om att "MP3 skapades enbart för att bekvämt lyssna på Brandenburgs favoritlåt", och Vega började kallas "MP3:s moder".

En nästan komplett standard dök upp i det offentliga området den 6 december 1991 .

Den 23 april 2017 gick de sista patenten för formatet ut och royaltybetalningar från mjukvara och inbyggda leverantörer stoppades [7] [8] . Fraunhofer Institute tillkännagav uppsägningen av licensieringen av formatet på sin officiella webbplats [9] . Och även om mp3-formatet fortfarande är mycket populärt bland användare, har de flesta radiostationer och TV-kanaler gått över till att använda moderna codecs som ger bättre komprimering och mindre förlust av ljudkvalitet.

Formatbeskrivning

Precis som JPEG-formatet använder MP3 spektral klippning, enligt den psykoakustiska modellen . Ljudsignalen är uppdelad i segment med lika lång varaktighet, som var och en efter bearbetning packas i sin egen ram (ram). Nedbrytning till ett spektrum kräver kontinuiteten hos insignalen, därför används även föregående och nästa ramar för beräkningar. I ljudsignalen finns övertoner med mindre amplitud och övertoner som ligger nära mer intensiva - sådana övertoner är avskurna, eftersom det genomsnittliga mänskliga örat inte alltid kan avgöra närvaron eller frånvaron av sådana övertoner. Denna funktion av hörsel kallas maskeringseffekten . Det är också möjligt att ersätta två eller flera närliggande toppar med en i genomsnitt (vilket i regel leder till ljuddistorsion). Avskärningskriteriet bestäms av utgångsströmkravet. Eftersom hela spektrumet är relevant, skärs inte högfrekventa övertoner av, som i JPEG , utan tas endast bort selektivt för att minska informationsflödet på grund av spektrats sällsynthet. Efter spektral "svepning" tillämpas matematiska metoder för komprimering och packning i ramar. Varje ram kan ha flera behållare, vilket gör att du kan lagra information om flera strömmar (vänster och höger kanal eller centerkanal och kanalskillnad). Kompressionsförhållandet kan varieras, inklusive inom en ram. Området för möjliga bithastighetsvärden är 8-320 kbit/s .

MP3 och "Ljud-CD-kvalitet"

Tidigare ansågs det allmänt att 128 kbps -inspelning var lämplig för musik avsedd för att lyssna på de flesta människor, vilket ger ljudkvaliteten för Audio-CD . I verkligheten är allt mycket mer komplicerat. För det första beror kvaliteten på den resulterande MP3 inte bara på bithastigheten utan också på kodningsprogrammet ( codec ) (standarden anger inte kodningsalgoritmen, den beskriver bara presentationsmetoden). För det andra, förutom det rådande CBR-läget (Constant Bitrate) (i vilket, med andra ord, varje sekund av ljud är kodad med samma antal bitar), finns det ABR (Average Bitrate) och VBR (Variable Bitrate) lägen. För det tredje är gränsen på 128 kbps godtycklig, eftersom den valdes i en tid präglad av formatets bildande, när uppspelningskvaliteten för de flesta digitala ljudsystem som regel var lägre än för närvarande. Grovt sett motsvarar påståendet om "Audio-CD-kvalitet" vid 128 kbps gränsen för relativt bekvämt lyssnande på musik, under vilken det finns en kraftig ljudförsämring i alla MP3-kodningsprogram.

2008 är MP3-filer med en bithastighet på 192 kbps vanligast, vilket indirekt kan tyda på att majoriteten anser att denna bithastighet är tillräcklig. Den faktiska upplevda "kvaliteten" beror på källljudfilen, lyssnaren och deras ljudsystem. Vissa musikälskare föredrar att komprimera musik med "maximal kvalitet" - 320 kbps, eller till och med byta till förlustfria codecs, som FLAC . Det finns också en åsikt bland musikälskare / audiofiler att vissa sampel (fragment av en ljudinspelning) inte är mottagliga för högkvalitativ förlustkomprimering: vid alla möjliga bithastigheter är det inte svårt att skilja komprimerat ljud från originalet. Men det finns också allvarliga invändningar [10] :

Det är ganska uppenbart att (låt oss ta det med marginal) en bithastighet på 256 kbps i de allra flesta fall borde vara mer än tillräckligt för bekväm uppfattning av musik från en CDA-källa (44 kHz/16 bitar/stereo). Detta är uppenbart inte bara från mitt hemodlade test, utan också från analysen av professionella blindtester (till exempel den tyska upplagan av "c't", juni 2000): även i dem kan experter inte alltid " gissa" ljudet komprimerat till 256 kbps, dessutom sker testning i speciellt förberedda rum och på dyr utrustning, och experten vet vad han ska "lyssna" för att känna komprimeringen.

Kodningslägen och alternativ

Det finns tre versioner av MP3-formatet för olika behov: MPEG-1 , MPEG-2 och MPEG-2.5 . De skiljer sig åt i de möjliga områdena för bithastighet och samplingshastighet:

Ljudkanalkodningskontrolllägen

Eftersom MP3-formatet stöder tvåkanals (stereo) kodning, finns det fyra lägen:

CBR

CBR står för Constant Bit Rate , det vill säga en konstant bithastighet , som ställs in av användaren och ändras inte när arbetet kodas. Således motsvarar varje sekund av biten samma antal kodade databitar (även när tystnad kodas). CBR kan vara användbart för kanalbegränsade mediaströmmar; i ett sådant fall använder kodningen datakanalens fulla kapacitet. För lagring är detta kodningsläge inte optimalt, eftersom det inte kan tilldela tillräckligt med utrymme för komplexa segment av originalprodukten, samtidigt som det slösar utrymme på enkla segment. Högre bithastigheter (över 256 kbps ) kan lösa detta problem genom att allokera mer utrymme för data, men också proportionellt öka filstorleken.

VBR

VBR står för Variable Bit Rate , det vill säga en variabel bithastighet eller variabel bithastighet , som ändras dynamiskt av kodarprogrammet under kodning, beroende på mättnaden av det kodade ljudmaterialet och den kodningskvalitet som ställts in av användaren (till exempel , tystnad kodas med en lägsta bithastighet). Denna MP3-kodningsmetod är den mest progressiva och håller fortfarande på att utvecklas och förbättras, eftersom ljudmaterial med olika mättnad kan kodas med en viss kvalitet, som vanligtvis är högre än när medelvärdet ställs in i CBR-metoden. Dessutom reduceras filstorleken på grund av fragment som inte kräver en hög bithastighet. Nackdelen med denna kodningsmetod är svårigheten att förutsäga storleken på utdatafilen. Men denna nackdel med VBR-kodning är obetydlig i jämförelse med dess fördelar. En annan nackdel är att VBR anser att tystare fragment är "obetydlig" ljudinformation, så det visar sig att om du lyssnar väldigt högt kommer dessa fragment att vara av dålig kvalitet, medan CBR gör tysta och högljudda fragment med samma bithastighet.

VBR-formatet förbättras ständigt, tack vare den ständiga förbättringen av den matematiska modellen av codecs, i synnerhet efter lanseringen av en uppdaterad version av den kostnadsfria LAME MP3-codec (version 3.99.3), kodning med variabel bithastighet, enligt utvecklarna , är kvalitativt bättre än CBR och ännu mer ABR. Men CBR 320 kbps-formatet är fortfarande positionerat för att garantera maximal kvalitet (det används till exempel i förinställningen "--preset galen".

ABR

ABR står för Average Bit Rate , det vill säga genomsnittlig bithastighet , som är en hybrid av VBR och CBR: bithastigheten i kbps ställs in av användaren, och programmet varierar den och justerar den hela tiden till den specificerade bithastigheten. Således kommer codecen noggrant att använda högsta och lägsta möjliga bithastighetsvärden, eftersom den riskerar att inte passa in i den användarspecificerade bithastigheten. Detta är en klar nackdel med denna metod, eftersom den påverkar kvaliteten på utdatafilen, som blir något bättre än när man använder CBR, men sämre än när man använder VBR. Å andra sidan tillåter denna metod den mest flexibla inställningen av bithastigheten (den kan vara valfri siffra mellan 8 och 320, mot endast multiplar av 16 i CBR-metoden) och beräkning av utdatafilens storlek.

Codecs

Typer av program som behövs för att konvertera filformat. De vanligaste MP3-codecs.

Filstruktur

En MP3-fil består av flera MP3-fragment (frames), som i sin tur består av ett huvud och ett datablock. En sådan sekvens av fragment kallas en elementär ström . Fragment är inte oberoende element (en "reservoar av bytes") och kan därför inte hämtas godtyckligt. Datablocket i en MP3-fil innehåller komprimerad ljudinformation i form av frekvenser och amplituder. Diagrammet ovan visar att en MP3-header består av en markör som används för att hitta rätt MP3-fragment. Detta följs av en bit som indikerar att MPEG -standarden används och två bitar som indikerar att lager 3 används; med andra ord, den definierar MPEG-1 Audio Layer 3 eller MP3. Följande värden kan variera beroende på MP3-filtyp. ISO / IEC 11172-3 -standarden definierar ett värdeintervall för varje rubriksektion, tillsammans med en allmän specifikation för den. De flesta MP3-filer innehåller för närvarande ID3-metadata som föregår eller följer MP3-segmentet; de visas också i diagrammet.

Taggar

Taggar (från den engelska  taggen  - label, label, tag) - taggar inom gränserna för en MP3-fil (i början och/eller i slutet). De kan innehålla information om författarskap, album, utgivningsår, skivomslag och texter och annan information om spåret. I senare versioner av taggarna är det möjligt att lagra annan data om ljudinspelningen. Det finns olika versioner av taggar (se: ID3 ).

Nackdelar

Tekniska brister. Antalet ljudkanaler är begränsat till två, till skillnad från AAC och Vorbis . Det finns också en hård gräns för den möjliga samplingsfrekvensen: det finns inget sätt att ställa in en godtycklig samplingsfrekvens. Den maximala samplingsfrekvensen för MP3 är 48 kHz medan den maximala samplingsfrekvensen för Vorbis är 192 kHz och för AAC är den 96 kHz. I MP3 är det bara möjligt att spara med följande samplingshastigheter: 8000, 11025, 12000, 16000, 22050, 24000, 32000, 44100 och 48000 Hz.

Lagliga restriktioner. MP3-patentet ägs av Alcatel-Lucent , som krävde licens för vissa användningar av formatet (MP3-relaterade patent gick ut 23 april 2017 ).
I USA offentliggjordes uppfinningar i mer än ett år[ när? ] , kan inte patenteras; för patent utfärdade före den 8 juni 1995 (nästan en komplett standard gjordes allmänt tillgänglig den 6 december 1991) var det dock möjligt att förlänga deras villkor. Kända patent relaterade till MP3-dekryptering löpte ut i USA i december 2012; enligt andra uppgifter, med tanke på endast patent som lämnats in före december 1992, hände detta inte i september 2015 [ 12] [13] .

Under 2017 löpte alla patent relaterade till detta format ut, eftersom de inte förnyades av upphovsrättsinnehavarna [5] .

Se även

Anteckningar

  1. ↑ https://www.file-extension.info/format/mp3
  2. ↑ Nilsson M. The audio/mpeg Media Type  (engelska) - IETF , 2000. - 5 sid. doi : 10.17487/RFC3003
  3. ↑ Casner S., Hoschka P. MIME-typ Registration of RTP Payload Formats  (engelska) - IETF , 2003. - 45 sid. doi : 10.17487/RFC3555
  4. ↑ Finlayson R. Ett mer förlusttolerant RTP-nyttolastformat för MP3-ljud  (engelska) - IETF , 2008. - 22 sid. doi : 10.17487/RFC5219
  5. ↑ 1 2 Orlowski, Andrew. MP3 "dog" och ingen märkte: Nyckelpatent löper ut på golden oldie tech  (engelska) . Registret (16 maj 2017). Hämtad 26 mars 2020. Arkiverad från originalet 26 mars 2020.
  6. ↑ Nikil Jayant, James Johnston, Robert Safranek. Signalkompression baserad på modeller för mänsklig perception   // Proceedings of the IEEE : journal. - 1992. - Oktober ( vol. 81 , nr 10 ). - P. 1385-1422 . - doi : 10.1109/5.241504 .
  7. ↑ Slutet på mp3-eran. Utvecklarna av mp3 - formatet tillkännagav sin "död "
  8. ↑ MP3 blir äntligen allmän egendom Arkivexemplar av 3 maj 2017 på Wayback Machine
  9. ↑ mp3  (engelska) . Fraunhofer Institute for Integrated Circuits IIS. Hämtad 15 maj 2017. Arkiverad från originalet 22 mars 2018.
  10. ↑ Phobomania Arkiverad 19 juli 2014 på Wayback Machine Computerra Magazine 14 december 2008
  11. ↑ Gemensam stereo . Ljudkodning (28 januari 2015). Hämtad 11 juli 2018. Arkiverad från originalet 11 juli 2018.
  12. ↑ Cogliati, Josh Patentstatus för MPEG-1, H.261 och MPEG-2 . Kuro5hin (20 juli 2008). Arkiverad från originalet den 25 februari 2013. Detta arbete misslyckades med att beakta patentuppdelningar och fortsättningar.
  13. ↑ USA-patentutgång för MP3, MPEG-2, H.264 . Datum för åtkomst: 15 februari 2013. Arkiverad från originalet den 2 april 2013.

Länkar

  Gå till Wikidata-objektet  Ordböcker och uppslagsverk
I bibliografiska kataloger
 Ljudkomprimering
Codecs
Tal/röst
Förlust mindre
Standarder
och format