ऑडियो पैरामीटर विश्लेषण

1. ऑडियो
20 हर्ट्ज और 20 किलोहर्ट्ज़ के बीच की आवृत्ति वाली ध्वनि तरंगों को संदर्भित करता है जिन्हें मानव कानों द्वारा सुना जा सकता है।
यदि आप कंप्यूटर में संबंधित ऑडियो कार्ड जोड़ते हैं, जिसे हम अक्सर साउंड कार्ड कहते हैं, तो हम सभी ध्वनियों को रिकॉर्ड कर सकते हैं, और ध्वनि की ध्वनिक विशेषताओं, जैसे ध्वनि का स्तर, को फाइलों के रूप में संग्रहीत किया जा सकता है कंप्यूटर की हार्ड डिस्क। इसके विपरीत, हम पहले से रिकॉर्ड किए गए ध्वनि को पुनर्स्थापित करने के लिए संग्रहीत ऑडियो फ़ाइल को चलाने के लिए एक निश्चित ऑडियो प्रोग्राम का भी उपयोग कर सकते हैं।

2. नमूने की आवृत्ति
प्रति सेकंड प्राप्त ध्वनि नमूनों की संख्या का संदर्भ देता है। ध्वनि वास्तव में एक प्रकार की ऊर्जा तरंग है, इसलिए इसमें आवृत्ति और आयाम की विशेषताएं भी होती हैं। आवृत्ति समय अक्ष से मेल खाती है और आयाम स्तर अक्ष से मेल खाती है। लहर असीम रूप से चिकनी है, और स्ट्रिंग को अनगिनत बिंदुओं से बना माना जा सकता है। क्योंकि भंडारण स्थान अपेक्षाकृत सीमित है, स्ट्रिंग के बिंदुओं को डिजिटल एन्कोडिंग प्रक्रिया के दौरान नमूना किया जाना चाहिए।
नमूनाकरण प्रक्रिया एक निश्चित बिंदु के आवृत्ति मूल्य को निकालने के लिए है। जाहिर है, एक सेकंड में अधिक अंक निकाले जाते हैं, अधिक आवृत्ति जानकारी प्राप्त की जाती है। तरंग को बहाल करने के लिए, नमूना आवृत्ति जितनी अधिक होगी, ध्वनि की गुणवत्ता बेहतर होगी। बहाली जितनी वास्तविक है, लेकिन एक ही समय में यह अधिक संसाधनों पर कब्जा कर लेता है। मानव कान के सीमित संकल्प के कारण, बहुत अधिक आवृत्ति को प्रतिष्ठित नहीं किया जा सकता है। 22050 का नमूना आवृत्ति आमतौर पर उपयोग किया जाता है, 44100 पहले से ही सीडी ध्वनि की गुणवत्ता है, और 48,000 या 96,000 से अधिक का नमूना मानव कान के लिए अब सार्थक नहीं है। यह फिल्मों में प्रति सेकंड 24 फ्रेम के समान है। यदि यह स्टीरियो है, तो नमूना दोगुना है और फ़ाइल लगभग दोगुनी है।
Nyquist नमूना सिद्धांत के अनुसार, यह सुनिश्चित करने के लिए कि ध्वनि विकृत नहीं है, नमूना आवृत्ति लगभग 40kHz होनी चाहिए। हमें यह जानने की जरूरत नहीं है कि यह प्रमेय कैसे आया। हमें केवल यह जानने की जरूरत है कि यह प्रमेय हमें बताता है कि यदि हम किसी सिग्नल को सटीक रूप से रिकॉर्ड करना चाहते हैं, तो हमारे नमूने की आवृत्ति ऑडियो सिग्नल की अधिकतम आवृत्ति के दोगुने से अधिक या बराबर होनी चाहिए। याद रखें, यह अधिकतम आवृत्ति है। ।
डिजिटल ऑडियो के क्षेत्र में, आमतौर पर उपयोग किए जाने वाले नमूने दर हैं:
  8000 हर्ट्ज-सैंपलिंग दर फोन द्वारा उपयोग किया जाता है, जो मानव भाषण के लिए पर्याप्त है
  11025 हर्ट्ज-नमूना दर फोन द्वारा उपयोग किया जाता है
  २२०५० हर्ट्ज-नमूना दर रेडियो प्रसारण के लिए प्रयोग किया जाता है
  मिनीडीवी डिजिटल वीडियो कैमकॉर्डर, डीएटी (एलपी मोड) द्वारा उपयोग की जाने वाली 32000 हर्ट्ज-नमूना दर
  44100 हर्ट्ज-ऑडियो सीडी, आमतौर पर एमपीईजी -1 ऑडियो (वीसीडी, एसवीसीडी, एमपी 3) की नमूना दर में भी उपयोग किया जाता है
  47250 हर्ट्ज-सैंपलिंग दर जिसका उपयोग वाणिज्यिक PCM रिकार्डर द्वारा किया जाता है
  मिनी डीवीडी, डिजिटल टीवी, डीवीडी, डीएटी, फिल्मों, और पेशेवर ऑडियो में इस्तेमाल डिजिटल ध्वनि के लिए 48000 हर्ट्ज-नमूनाकरण दर
  वाणिज्यिक डिजिटल रिकार्डर द्वारा 50000 हर्ट्ज-सैंपलिंग दर का उपयोग किया जाता है
  96000 हर्ट्ज या 192000 हर्ट्ज-नमूना दर डीवीडी-ऑडियो के लिए उपयोग किया जाता है, कुछ एलपीसीएम डीवीडी ऑडियो ट्रैक, बीडी-रोम (ब्लू-रे डिस्क) ऑडियो ट्रैक, और एचडी-डीवीडी (हाई डेफिनिशन डीवीडी) ऑडियो ट्रैक्स

3. नमूना बिट्स की संख्या
नमूनाकरण बिट्स की संख्या को नमूना आकार या परिमाणीकरण बिट्स की संख्या भी कहा जाता है। यह ध्वनि के उतार-चढ़ाव को मापने के लिए उपयोग किया जाने वाला एक पैरामीटर है, अर्थात, साउंड कार्ड का रिज़ॉल्यूशन या साउंड कार्ड द्वारा संसाधित साउंड कार्ड के रिज़ॉल्यूशन के रूप में समझा जा सकता है। बड़ा मूल्य, उच्च रिज़ॉल्यूशन, और अधिक यथार्थवादी ध्वनि रिकॉर्ड और वापस खेली गई। साउंड कार्ड का बिट, साउंड कार्ड द्वारा उपयोग किए जाने वाले डिजिटल साउंड सिग्नल के द्विआधारी अंकों को संदर्भित करता है जब ध्वनि फ़ाइलों को इकट्ठा करना और खेलना होता है। साउंड कार्ड का थोड़ा सा उद्देश्य डिजिटल साउंड सिग्नल के इनपुट साउंड सिग्नल के विवरण की सटीकता को दर्शाता है। सामान्य साउंड कार्ड मुख्य रूप से 8-बिट और 16-बिट होते हैं। आजकल, बाजार पर सभी मुख्यधारा के उत्पाद 16-बिट और साउंड कार्ड से ऊपर हैं।
प्रत्येक नमूना डेटा का आयाम दर्ज किया जाता है, और नमूना सटीकता नमूना बिट्स की संख्या पर निर्भर करती है:
  1 बाइट (यानी, 8 बिट) केवल 256 संख्याओं को रिकॉर्ड कर सकता है, अर्थात, आयाम को केवल 256 स्तरों में विभाजित किया जा सकता है;
  2 बाइट्स (यानी 16 बिट्स) 65536 के रूप में छोटे हो सकते हैं, जो पहले से ही सीडी मानक है;
  4 बाइट्स (यानी, 32 बिट) आयाम को 4294967296 स्तरों में घटा सकते हैं, जो वास्तव में अनावश्यक है।

4. चैनलों की संख्या
वह ध्वनि चैनलों की संख्या है। आम मोनो और स्टीरियो (दोहरे चैनल) अब चार-ध्वनि वाले (चार-चैनल) और 5.1 चैनलों के लिए विकसित हुए हैं।

(1) सिंगल रोड
मोनो ध्वनि प्रजनन का एक अपेक्षाकृत आदिम रूप है, और शुरुआती साउंड कार्ड इसका अधिक सामान्यतः उपयोग करते हैं। मोनो साउंड को केवल एक स्पीकर का उपयोग करके देखा जा सकता है, और कुछ को एक ही साउंड चैनल को आउटपुट करने के लिए दो स्पीकर में भी संसाधित किया जाता है। जब मोनोफोनिक जानकारी को दो वक्ताओं के माध्यम से वापस खेला जाता है, तो हम स्पष्ट रूप से महसूस कर सकते हैं कि ध्वनि दो वक्ताओं से है। ध्वनि स्रोत के विशिष्ट स्थान को निर्धारित करना असंभव है जो स्पीकर के मध्य से हमारे कानों में प्रसारित होता है।

(2) स्टीरियो
बाइन्यूरल चैनल में दो साउंड चैनल होते हैं। सिद्धांत यह है कि जब लोग ध्वनि सुनते हैं, तो वे बाएं और दाएं कानों के बीच चरण अंतर के आधार पर ध्वनि स्रोत के विशिष्ट स्थान का न्याय कर सकते हैं। रिकॉर्डिंग प्रक्रिया के दौरान दो स्वतंत्र चैनलों को ध्वनि आवंटित की जाती है, ताकि एक अच्छा ध्वनि स्थानीयकरण प्रभाव प्राप्त किया जा सके। यह तकनीक संगीत प्रशंसा में विशेष रूप से उपयोगी है। श्रोता स्पष्ट रूप से उस दिशा में अंतर कर सकता है जिससे विभिन्न उपकरण आते हैं, जो संगीत को अधिक कल्पनाशील और ऑन-साइट अनुभव के करीब बनाता है।

दो आवाजें वर्तमान में सबसे आम उपयोग हैं। कराओके में, एक संगीत बजाने के लिए है और दूसरा गायक की आवाज के लिए है; वीसीडी में, एक मंदारिन में डबिंग कर रहा है और दूसरा कैंटोनीज़ में डबिंग कर रहा है।

(३) फोर-टोन सराउंड
चार-चैनल चारों ओर चार ध्वनि बिंदुओं को परिभाषित करता है, सामने बाएं, सामने दाएं, पीछे बाएं, और पीछे दाएं, और दर्शक इन चार ध्वनि बिंदुओं से घिरे हुए हैं। इसी समय, कम आवृत्ति संकेतों के प्लेबैक प्रसंस्करण को बढ़ाने के लिए एक सबवूफर जोड़ने की भी सिफारिश की जाती है (यही कारण है कि 4.1-चैनल स्पीकर सिस्टम आज लोकप्रिय हैं)। जहां तक ​​​​समग्र प्रभाव का संबंध है, चार-चैनल प्रणाली श्रोताओं को कई अलग-अलग दिशाओं से चारों ओर ध्वनि ला सकती है, विभिन्न वातावरणों में होने का श्रवण अनुभव प्राप्त कर सकती है, और उपयोगकर्ताओं को एक नया अनुभव प्रदान कर सकती है। आजकल, चार-चैनल प्रौद्योगिकी को विभिन्न मध्य-से-उच्च-अंत ध्वनि कार्डों के डिजाइन में व्यापक रूप से एकीकृत किया गया है, जो भविष्य के विकास की मुख्यधारा की प्रवृत्ति बन गई है।

(4) चैनल
5.1 चैनल व्यापक रूप से विभिन्न पारंपरिक थिएटर और होम थिएटर में उपयोग किए गए हैं। अधिक प्रसिद्ध ध्वनि रिकॉर्डिंग संपीड़न प्रारूपों में से कुछ, जैसे डॉल्बी एसी -3 (डॉल्बी डिजिटल), डीटीएस, आदि, 5.1 ध्वनि प्रणाली पर आधारित हैं। ".1" चैनल एक विशेष रूप से डिज़ाइन किया गया सबवूफ़र चैनल है जो 20 से 120 हर्ट्ज की आवृत्ति प्रतिक्रिया रेंज के साथ सबवूफ़र्स का उत्पादन कर सकता है। वास्तव में, 5.1 साउंड सिस्टम 4.1 सराउंड से आता है, अंतर यह है कि यह एक केंद्र इकाई को जोड़ता है। यह केंद्र इकाई 80Hz से नीचे ध्वनि संकेत संचारित करने के लिए जिम्मेदार है, जो फिल्म देखते समय मानव आवाज को मजबूत करने में सहायक है, और समग्र प्रभाव को बढ़ाने के लिए पूरे ध्वनि क्षेत्र के मध्य में संवाद को केंद्रित करता है।
वर्तमान में, QQ Music जैसे कई ऑनलाइन संगीत खिलाड़ियों ने ट्रायल सुनने और डाउनलोड करने के लिए 5.1-चैनल संगीत प्रदान किया है।

5. फ्रेम
ऑडियो फ्रेम की अवधारणा वीडियो फ्रेम की तरह स्पष्ट नहीं है। लगभग सभी वीडियो एन्कोडिंग प्रारूप बस एक एन्कोडेड छवि के रूप में एक फ्रेम के बारे में सोच सकते हैं। हालांकि, ऑडियो फ्रेम एन्कोडिंग प्रारूप से संबंधित है, जिसे प्रत्येक एन्कोडिंग मानक द्वारा कार्यान्वित किया जाता है। क्योंकि अगर यह पीसीएम (अनएन्कोडेड ऑडियो डेटा) है, तो इसे फ्रेम की अवधारणा की बिल्कुल भी आवश्यकता नहीं है, और इसे नमूना दर और नमूना सटीकता के अनुसार खेला जा सकता है। उदाहरण के लिए, ४४.१kHZ की नमूना दर और १६ बिट्स की नमूना सटीकता के साथ दोहरे ऑडियो के लिए, आप गणना कर सकते हैं कि बिट दर ४४१००*१६*२बीपीएस है, और ऑडियो डेटा प्रति सेकंड एक निश्चित ४४१००*44.1*16/ 44100 बाइट्स।
एएमआर फ्रेम अपेक्षाकृत सरल है। यह निर्धारित करता है कि प्रत्येक 20ms ऑडियो एक फ्रेम है, और ऑडियो का प्रत्येक फ्रेम स्वतंत्र है। विभिन्न एन्कोडिंग एल्गोरिदम और विभिन्न एन्कोडिंग मापदंडों का उपयोग करना संभव है।
एमपी 3 फ्रेम थोड़ा अधिक जटिल है और इसमें नमूना दर, बिट दर और विभिन्न मापदंडों जैसे अधिक जानकारी शामिल है।

6. चक्र
एक ऑडियो डिवाइस द्वारा एक प्रसंस्करण के लिए आवश्यक फ़्रेमों की संख्या का उपयोग ऑडियो डिवाइस द्वारा डेटा एक्सेस और ऑडियो डेटा स्टोरेज के लिए एक इकाई के रूप में किया जाता है।

7. इंटरलेस्ड मोड
डिजिटल ऑडियो सिग्नल की भंडारण विधि। डेटा को निरंतर फ़्रेम में संग्रहीत किया जाता है, अर्थात, बाएं चैनल के नमूने और फ़्रेम 1 के दाएं चैनल नमूने पहले रिकॉर्ड किए जाते हैं, और फिर फ़्रेम 2 की रिकॉर्डिंग शुरू की जाती है।

8. गैर इंटरलेस्ड मोड
सबसे पहले, एक अवधि में सभी फ़्रेमों के बाएं चैनल नमूने रिकॉर्ड करें, और फिर सभी सही चैनल नमूने रिकॉर्ड करें।

9. बिट दर
  बिट दर को बिट दर भी कहा जाता है, जो प्रति सेकंड संगीत द्वारा खेले जाने वाले डेटा की मात्रा को संदर्भित करता है, और इकाई बिट्स में व्यक्त की जाती है, जो बाइनरी बिट्स हैं। बीपीएस बिट दर है। बी बिट (बिट) है, एस दूसरा (दूसरा) है, पी प्रत्येक (प्रति) है, एक बाइट 8 बाइनरी बिट्स के बराबर है। यानी, 4bps के 128 मिनट के गाने के फाइल साइज की गणना इस तरह की जाती है (128/8)*4*60=3840kB=3.8MB, 1B (Byte)=8b (बिट), आम तौर पर mp3 में फायदेमंद होता है लगभग 128 बिट दर, यह आकार में लगभग 3-4 बीएम भी है।

  कंप्यूटर अनुप्रयोगों में, उच्चतम निष्ठा स्तर पीसीएम एन्कोडिंग है, जिसका व्यापक रूप से सामग्री भंडारण और संगीत प्रशंसा के लिए उपयोग किया जाता है। इसका उपयोग सीडी, डीवीडी और हमारी सामान्य डब्ल्यूएवी फाइलों में किया जाता है। इसलिए, पीसीएम कन्वेंशन द्वारा एक दोषरहित एन्कोडिंग बन गया है, क्योंकि पीसीएम डिजिटल ऑडियो में सर्वश्रेष्ठ फ़िडेलिटी स्तर का प्रतिनिधित्व करता है। इसका मतलब यह नहीं है कि पीसीएम सिग्नल की पूर्ण निष्ठा सुनिश्चित कर सकता है। पीसीएम केवल असीम निकटता की सबसे बड़ी डिग्री प्राप्त कर सकता है।

  पीसीएम ऑडियो स्ट्रीम की बिट दर की गणना करना एक बहुत ही आसान काम है, नमूना दर मूल्य × नमूना आकार मूल्य × चैनल संख्या बीपीएस। 44.1KHz की नमूना दर के साथ एक WAV फ़ाइल, 16 बिट का एक नमूना आकार, और दोहरे चैनल पीसीएम एन्कोडिंग, इसकी डेटा दर 44.1K×16×2 = 1411.2Kbps है। हमारी सामान्य ऑडियो सीडी पीसीएम एन्कोडिंग का उपयोग करती है, और एक सीडी की क्षमता केवल 72 मिनट की संगीत जानकारी रख सकती है।

  एक दोहरे चैनल PCM एन्कोडेड ऑडियो सिग्नल को 176.4 सेकंड में 1KB और 10.34 मिनट में लगभग 1M स्पेस की आवश्यकता होती है। यह अधिकांश उपयोगकर्ताओं के लिए अस्वीकार्य है, खासकर उन लोगों के लिए जो कंप्यूटर पर संगीत सुनना पसंद करते हैं। डिस्क अधिभोग, केवल दो विधियाँ हैं, अनुक्रमणिका सूचकांक या संपीडन। नमूनाकरण सूचकांक को कम करना उचित नहीं है, इसलिए विशेषज्ञों ने विभिन्न संपीड़न योजनाएं विकसित की हैं। सबसे मूल डीपीसीएम, एडीपीसीएम हैं, और सबसे प्रसिद्ध एमपी 3 है। इसलिए, डेटा संपीड़न के बाद कोड दर मूल कोड की तुलना में बहुत कम है।