MP3

MP3 (mere præcist engelsk  MPEG-1/2/2.5 Layer 3 ; men ikke MPEG-3 ) er et filformat udviklet af MPEG -teamet til lagring af lydinformation . Formatet blev licenseret , men den 23. april 2017 udløb alle patenter og licensafgifter ophørte [5] .

MP3 er et af de mest almindelige og populære digitale lydkodningsformater . Det er meget brugt i fildelingsnetværk til evaluerende musikdownloads . Formatet kan afspilles på næsten alle populære operativsystemer , på de fleste bærbare lydafspillere og understøttes også af alle moderne modeller af musikcentre og dvd-afspillere .

MP3-formatet bruger en komprimeringsalgoritme med tab, der er designet til at reducere mængden af ​​data, der kræves for at afspille en optagelse, og give en lydgengivelseskvalitet tæt på originalen (efter de fleste lytteres mening), men med et mærkbart kvalitetstab, når det høres. på et kvalitetslydsystem . Princippet om komprimering er at reducere nøjagtigheden af ​​nogle dele af lydstrømmen, som praktisk talt ikke kan skelnes til at høre på det allestedsnærværende udstyr til lydgengivelse med lav troværdighed (f.eks. det dominerende flertal af bærbare enheder, lydkort, stereoanlæg, bilradioer og andet ikke-specielt udstyr), såvel som for personer i ældre alder, på grund af naturlige aldersrelaterede ændringer i høreapparatet, men er i de fleste tilfælde tydeligt skelnelige på high-fidelity lydudstyr . Denne metode kaldes perceptuel kodning [6] . På samme tid, i det første trin, opbygges et lyddiagram i form af en sekvens af korte tidsintervaller, derefter fjernes information, der ikke kan skelnes af det menneskelige øre, fra det, og den resterende information lagres i en kompakt form. Denne fremgangsmåde ligner den komprimeringsmetode, der bruges ved komprimering af billeder til JPEG-format . [ klargør ] Oprettelse af en MP3 med en gennemsnitlig bithastighed på 128 kbps resulterer i en fil, der er cirka 1/11 af størrelsen af ​​den originale CD-Audio-fil ( det ukomprimerede CD-Audio-format i sig selv har en bithastighed på 1411,2 kbps). MP3-filer kan oprettes ved høj eller lav bitrate, hvilket påvirker kvaliteten af ​​den resulterende fil.

Historie

MP3 blev udviklet af en arbejdsgruppe fra Fraunhofer Institute ( tysk:  Fraunhofer-Institut für Integrierte Schaltungen ) ledet af Karlheinz Brandenburg og University of Erlangen-Nuremberg i samarbejde med AT&T Bell Labs og Thomson (Johnson, Stoll, Deeri, etc.) .

Udviklingen af ​​MP3 var baseret på det eksperimentelle codec ASPEC (Adaptive Spectral Perceptual Entropy Coding). Den første MP3-koder var L3Enc , udgivet i sommeren 1994. Et år senere dukkede den første software MP3-afspiller op  - Winplay3 .

Ved udvikling af algoritmen blev der udført tests på ganske specifikke populære sammensætninger. Suzanne Vegas " Tom's Diner " blev hovedsangen . Derfor vittigheden om, at "MP3 blev skabt udelukkende for den behagelige lytning af Brandenburgs yndlingssang", og Vega begyndte at blive kaldt "MP3's moder".

En næsten komplet standard dukkede op i det offentlige domæne den 6. december 1991 .

Den 23. april 2017 udløb de sidste patenter for formatet, og royaltybetalinger fra software og indlejrede leverandører blev stoppet [7] [8] . Fraunhofer Instituttet annoncerede opsigelsen af ​​licenseringen af ​​formatet på sin officielle hjemmeside [9] . Og selvom mp3-formatet stadig er meget populært blandt brugerne, er de fleste radiostationer og tv-kanaler skiftet til at bruge moderne codecs, der giver bedre komprimering og mindre tab af lydkvalitet.

Formatbeskrivelse

Ligesom JPEG-formatet bruger MP3 spektral klipning ifølge den psykoakustiske model . Lydsignalet er opdelt i segmenter af samme varighed, som hver efter behandling pakkes ind i sin egen ramme (ramme). Dekomponering til et spektrum kræver kontinuiteten af ​​inputsignalet, derfor bruges de forrige og næste rammer også til beregninger. I lydsignalet er der harmoniske med en mindre amplitude og harmoniske, der ligger tæt på mere intense - sådanne harmoniske er afskåret, da det gennemsnitlige menneskelige øre ikke altid kan bestemme tilstedeværelsen eller fraværet af sådanne harmoniske. Denne funktion af hørelsen kaldes maskeringseffekten . Det er også muligt at erstatte to eller flere nærliggende toppe med én i gennemsnit (hvilket som regel fører til lydforvrængning). Afskæringskriteriet bestemmes af outputstrømkravet. Da hele spektret er relevant, afskæres højfrekvente harmoniske ikke, som i JPEG , men fjernes kun selektivt for at reducere informationsstrømmen på grund af spektrets sjældenhed. Efter spektral "fejning" anvendes matematiske metoder til kompression og pakning i rammer. Hver frame kan have flere containere, hvilket giver dig mulighed for at gemme information om flere streams (venstre og højre kanal eller centerkanal og kanalforskel). Kompressionsforholdet kan varieres, også inden for én ramme. Rækken af ​​mulige bitrate -værdier er 8-320 kbit/s .

MP3 og "Lyd-CD kvalitet"

Tidligere var det en udbredt opfattelse, at 128 kbps -optagelse var velegnet til musik beregnet til at lytte til de fleste mennesker, hvilket giver lydkvaliteten fra Audio-CD . I virkeligheden er alt meget mere kompliceret. For det første afhænger kvaliteten af ​​den resulterende MP3 ikke kun af bithastigheden, men også af kodningsprogrammet ( codec ) (standarden specificerer ikke kodningsalgoritmen, den beskriver kun præsentationsmetoden). For det andet, ud over den fremherskende CBR (Constant Bitrate)-tilstand (hvor med andre ord hvert sekund af lyd er kodet med det samme antal bits), er der ABR (Average Bitrate) og VBR (Variable Bitrate)-tilstande. For det tredje er 128 kbps-grænsen vilkårlig, da den blev valgt i æraen af ​​dannelsen af ​​formatet, hvor afspilningskvaliteten for de fleste digitale lydsystemer som regel var lavere end i dag. Groft sagt svarer udsagnet om "Audio-CD-kvalitet" ved 128 kbps til grænsen for relativt behagelig lytning til musik, hvorunder der er en kraftig lydforringelse i alle MP3-kodningsprogrammer.

I 2008 er MP3-filer med en bitrate på 192 kbps de mest almindelige, hvilket indirekte kan tyde på, at flertallet anser denne bitrate for tilstrækkelig. Den faktiske opfattede "kvalitet" afhænger af kildelydfilen, lytteren og deres lydsystem. Nogle musikelskere foretrækker at komprimere musik i "maksimal kvalitet" - 320 kbps, eller endda skifte til tabsfri codecs, såsom FLAC . Der er også en mening blandt musikelskere / audiofile , at nogle samples (fragmenter af en lydoptagelse) ikke er modtagelige for komprimering med tab af høj kvalitet: ved alle mulige bithastigheder er det ikke svært at skelne komprimeret lyd fra originalen. Der er dog også alvorlige indvendinger [10] :

Det er helt indlysende, at (lad os tage det med en margen) en bitrate på 256 kbps i langt de fleste tilfælde burde være mere end nok til behagelig opfattelse af musik fra en CDA-kilde (44 kHz/16 bit/stereo). Dette er indlysende ikke kun fra min hjemmedyrkede test, men også fra analysen af ​​professionelle blindtest (for eksempel den tyske udgave af "c't", juni 2000): selv i dem er eksperter ikke altid i stand til at " gæt" lyden komprimeret til 256 kbps, desuden foregår testning i særligt forberedte lokaler og på dyrt udstyr, og eksperten ved, hvad han skal "lytte" for at mærke komprimeringen.

Kodningstilstande og muligheder

Der er tre versioner af MP3-formatet til forskellige behov: MPEG-1 , MPEG-2 og MPEG-2.5 . De adskiller sig i de mulige intervaller for bitrate og samplinghastighed:

• 32-320 kbps ved samplingshastigheder på 32000 Hz, 44100 Hz og 48000 Hz for MPEG-1 Layer 3;
• 16-160 kbps ved samplingshastigheder på 16000 Hz, 22050 Hz og 24000 Hz for MPEG-2 Layer 3;
• 8-160 kbps ved 8000 Hz og 11025 Hz samplingshastigheder for MPEG-2.5 Layer 3.

Lydkanalkodning kontroltilstande

Da MP3-formatet understøtter to-kanals (stereo) kodning, er der 4 tilstande:

• Stereo  er en to-kanals kodning, hvor kanalerne i det originale stereosignal er kodet uafhængigt af hinanden, men fordelingen af ​​bit mellem kanalerne i den samlede bitrate kan variere afhængigt af kompleksiteten af ​​signalet i hver kanal.

• Mono  - Enkeltkanals kodning. Hvis du indkoder to-kanals materiale på denne måde, vil forskellene mellem kanalerne blive helt slettet, da de to kanaler er blandet til én, det kodes og det afspilles også i begge kanaler i stereoanlægget. Den eneste fordel ved denne tilstand kan kun være outputkvaliteten sammenlignet med stereotilstanden ved samme bitrate, da der er dobbelt så mange bits pr. kanal som i stereotilstanden.

• To-kanals stereo ( eng.  Dual Channel ) - to uafhængige kanaler, for eksempel lyd på forskellige sprog. Bithastigheden er opdelt i to kanaler. For eksempel, hvis den angivne bitrate er 192 kbps , vil den for hver kanal kun være lig med 96 kbps.

• Kombineret stereo ( engelsk  Joint Stereo ) - to-kanals kodningsmetoder, der giver dig mulighed for at øge filkomprimeringsforholdet. Den første måde er Mid / Side Stereo, når venstre og højre kanal konverteres til deres sum (L+R) og difference (L−R) . For de fleste lydfiler er mætningen af ​​forskelskanalen (L−R) meget mindre end sumkanalen (L+R) . Derfor tillader den kombinerede stereo enten at spare på bithastigheden af ​​differenskanalen (L−R) eller forbedre kvaliteten ved den samme bitrate, da sumkanalen (L+R) allokerer det meste af bithastigheden. Der er en opfattelse af, at denne tilstand ikke er egnet til stereolydmateriale, hvor subjektivt helt forskelligt materiale gengives i to kanaler, da det sletter forskellene mellem kanalerne. Men moderne codecs bruger forskellige tilstande i forskellige frames (inklusive ren stereo) afhængigt af kildesignalet. Den anden måde Intensity Stereo er baseret på den menneskelige hørelses evne til at skelne lydens position i rummet, ikke i hele frekvensspektret, idet man ignorerer positionen meget lav og meget høj. Kodning af ultra-lav og ultra-høj frekvens lyde i mono-tilstand forbedrer således datakomprimeringseffektiviteten. [elleve]

CBR

CBR står for Constant Bit Rate , det vil sige en konstant bitrate , som indstilles af brugeren og ikke ændres, når værket kodes. Således svarer hvert sekund af stykket til det samme antal kodede bits af data (selv når du koder tavshed). CBR kan være nyttigt til kanalbegrænsede mediestrømme; i et sådant tilfælde bruger kodningen datakanalens fulde muligheder. Til lagring er denne kodningstilstand ikke optimal, da den ikke kan tildele nok plads til komplekse segmenter af det originale produkt, mens den spilder plads på simple segmenter. Højere bithastigheder (over 256 kbps ) kan løse dette problem ved at allokere mere plads til data, men også proportionelt øge filstørrelsen.

VBR

VBR står for Variable Bit Rate , det vil sige en variabel bithastighed eller variabel bithastighed , som ændres dynamisk af indkoderprogrammet under indkodning, afhængigt af mætningen af ​​det kodede lydmateriale og den kodningskvalitet, som er indstillet af brugeren (f.eks. , stilhed er kodet med en minimum bithastighed). Denne MP3-kodningsmetode er den mest progressive og udvikles og forbedres stadig, da lydmateriale af forskellig mætning kan kodes med en vis kvalitet, som normalt er højere end når gennemsnitsværdien er indstillet i CBR-metoden. Desuden er filstørrelsen reduceret på grund af fragmenter, der ikke kræver en høj bitrate. Ulempen ved denne kodningsmetode er vanskeligheden ved at forudsige størrelsen af ​​outputfilen. Men denne ulempe ved VBR-kodning er ubetydelig i sammenligning med dens fordele. En anden ulempe er, at VBR anser stillere fragmenter for at være "ubetydelige" lydinformationer, så det viser sig, at hvis du lytter meget højt, vil disse fragmenter være af dårlig kvalitet, mens CBR laver stille og høje fragmenter med samme bitrate.

VBR-formatet forbedres konstant takket være den konstante forbedring af den matematiske model af codecs, især efter udgivelsen af ​​en opdateret version af den gratis LAME MP3-codec (version 3.99.3), variabel bitrate-kodning, ifølge udviklerne , er kvalitativt bedre end CBR og endnu mere ABR. CBR 320 kbps-formatet er dog stadig placeret som garanterer maksimal kvalitet (det bruges f.eks. i "--preset insane"-forudindstillingen).

ABR

ABR står for Average Bit Rate , det vil sige gennemsnitlig bitrate , som er en hybrid af VBR og CBR: bithastigheden i kbps indstilles af brugeren, og programmet varierer den, og justerer den konstant til den angivne bithastighed. Således vil codec'et omhyggeligt bruge de maksimalt og mindst mulige bitrate-værdier, da det risikerer ikke at passe ind i den brugerspecificerede bitrate. Dette er en klar ulempe ved denne metode, da den påvirker kvaliteten af ​​outputfilen, som vil være lidt bedre end ved brug af CBR, men værre end ved brug af VBR. På den anden side tillader denne metode den mest fleksible indstilling af bithastigheden (det kan være et hvilket som helst tal mellem 8 og 320, mod kun multipla af 16 i CBR-metoden) og beregning af outputfilstørrelsen.

Codecs

Typer af programmer, der er nødvendige for at konvertere filformater. De mest almindelige MP3-codecs.

• mp3PRO -codec (bruger SBR frekvenskonvertering ).
• LAME -codec.
• Fraunhofer -codec.

Filstruktur

En MP3-fil består af flere MP3-fragmenter (frames), som igen består af en header og en datablok. En sådan sekvens af fragmenter kaldes en elementær strøm . Fragmenter er ikke uafhængige elementer (et "reservoir af bytes") og kan derfor ikke hentes vilkårligt. Datablokken i en MP3-fil indeholder komprimeret lydinformation i form af frekvenser og amplituder. Ovenstående diagram viser, at en MP3-header består af en markør, der bruges til at finde det korrekte MP3-fragment. Dette efterfølges af en bit, der angiver, at MPEG- standarden bliver brugt , og to bit, der angiver, at lag 3 bliver brugt; med andre ord definerer den MPEG-1 Audio Layer 3 eller MP3. Følgende værdier kan variere afhængigt af MP3-filtypen. ISO / IEC 11172-3 - standarden definerer en række værdier for hver overskriftssektion sammen med en generel specifikation for den. De fleste MP3-filer indeholder i øjeblikket ID3-metadata , der går forud for eller efter MP3-segmentet; de er også vist i diagrammet.

Tags

Tags (fra det engelske  tag  - label, label, tag) - tags inden for grænserne af en MP3-fil (i begyndelsen og/eller i slutningen). De kan indeholde oplysninger om forfatterskab, album, udgivelsesår, albumcover og tekster og andre oplysninger om nummeret. I senere versioner af taggene er det muligt at gemme andre data om lydoptagelsen. Der er forskellige versioner af tags (se: ID3 ).

Ulemper

Tekniske mangler. Antallet af lydkanaler er begrænset til to, i modsætning til AAC og Vorbis . Der er også en hård grænse for den mulige samplingsfrekvens: der er ingen måde at indstille en vilkårlig samplinghastighed på. Den maksimale samplinghastighed for MP3 er 48 kHz, mens den maksimale samplinghastighed for Vorbis er 192 kHz, og for AAC er den 96 kHz. I MP3 er det kun muligt at gemme ved følgende samplingsfrekvenser: 8000, 11025, 12000, 16000, 22050, 24000, 32000, 44100 og 48000 Hz.

Lovlige begrænsninger. MP3-patentet ejes af Alcatel-Lucent , som krævede licens til nogle anvendelser af formatet (MP3-relaterede patenter udløb 23. april 2017 ).
I USA blev opfindelser offentliggjort i mere end et år[ hvornår? ] , kan ikke patenteres; for patenter udstedt før 8. juni 1995 (næsten en komplet standard blev gjort offentligt tilgængelig den 6. december 1991) var det dog muligt at forlænge deres vilkår. Kendte patenter vedrørende MP3-dekryptering udløb i USA i december 2012; ifølge andre data, kun i betragtning af patenter indgivet før december 1992, skete dette ikke i september 2015 [ 12] [13] .

I 2017 udløb alle patenter relateret til dette format, da de ikke blev fornyet af ophavsretsindehaverne [5] .

Se også

• HALT
• AAC
• Vorbis
• Opus
• Lyddatakomprimering
• Digitale lydformater
• Liste over lydfilformater
• Hvordan musik blev gratis

Noter

1. ↑ https://www.file-extension.info/format/mp3
2. ↑ Nilsson M. The audio/mpeg Media Type  (engelsk) - IETF , 2000. - 5 s. doi : 10.17487/RFC3003
3. ↑ Casner S., Hoschka P. MIME Type Registration of RTP Payload Formats  (engelsk) - IETF , 2003. - 45 s. doi : 10.17487/RFC3555
4. ↑ Finlayson R. Et mere tabstolerant RTP-nyttelastformat til MP3-lyd  (engelsk) - IETF , 2008. - 22 s. doi : 10.17487/RFC5219
5. ↑ 1 2 Orlowski, Andrew. MP3 'døde' og ingen lagde mærke til: Nøglepatenter udløber på golden oldie tech  (engelsk) . Registret (16. maj 2017). Hentet 26. marts 2020. Arkiveret fra originalen 26. marts 2020.
6. ↑ Nikil Jayant, James Johnston, Robert Safranek. Signalkompression baseret på modeller for menneskelig perception   // Proceedings of the IEEE : journal. - 1992. - Oktober ( bind 81 , nr. 10 ). - S. 1385-1422 . - doi : 10.1109/5.241504 .
7. ↑ Slut på mp3-æraen. Udviklerne af mp3 - formatet annoncerede sin "død "
8. ↑ MP3 går endelig ind i det offentlige domæne Arkivkopi af 3. maj 2017 på Wayback Machine
9. ↑ mp3  (engelsk) . Fraunhofer Institute for Integrated Circuits IIS. Hentet 15. maj 2017. Arkiveret fra originalen 22. marts 2018.
10. ↑ Phobomania Arkiveret 19. juli 2014 på Wayback Machine Computerra Magazine 14. december 2008
11. ↑ Joint Stereo . Lydkodning (28. januar 2015). Hentet 11. juli 2018. Arkiveret fra originalen 11. juli 2018. (ubestemt)
12. ↑ Cogliati, Josh Patentstatus for MPEG-1, H.261 og MPEG-2 . Kuro5hin (20. juli 2008). Arkiveret fra originalen den 25. februar 2013.  (ubestemt)Dette arbejde undlod at overveje patentopdelinger og fortsættelser.
13. ↑ US patentudløb for MP3, MPEG-2, H.264 . Dato for adgang: 15. februar 2013. Arkiveret fra originalen 2. april 2013. (ubestemt)

Links

• MPEG frame header artikel
• Udvikling og implementering af en MPEG1 Layer III-dekoder på x86- og TMS320C6711-platforme  — Power Point-præsentation, der beskriver filstrukturen
• Udvikling og implementering af en MPEG1 Layer III-dekoder på x86- og TMS320C6711-platforme  — Power Point-præsentation, der beskriver afkodningsprocessen
• Audio Coding (TU Ilmenau)  er et træningskursus af professorerne Karlheinz Brandenburg og Gerald Schuller .

Ordbøger og encyklopædier	Flot dansk stor kinesisk Fantastisk norsk kroatisk Britannica (online) Brockhaus Treccani
I bibliografiske kataloger	BNF : 13542060m J9U : 987007291621405171 LCCN : sh00000865 LNB : 000233891