مقایسه MP3، WAV، FLAC و AAC: کدام فرمت صوتی بهتر است؟

صدای دیجیتال با فهرستی بلند از اعداد شروع می‌شود: ارتفاع موج صوتی که ده‌ها هزار بار در ثانیه اندازه‌گیری می‌شود. فرمت‌های فشرده‌نشده مثل WAV و AIFF همین فهرست را مستقیم روی دیسک می‌نویسند. چیزی حذف یا بسته‌بندی نمی‌شود؛ بنابراین هر ویرایشگری به‌راحتی آن را می‌خواند و جابه‌جایی در آن سریع است، اما حجم فایل زیاد است. آهنگی سه‌دقیقه‌ای با این روش حدود 30 MB حجم دارد، هر صدایی که داشته باشد.

فرمت‌های بدون اتلاف مثل FLAC و ALAC همان فهرست را هوشمندانه‌تر بسته‌بندی می‌کنند، مانند فشرده شدن یک سند در فایل ZIP. هنگام پخش، رمزگشا هر نمونه را دقیقاً بازسازی می‌کند؛ پس FLAC که به WAV برگردانده شود تا آخرین بیت با اصل یکسان است. میزان صرفه‌جویی به موسیقی بستگی دارد: ضبط‌های آکوستیک آرام خیلی کوچک می‌شوند و راک پرتراکم یا ضبط‌های پرنویز کمتر. آلبوم‌های معمولی تقریباً به نصف تا سه‌پنجم حجم WAV می‌رسند.

فرمت‌های با اتلاف مثل MP3، AAC، Vorbis و Opus عمداً بخشی از اطلاعات را دور می‌ریزند. رمزگذار با مدلی از شنوایی انسان، صداهایی را که زیر صداهای بلندتر مجاور پنهان می‌شوند یا در فرکانس‌هایی هستند که کمتر متوجهشان می‌شوید حذف می‌کند و باقی را ذخیره می‌کند. نتیجه پنج تا ده برابر کوچک‌تر از WAV است. با نرخ بیت بالا بیشتر مردم تفاوت را با منبع تشخیص نمی‌دهند، اما جزئیات حذف‌شده برای همیشه از بین رفته و با تبدیل دوباره برنمی‌گردد.

تاریخچه بخش زیادی از سازگاری امروز را توضیح می‌دهد. MP3 ده سال در دستگاه‌های مصرفی پیش‌دستی داشت، WAV همراه ویندوز آمد، FLAC در دنیای متن‌باز رشد کرد و AAC با iPod و iTunes Store فراگیر شد. هر ردیف را باز کنید تا خلاصه‌اش را ببینید، از جمله چهار فرمت دیگری که کنار این چهار فرمت اصلی با آن‌ها روبه‌رو می‌شوید.

حجم فایل برای صدای فشرده‌نشده و با اتلاف حساب ساده‌ای است: نرخ بیت ضرب در مدت. WAV استریو با 16 بیت و 44.1 kHz نرخ 1,411 kbps دارد که حدود 10.6 MB در دقیقه می‌شود. فرمت‌های با اتلاف هر نرخ بیتی را که انتخاب کنید به کار می‌برند؛ پس MP3 با 320 kbps حدود 2.4 MB در دقیقه و با 128 kbps کمی کمتر از 1 MB است. FLAC استثناست چون حجمش به موسیقی بستگی دارد و اعدادش همیشه یک بازه معمول‌اند.

این ارقام برای استریو است. مونو آن‌ها را نصف می‌کند که برای ضبط صدای گفتار مهم است، و WAV با 24 بیت و 48 kHz از دوربین یا ضبط‌کننده صحرایی حدود 17 MB در دقیقه می‌شود. برای تصور سریع، آلبومی 45 دقیقه‌ای حدود 480 MB به‌صورت WAV، حدود 260 MB به‌صورت FLAC، 108 MB به‌صورت MP3 با 320 kbps و 45 MB با 128 kbps است.

نرخ نمونه‌برداری یعنی موج در هر ثانیه چند بار اندازه‌گیری می‌شود. صدای CD از 44.1 kHz استفاده می‌کند، ویدیو و پخش تلویزیونی از 48 kHz و استودیوها گاهی با 96 kHz ضبط می‌کنند. نرخ نمونه‌برداری می‌تواند فرکانس‌ها را تا نصف مقدار خود ثبت کند؛ پس 44.1 kHz تا حدود 22 kHz می‌رسد، بیشتر از حد بالای شنوایی انسان یعنی حدود 20 kHz. نرخ‌های بالاتر بیشتر به فضای ویرایش کمک می‌کنند تا پخش.

عمق بیت یعنی هر اندازه‌گیری با چه دقتی ذخیره می‌شود. 16 بیت حدود 96 dB دامنه دینامیکی می‌دهد که برای هر اتاق شنیداری کافی است؛ 24 بیت به مهندس ضبط فضای بیشتری می‌دهد تا ضبط آرام بدون هیس بلند شود. عمق بیت به فرمت‌های PCM مثل WAV، AIFF، FLAC و ALAC مربوط است. کدک‌های با اتلاف نمونه‌ها را این‌گونه ذخیره نمی‌کنند؛ به همین دلیل MP3 نرخ بیت دارد ولی عمق بیت ندارد.

نرخ بیت یعنی یک ثانیه صدا چقدر داده مصرف می‌کند، بر حسب کیلوبیت بر ثانیه. در صدای فشرده‌نشده از دو عدد دیگر و ضرب در تعداد کانال‌ها به دست می‌آید. در فرمت‌های با اتلاف همان دکمه کیفیت است که شما تنظیم می‌کنید: 128 kbps برای گفتار کافی است، 192 kbps حد وسط معمول برای موسیقی و 320 kbps سقف MP3 است. AAC با نرخ بیت کمی پایین‌تر از MP3 به کیفیت قابل‌مقایسه می‌رسد.

معمولاً سازگاری است که تصمیم را تحمیل می‌کند، نه کیفیت صدا. MP3 تنها فرمتی است که هر ضبط ماشین، پخش‌کننده فلش، مرورگر، فرم آپلود و برنامه ایمیل آن را می‌شناسد. AAC روی همه دستگاه‌های اپل و تقریباً همه گوشی‌ها بومی است، اما بعضی ضبط‌های قدیمی ماشین و پخش‌کننده‌ها فایل‌های .m4a را رد می‌کنند. FLAC روی Android، Windows 10 به بعد و macOS پخش می‌شود، ولی برنامه Apple Music هنوز آن را وارد نمی‌کند؛ برای همین کاربران اپل به‌جای آن از ALAC استفاده می‌کنند.

در تولید و انتشار برعکس است: مقصد کامل‌ترین نسخه‌ای را می‌خواهد که دارید. ویرایشگرهای صدا و DAWها WAV و AIFF را مطمئن‌تر می‌خوانند و پخش‌کننده‌های موسیقی مثل DistroKid WAV یا FLAC با 16 یا 24 بیت می‌خواهند تا سرویس‌های استریم رمزگذاری خودشان را بسازند. میزبان‌های پادکست و Apple Podcasts از MP3 و AAC پشتیبانی می‌کنند.

یک قاعده بیشتر اشتباهات صوتی را پوشش می‌دهد: هرگز دو بار از فرمت با اتلاف به فرمت با اتلاف تبدیل نکنید. هر رمزگذاری با اتلاف جزئیاتی را دور می‌ریزد و رمزگذار بعدی نمی‌تواند حذف‌های خودش را از قبلی تشخیص دهد؛ پس اتلاف‌ها روی هم جمع می‌شوند. MP3 با 128 kbps که به AAC با 256 kbps تبدیل شود بزرگ‌تر می‌شود اما بهتر نه، و بعد از دو یا سه دور صدای سنج‌ها پیچ‌خورده و ضربه‌ها محو می‌شود. همیشه از بهترین منبعی که دارید رمزگذاری کنید و آن را نگه دارید.

رفتن از با اتلاف به بدون اتلاف مشکل برعکس دارد: بی‌خطر است اما برای کیفیت بی‌فایده. تبدیل MP3 به WAV یا FLAC فایلی بسیار بزرگ‌تر می‌دهد که دقیقاً مثل همان MP3 به گوش می‌رسد. اگر ویرایشگر یا سیستم پخش فقط WAV می‌پذیرد باز هم کار درستی است، به شرطی که بدانید سقف کیفیت را MP3 تعیین کرده است.

تبدیل‌های سودمند از یک نسخه اصلی بدون اتلاف به سمت پایین هستند. تبدیل WAV به MP3 ضبطی 40 MB را به چیزی تبدیل می‌کند که زیر محدودیت پیوست 25 MB در Gmail جا شود و نسخه FLAC به MP3 آلبوم بدون اتلاف را روی گوشی یا فلش ماشین می‌برد. اگر از دستگاه‌های اپل استفاده می‌کنید و می‌خواهید بدون اتلاف بمانید، FLAC به ALAC همه نمونه‌ها را حفظ می‌کند و فایل‌ها قابل ورود می‌شوند. استخراج صدا از ویدیو موضوع جداگانه‌ای است که در تبدیل MP4 به MP3 آمده است.

هر خانواده از فرمت‌ها اطلاعات آهنگ را به شکل متفاوتی ذخیره می‌کند. MP3 از برچسب‌های ID3 استفاده می‌کند و فریم‌های ID3v2 عنوان، خواننده، آلبوم، شماره ترک، متن آهنگ و تصویر کاور جاسازی‌شده را نگه می‌دارند. FLAC و OGG از Vorbis comments استفاده می‌کنند؛ فیلدهای متنی ساده به‌همراه یک بلوک تصویر برای کاور. AAC در فایل .m4a از اتم‌های فراداده MP4 استفاده می‌کند که iTunes آن‌ها را رایج کرد؛ برای همین کاور آلبوم و فیلدهای مرتب‌سازی در دستگاه‌های اپل بسیار تمیز نمایش داده می‌شوند.

WAV نقطه ضعف است. بخش RIFF INFO آن فقط چند فیلد متنی ذخیره می‌کند، پشتیبانی از کاور غیررسمی است و بسیاری از ضبط‌کننده‌ها و پخش‌کننده‌ها اصلاً چیزی نمی‌نویسند یا نمی‌خوانند. این هم یک دلیل دیگر است که FLAC برای کتابخانه موسیقی از WAV بهتر است: همان صدا، حجم کمتر و برچسب‌های درست. وقتی با مبدل صوتی تبدیل می‌کنید، گزینه حفظ برچسب‌ها و تصویر کاور هر چه را فایل مبدأ دارد در فیلدهای پشتیبانی‌شده فرمت مقصد کپی می‌کند. اگر به‌جای کتابخانه‌ای مرتب، متن پیاده‌شده یک فایل گفتاری را می‌خواهید، تبدیل صدا به متن را ببینید.

ردیفی را پیدا کنید که با کار بعدی روی فایل می‌خواند. اگر دو ردیف صدق می‌کند، یک نسخه اصلی بدون اتلاف نگه دارید و نسخه فشرده را از آن بسازید تا مجبور به انتخاب میان آن‌ها نشوید.