MP3 vs WAV vs FLAC vs AAC: ควรใช้ไฟล์เสียงแบบไหนดี | UltKit

เสียงดิจิทัลเริ่มต้นจากรายการตัวเลขยาว ๆ ซึ่งเป็นความสูงของคลื่นเสียงที่วัดหลายหมื่นครั้งต่อวินาที ฟอร์แมตแบบไม่บีบอัด เช่น WAV และ AIFF เขียนรายการนั้นลงดิสก์ตามเดิม ไม่ตัดอะไรออกและไม่บีบอัด ทำให้โปรแกรมตัดต่ออ่านไฟล์ได้ง่ายและเลื่อนดูได้เร็ว แต่ไฟล์ก็ใหญ่ เพลงยาวสามนาทีที่เก็บแบบนี้มีขนาดราว 30 MB ไม่ว่าเสียงจะเป็นอย่างไร

ฟอร์แมตแบบไม่สูญเสียคุณภาพ เช่น FLAC และ ALAC บีบอัดรายการเดียวกันอย่างชาญฉลาดขึ้น เหมือนที่ไฟล์ ZIP บีบอัดเอกสาร เมื่อเล่นไฟล์ ตัวถอดรหัสจะสร้างทุกตัวอย่างขึ้นมาใหม่อย่างแม่นยำ ดังนั้นไฟล์ FLAC ที่ถอดกลับเป็น WAV จึงเหมือนต้นฉบับทุกบิต ขนาดที่ลดได้ขึ้นอยู่กับเพลง เพลงอะคูสติกเบา ๆ ลดได้มาก ส่วนเพลงร็อกที่แน่นหรือเสียงบันทึกภาคสนามที่มีสัญญาณรบกวนลดได้น้อยกว่า อัลบั้มทั่วไปมีขนาดราวครึ่งหนึ่งถึงสามในห้าของ WAV

ฟอร์แมตแบบสูญเสียคุณภาพ เช่น MP3, AAC, Vorbis และ Opus ตัดข้อมูลทิ้งโดยตั้งใจ ตัวเข้ารหัสใช้แบบจำลองการได้ยินของมนุษย์เพื่อตัดเสียงที่ถูกเสียงดังกว่าข้างเคียงกลบ หรืออยู่ในความถี่ที่แทบไม่รู้สึก แล้วเก็บเฉพาะส่วนที่เหลือ ผลคือไฟล์เล็กกว่า WAV ห้าถึงสิบเท่า ที่บิตเรตสูงพอ คนส่วนใหญ่แยกไม่ออกจากต้นฉบับ แต่รายละเอียดที่ตัดไปแล้วหายถาวร และเรียกคืนด้วยการแปลงกลับไม่ได้

ประวัติศาสตร์อธิบายความเข้ากันได้ที่เห็นในปัจจุบันได้มาก MP3 เริ่มในอุปกรณ์ผู้บริโภคก่อนกว่าสิบปี WAV มาพร้อม Windows FLAC เติบโตในโลกโอเพนซอร์ส และ AAC เข้ามาพร้อม iPod และ iTunes Store เปิดแต่ละแถวเพื่อดูสรุปสั้น ๆ รวมถึงอีกสี่ฟอร์แมตที่จะพบควบคู่กับสี่ฟอร์แมตหลัก

ขนาดไฟล์ของเสียงแบบไม่บีบอัดและแบบสูญเสียคุณภาพคำนวณง่าย ๆ คือบิตเรตคูณความยาว WAV แบบสเตอริโอ 16-bit/44.1 kHz มีบิตเรต 1,411 kbps หรือประมาณ 10.6 MB ต่อนาที ฟอร์แมตแบบสูญเสียคุณภาพใช้บิตเรตตามที่เลือก ดังนั้น MP3 ที่ 320 kbps จึงประมาณ 2.4 MB ต่อนาที และที่ 128 kbps น้อยกว่า 1 MB เล็กน้อย FLAC ต่างจากตัวอื่นเพราะขนาดขึ้นกับเพลง ตัวเลขจึงเป็นช่วงโดยทั่วไปเสมอ

ตัวเลขเหล่านี้เป็นของเสียงสเตอริโอ ถ้าเป็นโมโนจะเหลือครึ่งหนึ่ง ซึ่งมีผลกับงานบันทึกเสียงพูด และ WAV 24-bit/48 kHz จากกล้องหรือเครื่องบันทึกภาคสนามมีขนาดราว 17 MB ต่อนาที พอให้เห็นภาพ อัลบั้มยาว 45 นาทีมีขนาดราว 480 MB แบบ WAV ราว 260 MB แบบ FLAC 108 MB แบบ MP3 320 kbps และ 45 MB ที่ 128 kbps

อัตราสุ่มตัวอย่าง คือจำนวนครั้งต่อวินาทีที่วัดคลื่นเสียง เสียงซีดีใช้ 44.1 kHz วิดีโอและงานกระจายเสียงใช้ 48 kHz และบางครั้งสตูดิโออัดที่ 96 kHz อัตราสุ่มตัวอย่างจับความถี่ได้สูงสุดครึ่งหนึ่งของค่านั้น ดังนั้น 44.1 kHz จึงครอบคลุมถึงราว 22 kHz ซึ่งเกินขีดจำกัดการได้ยินของมนุษย์ที่ราว 20 kHz อัตราที่สูงกว่าช่วยเรื่องช่วงเผื่อในการตัดต่อมากกว่าการเล่น

ความลึกบิต คือความละเอียดในการเก็บการวัดแต่ละครั้ง 16-bit ให้ช่วงไดนามิกประมาณ 96 dB ซึ่งเพียงพอสำหรับห้องฟังทุกแบบ ส่วน 24-bit ให้วิศวกรเสียงมีพื้นที่เพิ่ม ทำให้เทคที่เบาสามารถเร่งเสียงขึ้นได้โดยไม่มีเสียงซ่า ความลึกบิตใช้กับฟอร์แมต PCM เช่น WAV, AIFF, FLAC และ ALAC โคเดกแบบสูญเสียคุณภาพไม่เก็บตัวอย่างแบบนี้ MP3 จึงมีบิตเรตแต่ไม่มีความลึกบิต

บิตเรต คือปริมาณข้อมูลที่เสียงหนึ่งวินาทีใช้ วัดเป็นกิโลบิตต่อวินาที สำหรับเสียงแบบไม่บีบอัด คำนวณได้จากอีกสองค่าคูณจำนวนแชนเนล สำหรับฟอร์แมตแบบสูญเสียคุณภาพ บิตเรตคือตัวปรับคุณภาพที่ตั้งเอง 128 kbps เพียงพอสำหรับเสียงพูด 192 kbps เป็นค่ากลางที่ใช้กันทั่วไปสำหรับดนตรี และ 320 kbps เป็นเพดานของ MP3 AAC ให้คุณภาพใกล้เคียงกันที่บิตเรตต่ำกว่า MP3 เล็กน้อย

สิ่งที่บังคับให้ต้องเลือกฟอร์แมตมักเป็นเรื่องความเข้ากันได้ ไม่ใช่คุณภาพเสียง MP3 เป็นฟอร์แมตเดียวที่เครื่องเสียงรถยนต์ เครื่องเล่นแบบเสียบแฟลชไดรฟ์ เบราว์เซอร์ ฟอร์มอัปโหลด และโปรแกรมอีเมลทุกตัวรองรับ AAC ใช้งานได้ตรง ๆ บนอุปกรณ์ Apple ทุกเครื่องและสมาร์ตโฟนเกือบทุกรุ่น แต่เครื่องเสียงรถยนต์และเครื่องเล่นมีเดียรุ่นเก่าบางรุ่นข้ามไฟล์ .m4a ส่วน FLAC เล่นได้บน Android, Windows 10 ขึ้นไป และ macOS แต่แอป Apple Music ยังนำเข้าไม่ได้ ผู้ใช้ Apple จึงหันไปใช้ ALAC แทน

งานผลิตและเผยแพร่เป็นไปในทางกลับกัน ปลายทางต้องการเวอร์ชันที่สมบูรณ์ที่สุดเท่าที่คุณมี โปรแกรมตัดต่อเสียงและ DAW อ่าน WAV และ AIFF ได้เสถียรที่สุด ส่วนผู้จัดจำหน่ายเพลงอย่าง DistroKid ขอไฟล์ WAV หรือ FLAC แบบ 16 หรือ 24 บิต เพื่อให้บริการสตรีมมิงไปเข้ารหัสเอง ผู้ให้บริการโฮสต์พอดแคสต์และ Apple Podcasts รับ MP3 และ AAC

กฎข้อเดียวครอบคลุมความผิดพลาดด้านเสียงส่วนใหญ่ คือ อย่าเข้ารหัสแบบสูญเสียซ้ำเป็นรอบที่สอง การเข้ารหัสแบบสูญเสียทุกครั้งตัดรายละเอียดทิ้ง และตัวเข้ารหัสรอบถัดไปแยกไม่ออกว่าส่วนไหนถูกตัดไปแล้ว ความสูญเสียจึงสะสม MP3 128 kbps ที่แปลงเป็น AAC 256 kbps ได้ไฟล์ใหญ่ขึ้นแต่ไม่ได้ดีขึ้น และเมื่อผ่านไปสองถึงสามรอบจะเริ่มได้ยินเสียงฉาบเหมือนเป็นคลื่นและเสียงจังหวะเบลอ ควรเข้ารหัสจากต้นฉบับที่ดีที่สุดเสมอ และเก็บต้นฉบับนั้นไว้

การแปลงจากแบบสูญเสียเป็นแบบไม่สูญเสียมีปัญหาตรงกันข้าม คือปลอดภัยแต่ไม่ช่วยคุณภาพ การแปลง MP3 เป็น WAV หรือ FLAC ได้ไฟล์ใหญ่กว่ามากที่เสียงเหมือน MP3 ทุกประการ แต่ก็ยังควรทำเมื่อโปรแกรมตัดต่อหรือระบบออกอากาศรับเฉพาะ WAV โดยต้องรู้ว่าเพดานคุณภาพถูกกำหนดโดย MP3 แล้ว

การแปลงที่คุ้มค่าคือการลดลงจากมาสเตอร์แบบไม่สูญเสีย แปลง WAV เป็น MP3 ทำให้ไฟล์บันทึกเสียง 40 MB เล็กพอที่จะแนบ Gmail ซึ่งจำกัด 25 MB ได้ และสำเนา FLAC เป็น MP3 ช่วยนำอัลบั้มแบบไม่สูญเสียไปไว้ในโทรศัพท์หรือแฟลชไดรฟ์ในรถ หากใช้อุปกรณ์ Apple และต้องการคงคุณภาพไว้ FLAC เป็น ALAC เก็บทุกตัวอย่างเสียงและทำให้นำเข้าไฟล์ได้ ส่วนการแยกเสียงจากวิดีโอเป็นอีกกรณีหนึ่ง ดูได้ใน วิธีแปลง MP4 เป็น MP3

แต่ละกลุ่มฟอร์แมตเก็บรายละเอียดเพลงต่างกัน MP3 ใช้แท็ก ID3 โดย ID3v2 มีเฟรมสำหรับชื่อเพลง ศิลปิน อัลบั้ม หมายเลขแทร็ก เนื้อเพลง และภาพปกที่ฝังอยู่ FLAC และ OGG ใช้ Vorbis comments ซึ่งเป็นช่องข้อความง่าย ๆ พร้อมบล็อกรูปภาพสำหรับภาพปก ส่วน AAC ในไฟล์ .m4a ใช้ MP4 metadata atoms ที่ iTunes ทำให้เป็นที่นิยม ภาพอัลบั้มและช่องเรียงลำดับจึงแสดงผลเรียบร้อยบนอุปกรณ์ Apple

WAV เป็นจุดอ่อน RIFF INFO chunk เก็บช่องข้อความได้เพียงไม่กี่ช่อง การรองรับภาพปกไม่เป็นทางการ และเครื่องบันทึกกับเครื่องเล่นจำนวนมากไม่เขียนหรืออ่านอะไรเลย นี่เป็นอีกเหตุผลที่ FLAC ดีกว่า WAV สำหรับคลังเพลง คือเสียงเดียวกัน ไฟล์เล็กกว่า และมีแท็กครบ เมื่อแปลงด้วยตัวแปลงไฟล์เสียง ตัวเลือก คงแท็กและภาพปก จะคัดลอกข้อมูลที่ต้นฉบับมีไปยังช่องที่ฟอร์แมตปลายทางรองรับ หากต้องการข้อความถอดจากเสียงพูดแทนการจัดคลังเพลง ดูวิธีแปลงเสียงเป็นข้อความ

ดูแถวที่ตรงกับสิ่งที่จะเกิดกับไฟล์ต่อไป หากตรงกับสองแถว ให้เก็บมาสเตอร์แบบไม่สูญเสียไว้แล้วทำสำเนาแบบสูญเสียจากมาสเตอร์นั้น จะได้ไม่ต้องเลือกระหว่างสองอย่าง