160 kbps-এ সবচেয়ে তীক্ষ্ণ কানও কোডেককে হারাতে পারে না

ক্ষতিযুক্ত (lossy) সংকোচনই সংগীত বিতরণ ও স্ট্রিমিংয়ের প্রধান উপায়। একটি কোডেক শব্দের একটি অংশ ফেলে দেয়, এই বাজি ধরে যে মানুষের কান তার অভাব টের পাবে না। Opus, ইন্টারনেট ইঞ্জিনিয়ারিং টাস্ক ফোর্সের প্রমিত একটি ওপেন-সোর্স কোডেক, স্ট্রিমিংয়ে ব্যাপকভাবে ব্যবহৃত হয়; এটি কথার জন্য তৈরি একটি ইঞ্জিনকে সংগীতের জন্য তৈরি আরেকটি ইঞ্জিনের সঙ্গে জোড়ে, এবং লেখকদের উদ্ধৃত গবেষণা-সাহিত্য একই বিটরেটে একে MP3, Vorbis বা HE-AAC-এর চেয়ে ভালো বলে দেখেছে।

তবু Opus-এর বেশিরভাগ যত্নশীল শ্রবণ-পরীক্ষা কথা আর কম বিটরেটের ওপরই কেন্দ্রীভূত ছিল। Deezer Research-এর Benjamin Martin ও Romain Hennequin একটি সরল প্রশ্ন করেছেন: কোন বিটরেট থেকে সংকুচিত সংগীতকে অসংকুচিত CD-মানের মূল থেকে আলাদা করা অসম্ভব হয়ে যায়? তাঁরা উল্লেখ করেছেন, কমিউনিটির পরীক্ষাগুলো একটি উত্তরের আভাস দিয়েছিল, কিন্তু আনুষ্ঠানিক, পুনরুৎপাদনযোগ্য ফলাফল ছাড়া।

ছোট খুঁত ধরার জন্য বানানো পরীক্ষা

তাঁরা ছোট বিকৃতি শনাক্ত করার আন্তর্জাতিক মান ITU-R BS.1116-3 ব্যবহার করেছেন। প্রতিটি পরীক্ষায় শ্রোতা প্রথমে অসংকুচিত রেফারেন্সটি শোনেন, যাতে সেভাবেই লেবেল দেওয়া। তারপর আসে দুটি অন্ধ অংশ, A আর B: একটি সংকুচিত সংস্করণ, অন্যটি রেফারেন্সের লুকোনো প্রতিলিপি। শ্রোতা দুটিকেই 1 (“খুব বিরক্তিকর”) থেকে 5 (“অননুভবযোগ্য”) পর্যন্ত নম্বর দেন, এবং সবসময় একটিকে হুবহু 5.0 দিতেই হয়, আন্দাজে হলেও। যে নম্বরটি গণ্য হয় তা হলো সংকুচিত সংস্করণের নম্বর আর লুকোনো রেফারেন্সের নম্বরের পার্থক্য।

সবকিছু নিয়ন্ত্রিত ছিল: 32 ডেসিবেলের কম পারিপার্শ্বিক শব্দের বিচ্ছিন্ন বুথ, সমতল ক্রমাঙ্কিত বন্ধ-পিঠের হেডফোন, সর্বোচ্চ 30 মিনিটের সেশন যার মাঝে এক ঘণ্টার বিশ্রাম, এবং প্রতিটি সেশনে ইচ্ছাকৃতভাবে খারাপ 32 kbps-এর একটি সংস্করণ গুঁজে দেওয়া, যাচাই করতে যে শ্রোতারা আদৌ কিছু শুনতে পাচ্ছেন কি না।

সংগীত বাছা হয়েছিল কঠিন হওয়ার জন্য: 23টি অংশ, যার মধ্যে একটি কমিউনিটি বেঞ্চমার্ক থেকে সাতটি সবচেয়ে খারাপ-পরিস্থিতির নমুনা এবং ঘন হারমোনিক্সে ভরা রচনা, যেমন টোকা দেওয়া তার, যা কোডেককে বেকায়দায় ফেলে বলে জানা। Deezer-এর ছাব্বিশজন স্বেচ্ছাসেবী কর্মী অংশ নিয়েছেন, লেখকরা বাদে; পাঁচজন বাছাইয়ে বাদ পড়েছেন — দুজন নিয়ম ভাঙার জন্য, তিনজন 32 kbps সংস্করণটি নির্ভরযোগ্যভাবে ধরতে না পারায় — বাকি থাকেন 21 জন।

128 পাস করে, তারপর ধরা পড়ে

প্রথম পর্যায়ে 32 ও 64 কিলোবিট প্রতি সেকেন্ড স্পষ্টভাবে ধরা পড়েছে। 128 kbps পড়েনি: এর গড় পার্থক্য −0.08 পয়েন্ট, যা পরিসংখ্যানগতভাবে শূন্য থেকে আলাদা করা যায় না (p = 0.456)। তবে এটি অল্পের জন্য একটি কঠোরতর পরীক্ষায় ব্যর্থ হয়েছে, যা ±0.25 পয়েন্টের মধ্যে সমতুল্যতার ইতিবাচক প্রমাণ চায়।

তাই দলটি সবচেয়ে খারাপ পরিস্থিতি তৈরি করল। একটি পরিসংখ্যানিক মডেল ব্যবহার করে, যা আলাদা করে প্রতিটি শ্রোতা কতটা খুঁতখুঁতে আর প্রতিটি অংশ কতটা ত্রুটি-প্রকাশক, তাঁরা রাখলেন শুধু 10 জন সবচেয়ে খুঁতখুঁতে শ্রোতা আর সেই 8টি অংশ যাদের বিকৃতি শোনা সবচেয়ে সহজ, এবং 32, 96, 128 ও 160 kbps-এ আবার পরীক্ষা করলেন। সেই কড়া যাচাইয়ে 128 kbps ধরা পড়েছে (পার্থক্য −0.24, p = 0.030)।

160, আলাদা করা যায় না

160 kbps-এ পার্থক্য নেমে এসেছে −0.04-এ (p = 0.747): এই বিশেষজ্ঞ কানগুলো আর একে মূল থেকে আলাদা করতে পারেনি। আর এবার কঠোরতর পরীক্ষাটিও পাস করেছে (p = 0.024), যা সমতুল্যতার ইতিবাচক পরিসংখ্যানিক প্রমাণ দেয়।

লেখকদের সিদ্ধান্ত দুই স্তরের। সাধারণ শ্রোতার জন্য 128 kbps-এই কোনো উল্লেখযোগ্য অবনতি দেখা যায় না। সবচেয়ে কঠিন উপাদানে খুঁতখুঁতে শ্রবণের জন্য, উপলব্ধিগত স্বচ্ছতায় পৌঁছাতে 160 kbps লাগে। এর পরিধি নিয়ে তাঁরা সতর্ক: হেডফোনের একটিমাত্র মডেল, একটিমাত্র প্রতিষ্ঠান থেকে নেওয়া প্যানেল, আর নির্ণায়ক পর্যায়ে মাত্র দশজন শ্রোতা। তাঁরা লিখেছেন, এই সীমাকে সর্বজনীন বলার আগে অন্যান্য অডিওফাইল সরঞ্জাম ও বিশেষজ্ঞদের বৃহত্তর দল নিয়ে পরীক্ষা দরকার। তাঁদের ফলাফল, নামপরিচয়হীন শ্রোতা-প্রোফাইল ও অংশগুলোর বৈশিষ্ট্য প্রকাশ্যে উন্মুক্ত করা হয়েছে, যে কেউ চাইলে চেষ্টা করে দেখতে পারেন।