در 160 کیلوبیت بر ثانیه، حتی تیزترین گوش‌ها هم از پس کدک برنمی‌آیند

فشرده‌سازی با اتلاف، راه اصلی توزیع و پخش برخط موسیقی است. کدک بخشی از صدا را دور می‌ریزد، با این شرط‌بندی که گوش انسان نبودش را حس نکند. Opus، کدکی متن‌باز که Internet Engineering Task Force آن را استاندارد کرده، در پخش برخط بسیار به کار می‌رود؛ موتوری طراحی‌شده برای گفتار را با موتوری دیگر طراحی‌شده برای موسیقی ترکیب می‌کند، و منابعی که نویسندگان به آن‌ها ارجاع می‌دهند آن را در نرخ بیت یکسان بهتر از MP3، Vorbis یا HE-AAC می‌دانند.

با این حال، بیشتر آزمون‌های شنیداری دقیق Opus بر گفتار و نرخ‌های بیت پایین متمرکز بوده‌اند. Benjamin Martin و Romain Hennequin از Deezer Research پرسشی ساده مطرح کردند: موسیقی فشرده از چه نرخ بیتی به بعد دیگر از نسخهٔ اصلی فشرده‌نشده با کیفیت سی‌دی تمیزدادنی نیست؟ آن‌ها یادآور می‌شوند که آزمون‌های جامعهٔ کاربران به پاسخی اشاره کرده بودند، اما بی‌آنکه نتایجی رسمی و تکرارپذیر داشته باشند.

آزمونی ساخته‌شده برای گیر انداختن عیب‌های کوچک

آن‌ها از استاندارد بین‌المللی برای تشخیص آسیب‌های کوچک، ITU-R BS.1116-3، استفاده کردند. در هر آزمایه، شنونده نخست نسخهٔ مرجع فشرده‌نشده را می‌شنود که همین برچسب را دارد. سپس دو قطعهٔ کور، A و B، می‌آیند: یکی نسخهٔ فشرده است و دیگری رونوشتی پنهان از مرجع. شنونده به هر دو از 1 («بسیار آزاردهنده») تا 5 («نامحسوس») نمره می‌دهد و همیشه باید دقیقاً 5.0 را به یکی از آن‌ها بدهد، حتی اگر ناچار به حدس زدن باشد. نمره‌ای که اهمیت دارد، فاصلهٔ نمرهٔ نسخهٔ فشرده با نمرهٔ مرجع پنهان است.

همه‌چیز کنترل‌شده بود: اتاقک‌های مجزا با نوفهٔ محیطی زیر 32 دسی‌بل، هدفون‌های پشت‌بسته که برای پاسخ تخت کالیبره شده بودند، جلسه‌هایی حداکثر 30 دقیقه‌ای با یک ساعت استراحت در میانشان، و نسخه‌ای عمداً بد با 32 kbps که در هر جلسه گنجانده شد تا اطمینان حاصل شود شنوندگان اصلاً چیزی می‌شنوند.

موسیقی دشوار انتخاب شد: 23 قطعه، از جمله هفت نمونهٔ بدترین‌حالت از یک محک جامعهٔ کاربران و قطعه‌هایی سرشار از هارمونیک‌های انبوه، مانند سازهای زهی زخمه‌ای، که شناخته‌شده‌اند کدک را به دردسر می‌اندازند. بیست‌وشش کارمند داوطلب Deezer، به‌جز نویسندگان، شرکت کردند؛ پنج نفر در غربالگری رد شدند — دو نفر به دلیل زیر پا گذاشتن قواعد، سه نفر چون نتوانستند نسخهٔ 32 kbps را به‌طور قابل‌اعتماد تشخیص دهند — و 21 نفر ماندند.

128 قبول می‌شود، سپس لو می‌رود

در مرحلهٔ نخست، 32 و 64 کیلوبیت بر ثانیه به‌روشنی تشخیص داده شدند. 128 kbps تشخیص داده نشد: میانگین فاصلهٔ آن، −0.08 نمره، از نظر آماری از صفر تمیزدادنی نبود (p = 0.456). با این حال، در آزمونی سخت‌گیرانه‌تر که اثبات مثبت هم‌ارزی در بازهٔ ±0.25 نمره را می‌طلبد، با اختلافی اندک ناکام ماند.

پس تیم یک بدترین‌حالت ساخت. با مدلی آماری که میزان نکته‌سنجی هر شنونده را از میزان افشاگری هر قطعه جدا می‌کند، تنها 10 شنوندهٔ نکته‌سنج‌تر و 8 قطعه‌ای را که عیب‌هایشان آسان‌تر شنیده می‌شد نگه داشتند و در 32، 96، 128 و 160 kbps دوباره آزمودند. زیر این ذره‌بین، 128 kbps تشخیص داده شد (فاصلهٔ −0.24، p = 0.030).

160، تمیزناپذیر

در 160 kbps، فاصله به −0.04 رسید (p = 0.747): این گوش‌های خبره دیگر آن را از نسخهٔ اصلی تشخیص ندادند. و این بار آزمون سخت‌گیرانه‌تر هم قبول شد (p = 0.024) و شاهد آماری مثبتی برای هم‌ارزی به دست داد.

نتیجه‌گیری نویسندگان دو لایه دارد. برای مخاطب عام، 128 kbps از همین حالا افت معناداری نشان نمی‌دهد. برای شنیدن نکته‌سنجانه روی دشوارترین مواد، برای رسیدن به شفافیت ادراکی (perceptual transparency) به 160 kbps نیاز است. آن‌ها دربارهٔ دامنهٔ این نتیجه محتاط‌اند: یک مدل هدفون، هیئتی برگرفته از یک شرکت، و تنها ده شنونده در مرحلهٔ تعیین‌کننده. به نوشتهٔ آن‌ها، پیش از همگانی دانستن این آستانه، آزمون با تجهیزات صوتی حرفه‌ای دیگر و گروه گسترده‌تری از متخصصان لازم است. نتایج، نیم‌رخ‌های بی‌نام‌شدهٔ شنوندگان و ویژگی‌های قطعه‌ها به‌طور عمومی منتشر شده‌اند تا هر کس بخواهد امتحان کند.