160 kbps पर, सबसे तेज़ कान भी कोडेक को मात नहीं दे पाते

हानिपूर्ण (lossy) संपीड़न संगीत के वितरण और स्ट्रीमिंग का मुख्य तरीक़ा है। एक कोडेक आवाज़ का एक हिस्सा फेंक देता है, इस दाँव पर कि मानव कान उसकी कमी महसूस नहीं करेगा। Opus, इंटरनेट इंजीनियरिंग टास्क फ़ोर्स द्वारा मानकीकृत एक ओपन-सोर्स कोडेक, स्ट्रीमिंग के लिए व्यापक रूप से इस्तेमाल होता है; यह बोली के लिए बने एक इंजन को संगीत के लिए बने दूसरे इंजन से जोड़ता है, और लेखकों द्वारा उद्धृत साहित्य इसे समान बिटरेट पर MP3, Vorbis या HE-AAC से बेहतर पाता है।

फिर भी Opus के ज़्यादातर सावधान श्रवण परीक्षण बोली और कम बिटरेट पर केंद्रित रहे हैं। Deezer Research के Benjamin Martin और Romain Hennequin ने एक सरल सवाल पूछा: किस बिटरेट से संपीड़ित संगीत को असंपीड़ित CD-गुणवत्ता वाले मूल से अलग बताना असंभव हो जाता है? वे बताते हैं कि समुदाय के परीक्षणों ने एक उत्तर का संकेत दिया था, लेकिन औपचारिक, दोहराने योग्य परिणामों के बिना।

छोटी खामियाँ पकड़ने के लिए बना परीक्षण

उन्होंने छोटी विकृतियों का पता लगाने के अंतरराष्ट्रीय मानक, ITU-R BS.1116-3, का उपयोग किया। हर परीक्षण में, श्रोता पहले असंपीड़ित संदर्भ सुनता है, जिस पर यही लिखा होता है। फिर दो अंधे अंश आते हैं, A और B: एक संपीड़ित संस्करण, दूसरा संदर्भ की छिपी हुई प्रति। श्रोता दोनों को 1 (“बहुत खीझ पैदा करने वाला”) से 5 (“अगोचर”) तक अंक देता है, और उसे हमेशा उनमें से एक को ठीक 5.0 देना होता है, भले ही इसके लिए अंदाज़ा लगाना पड़े। जो अंक मायने रखता है, वह संपीड़ित संस्करण के अंक और छिपे संदर्भ के अंक के बीच का अंतर है।

सब कुछ नियंत्रित था: 32 डेसिबल से कम परिवेशी शोर वाले पृथक बूथ, सपाट अंशांकित बंद-पीठ वाले हेडफ़ोन, अधिकतम 30 मिनट के सत्र जिनके बीच एक घंटे का आराम, और हर सत्र में जानबूझकर ख़राब 32 kbps का एक संस्करण डाला गया ताकि जाँचा जा सके कि श्रोता कुछ सुन भी पा रहे हैं या नहीं।

संगीत को कठिन होने के लिए चुना गया: 23 अंश, जिनमें एक सामुदायिक बेंचमार्क से सात सबसे बुरी स्थिति वाले नमूने और घने हार्मोनिक्स से भरपूर रचनाएँ शामिल थीं, जैसे छेड़े गए तार, जो कोडेक को परेशान करने के लिए जाने जाते हैं। Deezer के छब्बीस स्वयंसेवी कर्मचारियों ने भाग लिया, लेखकों को छोड़कर; पाँच छँटनी में विफल रहे — दो नियम तोड़ने के कारण, तीन इसलिए कि वे 32 kbps संस्करण को भरोसेमंद ढंग से नहीं पहचान सके — और 21 बचे।

128 पास होता है, फिर पकड़ा जाता है

पहले चरण में 32 और 64 किलोबिट प्रति सेकंड साफ़ पकड़े गए। 128 kbps नहीं पकड़ा गया: उसका −0.08 अंकों का औसत अंतर सांख्यिकीय रूप से शून्य से अलग नहीं था (p = 0.456)। हालाँकि वह एक ज़्यादा सख़्त परीक्षण में मामूली अंतर से विफल रहा, जो ±0.25 अंकों के भीतर समतुल्यता का सकारात्मक प्रमाण माँगता है।

तो टीम ने सबसे बुरी स्थिति रची। एक सांख्यिकीय मॉडल का उपयोग करके, जो यह अलग करता है कि हर श्रोता कितना आलोचनात्मक है और हर अंश कितना उजागर करने वाला है, उन्होंने केवल 10 सबसे आलोचनात्मक श्रोता और वे 8 अंश रखे जिनकी विकृतियाँ सुनने में सबसे आसान थीं, और 32, 96, 128 और 160 kbps पर फिर से परीक्षण किया। उस कड़ी जाँच में 128 kbps पकड़ा गया (अंतर −0.24, p = 0.030)।

160, अभेद्य

160 kbps पर अंतर गिरकर −0.04 रह गया (p = 0.747): ये विशेषज्ञ कान उसे मूल से अलग नहीं बता सके। और इस बार ज़्यादा सख़्त परीक्षण भी पास हो गया (p = 0.024), जिससे समतुल्यता का सकारात्मक सांख्यिकीय प्रमाण मिला।

लेखकों का निष्कर्ष दो स्तरों वाला है। आम श्रोताओं के लिए, 128 kbps पर ही कोई उल्लेखनीय गिरावट नहीं दिखती। सबसे कठिन सामग्री पर आलोचनात्मक श्रवण के लिए, अवधारणात्मक पारदर्शिता तक पहुँचने के लिए 160 kbps चाहिए। वे इसके दायरे को लेकर सावधान हैं: हेडफ़ोन का एक ही मॉडल, एक ही कंपनी से लिया गया पैनल, और निर्णायक चरण में केवल दस श्रोता। वे लिखते हैं कि इस सीमा को सार्वभौमिक कहने से पहले दूसरे ऑडियोफ़ाइल उपकरणों और विशेषज्ञों के व्यापक समूह के साथ परीक्षण ज़रूरी होगा। उनके परिणाम, गुमनाम किए गए श्रोता प्रोफ़ाइल और अंशों की विशेषताएँ सार्वजनिक रूप से जारी की गई हैं, ताकि कोई भी आज़माना चाहे तो आज़मा सके।