ПРИ 160 КБИТ/С ДАЖЕ САМЫЙ ТОНКИЙ СЛУХ НЕ ПЕРЕИГРАЕТ КОДЕК

Сжатие с потерями — основной способ распространения музыки и её потоковой передачи. Кодек выбрасывает часть звука в расчёте на то, что человеческое ухо этого не хватится. Opus — кодек с открытым исходным кодом, стандартизированный Инженерным советом интернета (IETF), — широко используется в стриминге; он объединяет движок, созданный для речи, с другим, созданным для музыки, и литература, на которую ссылаются авторы, признаёт его лучше MP3, Vorbis или HE-AAC при том же битрейте.

Однако большинство тщательных тестов прослушивания Opus были посвящены речи и низким битрейтам. Бенжамен Мартен и Ромен Энкен из Deezer Research задали простой вопрос: начиная с какого битрейта сжатую музыку становится невозможно отличить от несжатого оригинала в качестве CD? Тесты сообщества уже намекали на ответ, отмечают они, но без формальных воспроизводимых результатов.

Тест, созданный ловить мелкие изъяны

Они использовали международный стандарт для выявления малых искажений — ITU-R BS.1116-3. В каждом испытании слушатель сначала слышит несжатый эталон, помеченный как эталон. Затем идут два слепых фрагмента, A и B: один — сжатая версия, другой — скрытая копия эталона. Слушатель оценивает оба по шкале от 1 («очень раздражает») до 5 («незаметно») и обязан всегда поставить ровно 5,0 одному из них, даже если приходится угадывать. Учитывается разница между оценкой сжатой версии и оценкой скрытого эталона.

Всё было под контролем: изолированные кабины с фоновым шумом ниже 32 децибел, закрытые наушники, откалиброванные на плоскую характеристику, сессии не дольше 30 минут с часовым отдыхом между ними и нарочито плохая версия 32 кбит/с, подкинутая в каждую сессию, чтобы проверить, слышат ли слушатели хоть что-то.

Музыку подбирали так, чтобы она была трудной: 23 фрагмента, в том числе семь наихудших образцов из бенчмарка сообщества и произведения, богатые плотными гармониками, например щипковые струнные, которые, как известно, доставляют кодеку проблемы. Участвовали двадцать шесть сотрудников Deezer-добровольцев, не считая авторов; пятеро не прошли отбор — двое за нарушение правил, трое потому, что не могли надёжно распознать версию 32 кбит/с, — осталось 21.

128 проходит, а потом попадается

На первом этапе 32 и 64 килобита в секунду были уверенно распознаны. 128 кбит/с — нет: средняя разница в −0,08 балла статистически не отличалась от нуля (p = 0,456). Однако он чуть-чуть не прошёл более строгий тест, требующий положительного доказательства эквивалентности в пределах ±0,25 балла.

Тогда команда построила наихудший сценарий. С помощью статистической модели, разделяющей, насколько взыскателен каждый слушатель и насколько показателен каждый фрагмент, они оставили только 10 самых взыскательных слушателей и 8 фрагментов, артефакты в которых было легче всего услышать, и повторили тест при 32, 96, 128 и 160 кбит/с. При таком пристальном внимании 128 кбит/с был распознан (разница −0,24, p = 0,030).

160 — неотличимо

При 160 кбит/с разница упала до −0,04 (p = 0,747): эти экспертные уши уже не отличали его от оригинала. И на этот раз прошёл и более строгий тест (p = 0,024), дав положительное статистическое свидетельство эквивалентности.

Вывод авторов двухуровневый. Для широкой аудитории уже 128 кбит/с не даёт заметного ухудшения. Для критического прослушивания самого трудного материала, чтобы достичь перцептивной прозрачности, нужны 160 кбит/с. Они осторожны в оценке охвата: одна модель наушников, группа из сотрудников одной компании и всего десять слушателей на решающем этапе. Прежде чем называть порог универсальным, пишут они, понадобятся тесты с другим аудиофильским оборудованием и более широким кругом экспертов. Их результаты, анонимизированные профили слушателей и характеристики фрагментов опубликованы для всех, кто захочет попробовать.