கணினியியல் & செயற்கை நுண்ணறிவுமுன்பதிப்புசோதனைபடிக்க 2 நிமிடங்கள்

160 KBPS-இல், மிகக் கூர்மையான காதுகளாலும் கோடெக்கை வெல்ல முடியவில்லை

இழப்புடன் கூடிய சுருக்கமே (lossy compression) இசை விநியோகிக்கப்படுவதற்கும் ஸ்ட்ரீம் செய்யப்படுவதற்குமான முதன்மை வழி. மனிதக் காது அதைத் தவறவிடாது என்ற பந்தயத்தில், ஒரு கோடெக் ஒலியின் ஒரு பகுதியைக் கைவிடுகிறது. Internet Engineering Task Force-ஆல் தரப்படுத்தப்பட்ட திறந்த மூலக் கோடெக்கான Opus, ஸ்ட்ரீமிங்கில் பரவலாகப் பயன்படுகிறது; பேச்சுக்காக வடிவமைக்கப்பட்ட ஓர் இயந்திரத்தை இசைக்காக வடிவமைக்கப்பட்ட மற்றொன்றுடன் இணைக்கிறது; ஆசிரியர்கள் மேற்கோள் காட்டும் ஆய்வுகள், அதே பிட் வீதத்தில் MP3, Vorbis அல்லது HE-AAC-ஐவிட அது சிறந்தது என்கின்றன.

இருந்தும், Opus பற்றிய கவனமான கேட்டல் சோதனைகள் பெரும்பாலும் பேச்சு, குறைந்த பிட் வீதங்கள் மீதே கவனம் செலுத்தின. Deezer Research-ஐச் சேர்ந்த Benjamin Martin, Romain Hennequin ஆகியோர் ஓர் எளிய கேள்வியைக் கேட்டனர்: எந்தப் பிட் வீதத்திலிருந்து, சுருக்கப்பட்ட இசையைச் சுருக்கப்படாத CD-தர மூலத்திலிருந்து வேறுபடுத்த முடியாமல் போகிறது? சமூகச் சோதனைகள் ஒரு பதிலைச் சுட்டியிருந்தன, ஆனால் முறையான, மீண்டும் செய்யக்கூடிய முடிவுகள் இல்லாமல் என்று அவர்கள் குறிப்பிடுகிறார்கள்.

சிறு குறைகளைப் பிடிக்கக் கட்டப்பட்ட சோதனை

சிறிய குறைபாடுகளைக் கண்டறிவதற்கான சர்வதேசத் தரநிலையான ITU-R BS.1116-3-ஐ அவர்கள் பயன்படுத்தினர். ஒவ்வொரு முயற்சியிலும், கேட்பவர் முதலில், அவ்வாறே பெயரிடப்பட்ட சுருக்கப்படாத குறிப்பு ஒலியைக் கேட்கிறார். பிறகு A, B என இரண்டு மறைவுத் துண்டுகள் வருகின்றன: ஒன்று சுருக்கப்பட்ட பதிப்பு, மற்றொன்று குறிப்பின் மறைந்த நகல். கேட்பவர் இரண்டுக்கும் 1 (“மிகவும் எரிச்சலூட்டுவது”) முதல் 5 (“உணர முடியாதது”) வரை மதிப்பெண் தருகிறார்; ஊகிக்க வேண்டியிருந்தாலும், ஒன்றுக்கு எப்போதும் சரியாக 5.0 தர வேண்டும். கணக்கில் கொள்ளப்படும் மதிப்பெண், சுருக்கப்பட்ட பதிப்பின் மதிப்பெண்ணுக்கும் மறைந்த குறிப்பின் மதிப்பெண்ணுக்கும் உள்ள இடைவெளி.

எல்லாமே கட்டுப்படுத்தப்பட்டது: 32 டெசிபலுக்குக் குறைவான சூழல் இரைச்சல் கொண்ட தனி அறைகள், தட்டையாக அளவீடு செய்யப்பட்ட மூடிய பின்புறத் தலையணிக் கேட்பிகள், இடையே ஒரு மணி நேர ஓய்வுடன் அதிகபட்சம் 30 நிமிட அமர்வுகள், கேட்பவர்களால் எதையாவது கேட்க முடிகிறதா என்று சரிபார்க்க ஒவ்வொரு அமர்விலும் நுழைக்கப்பட்ட, வேண்டுமென்றே மோசமான 32 kbps பதிப்பு.

இசை கடினமானதாகத் தேர்ந்தெடுக்கப்பட்டது: 23 துண்டுகள்; அவற்றில் ஒரு சமூக அளவுகோலின் ஏழு மிக மோசமான மாதிரிகளும், கோடெக்கைச் சிரமப்படுத்துவதாக அறியப்பட்ட, மீட்டப்படும் நரம்புகள் போன்ற அடர்த்தியான இசைசுரங்கள் (harmonics) நிறைந்த துண்டுகளும் அடங்கும். ஆசிரியர்கள் நீங்கலாக, Deezer-இன் இருபத்தாறு தன்னார்வ ஊழியர்கள் பங்கேற்றனர்; ஐவர் தேர்வில் தோற்றனர் — இருவர் விதிகளை மீறியதால், மூவர் 32 kbps பதிப்பை நம்பகமாகக் கண்டறிய முடியாததால் — 21 பேர் எஞ்சினர்.

128 தேறுகிறது, பிறகு பிடிபடுகிறது

முதல் கட்டத்தில், வினாடிக்கு 32, 64 கிலோபிட் தெளிவாகக் கண்டறியப்பட்டன. 128 kbps கண்டறியப்படவில்லை: அதன் சராசரி இடைவெளியான −0.08 புள்ளிகள் புள்ளியியல் ரீதியாகப் பூஜ்ஜியத்திலிருந்து வேறுபடுத்த முடியாதது (p = 0.456). ஆனால், ±0.25 புள்ளிகளுக்குள் சமநிலைக்கு நேர்மறைச் சான்று கேட்கும் இன்னும் கடுமையான சோதனையில் அது சிறிய வித்தியாசத்தில் தோற்றது.

எனவே குழு ஒரு மிக மோசமான நிலையை உருவாக்கியது. ஒவ்வொரு கேட்பவரும் எவ்வளவு கறாரானவர், ஒவ்வொரு துண்டும் எவ்வளவு வெளிப்படுத்தக்கூடியது என்பதைப் பிரிக்கும் ஒரு புள்ளியியல் மாதிரியைப் பயன்படுத்தி, மிகக் கறாரான 10 கேட்பவர்களையும், குறைகள் மிக எளிதாகக் கேட்கும் 8 துண்டுகளையும் மட்டும் வைத்து, 32, 96, 128, 160 kbps-இல் மீண்டும் சோதித்தனர். அந்த நுணுக்கமான ஆய்வில், 128 kbps கண்டறியப்பட்டது (இடைவெளி −0.24, p = 0.030).

160, வேறுபடுத்த முடியாதது

160 kbps-இல், இடைவெளி −0.04-க்குக் குறைந்தது (p = 0.747): இந்த நிபுணக் காதுகள் அதை மூலத்திலிருந்து வேறுபடுத்தவில்லை. இம்முறை கடுமையான சோதனையும் தேறியது (p = 0.024); இது சமநிலைக்கு நேர்மறைப் புள்ளியியல் சான்றைத் தருகிறது.

ஆசிரியர்களின் முடிவு இரண்டு அடுக்குகள் கொண்டது. பொது மக்களுக்கு, 128 kbps ஏற்கெனவே குறிப்பிடத்தக்க தரக்குறைவைக் காட்டுவதில்லை. மிகக் கடினமான இசை மீதான கறாரான கேட்டலுக்கு, புலனுணர்வு ஒளிவுமறைவின்மையை (perceptual transparency) அடைய 160 kbps தேவை. அதன் வரம்பில் அவர்கள் கவனமாக இருக்கிறார்கள்: ஒரே ஒரு தலையணிக் கேட்பி மாதிரி, ஒரே நிறுவனத்திலிருந்து எடுக்கப்பட்ட குழு, தீர்மானிக்கும் கட்டத்தில் பத்தே கேட்பவர்கள். இந்த வரம்பை உலகளாவியது என்று சொல்லும் முன், வேறு உயர்தர ஒலிக் கருவிகளுடனும் பரந்த நிபுணர் குழுவுடனும் சோதிக்க வேண்டும் என்று எழுதுகிறார்கள். அவர்களின் முடிவுகள், பெயர் நீக்கப்பட்ட கேட்பவர் விவரங்கள், துண்டுகளின் பண்புகள் ஆகியவை முயன்று பார்க்க விரும்பும் எவருக்கும் பொதுவில் வெளியிடப்பட்டுள்ளன.