160 KBPS వద్ద, అత్యంత పదునైన చెవులు కూడా కోడెక్‌ను ఓడించలేవు

నష్టంతో కూడిన కుదింపు (lossy compression) సంగీతాన్ని పంపిణీ చేయడానికి, స్ట్రీమ్ చేయడానికి ప్రధాన మార్గం. కోడెక్ ధ్వనిలో కొంత భాగాన్ని పారేస్తుంది, మనిషి చెవికి అది లేని లోటు తెలియదనే పందెంతో. ఇంటర్నెట్ ఇంజనీరింగ్ టాస్క్ ఫోర్స్ (IETF) ప్రామాణీకరించిన ఓపెన్-సోర్స్ కోడెక్ Opus స్ట్రీమింగ్‌కు విస్తృతంగా వాడుతున్నారు; ఇది మాటల కోసం రూపొందించిన ఒక ఇంజిన్‌ను, సంగీతం కోసం రూపొందించిన మరో ఇంజిన్‌తో కలుపుతుంది, రచయితలు ఉటంకించిన సాహిత్యం ప్రకారం అదే బిట్‌రేట్ వద్ద ఇది MP3, Vorbis, HE-AAC కంటే మెరుగైనది.

అయినా Opusపై జరిగిన జాగ్రత్తైన శ్రవణ పరీక్షలు చాలావరకు మాటలపై, తక్కువ బిట్‌రేట్లపై దృష్టి పెట్టాయి. Deezer Researchకు చెందిన బెంజమిన్ మార్టిన్ (Benjamin Martin), రొమేన్ ఎన్నెకాఁ (Romain Hennequin) ఒక సరళమైన ప్రశ్న అడిగారు: ఏ బిట్‌రేట్ నుంచి కుదించిన సంగీతాన్ని కుదించని, CD-నాణ్యత గల అసలు నుంచి వేరు చేయడం అసాధ్యమవుతుంది? సముదాయ పరీక్షలు ఒక జవాబును సూచించాయి, కానీ అధికారిక, పునరుత్పాదక ఫలితాలు లేకుండా అని వారు గమనిస్తారు.

చిన్న లోపాలను పట్టుకోవడానికి రూపొందిన పరీక్ష

వారు చిన్న క్షీణతలను గుర్తించడానికి ఉన్న అంతర్జాతీయ ప్రమాణం ITU-R BS.1116-3ను వాడారు. ప్రతి ప్రయత్నంలో, శ్రోత మొదట అలా అని లేబుల్ చేసిన కుదించని రిఫరెన్స్‌ను వింటారు. తర్వాత A, B అనే రెండు బ్లైండ్ భాగాలు వస్తాయి: ఒకటి కుదించిన రూపం, మరొకటి రిఫరెన్స్ దాచిన ప్రతి. శ్రోత రెండింటికీ 1 (“చాలా చికాకు”) నుంచి 5 (“గ్రహించలేనిది”) వరకు గ్రేడ్ ఇస్తారు, ఊహించాల్సి వచ్చినా సరే, వాటిలో ఒకదానికి ఎప్పుడూ సరిగ్గా 5.0 ఇవ్వాలి. లెక్కలోకి వచ్చే స్కోరు కుదించిన రూపం గ్రేడ్‌కూ, దాచిన రిఫరెన్స్ గ్రేడ్‌కూ మధ్య అంతరం.

అన్నీ నియంత్రణలో ఉన్నాయి: 32 డెసిబెల్‌ల కంటే తక్కువ పరిసర శబ్దం ఉన్న వేరుచేసిన బూత్‌లు, ఫ్లాట్‌గా క్యాలిబ్రేట్ చేసిన క్లోజ్డ్-బ్యాక్ హెడ్‌ఫోన్లు, గరిష్ఠంగా 30 నిమిషాల సెషన్లు, వాటి మధ్య గంట విరామం, అలాగే శ్రోతలకు అసలు ఏదైనా వినిపిస్తుందో లేదో తనిఖీ చేయడానికి ప్రతి సెషన్‌లో ఉద్దేశపూర్వకంగా నాసిరకంగా చేసిన 32 kbps రూపాన్ని చొప్పించారు.

సంగీతాన్ని కష్టమైనదిగా ఎంచుకున్నారు: 23 భాగాలు, వాటిలో ఒక సముదాయ బెంచ్‌మార్క్ నుంచి తీసుకున్న ఏడు అత్యంత క్లిష్ట నమూనాలు, కోడెక్‌ను ఇబ్బంది పెడతాయని తెలిసిన, మీటే తంత్రి వాద్యాల్లాంటి దట్టమైన హార్మోనిక్స్ నిండిన రచనలు ఉన్నాయి. రచయితలు కాకుండా Deezerకు చెందిన ఇరవై ఆరు మంది స్వచ్ఛంద ఉద్యోగులు పాల్గొన్నారు; ఐదుగురు వడపోతలో విఫలమయ్యారు — ఇద్దరు నియమాలు ఉల్లంఘించినందుకు, ముగ్గురు 32 kbps రూపాన్ని నమ్మదగినట్లుగా గుర్తించలేకపోయినందుకు — 21 మంది మిగిలారు.

128 ఉత్తీర్ణమై, తర్వాత పట్టుబడుతుంది

మొదటి దశలో, సెకనుకు 32, 64 కిలోబిట్లు స్పష్టంగా గుర్తించబడ్డాయి. 128 kbps గుర్తించబడలేదు: దాని సగటు అంతరం −0.08 పాయింట్లు గణాంకపరంగా సున్నా నుంచి వేరు చేయలేనిది (p = 0.456). అయితే, ±0.25 పాయింట్లలోపు సమానత్వానికి సానుకూల రుజువు కోరే మరింత కఠినమైన పరీక్షలో అది తృటిలో విఫలమైంది.

అందుకే బృందం అత్యంత క్లిష్ట పరిస్థితిని నిర్మించింది. ప్రతి శ్రోత ఎంత నిశితమో, ప్రతి భాగం లోపాలను ఎంతగా బయటపెడుతుందో వేరు చేసే గణాంక మోడల్‌ను వాడి, వారు 10 అత్యంత నిశితమైన శ్రోతలను, కృత్రిమ లోపాలు (artefacts) అత్యంత సులభంగా వినిపించే 8 భాగాలను మాత్రమే ఉంచి, 32, 96, 128, 160 kbps వద్ద మళ్లీ పరీక్షించారు. ఆ నిశిత పరిశీలనలో, 128 kbps గుర్తించబడింది (అంతరం −0.24, p = 0.030).

160, వేరు చేయలేనిది

160 kbps వద్ద, అంతరం −0.04కి పడిపోయింది (p = 0.747): ఈ నిపుణుల చెవులు దాన్ని అసలు నుంచి వేరు చేయలేకపోయాయి. ఈసారి మరింత కఠినమైన పరీక్ష కూడా ఉత్తీర్ణమైంది (p = 0.024), సమానత్వానికి సానుకూల గణాంక రుజువు ఇస్తూ.

రచయితల ముగింపు రెండు అంచెలది. సాధారణ ప్రేక్షకులకు, 128 kbps వద్దే గణనీయమైన క్షీణత కనిపించదు. అత్యంత కష్టమైన సామగ్రిపై నిశిత శ్రవణానికి, గ్రహణ పారదర్శకతను చేరుకోవడానికి 160 kbps అవసరం. దాని పరిధి గురించి వారు జాగ్రత్తగా ఉన్నారు: ఒకే హెడ్‌ఫోన్ మోడల్, ఒకే కంపెనీ నుంచి తీసుకున్న శ్రోతల బృందం, నిర్ణాయక దశలో కేవలం పది మంది శ్రోతలు. ఈ పరిమితిని సార్వత్రికం అనడానికి ముందు ఇతర ఆడియోఫైల్ పరికరాలతో, విస్తృతమైన నిపుణుల బృందంతో పరీక్షించడం అవసరమని వారు రాశారు. వారి ఫలితాలు, అనామకం చేసిన శ్రోతల ప్రొఫైళ్లు, భాగాల లక్షణాలు ప్రయత్నించాలనుకునే ఎవరికైనా బహిరంగంగా విడుదల చేశారు.