计算机与人工智能预印本实验阅读 1 分钟

在160 KBPS下,再挑剔的耳朵也赢不了编解码器

有损压缩是音乐分发和流媒体播放的主要方式。编解码器丢弃一部分声音,赌的是人耳不会察觉。Opus是一种由互联网工程任务组(IETF)标准化的开源编解码器,被广泛用于流媒体;它把一个为语音设计的引擎和一个为音乐设计的引擎结合在一起,作者引用的文献发现,在相同码率下它优于MP3、Vorbis或HE-AAC。

然而,大多数针对Opus的细致听音测试都集中在语音和低码率上。Deezer研究院的Benjamin Martin和Romain Hennequin提出了一个简单的问题:**压缩音乐从什么码率开始,就无法与未压缩的CD音质原版区分开来?**他们指出,社区测试曾暗示过答案,但没有正式的、可重复的结果。

专为捕捉细微瑕疵而设计的测试

他们采用了检测细微损伤的国际标准ITU-R BS.1116-3。在每一轮试验中,听众先听带有标注的未压缩参考音频。然后是两段盲听片段A和B:一段是压缩版本,另一段是参考音频的隐藏副本。听众给两段都打分,从1(“非常令人厌烦”)到5(“无法察觉”),并且必须总是给其中一段恰好5.0分,哪怕只能靠猜。真正算数的分数,是压缩版本得分与隐藏参考得分之间的差值。

一切都受到控制:环境噪声低于32分贝的隔离间,经过平直校准的封闭式耳机,每次时长不超过30分钟、两次之间休息一小时,并且每次都会混入一个故意做得很差的32 kbps版本,以确认听众确实能听出差别。

音乐都经过精心挑选,难度很高:23段片段,包括来自一个社区基准测试的七个最坏情况样本,以及富含密集泛音的作品,比如已知会给编解码器带来麻烦的拨弦乐器。共有26名Deezer员工志愿参加(作者本人除外);五人未通过筛选——两人违反规则,三人无法可靠地识别出32 kbps版本——最终剩下21人。

128过关,然后被识破

在第一阶段,32和64千比特每秒被清楚地听了出来。128 kbps没有:它的平均差值为−0.08分,在统计上与零没有区别(p = 0.456)。不过,它以微弱差距未能通过一项更严格的检验,该检验要求为±0.25分以内的等效性提供正面证据。

于是团队构建了一个最坏情况。他们使用一个统计模型,把每位听众有多挑剔与每段片段有多容易暴露问题区分开来,只保留了10位最挑剔的听众和8段瑕疵最容易被听出的片段,再在32、96、128和160 kbps下重新测试。在这样的严格审视下,128 kbps被听了出来(差值−0.24,p = 0.030)。

160,无法区分

在160 kbps时,差值降到−0.04(p = 0.747):这些专家耳朵再也分辨不出它与原版的区别。而且这一次,更严格的检验也通过了(p = 0.024),为等效性提供了正面的统计证据。

作者的结论分为两层。对普通听众而言,128 kbps已经没有显著的音质下降。对于在最难的素材上进行挑剔聆听,则需要160 kbps才能达到感知透明。他们谨慎地说明了结论的适用范围:只用了一种型号的耳机,听众小组来自同一家公司,决定性阶段只有十位听众。他们写道,要把这一阈值称为普遍适用,还需要用其他发烧级设备和更广泛的专家群体进行测试。他们的结果、匿名化的听众档案和片段特征已公开发布,任何想尝试的人都可以使用。