Srovnání AAC, MP3, OGG z roku 2003/04 (diskuse)

[kralyk z abclinuxu]

No jo, Lame to zkrouhne už někde u 15k, se dalo čekat...

[xvasek]

Pro mě je překvapením spíš ten FAAC.

[Grunt]

Proč? Pozor, FAAC netvoří SO/IEC 14496-3, Amd.2:2004 známe také jako High-Efficiency Advanced Audio Coding(HE-AAC) v2 a nebo zjednodušeně AAC+v2(ten bazmek s SBR a PS a to co přibližně dělá Nero), ale ještě staré AAC(také je myslím součástí nějakého standardu…jestli MPEG2 nebo nějaké starší MPEG4). Pro to co dneska známe jako AAC+ je potřeba použít 3GPP implementaci známou také jako aacplusenc.

[kavol]

ano, to se dalo čekat, když tam má dolní propust, takže to o kódování samotném nic nevypovídá, stejně by po preprocesingu vypadala i ta křivka z CD

zajímavější mi přijde, že lame spolu s oggdrop celkem věrně zachovává celkový tvar křivky, zatímco AAC je poněkud v prdeli

v drobných detailech mi přijde, že lame trošku vede nad oggdrop - ale nevím, jednak je to graf na dvě věci (měl by být logaritmický a ne lineární) a jednak jsem porovnával jen pár políček (např. v poli 14-15 kHz zachovává poslední špičku, zatímco u oggdrop je plošší)

nicméně veškeré takovéhle frekvenční analýzy jsou docela naprd, poněvadž jde jen o jeden druh zkreslení, na který lidské ucho není zrovna moc citlivé ... to je asi jako problém, že "lampový" zesilovač se zkreslením třebas 5% zní většině lidí příjemněji než tranzistorový se zkreslením 0,5% ...

p.s. kolik čtenářů ábíčka opravdu slyší a rozlišuje frekvence nad 15 kHz? - a kolik z těch, co budou tvrdit že jo, to má ověřeno laboratorním testem?

[multi]

ja jsem si na frekvencnim generatoru zkousel co jeste slysim a slysel jsem celkem dost nad lidsky prumer

PS: doufam, ze kdyz rikas lampa, tak ze si ji mel i nekdy v ruce

[andree]

dalsia otazka potom je, kolko z tych vyssich frekvencii bude clovek pocut, ked bude mat zaroven "pouzivane" aj tie 20-15000Hz...

[Grunt]

No nic moc. Proto se také při návrhu s maskováním počítalo a je to jeden ze stěžejních prvků těchto formátů. Ve skutečnosti je ve vyšších frekvencích šumu strašně moc a originálu se to moc nepodobá.

[kavol]

PS: doufam, ze kdyz rikas lampa, tak ze si ji mel i nekdy v ruce

nejsem už si jist, po těch letech, jestli jsem při kuchání rádia vyndaval celou desku a elektronek se nedotkl nebo jo ... proč je to podstatné?

(jo a jinak kolegovi v kombíčku svítily pěkně ...)

[petr_p]

Ano, existují významnější chyby, ale pokud jedinou vadou zůstane frekvenční ořez, tak i to vadí. Za sebe mohu říci, že při srovnání ořez pociťuji jako chudší zvuk. Prostě tomu nějaké zvuky chybí. V tomto směru mi je milejší libvorbis, který sice vyhází detaily, ale základní distribuci frekvencí zachová. A jinak i vorbis má dolní prospusť, jen je nastavena na 20 kHz, což fyziologicky uspokojí všechny lidi.

[kavol]

... pokud jedinou vadou zůstane frekvenční ořez, tak i to vadí.

což ovšem není případ mp3 ani vorbisu, že?

A jinak i vorbis má dolní prospusť,

vorbis? - chtěl si říci "kodéry do vorbis" ... to nikdo nepopírá, jen se snažím říci, že je nefér používat ji jako argument proti kódování samotnému

jen je nastavena na 20 kHz, což fyziologicky uspokojí všechny lidi.

to je velmi nešťastně řečeno, tohle prostě není pravda

[Grunt]

vorbis? - chtěl si říci "kodéry do vorbis"

O tomto už jsme se jednou hádali a myslím, že jsme se shodli na jméně libTheora.

[petr_p]

Jistě že výška ořezu má význam pro kvalitu výsledného zvuku, protože čím více se odřeže frekvencí, tím víc zbude místa na zakódování zbytku. Tedy kvalita kódovacích algoritmů nesouvisí s ořezem, ale kvalita výsledného zvuku ano.

Pravda není nastavení na 20 kHz nebo všichni lidi? Nastavení je opraveno níže. Podle dokumentace The encoder is generally already configured with ideal lowpasses (if any at all) for given modes. Pokud jde o lidi, tak za mých mladých let se učilo 20 (50) až 20 000 (22 000) Hz. Ostatně z toho je odvozena vzorkovací frekvence CDDA.

[kavol]

Jistě že výška ořezu má význam pro kvalitu výsledného zvuku, protože čím více se odřeže frekvencí, tím víc zbude místa na zakódování zbytku. Tedy kvalita kódovacích algoritmů nesouvisí s ořezem, ale kvalita výsledného zvuku ano.

čímž mi jen dáváš za pravdu, že ořez není to jediné ...

Pravda není nastavení na 20 kHz nebo všichni lidi?

"všichni lidi"

někteří slyší víc, nevím, kolik je rekord, ale 22 kHz není až taková vyjímka - tedy zhruba asi jako absolutní hudební sluch

naopak pokud se máme bavit o "většině lidí", pak tu uspokojí i těch 15 kHz ... zamlada jsem vystrašeně utíkal k doktorům, neb jsem si ve vlaku všiml, že pískání zářivky v jednom kupé na jedno ucho neslyším - doktorka se mi vysmála, že jsem naprosto v pořádku, že slyším naprosto výborně, aparaturu měla do 12 kHz, a víc ji prostě nezajímalo, kdo (v dospělosti) slyší těch 12, tak je nadprůměrný a nemá u ní co dělat ...

[Grunt]

A jinak i vorbis má dolní prospusť, jen je nastavena na 20 kHz

1. No tak to určitě nemá. Mám pocit, že je dokonce pohyblivá.
2. Dá se nastavit. Viz. --advanced-encode-option a konkrétně volba lowpass_frequency=N. Takže ořezání je vcelku volné

[kralyk z abclinuxu]

No já ještě kus nad 15k slyšim určitě. Z toho důvodu mi např vadí takový ty klasický starý televizory (nevim jak se tomu říká, CRT asi ne žejo?) - to pískání okolo 15k je totiž dost nesnesitelný.

Pamatuju se, že jako dítě jsem slyšel hodně vysoký frekvence, snad i kolem 18~19k. Teď už to je horší... Zkoušim to normálně doma na reprácích, takže 'laboratorní' to asi není. No každopádně v pohodě slyšim do 16k a dál už musim zesilovat hlasitost, nad 17.5k už ale prakticky nic neslyšim.
Je samozřejmě otázka, jaká je charakteristika repráků/sluchátek...

[Grunt]

No já ještě kus nad 15k slyšim určitě. Z toho důvodu mi např vadí takový ty klasický starý televizory (nevim jak se tomu říká, CRT asi ne žejo?

Co CRT, ale jak pískaly procesory. Teď to bohudík/bohužel neslyším.

Pamatuju se, že jako dítě jsem slyšel hodně vysoký frekvence, snad i kolem 18~19k.

Nejde o to do kolika člověk slyší, ale jak to i vnímá. Vyšší frekvence už jsou zachytávány s menší přesností a ještě každá k tomu jinak. Stačí si pustit lineární zvyšování frekvence do 20kHz…já u vyšších frekvencí dokonce slyším u pluzování jak roste frekvence. A také jak je na to člověk navyklí. Já měl v mládí furt pocit, že tak polovina zvuků co leze z televize je snad v nějaké MP3.

[Grunt]

+1

Ba dokonce ani ta křivka nemusí nic moc říkat. SBR u AAC+ funguje tak, že se celý signál ořeže kolem 5000Hz(samozřejmě záleží na nastavení bit-rate – toto je tak při 32kbps) a zkomprimuje, pak se to co zbylo použije, okopíruje, přesune nad 5000Hz a zarovná tak aby seděli harmonické a pak se to trošku podle přídavných informací doupravuje. Výsledek vypadá, že má propusť velmi daleko, ba dokonce zní plně(ale tak jak jaksi divně), ale originálu teda moc neodpovídá. Nejideálnější by byla nějaká obdoba PSNR(samozřejmě zprůměrované frame po framu, protože se to v celém průběhu zarovnává a to už by to u konce mohlo být dost šejdrem).

[David Jaša]

p.s. kolik čtenářů ábíčka opravdu slyší a rozlišuje frekvence nad 15 kHz? - a kolik z těch, co budou tvrdit že jo, to má ověřeno laboratorním testem?

Potřebuju laboratorní test, když slyším pištění klasické televizní obrazovky i přes obyčejné zavřené dveře?

[Fluttershy, yay!]

Mně displej mého palmu nesnesitelně píská na metr, ostatní lidé to slyší tak z třiceti centimetrů.

[belisarivs]

A neco novejsiho by nebylo? Lame je na tom pry ted ~stejne dobre jako oggenc.

[Grunt]

No to těžko.

[David Ježek]

viz nový zápisek

[Grunt]

Ale to je těch nějakých 128kbps či víc, že?

[stativ]

Páni, našel jsem něco o enkodéru Mafuka a můžu říct, že to byl geniální člověk. Kdyby do toho zařadil mp3 enkodér, tak by možná tahal lidi za nos ještě déle.