Что такое дизеринг в музыке
Что такое дизеринг в музыке
Dithering заключается в добавлении к сигналу небольшого количества шума (псевдослучайного цифрового сигнала) разного спектра (белый, розовый и т.п.). При этом заметно ослабляется корреляция ошибок квантования с полезным сигналом («рассеиваются» ошибки округления) и, несмотря на некоторое увеличение шума, субъективное качество звучания заметно повышается. Уровень добавляемого шума выбирается в зависимости от задачи и колеблется от половины младшего разряда отсчета до нескольких разрядов.
Математики додумались до чисел (вещественные числа) с бесконечным количеством цифр после запятой. Но наши устройства (компьютеры) как бы мы не пыжились, не могут оперировать с бесконечно точными значениями величин времени и сигнала. В цифровой электронике от аналогового сигнала берут его значения только в определённые моменты времени (с частотой например 44,1кГц или 96кГц) и округляют их также до определённых значений.
Всё бесконечное количество цифр выражающее значение аналогового сигнала округляют до 16 или 20 или 24 (двоичных) цифр. Принципиальной разницы между двоичным, шестнадцатеричным, десятичным и другими исчислениями не существует, это просто разные обозначения одного и того же. А вот процесс округления везде сводится к тому, что мы выкидываем огромное количество уточняющих цифр, а оставляем только те, которые лишь приближённо характеризуют сигнал. Вот тут то и понадобился dither.
Допустим, у нас есть 24-битный АЦП, который принимает на вход аналоговый сигнал, и выдаёт с частотой дискретизации (например 96кГц) на выходе в виде набора из нулей и единиц в количестве 24 штук на каждый отсчёт по времени. ЦАП наоборот может принимать на вход эту самую последовательность из 24-битных чисел и выдавать некую «округлённую» приближённую копию исходного аналогового сигнала. А теперь представим, что мы хотим записать эту копию на обычный музыкальный компакт-диск. Тогда нам эти 24 бита не удастся впихнуть полностью, компакт позволяет хранить огрублённое значение сигнала только в 16 битах. Как нам быть? Ну берём и отбрасываем младшие 8 бит в 24 битном сигнале. Это примерно, как если бы в магазине калькулятор показал, что за батон колбасы нужно заплатить 45руб 56,78564коп. Ясно, что сумма округлится до 45руб 57коп или даже до 46руб просто.
Так вот оказывается, что 24-битное кодирование аналогового сигнала настолько совершенно, что «ни одна собака» не отличит его от исходного аналогового, но если взять и тупо отрезать эти самые 8 бит, то качество сигнала, особенно такие его «жизненные» характеристики как слабенькое далёкое затухание реверберации, всякие там послезвучия самих инструментов и т.п., всё это ощутимо убивается обрезанием битов, и весьма заметно на слух. Это и есть ЭФФЕКТ ОБРЕЗАНИЯ с которым борется DITHER.
Теперь немножко о динамическом диапазоне цифрового аудио.
На самом деле, человеческое ухо сравнивает скорее не амплитуды сигналов, а их мощности. Мощность же сигнала пропорциональна амплитуде, возведённой в квадрат (степень 2). Поэтому эта двойка выносится из под знака десятичного логарифма, и получается формула для сравнения: 20 lg (U1/U2) и те же самые 10 Вольт и 1Вольт будут по мощности различаться на 20дБ. А увеличение амплитуды в 2 раза с хорошей точностью равно увеличению по мощности на
6дБ. Человеческое ухо чувствует изменение громкости примерно на 1дБ. Этим и объясняется преимущество дециБелла по сравнению с Беллом. Теперь нет ничего проще, чем посчитать динамический диапазон (а как выяснится позже, это всё же не динамический диапазон, а всего лишь максимальное отношение сигнал/шум) стандартного цифрового 16-битного аудио:
20 lg (2^16/2^0) = 20 lg (65536) = 96,3 дБ
Вот, самый громкий и самый тихий звуки, казалось бы, не могут различаться более чем на 96дБ, ибо бит с наименьшим значением, когда все старшие равны нулю, уже не в состоянии, как кажется, кодировать ещё меньшие сигналы. Вот тут то и проявляется магия dithering’a.
Таким образом, при суммировании вся отрезанная последовательность из битов QRST UVWX влияет на младшие биты Ь и Ъ полученного 16 битного сигнала. И оказывается, что такое добавление шума не ухудшает, а улучшает восприятие 16-битной музыки. Все слабые оживляющие сигналы из обрезанных восьми битов дают о себе знать в 16-битном сигнале. Это всё немножко похоже на чудо, но вполне объективно звукоинженеры прослушивают динамический диапазон не до 96дБ, а аж до 115.
Фантастично, не правда ли? Это расширение динамического диапазона приводит к тому, что становятся слышны звуки в 9 раз более слабые по амплитуде, нежели тот самый слабый звук, который можно кодировать самым младшим битом. Вот, это суть dithering’a.
Теперь чуть-чуть о терминах.
К месту отметить, что если разрядность АЦП достигает 20, то дальше dither суммируется к сигналу независимо от того, хотим мы этого, или нет, потому как электроника при комнатных температурах генерирует собственный шумы, от которых никуда не денешься (криогенные системы мы не рассматриваем), и эти шумы добавляются к сигналу. Но на уровне разрядности в 20 бит нужды в ditheringe практически нет, такое представление сигнала уже совершенно.
Не удастся компенсирвать дитером и низкую разрядность внутренней арифметики процессоров (плагинов). Со временем 16 бит наверное умрут, будут 20 и 24 битные системы. Наверное мы будем вспоминать о дитере аналогично тому, как играючи в Квейк-3 вспоминаем игрушки под Дос, гениальные в своей изворотливости, направленной на расширение рамок скудных технических возможностей мощью программистского интеллекта. Но к слову сказать, что гений (не только технический, но и музыкальный тоже) всегда работает и творит в каких-то рамках.
* Звёздочкой отмечены обязательные для заполнения поля
Что такое дизеринг в аудио?
Думаю нет более занудной темы, чем дизеринг. И в связи с этим, это понятие многие понимают неправильно. Давайте ответим на самый просто вопрос, что такое дизеринг?
Дизеринг — это просто шум. Это шум, добавленный к сигналу, чтобы сделать квантование менее заметным. Дизеринг необходимо применять каждый раз, когда уменьшается битовая глубина. Если идет уменьшение с 32 бит до 24 бит — сила дизеринга почти не имеет значения. Если же идет уменьшение до 16 бит (или меньше), вероятно, лучше всего подойдет низкий или средний уровень дизеринга с некоторым формированием шума.
Дизеринг — это решение одной из фундаментальных проблем цифрового звука, поэтому, если мы хотим понять, что он делает, сначала нужно понять проблему. Проблематика заключается в разрешении по амплитуде или в том, насколько точно мы можем измерить уровень сигнала, используя единицы и нули.
Когда мы пытаемся измерить бесконечно изменяемый аналоговый источник (наш звук) с использованием конечного числа цифровых значений (этих единиц и нулей), неизбежно возникают ошибки. Иногда аналоговый уровень будет немного выше ближайшего цифрового значения, а в других случаях — ниже. Это похоже на попытку измерить чей-то рост с помощью рулетки, на которой показаны только ноги. В цифровом аудио эта ошибка округления известна как искажение квантования. Использование 32-битной системы с плавающей запятой — как это делают почти все современные аудиоредакторы — делает искажения настолько низкими, что вам действительно не нужно о них беспокоиться (к слову, заказывая сведение и мастеринг в нашей студии, вы получите материал в этом формате без потерь качества). Однако по мере того, как битовая глубина уменьшается, уровень этого искажения увеличивается. Когда вы приближаетесь к 16 битам, звук может начать получать довольно заметное и неприятное звучание на хвостах реверберации, дилеях и других тихих участках. Это связано с тем, что количество битов определяет, сколько дискретных значений вы можете сохранить.
Вот такая же синусоида, но уменьшенная до 20 бит, без дизеринга (в 24 бит разницу трудно оценить визуально).
И для сравнения синусоида пониженная до 16 бит, также без дизеринга
Что происходит со звуком?
Самые высокие пики были сложными для округления, поэтому они оставлены вытянутыми, в то время как остальные были округлены до нуля. В зависимости от того, где упал пик синусоидальной волны по отношению к времени выборки, один или два отсчета были округлены в большую сторону.
Так что же делает дизеринг в аудио и как он может помочь?
По своей сути дизеринг — это просто шум, а шум по самой своей природе является случайным. Еще на заре цифрового звука некоторые умные инженеры поняли, что могут использовать случайный шумовой сигнал в своих интересах. Смешивая его с квантованным сигналом, они могли добавить достаточно вариаций, чтобы можно было сохранить исходный сигнал.
Ключевым моментом здесь является то, что шум дизеринга не должен быть полностью связан с квантованным сигналом, иногда называемым «декоррелированным». Когда это условие выполняется и уровень шума дизеринга правильный, любая заданная входная выборка может быть округлена в большую или меньшую сторону в зависимости от значения входящего сигнала. Это не только помогает сохранить сигнал, но и фактически устраняет искажения, связанные с его частотным содержанием.
Теперь давайте уменьшим ее до 16 бит (без дизеринга).
Здесь следует обратить внимание на три весьма примечательные вещи:
Следует подчеркнуть ключевую мысль: вы заменили тональное искажение шумом, который, в свою очередь, является собственной формой искажения. Тем не менее, последовательный, равномерно распределенный тихий шум — предпочтительнее гармонических искажений благодаря случайным вариациям.
Иногда можно слышать, что не нужно применять дизеринг, если вы используете тот или иной vst плагин, потому что он (шум) самовосстанавливается. Технически это может быть правдой, но только в некоторых конкретных случаях. Вы не поверите, но не все шумы одинаковы. Поэтому, если в программе не задана конкретная настройка дизеринга, вам следует его добавить, если планируете уменьшать битовую глубину. Разные звуковые рабочие станции работают по-разному, но большинство из них предлагают какой-либо метод фиксации сложной цепочки звуковых эффектов в файл. Если вы не изучали возможности сделать это в своей DAW программе, возможно, пришло время настроить ее. По возможности, лучше использовать 32- или 64-битные числа с плавающей запятой, но если вы вынуждены использовать 24-битные, проверьте, есть ли возможность включить дизеринг. Надеюсь, это поможет вам понять, почему дизеринг так важен для цифрового звука, как и почему он работает и когда его следует применять.
Что такое дизеринг в музыке
Мы создали специальную тему в конференции, где собрали вопросы по теме «Дизеринг и нойз-шейпинг». Любой желающий мог задать свой вопрос Алексею Лукину, известному эксперту по цифровой обработке сигналов, разработчику алгоритмов компании iZotope (США). К вопросам читателей мы добавили и несколько редакционных. Благодарим читателей за активное участие!
Введение
Преобразование звукового сигнала из аналоговой в цифровую форму можно представить в виде двух этапов: дискретизации по времени и квантования по амплитуде. На первом этапе (дискретизация) мгновенные значения сигнала замеряются с некоторым шагом по времени. На втором этапе (квантование) каждое из измеренных значений сигнала представляется в виде числа с некоторой точностью — разрядностью квантования.
На заре цифровой звукозаписи бытовало представление о разрушительном действии оцифровки на звуковой сигнал. И даже сейчас можно услышать мнение, что искажения в цифровом звуке зависят от уровня сигнала. В этой статье мы рассмотрим, как возникают искажения квантования и как их можно предотвратить.
Квантование сигнала
В начале эпохи цифровой звукозаписи разрядность АЦП и ЦАП была невысокой: 8 либо 16 бит в бытовой технике и 16–18 бит в профессиональной. Эффективных алгоритмов компрессии (типа mp3) еще не существовало, дисковое пространство было дорогим, а интернет — медленным. Поэтому нередко первые цифровые звукозаписи распространялись в формате 8 бит. Всем, конечно, знаком их хрустящий и искаженный звук. Вскоре 8-битный формат сменился 16-битным CD-форматом, и качество звука значительно выросло. Однако даже при 16-битном квантовании требуется уделять внимание возможным искажениям тихих звуков.
При квантовании сигнала амплитуда каждого отсчета округляется до ближайшего значения разрядной сетки (рис. 1). Нетрудно видеть, что для звуков малой амплитуды это может приводить к значительному искажению формы сигнала (рис. 2). Такой простейший способ квантования называется усечение (truncate, транкейт) либо округление (rounding).
Разница между исходным и квантованным сигналом называется ошибкой квантования или шумом квантования. Для сигналов малой амплитуды ошибка квантования сильно коррелирует с сигналом, что приводит к нелинейным искажениям и грязному звучанию (в этом смысле, термин «шум квантования» не очень удачен, так как ошибка квантования не похожа на шум). При 16-битном квантовании мощность ошибки квантования составляет приблизительно −98 дБ RMS (за 0 дБ RMS принимается мощность синусоиды максимального уровня, согласно стандарту AES-17).
Дитеринг
К счастью, существует метод сделать ошибку квантования практически не зависимой от исходного сигнала. Он называется английским словом дитеринг (dithering, в русской транскрипции также встречается «дизеринг») и заключается в подмешивании к сигналу шума перед квантованием (рис. 3).
Амплитуда шума дитеринга выбирается особым образом, чтобы устранить нелинейные искажения при последующем квантовании. Если амплитуда дитеринга мала, то нелинейные искажения будут устранены не полностью, либо амплитуда ошибки квантования будет меняться вместе с сигналом. Если амплитуда дитеринга велика, то шум станет заметным в записи.
Наиболее распространенным типом дитеринга является стандартный TPDF-дитеринг — белый шум с пиковой амплитудой ±1 LSB (least significant bit — шаг квантования) и треугольным распределением вероятности амплитуд. Почти любая цифровая рабочая станция (DAW) умеет генерировать дитеринг такого типа.
Важным моментом в применении дитеринга является его добавление к сигналу до, а не после квантования. Неправильно понимать дитеринг как шум, скрывающий или маскирующий искажения квантования. На самом деле дитеринг предотвращает появление искажений. Попытка замаскировать уже возникшие искажения потребовала бы шума значительно большей амплитуды.
Продемонстрируем работу дитеринга на тестовом сигнале «плавающий синус» с уровнем −80 дБ и плавным затуханием в конце (рис. 4). Для лучшей слышимости искажений сигнал после квантования в 16 бит был усилен на 55 дБ. Будем изучать как форму волны, так и спектрограмму.
 | наведите мышь На спектрограмме сигнала, квантованного без дитеринга, видны сильные нелинейные искажения, усиливающиеся при уменьшении уровня сигнала. В конце записи сигнал полностью исчезает, так как его амплитуда становится меньше половины шага квантования. Спектрограмма с дитерингом показывает, что после квантования искажений в сигнале не появилось, а добавившийся шум однороден. Однако его мощность превышает мощность искажений при транкейте (−98 дБ) и составляет −93 дБ. Нойз-шейпингПовышенная мощность ошибки квантования при дитеринге порождает вопрос: можно ли проводить дитеринг не белым шумом, а таким, который будет менее заметен? Например, высокочастотным шумом. К сожалению, напрямую этот метод не работает. Если вместо белого шума дитеринга подмешать окрашенный шум, то ошибка квантования все равно будет близка к белому шуму. Кроме того, существует опасность неполного подавления нелинейных искажений квантования. Чтобы придать спектру ошибки квантования нужную форму, существует более сложный метод, называемый нойз-шейпингом (noise shaping, формирование спектра шума). В этом методе присутствует обратная связь: разница между квантованным и исходным сигналами пропускается через фильтр и прибавляется к следующему отсчету сигнала (рис. 5).
Варьируя частотную характеристику фильтра, можно добиться нужного спектра ошибки квантования. Наиболее часто ошибку квантования вытесняют в диапазон высоких частот и ультразвука, где она будет наименее слышна. В слышимом диапазоне частот спектр нойз-шейпинга обычно приблизительно повторяет кривую порога слышимости. При нойз-шейпинге общая мощность ошибки квантования возрастает (по сравнению с дитерингом), но ее субъективная громкость снижается (рис. 4). Чем сильнее требуется снизить мощность шума в слышимой полосе (нижние и средние частоты), тем больше шума появляется в области верхних частот. Слишком большая мощность верхних частот в аудиосигнале нежелательна: она может затруднить последующую обработку сигнала, его кодирование в mp3, восстановление царапин при ошибках чтения с CD. Поэтому при 16-битном квантовании принято использовать нойз-шейпинг, не превышающий по уровню −60 дБ. Снижение субъективной слышимости шума при этом достигает 10–15 дБ по сравнению со стандартным TPDF-дитерингом. Обратите внимание, что файл с нойз-шейпингом звучит чисто. Так же, как при дитеринге, ошибка квантования представляет собой ровный шум без нелинейных искажений, не зависящий от сигнала. Понижение разрядностиКвантование сигнала происходит не только при оцифровке звука в АЦП, но и при последующей работе с цифровым сигналом: обработке, преобразовании формата, изменении уровня. Когда сигнал определенной разрядности (например, 16 бит) подвергается пересчету, его разрядность автоматически увеличивается (например, до 32 бит). Далее, если сигнал необходимо записать в файл исходного формата (16 бит), то происходит повторное квантование: из 32 бит в 16. При этом квантовании возможны те же искажения, что и в АЦП. Поэтому процесс дитеринга должен быть встроен в любые программы и алгоритмы, обрабатывающие сигнал. Чтобы минимизировать эффект от операций повторного квантования, обработка сигнала часто происходит в повышенной разрядности (24 или 32 бита), а окончательное снижение разрядности (до 16 бит) применяется после всех остальных операций. Понижение разрядности сигнала используется также в звуковых ЦАП: большинство из них имеют небольшую разрядность (1–5 бит), но высокую частоту дискретизации (порядка 10 МГц). При этом ЦАП заявляется как 24-битный, в том смысле, что он принимает на вход 24-битный аудиосигнал. Но внутри сигнал подвергается передискретизации (oversampling) — повышению частоты дискретизации и понижению разрядности с нойз-шейпингом. Поскольку финальная частота дискретизации очень высока, то в ультразвуковом диапазоне (выше 20 кГц) присутствует много места для шума нойз-шейпинга. Поэтому даже при малой разрядности сигнала (1–5 бит) агрессивный нойз-шейпинг способен создать динамический диапазон порядка 120 дБ в слышимой области частот. На рис. 5 показано сравнение типичных спектров шума нескольких звуковых форматов высокого разрешения: CD-формата (PCM 16 бит, 44 кГц) со стандартным TPDF-дитерингом, формата «24 бита 96 кГц» и двух форматов DSD с различными частотами дискретизации. Поскольку DSD-форматы имеют разрядность 1 бит, в них присутствует значительный нойз-шейпинг. У формата «DSD-2.8 МГц» быстрый подъем мощности шума начинается сразу за 20 кГц. У формата «DSD-5.6 МГц» шум лежит вдвое выше (уже за пределами графика на рис. 5). Квантование изображенийПохожие алгоритмы квантования используются и в обработке изображений, когда надо представить цвет малым числом доступных градаций. Проиллюстрируем это на примере 4-битного квантования (16 градаций яркости).
наведите мышь |
Эффект от простого квантования цветов называется постеризацией: на изображении появляются ложные контуры, а часть деталей исчезает (рис. 6). Постеризации можно избежать, добавив перед квантованием шум дитеринга. Однако более качественного результата достигает алгоритм диффузии ошибки. Аналогично нойз-шейпингу, он вытесняет ошибку квантования в область верхних частот, где чувствительность глаза невысока. Диффузия ошибки часто применяется в офсетной печати для смешивания цветов.
Вопросы и ответы
Нужен ли дитеринг при работе в формате 32-bit float?
Нет, не нужен. Для этого формата не существует правильного дитеринга, так как ошибка квантования зависит от уровня сигнала: она имеет уровень примерно −150 дБ по отношению к уровню каждого отсчета. Точность этого формата составляет примерно 25 бит, так что быстрого накопления ошибок квантования можно не опасаться.
Нужен ли дитеринг при преобразовании из 32-bit float в 24-битный формат?
Да, при квантовании сигнала в разрядность 24 бита (и менее) нужен дитеринг. При 24 битах дитеринг в большинстве случаев не будет заметно влиять на результат, но его применение должно быть автоматическим, без лишних раздумий.
Нужен ли дитеринг при конвертировании файла в mp3?
Все зависит от того, сохраняете ли вы файл с низкой разрядностью перед конвертацией в mp3 или конвертируете в mp3 непосредственно из формата высокой разрядности. Дитеринг нужен для сохранения файла с низкой разрядностью, а не для mp3. Некоторые mp3-кодеры умеют компрессировать звук из форматов с высокой разрядностью, что позволяет избежать лишних конвертаций. Впрочем, артефакты mp3 обычно намного сильнее, чем искажения от конвертации разрядности.
Какой вид нойз-шейпинга использовать?
Это вопрос личных предпочтений и даже отчасти аудиофильский. Многие профессиональные инженеры мастеринга используют стандартный TPDF-дитеринг без нойз-шейпинга с отличными результатами. Другие — имеют предпочтения и считают, что тип нойз-шейпинга влияет на окончательное звучание фонограммы. Например, Боб Кац активно участвовал в создании нескольких режимов нойз-шейпинга MBIT+ для плагина Ozone 5. Я считаю, что в дитеринге и нойз-шейпинге важнее повсеместное и своевременное применение, нежели конкретный вид или алгоритм.
Достаточно ли уже имеющегося в записи шума для дитеринга?
В некоторых случаях — да, но не всегда. Шум дитеринга должен иметь определенные статистические свойства: требуемую мощность в каждой полосе частот, случайность распределения амплитуд. Поэтому надежнее применять дитеринг в любом случае, автоматически и без лишних раздумий.
Что применять сначала: дитеринг или преобразование частоты дискретизации (SRC)?
Так как SRC повышает разрядность сигнала (аналогично любой другой обработке), то сначала выполняется SRC, а затем дитеринг. Причем, между ними необходимо проверить, нет ли клиппирования, так как SRC может повысить пиковый уровень записи.
В статье Н. Сухова «Hi-Fi правда и High-End сказки» написано, что у аналоговой записи на пленке динамический диапазон определяется шумом снизу, а у цифровой — нет, потому что у 16-битного цифрового сигнала динамический диапазон равен 50 дБ из-за шумов квантования, которые дают 1% искажений. Верно ли это?
Статья Н. Сухова была написана в 1998 году, когда понимание дитеринга еще не было повсеместным. В статье рассматривается только случай квантования транкейтом. Однако при корректном использовании дитеринга и нойз-шейпинга никаких нелинейных и интермодуляционных искажений не возникает. При этом динамический диапазон компакт-диска составляет честные 93 дБ, а структура шума такая же, как у магнитной пленки.
Можно ли говорить о том, что нойз-шейпинг увеличивает динамический диапазон в наиболее слышимой СЧ-области?
Да, нойз-шейпинг увеличивает динамический диапазон в области средних частот (либо даже во всем диапазоне 0–15 кГц, в зависимости от алгоритма). В частности, может улучшиться A-взвешенный динамический диапазон.
Вопрос о возможном конфликте нойз-шейпинга в файле и нойз-шейпинга в конвертере. Не повредит ли нойз-шейпинг в исходном файле ЦАП-у с агрессивным нойз-шейпингом?
Нет. Насколько я понимаю, они не мешают друг другу и повсеместно используются вместе.
Благодарим Алексея Лукина за подробные ответы
и за потраченное время на обсуждение в нашей конференции!