كيف تعمل الكتابة بالصوت

صيغ الصوت والضغط في الكتابة بالصوت

الصوت الرقمي والترميز والضغط ثلاثة أشياء مختلفة. كيف يعمل الضغط دون فقد ومع فقد، ولماذا لا تستطيع أي خوارزمية تصغير كل ملف، وكيف توازن ترميزات الكلام مثل Opus بين الحجم والتأخير، وما يعنيه ذلك للإملاء.

MacWindowsiPhoneAndroid

باختصار

يشغل صوت الكلام غير المضغوط نحو 32 كيلوبايت في الثانية. الضغط يصغّره: الضغط دون فقد يحفظ كل بت، والضغط مع فقد يتخلص من تفاصيل يصعب أن يسمعها الناس. ترميزات الكلام مثل Opus فعّالة جدًا، لكن الإفراط في الضغط قد يزيل أصواتًا يحتاج إليها نظام التعرف. الضغط يتعلق بنقل الصوت، ولا علاقة له بفهم الكلمات.

Teams

قلتَ

التسجيل كبير جدا على البريد لذلك سأشارك رابطا بدلا منه

كتب SayVelio

التسجيل كبير جدًا على البريد، لذلك سأشارك رابطًا بدلًا منه.

ثلاث كلمات يكثر الخلط بينها

  • الصوت الرقمي هو الصوت ممثَّلًا بأرقام: عيّنات تؤخذ مرات كثيرة في الثانية (انظر كيف يسجّل الميكروفون الصوت).
  • الترميز هو كتابة هذه المعلومات بصيغة معيّنة، وفق قواعد متفق عليها لقراءتها مجددًا.
  • الضغط ترميز يستخدم بتات أقل من التمثيل البسيط.

الصوت غير المضغوط، ويُسمى عادةً PCM، يخزّن كل عيّنة مباشرة. ملف WAV غالبًا هو PCM مع ترويسة صغيرة. أما الصيغ المضغوطة فتستخدم قواعد لوصف الصوت نفسه ببيانات أقل.

دون فقد ومع فقد

الضغط دون فقد، كما في FLAC، يتيح إعادة بناء العيّنات الأصلية بدقة. يعمل بالعثور على بنية: في الكلام تتشابه العيّنات المتجاورة، فيكون تخزين تنبؤ مع تصحيح صغير أرخص من تخزين كل عيّنة كاملة. التوفير المعتاد للصوت متواضع، غالبًا نحو النصف.

الضغط مع فقد، كما في MP3 وAAC وOpus، يتخلص عمدًا من معلومات يصعب أن يلاحظها المستمع ويحتفظ بالباقي. التوفير أكبر بكثير، غالبًا عشرة أضعاف أو أكثر، لكن لا يمكن استعادة الأصل.

لماذا لا شيء يضغط كل شيء

هناك حد رياضي صارم: لا توجد طريقة دون فقد تصغّر كل ملف ممكن. لو وُجدت لأمكن ضغط الناتج مرة بعد مرة حتى يصبح كل ملف بتًا واحدًا، وعندها سيضطر ملفان مختلفان إلى مشاركة الصيغة المضغوطة نفسها. الضغط لا ينجح إلا حين تحتوي البيانات على أنماط يمكن استغلالها. البيانات التي تبدو عشوائية، أو المضغوطة أصلًا، بالكاد تصغر. لهذا لا يفعل ضغط ملف MP3 بصيغة zip شيئًا يُذكر.

الكلام غير المضغوط مقارنًا بالضغط دون فقد ومع فقد: كل خطوة تصغّر البيانات
الحجم التقريبي لدقيقة من الكلام: دون ضغط، ودون فقد، وبترميز كلام

ترميزات الكلام: مصمَّمة للصوت البشري

للصوت البشري بنية لا تعرفها أدوات الضغط العامة: فالمسالك الصوتية تشكّل الصوت بطرق يمكن التنبؤ بها. وترميزات الكلام تستفيد من ذلك. Opus، الترميز المفتوح الذي وحّدته IETF عام 2012 ويُستخدم في كثير من تطبيقات الاتصال والمتصفحات، يجمع بين نهجين:

  • SILK القائم على التنبؤ الخطي، يحاكي كيف تشكّل المسالك الصوتية الصوت. وهو فعّال جدًا للكلام.
  • CELT القائم على تحويل ترددي (MDCT)، يتعامل جيدًا مع الموسيقى والصوت واسع النطاق.
  • الوضع الهجين يستخدم الاثنين لنطاقات ترددية مختلفة.

يعمل Opus بمعدلات بت من 6 إلى 510 كيلوبت في الثانية، مقارنة بـ256 كيلوبت في الثانية لكلام غير مضغوط بمعدل 16 كيلوهرتز.

الحجم والجودة والتأخير تتجاذب

في الصوت المباشر، الضغط توازن بين ثلاثة أشياء:

إذا اخترتتكسبتدفع
معدل بت أقلبيانات أقل، ويعمل على الشبكات الضعيفةتفاصيل مفقودة، خصوصًا الحروف الساكنة
إطارات أطول (حتى 60 ميلي ثانية في Opus)عبء إضافي أقل في الثانيةتأخير أكبر، والحزمة المفقودة تُفقد مزيدًا من الكلام
إطارات أقصر (حتى 2.5 ميلي ثانية)تأخير أقلعبء إضافي أكبر في الثانية

المكالمة الهاتفية تحتاج قبل كل شيء إلى تأخير منخفض. أما الإملاء الذي يُتعرَّف عليه بعد أن تنتهي من الكلام فيهتم أكثر بالحفاظ على التفاصيل التي يحتاج إليها نظام التعرف، لأنها هي التي تحدد إن كانت «سبعة» ستصبح «تسعة».

ما يعنيه هذا للإملاء

الضغط قرار نقل وليس جزءًا من التعرف. يمكن لنظام التعرف أن يستقبل PCM غير مضغوط، أو تدفقًا مضغوطًا، أو صيغة أخرى مدعومة، ولا يُلزَم أي تطبيق إملاء باستخدام ترميز معيّن. ما يهمك:

  • الضغط المعتدل لا بأس به. نماذج الكلام الحديثة تتعامل مع الصوت المرمَّز جيدًا دون مشكلة.
  • الضغط المفرط يكلّف دقة. معدلات البت المنخفضة جدًا تطمس بالضبط الأصوات الخافتة التي تفرّق بين الكلمات المتشابهة.
  • سماعات Bluetooth تضغط أيضًا. كثير منها يتحول إلى وضع ضيّق منخفض المعدل حين يكون الميكروفون قيد الاستخدام، وهذه غالبًا خسارة أكبر من أي شيء يفعله التطبيق.

أسئلة شائعة

هل يجعل الضغط الإملاء أقل دقة؟

الضغط الخفيف لا يكاد يؤثر. أما الضغط القوي جدًا، أو سماعة Bluetooth في وضع المكالمات منخفض الجودة، فقد يزيل تفاصيل ويصعّب التمييز بين الكلمات المتشابهة.

هل الضغط هو التشفير نفسه؟

لا. الضغط يصغّر البيانات، والتشفير يجعلها غير مقروءة لمن لا يملك المفتاح. قد يكون التسجيل مضغوطًا أو مشفّرًا أو كليهما أو لا هذا ولا ذاك. التشفير مشروح في الخصوصية في الكتابة بالصوت.