Sesle yazmada ses biçimleri ve sıkıştırma
Dijital ses, kodlama ve sıkıştırma üç farklı şeydir. Kayıpsız ve kayıplı sıkıştırma nasıl çalışır, hiçbir algoritma neden her dosyayı küçültemez, Opus gibi konuşma kodekleri boyutla gecikmeyi nasıl dengeler ve bunun dikte için anlamı.
Kısaca
Sıkıştırılmamış konuşma sesi saniyede yaklaşık 32 KB tutar. Sıkıştırma onu küçültür: kayıpsız sıkıştırma her biti korur, kayıplı sıkıştırma insanların duymayacağı ayrıntıları atar. Opus gibi konuşma kodekleri çok verimlidir, ama fazla sıkıştırmak tanıyıcının ihtiyaç duyduğu sesleri silebilir. Sıkıştırma sesi taşımakla ilgilidir; kelimeleri anlamakla hiçbir ilgisi yoktur.
Söylediğin
kayıt e-postayla göndermek için çok büyük o yüzden link paylaşacağım
SayVelio'nun yazdığı
Kayıt e-postayla göndermek için çok büyük, o yüzden link paylaşacağım.
Sık karıştırılan üç kelime
- Dijital ses, sayılarla temsil edilen sestir: saniyede birçok kez alınan örnekler (bkz. mikrofon sesi nasıl kaydeder).
- Kodlama, bu bilgiyi geri okumak için üzerinde anlaşılmış kurallarla belirli bir biçimde yazmaktır.
- Sıkıştırma, düz gösterimden daha az bit kullanan kodlamadır.
Genellikle PCM denen sıkıştırılmamış ses her örneği doğrudan saklar. Bir WAV dosyası çoğunlukla küçük bir başlığı olan PCM'dir. Sıkıştırılmış biçimler aynı sesi daha az veriyle tarif etmek için kurallar kullanır.
Kayıpsız ve kayıplı
FLAC'taki gibi kayıpsız sıkıştırma, orijinal örnekleri birebir yeniden oluşturmanı sağlar. Yapı bularak çalışır: konuşmada komşu örnekler birbirine benzer, bu yüzden her örneği tam saklamak yerine bir tahmin artı küçük bir düzeltme saklamak daha ucuzdur. Ses için tipik tasarruf mütevazıdır, çoğu zaman yarı civarında.
MP3, AAC ya da Opus'taki gibi kayıplı sıkıştırma, dinleyenlerin fark etmeyeceği bilgiyi bilerek atar ve geri kalanını tutar. Tasarruf çok daha büyüktür, çoğu zaman on kat ya da daha fazla, ama orijinal geri getirilemez.
Neden hiçbir şey her şeyi sıkıştıramaz
Kesin bir matematiksel sınır var: hiçbir kayıpsız yöntem olası her dosyayı küçültemez. Küçültebilseydi, sonucu tekrar tekrar sıkıştırıp her dosyayı tek bite indirebilirdin; o zaman da iki farklı dosya aynı sıkıştırılmış biçimi paylaşmak zorunda kalırdı. Sıkıştırma ancak verinin yararlanılacak örüntüleri olduğunda işe yarar. Rastgele görünen ya da zaten sıkıştırılmış veri neredeyse hiç küçülmez. Bir MP3'ü zip'lemenin neredeyse hiçbir şey yapmamasının sebebi budur.

Konuşma kodekleri: ses için yapılmış
Sesin, genel amaçlı sıkıştırmanın bilmediği bir yapısı vardır: ses yolu sesi öngörülebilir biçimlerde şekillendirir. Konuşma kodekleri bundan yararlanır. IETF tarafından 2012'de standartlaştırılan ve birçok arama uygulamasında ve tarayıcıda kullanılan açık kodek Opus iki yaklaşımı birleştirir:
- Doğrusal tahmine dayanan SILK, ses yolunun sesi nasıl şekillendirdiğini modeller. Konuşma için çok verimlidir.
- Bir frekans dönüşümüne (MDCT) dayanan CELT, müziği ve geniş bantlı sesi iyi işler.
- Hibrit mod ikisini farklı frekans aralıkları için birlikte kullanır.
Opus 6 ile 510 kbit/s arasındaki bit hızlarında çalışır; sıkıştırılmamış 16 kHz konuşma ise 256 kbit/s'dir.
Boyut, kalite ve gecikme birbirini çeker
Canlı ses için sıkıştırma üç şey arasında bir dengedir:
| Şunu seçersen | Kazancın | Bedeli |
|---|---|---|
| Daha düşük bit hızı | Daha az veri, zayıf ağlarda çalışır | Kaybolan ayrıntı, özellikle ünsüzler |
| Daha uzun kareler (Opus'ta 60 ms'ye kadar) | Saniye başına daha az ek yük | Daha fazla gecikme; kaybolan bir paket daha çok konuşma götürür |
| Daha kısa kareler (2,5 ms'ye kadar) | Daha düşük gecikme | Saniye başına daha fazla ek yük |
Bir telefon görüşmesi her şeyden önce düşük gecikme ister. Sen konuşmayı bitirdikten sonra tanınan bir dikte ise tanıyıcının ihtiyaç duyduğu ayrıntıları korumaya daha çok önem verir, çünkü "beş"in "eş" olup olmayacağına bunlar karar verir.
Bunun dikte için anlamı
Sıkıştırma tanımanın parçası değil, bir taşıma kararıdır. Bir tanıyıcı sıkıştırılmamış PCM, sıkıştırılmış bir akış ya da desteklenen başka bir biçim alabilir ve hiçbir dikte uygulaması belirli bir kodek kullanmak zorunda değildir. Senin için önemli olanlar:
- Ölçülü sıkıştırma sorun değildir. Modern konuşma modelleri iyi kodlanmış sesi sorunsuz işler.
- Agresif sıkıştırma doğruluğa mal olur. Çok düşük bit hızları, benzer kelimeleri ayıran sessiz sesleri tam da bulanıklaştırır.
- Bluetooth kulaklıklar da sıkıştırır. Birçoğu mikrofon kullanılırken dar, düşük bit hızlı bir moda geçer; bu çoğu zaman uygulamanın yaptığı her şeyden daha büyük bir kayıptır.
Sorular
Sıkıştırma dikteyi daha az doğru yapar mı?
Hafif sıkıştırmanın neredeyse etkisi yoktur. Çok güçlü sıkıştırma ya da düşük kaliteli görüşme modundaki bir Bluetooth kulaklık ayrıntıları silebilir ve benzer kelimeleri ayırmayı zorlaştırabilir.
Sıkıştırma şifrelemeyle aynı şey mi?
Hayır. Sıkıştırma veriyi küçültür; şifreleme anahtarı olmayan herkes için okunamaz hale getirir. Bir kayıt sıkıştırılmış, şifrelenmiş, ikisi birden ya da hiçbiri olabilir. Şifreleme sesle yazmada gizlilik yazısında anlatılıyor.


