لماذا تنشأ مشكلة الفجوات ومعدل العيّنة في دمج الصوت؟

حين تدمج ملفين صوتيين قد تسمع عند نقطة الانتقال إما صمتاً قصيراً وإما صوت «طقّة» مزعجاً. وهذه ليست أخطاءً عشوائية؛ بل نتائج بنيوية للصيغ الصوتية ولمعالجة الصوت الرقمي. نشرح في هذا المقال سبب نشوئها وكيف تُمنَع.

المشكلة 1: تأخير المرمّز والحشو

تعالج مرمّزات الصوت مع الفقد الصوتَ في كتل. فالكتلة في MP3 مؤلفة من 1152 عيّنة (نحو 26 جزءاً من الألف من الثانية عند 44.1 كيلوهرتز)؛ وفي AAC 1024 عيّنة عادةً.

وتولّد بنية الكتل هذه نوعين من الفجوات:

تأخير المرمّز (encoder delay). فبحكم طريقة عمل المرمّز ينشأ في مقدمة المخرجات تأخير بمقدار بضع مئات العيّنات. وهو في MP3 نمطياً 576 أو 1105 عيّنة. فيُضاف إلى مقدمة الملف صمت غير موجود في المصدر.

الحشو (padding). فإن لم تنقسم مدة الصوت على مقاس الكتلة انقساماً تاماً، بقيت الكتلة الأخيرة ناقصة وملأها المرمّز بالصمت. فمثلاً تسجيل مدته 3 دقائق و12.3 ثانية لا يوافق عدداً صحيحاً من الكتل ويُضاف في نهايته صمت بمقدار بضع مئات العيّنات.

والنتيجة: في مقدمة كل ملف MP3 ونهايته فترات صمت قصيرة غير موجودة في المصدر. ولا تلاحظها وأنت تستمع إلى ملف واحد. لكن حين تدمج عشرة مقاطع بعضها إثر بعض تُسمَع هذه الفجوة في كل انتقال.

كيف يُحلّ التشغيل بلا انقطاع

ولأن هذه المشكلة معروفة أُضيف حل إلى الصيغ: يسجّل المرمّز مقدار التأخير والحشو الذي أضافه في الملف.

في MP3 تُحفَظ هذه المعلومات داخل وسم LAME (أو ترويسة Xing/Info). وهي في الإطار الأول من الملف وتحمل قيماً مثل «تأخير 576 عيّنة في البداية، وحشو 1234 عيّنة في النهاية».

وفي AAC/M4A توجد معلومات مماثلة في حقل البيانات الوصفية iTunSMPB.

والمشغّلات القادرة على قراءة ذلك تتخطى تلك العيّنات أثناء التشغيل فتحقق التشغيل بلا انقطاع (gapless).

لكن هنا عدم اتساق: ليس كل مشغّل يقرأ هذه المعلومات. فقد يُشغَّل الألبوم نفسه بلا انقطاع في مشغّل، وبفجوة بين كل مقطعين في آخر. كما أن بعض المحوّلات والمحرّرات لا تصون هذا الوسم ولا تحدّثه.

ماذا يعني ذلك في الدمج

ثمة نهجان لدمج الملفات الصوتية وسلوك الفجوات مختلف فيهما.

الدمج بالنسخ المباشر: تُضاف البيانات المرمّزة بعضها إثر بعض كما هي. فتُصان الجودة لكن تُصان فجوات التأخير والحشو أيضاً. فيقع صمت قصير في كل انتقال.

الدمج بإعادة الترميز: تُفَك كل الملفات إلى PCM، وتُضاف بعضها إثر بعض، ثم تُرمَّز مرة واحدة. فتزول الفجوات الوسيطة تماماً لأن ثمة عملية ترميز واحدة — ولا يوجد تأخير/حشو إلا في مقدمة الملف النهائي ونهايته.

وثمة تنازل من ناحية الجودة: فإعادة الترميز تضيف فقداً إضافياً في المصادر مع الفقد.

وأنظف طريقة: جهّز الملفات المصدرية بصيغة بلا فقد (WAV، وFLAC)، وادمجها بلا فقد (فلا تنشأ فجوة لأنه لا بنية كتل في PCM)، ثم رمّز الملف النهائي إلى الصيغة الهدف مرة واحدة.

وهذا سير العمل المعياري المتَّبع عند إعداد الكتب الصوتية والألبومات.

المشكلة 2: عدم تطابق معدل العيّنة

يبيّن معدل العيّنة كم قياساً صوتياً يُؤخَذ في الثانية. والقيم الشائعة:

| المعدل | الاستخدام النمطي | |---|---| | 44100 هرتز | معيار القرص المدمج، الموسيقى | | 48000 هرتز | الفيديو، الصوت الاحترافي | | 32000 هرتز | بعض تطبيقات البث | | 22050 هرتز | كلام منخفض الجودة | | 96000 هرتز | صوت عالي الدقة |

ودمج ملفات بمعدلات مختلفة، إن جرى دون تحويل سليم، يفضي إلى مشكلة جدية: تشغيل الملف الثاني بسرعة خاطئة.

والسبب بسيط: فإن كان الملف مسجَّلاً بـ«48000 عيّنة في الثانية» وشغّله المشغّل بـ«44100 عيّنة في الثانية»، بطؤ الصوت نحو 9% وانخفضت الطبقة. فيغلظ الكلام وتنشز الموسيقى.

والعكس كذلك: فتشغيل ملف بـ 44.1 كيلوهرتز على أنه 48 كيلوهرتز يسرّع الصوت ويرفع الطبقة.

إعادة العيّنة

تحل الأدوات السليمة هذه المشكلة بـإعادة العيّنة (resampling): إذ تُحوَّل متتالية عيّنات الملف رياضياً إلى المعدل الجديد.

وهذه عملية تتطلب حساب قيم وسيطة. فلإنتاج 48000 عيّنة من 44100 عيّنة تُحسَب القيم البينية بالاستيفاء.

وإعادة العيّنة المتقنة شبه خالية من الفقد لكنها ليست خالية منه تماماً. فقد تحدث تغيرات صغيرة في الترددات العالية جداً بحسب جودة المرشّح المستخدَم.

ونصيحة عملية: حاول تجهيز الملفات التي ستدمجها بمعدل العيّنة نفسه. فإن استطعت ضبط ذلك في مرحلة التسجيل، أزلت الحاجة إلى التحويل لاحقاً.

المشكلة 3: عدم تطابق القنوات

إن كان ملف أحادياً والآخر ستيريو لزمت بنية مشتركة للدمج.

تحويل الأحادي إلى ستيريو: تُنسَخ الإشارة نفسها إلى قناتين. فلا فقد لكن يتضاعف حجم الملف ولا تنشأ صورة ستيريو حقيقية.

تحويل الستيريو إلى أحادي: تُجمَع القناتان وتُقسَم على اثنين. فتضيع معلومات الستيريو نهائياً. كما قد يضعف الصوت أو يختفي في التسجيلات ذات مشكلة الطور (إن كانت القناتان معكوستين).

ودمج المحتوى الكلامي إلى أحادي منطقي عادةً — فينزل الملف إلى النصف والفقد يكاد لا يُذكر. أما في الموسيقى فينبغي صون الستيريو.

المشكلة 4: العبور الصفري والفرقعة

تتذبذب الموجة الصوتية عبر الزمن فوق خط الصفر وتحته. والعبور الصفري هو اللحظة التي تكون فيها الموجة عند القيمة صفر تماماً.

وحين يلتقي مقطعان صوتيان:

• إن كان كلاهما عند عبور صفري: حدث التقاء سلس.
• وإن قُطع أحدهما عند قمة الموجة: نشأت قفزة قيمية مفاجئة عند نقطة الالتقاء.

والقفزة المفاجئة تحوي رياضياً مكوّنات ترددية عالية جداً وتُسمَع في الأذن على شكل «طقّة» حادة.

وهذه مشكلة تتكرر كثيراً عند قص التسجيل ودمجه يدوياً. فالصمت المطلق نادر في التسجيلات؛ إذ إن ضوضاء الخلفية نفسها شكل موجي ويُقطَع عند نقطة عشوائية.

الحل: الانتقال المتقاطع

الانتقال المتقاطع (crossfade) يخفض نهاية المقطع الأول تدريجياً ويرفع بداية الثاني تدريجياً في مدة قصيرة. فيحدث تسليم ناعم بدل القفزة المفاجئة.

واختيار المدة مهم:

| المدة | أثرها | |---|---| | 5–20 جزءاً من الألف من الثانية | يمنع الفرقعة، ولا يُدرَك بالأذن | | 50–200 جزءاً من الألف من الثانية | انتقال ناعم، يُلاحَظ قليلاً | | 1–3 ثوانٍ | انتقال موسيقي، وهو مؤثر مقصود |

فإن أردت منع الفرقعة فقط يكفي 10–20 جزءاً من الألف من الثانية ولا تدرك الأذن البشرية هذه المدة. ولا تفقد شيئاً من المحتوى.

وإن كنت تُعدّ مزيجاً موسيقياً (mixtape) فانتقالات من 2 إلى 5 ثوانٍ تعطي نتيجة احترافية — لكن هذا لم يعد تصحيحاً تقنياً بل اختياراً فنياً.

المشكلة 5: فروق المستويات

الدمج لا يمسّ مستوى الصوت. فإن كانت التسجيلات الآتية من مصادر مختلفة بمستويات مختلفة، اضطر المستمع إلى ضبط الصوت عند كل انتقال.

وثمة نهجان لقياس المستوى:

مستوى الذروة (peak): أعلى قيمة يبلغها الشكل الموجي. وهو مقياس بسيط لكنه لا يعكس الجهارة المُدرَكة. فقد يكون لتسجيل هادئ يحوي انفجار ضوضاء قصيراً قيمةُ ذروة عالية لكنه يبدو هادئاً للأذن.

LUFS‏ (Loudness Units Full Scale): مقياس يأخذ في الحسبان حساسية السمع البشري للترددات والمتوسط الزمني. وهذه هي الطريقة المستخدمة في معايير البث والبودكاست.

الأهداف الشائعة:

| الوسط | الهدف | |---|---| | البودكاست | ‎-16 LUFS (ستيريو)، ‎-19 LUFS (أحادي) | | خدمات بث الموسيقى | ‎-14 LUFS | | البث التلفزيوني | ‎-23 LUFS |

وتطبيع المقاطع التي ستدمجها إلى هدف LUFS نفسه يضمن ألا تحدث قفزات مستوى في الانتقالات.

سير العمل الصحيح

ترتيب يمنع كل المشكلات أعلاه:

1. حوّل كل المصادر إلى صيغة بلا فقد (WAV أو FLAC). ولا يضيف ذلك فقداً في المصادر مع الفقد؛ بل يهيّئ مساحة عمل فقط.

2. وحّد معدل العيّنة وعدد القنوات. فلتكن كلها 44.1 كيلوهرتز ستيريو أو كلها 48 كيلوهرتز أحادية.

3. طبّع المستويات. حدّد هدف LUFS مشتركاً.

4. ادمج. فلا تنشأ فجوة لأنه لا بنية كتل في الصيغة بلا فقد.

5. طبّق انتقالات متقاطعة قصيرة عند اللزوم. فـ 10–20 جزءاً من الألف من الثانية تمنع الفرقعة.

6. رمّز الملف النهائي إلى الصيغة الهدف مرة واحدة. ترميز واحد، وفقد واحد.

7. أضف الوسوم وعلامات الفصول إن وُجدت.

ويبدو هذا المسار مرهقاً لكنه يُحدث فرقاً في الأعمال التي تريد فيها نتيجة جيدة مثل الكتب الصوتية والألبومات والبودكاست الطويل.

الخلاصة

مشكلات الفجوات والفرقعة في الدمج نابعة من بنية الصيغ. فلأن المرمّزات مع الفقد تعمل على أساس الكتل توجد عيّنات تأخير وحشو في مقدمة كل ملف ونهايته؛ وتستطيع المشغّلات تخطي ذلك بمعلومات وسم لكن ليس كل مشغّل يفعل. وعدم تطابق معدل العيّنة، إن لم يُصحَّح، يفضي إلى التشغيل بسرعة خاطئة. والمقاطع غير المقطوعة عند نقطة العبور الصفري تحدث قفزة مفاجئة عند نقطة الالتقاء تُسمَع «طقّة» — ويحل ذلك تماماً انتقال متقاطع بمقدار 10–20 جزءاً من الألف من الثانية. وأنظف نهج هو الدمج بصيغة بلا فقد وترميز الملف النهائي مرة واحدة.