كيف تعمل مرمّزات الصوت؟ النموذج النفسي-السمعي ومنطق معدل البت

يشغل ملف WAV نحو 10 ميجابايت للدقيقة؛ وينزل الصوت نفسه إلى 1 ميجابايت بصيغة MP3. فتنخفض البيانات إلى العُشر لكن معظم الناس لا يسمعون الفرق. كيف يكون ذلك ممكناً؟ الجواب ليس في رياضيات الضغط بقدر ما هو في كيفية عمل الأذن البشرية. نشرح في هذا المقال منطق مرمّزات الصوت مع الفقد وما ينبغي أن يحدد قراراتك في التحويل.

ما بيانات الصوت الخام

يحوّل الميكروفون تغيّر ضغط الهواء إلى إشارة كهربائية. وعند رقمنة هذه الإشارة يُحدَّد معاملان:

معدل العيّنة (sample rate): كم قياساً يُؤخَذ في الثانية. ومعيار القرص المدمج 44100 هرتز. وهذا الرقم ليس اعتباطياً: فبحسب نظرية نايكويست ينبغي أخذ العيّنات بضعف أعلى تردد في الإشارة لالتقاطها التقاطاً صحيحاً. ولأن الأذن البشرية تسمع حتى نحو 20000 هرتز، يوفر 44100 حداً أعلى كافياً.

عمق البت (bit depth): بكم بت يُعبَّر عن كل قياس. ويُستخدم 16 بت في القرص المدمج، وهذا يعني 65536 مستوى سعة مختلفاً. ويشيع 24 بت في تسجيلات الاستوديو.

والحساب بسيط: 44100 عيّنة × 16 بت × قناتان = 1411200 بت في الثانية، أي نحو 1411 كيلوبت/ث. وتشغل دقيقة صوت ستيريو نحو 10 ميجابايت بحالتها غير المضغوطة.

وصيغة WAV تحفظ هذه البيانات الخام بالضبط. أما FLAC فتحفظ البيانات نفسها بنحو نصف الحجم بضغط بلا فقد — وتعود العيّنات نفسها تماماً عند فكه.

الفكرة الأساسية للترميز مع الفقد

تطرح المرمّزات مع الفقد مثل MP3 سؤالاً مختلفاً: كم من هذه البيانات نسمعه فعلاً؟

والجواب: أقل بكثير مما يُظَن. فالجهاز السمعي البشري ليس جهاز تسجيل مثالياً؛ إذ لا يدرك أصواتاً معينة في ظروف معينة. ويجد المرمّز هذه الثغرات ويُسقط تلك المعلومات.

ويتم ذلك بحساب يُسمّى النموذج النفسي-السمعي.

الإخفاء: الأصوات التي لا نسمعها

أساس النموذج النفسي-السمعي ظاهرة الإخفاء ولها نوعان.

الإخفاء الترددي (الإخفاء المتزامن). فالمكوّن العالي الصوت يجعل المكوّنات الأخفت منه في الترددات القريبة غير قابلة للإدراك. مثل عجزك عن سماع الهمس في بيئة صاخبة — لكن ذلك يحدث على مقياس أدق بكثير في محور التردد.

مثال ملموس: حين توجد نغمة قوية عند 1000 هرتز، لا تُسمَع نغمة عند 1100 هرتز دون عتبة معينة. ويستطيع المرمّز إسقاط ذلك المكوّن أو ترميزه ترميزاً خشناً جداً؛ ولا تدرك الأذن الفرق.

الإخفاء الزمني. فالأصوات الضعيفة الواقعة قبل لحظة صاخبة مباشرة (نحو 20 جزءاً من الألف من الثانية) وبعدها مباشرة (نحو 100–200 جزء) لا تُدرَك. إذ تبقى الأذن «صمّاء» مدة قصيرة بعد مثير قوي.

ويستخدم المرمّز هاتين الظاهرتين معاً فيحسب لكل لحظة عتبة إخفاء: أي معلومات دون أي مستوى وفي أي تردد يمكن إسقاطها.

عملية الترميز خطوة خطوة

العمل الذي يؤديه مرمّز MP3 تقريباً:

1. قسّم الصوت إلى كتل. نوافذ بين بضع مئات وألف عيّنة عادةً. ومقاس الكتلة مهم: فالكتل الطويلة تعطي دقة ترددية، والقصيرة دقة زمنية. وينتقل المرمّز إلى كتل قصيرة عند الانتقالات المفاجئة (كضربة الطبل).

2. حوّل إلى المجال الترددي. فتُفكَّك بيانات المحور الزمني إلى مكوّنات ترددية (بترشيح النطاقات الفرعية + MDCT في MP3، وبـ MDCT مباشرة في AAC).

3. شغّل النموذج النفسي-السمعي. فتُحسَب عتبة الإخفاء لكل نطاق ترددي.

4. وزّع ميزانية البتات. فتُوزَّع ميزانية معدل البت المتاح على تحديد كم بتاً يُرمَّز به كل نطاق. ولا تُعطى النطاقات المُخفاة إلا بتات قليلة أو لا تُعطى شيئاً.

5. التكميم (quantization). فيُخشَّن كل مكوّن بحسب عدد البتات المخصص له. وهنا يحدث الفقد — إذ تُحفَظ قيمة تقريبية بدل القيمة الأصلية الدقيقة.

6. ترميز الإنتروبيا. فيُطبَّق ضغط بلا فقد (مثل Huffman) على البيانات المتبقية.

وتُعكَس هذه الخطوات عند فك الترميز لكن المعلومات المُسقطة في الخطوة 5 لا تعود. فالتكميم لا رجعة فيه.

معدل البت: كلما ضاقت الميزانية

معدل البت هو الميزانية التي تعطيها للمرمّز. وعند معدل بت منخفض يضطر المرمّز إلى إسقاط معلومات أكثر ويبدأ الفقد يصير مسموعاً.

وأكثر ما يتلف عند معدل البت المنخفض:

| المشكلة | أين تُسمَع | |---|---| | قطع الترددات العالية | تخبو الصنوج والآلات الحادة وحروف الصفير | | الصدى القبلي (pre-echo) | «حفيف» خفيف قبل ضربة الطبل | | تشوّه الستيريو | تضيق صورة الستيريو الواسعة | | رنين معدني | يُسمَع التصفيق وأصوات الحشد «مائية» | | ضوضاء التكميم | حفيف خلفي في المقاطع الهادئة |

ومرجع تقريبي (لـ MP3، مع مرمّز جيد):

| معدل البت | الجودة المُدرَكة | |---|---| | 64 كيلوبت/ث | مقبول للكلام، وتشوّه واضح في الموسيقى | | 96 كيلوبت/ث | كافٍ للبودكاست والكتب الصوتية | | 128 كيلوبت/ث | استماع عام، ويُلاحَظ لدى الأذن المدققة | | 192 كيلوبت/ث | جيد لمعظم الاستخدامات | | 256 كيلوبت/ث | قريب من الشفافية لمعظم المستمعين | | 320 كيلوبت/ث | الحد الأعلى العملي، شفاف لمعظم الآذان |

ومصطلح «الشفافية» يعني تعذّر تمييز الصوت المرمَّز عن أصله في اختبار استماع أعمى. وهي تختلف من شخص إلى آخر ومن محتوى إلى آخر ومن معدات إلى أخرى.

معدل البت الثابت والمتغير

CBR (معدل البت الثابت): يُستخدَم القدر نفسه من البيانات في كل ثانية. وهو بسيط ومتوقَّع؛ وله ميزة في البث (streaming).

VBR (معدل البت المتغير): يخصص المرمّز لكل لحظة ما تحتاجه من بتات. فيوفّر في مقطع بيانو هادئ وينفق في مقطع أوركسترالي كثيف.

وVBR أفضل عادةً لأن تعقيد الموسيقى غير ثابت. فعند متوسط معدل البت نفسه يعطي VBR جودة مُدرَكة أفضل من CBR. وعيبه الوحيد تعذّر تقدير حجم الملف سلفاً ومشكلات المدة/التقديم في بعض المشغّلات القديمة.

وABR (معدل البت المتوسط) حل وسط بينهما.

لماذا تتفاوت كفاءة المرمّزات

يعطي AAC صوتاً أفضل من MP3 عند معدل البت نفسه. والأسباب:

• أحجام كتل أمرن. فيتعامل مع الانتقالات المفاجئة تعاملاً أفضل ويقلّ الصدى القبلي.
• ترميز ستيريو أفضل. فيستفيد من التشابه بين القنوات استفادة أكفأ.
• ترميز إنتروبيا أكفأ.
• نموذج نفسي-سمعي أكثر تطوراً.
• حرية التصميم. فقد صُمّم MP3 بقيود التوافق الرجعي؛ أما AAC فبدأ من الصفر.

ويمضي Opus أبعد من ذلك وهو جيد بوضوح خصوصاً عند معدلات البت المنخفضة (32–64 كيلوبت/ث)؛ وهو يحمل مكوّنات مصممة للمكالمات الصوتية والبودكاست.

والمقابل العملي: يُدرَك AAC بمعدل 128 كيلوبت/ث معادلاً لـ MP3 بمعدل 160–192 كيلوبت/ث تقريباً. وهذا يفسّر لماذا يتوقف اختيار معدل البت الهدف على الصيغة المصدر عند إجراء التحويل.

لماذا يتراكم فقد إعادة الترميز

حين تحوّل ملفاً مع فقد إلى صيغة أخرى مع فقد يحدث ما يلي:

1. يُفَك ترميز الملف المصدر. والصوت الناتج تقريب مع فقد أصلاً للأصل.
2. يطبّق المرمّز الجديد نموذجه النفسي-السمعي على هذا الصوت ويُسقط معلومات من جديد.

والمشكلة أن المرمّز الثاني لا يعرف ما أسقطه الأول. فيقرر بحسب نموذجه ولا تتطابق هذه القرارات مع الأول. والنتيجة أن يركب «إسقاطان» مختلفان أحدهما فوق الآخر.

كما أن ضوضاء التكميم التي خلّفها الترميز الأول تبدو للمرمّز الثاني «صوتاً حقيقياً» فينفق ميزانية في محاولة صونها.

ولذلك تتدهور التحويلات المتسلسلة سريعاً. ففي مسار مثل MP3 ← AAC ← MP3 ← OGG تبهت الترددات العالية أكثر قليلاً في كل خطوة وتضبّب الانتقالات أكثر قليلاً.

القاعدة: انتقل دائماً من أفضل مصدر لديك إلى الهدف في خطوة واحدة.

العودة إلى الصيغ بلا فقد

تحويل MP3 إلى FLAC سوء فهم شائع. فـ FLAC بلا فقد لكن هذا يعني «تحفظ ما يُعطى لها دون إفساد» — لا «تستعيد ما ضاع».

فالمكوّنات الترددية التي أُسقطت عند ترميز MP3 قد فُقدت نهائياً. وحين تحوّلها إلى FLAC تحفظ ذلك الصوت الناقص حفظاً بلا فقد. والنتيجة: ملف بجودة MP3 وأكبر خمس مرات.

والاستثناء المشروع الوحيد: إن كنت ستحرّر ملفاً. فتحويله مؤقتاً إلى WAV منطقي لئلا تحدث إعادة ترميز عند كل حفظ أثناء عمليات مثل القص والدمج وتطبيق المؤثرات. وحين ينتهي العمل ترمّز إلى الصيغة الهدف مرة واحدة.

الخلاصة

تُسقط مرمّزات الصوت مع الفقد المعلوماتِ غير المسموعة استفادةً من خصائص الإخفاء في الأذن البشرية؛ ويحدث الفقد في خطوة التكميم ولا رجعة فيه. ومعدل البت هو ميزانية هذه العملية — وأول ما يُضحّى به عند ضيق الميزانية هو الترددات العالية واتساع الستيريو ووضوح الانتقالات. وتتفاوت كفاءة المرمّزات؛ فـ AAC وOpus يعطيان نتيجة أفضل من MP3 عند معدل البت نفسه، ولذلك ينبغي إبقاء معدل البت الهدف درجة أعلى من المصدر عند التحويل. والنتيجة العملية الأهم: أن التحويلات مع الفقد تراكمية، وأن العودة إلى صيغة بلا فقد لا تكسب جودة — فانتقل دائماً من أفضل مصدر إلى الهدف في خطوة واحدة.