WAV बनाम MP3: ऑडियो कंप्रेशन में असली फ़र्क क्या है

WAV में क्या होता है

WAV कच्ची संख्याओं के ऊपर चढ़ा एक पतला-सा खोल है। एक छोटा RIFF हेडर बताता है कि सैंपल कितनी तेज़ी से लिए गए, हर सैंपल कितने बिट का है और कितने चैनल हैं। उसके बाद फ़ाइल में बस सैंपल होते हैं, क्रम से, आख़िर तक।

इसलिए साइज़ सीधा-सीधा गुणा का हिसाब है। CD ऑडियो में हर सेकंड 44,100 सैंपल होते हैं, हर एक 16 बिट का, दो चैनल में: यानी हर सेकंड 14 लाख से कुछ ज़्यादा बिट, जो लगभग 10 MB प्रति मिनट बैठता है। तीन मिनट का गाना करीब 30 MB का होता है। कंटेंट चाहे जो हो, इससे यह हिसाब नहीं बदलता। ख़ामोशी भी ठीक उतनी ही जगह लेती है जितनी पूरा ऑर्केस्ट्रा, क्योंकि फ़ाइल शून्य को भी उसी रफ़्तार से सहेजती है जिस रफ़्तार से बाकी सब कुछ।

कुछ भी एनालाइज़ नहीं होता, और असल बात यही है। रिकॉर्डिंग इंटरफ़ेस यही WAV बनाता है, और हर एडिटर इसी पर काम करना चाहता है।

MP3 इसकी जगह क्या करता है

MP3 एक परसेप्चुअल कोडेक है। यह सिग्नल को फ़्रीक्वेंसी बैंड में बाँटता है और उन पर एक साइकोअकूस्टिक मॉडल चलाता है, जो यह नहीं पूछता कि सिग्नल में क्या है, बल्कि यह पूछता है कि इंसान असल में क्या सुनेगा। इंसान के सुनने में कुछ जाने-माने ब्लाइंड स्पॉट हैं: तेज़ आवाज़ अपने आसपास की फ़्रीक्वेंसी वाली धीमी आवाज़ को दबा देती है, और रुकने के बाद भी थोड़ी देर तक दबाए रखती है। एनकोडर इन दबे हुए हिस्सों को ढूँढता है और उनमें छिपी चीज़ों पर बहुत कम बिट खर्च करता है, या बिल्कुल नहीं।

जो वह फेंकता है, हमेशा के लिए फेंक देता है। MP3 को डिकोड करने से मूल सैंपल वापस नहीं आते। जो बचा था, उसी से एक अंदाज़न रूप दोबारा बनाया जाता है। लॉसी का यही मतलब है, और इसीलिए MP3 से बनी WAV फ़ाइल कुछ भी वापस नहीं लाती। वह ख़राब हो चुके वर्ज़न की बस एक बड़ी, बिना कंप्रेशन वाली कॉपी है।

MP3 इतना अच्छा काम भी इसी वजह से करता है। यह zip फ़ाइल की तरह डेटा को चतुराई से कंप्रेस नहीं करता। यह ज़्यादातर डेटा को सहेजने से ही इनकार कर देता है।

बिटरेट घटने पर क्या बदलता है

बिटरेट घटाने पर एनकोडर के पास खर्च करने को कम बिट बचते हैं, इसलिए उसके मॉडल को यह तय करने में ज़्यादा सख़्ती बरतनी पड़ती है कि क्या सुनाई नहीं देगा। नतीजा धीमी या फीकी आवाज़ वाली फ़ाइल कम, और ख़ास, पहचानी जा सकने वाली ख़राबियों वाली फ़ाइल ज़्यादा होता है।

सबसे पहले सिम्बल और हाई-हैट की आवाज़ बिगड़ती है, क्योंकि शोर जैसी ऊँची फ़्रीक्वेंसी को एनकोड करना महँगा पड़ता है और उसका ग़लत अंदाज़ा लगाना आसान है। यह हिस्सा अक्सर पानी जैसा या सरसराता हुआ सुनाई देने लगता है। तीखे ट्रांज़िएंट में प्री-इको आ जाता है: किसी चोट से ठीक पहले सुनाई देने वाली आवाज़ की एक हल्की धुंधली परत, जबकि उसे उसी चोट ने पैदा किया होता है। यह कैस्टनेट, पास से माइक की गई पर्कशन और सोलो पियानो में सुनाई देता है। ज़्यादातर एनकोडर कम बिटरेट पर लो-पास फ़िल्टर भी लगाते हैं, जो स्पेक्ट्रम के ऊपरी हिस्से पर कुछ भी खर्च करने के बजाय उसे पूरी तरह काट देता है।

आपके लिए यह सीमा कहाँ है, यह संगीत, एनकोडर और इस बात पर निर्भर करता है कि आप किस चीज़ पर सुन रहे हैं। इस बारे में किसी का बताया नंबर न मानें, मेरा भी नहीं। एक ही ट्रैक को कुछ अलग-अलग तरीकों से एनकोड करें और उन हेडफ़ोन पर सुनें जो सच में आपके पास हैं।

असली दुश्मन बार-बार एनकोड करना है

एक बार का अच्छा MP3 एनकोड आम तौर पर ठीक रहता है। उन्हें एक के ऊपर एक चढ़ाना ठीक नहीं। जब भी किसी लॉसी फ़ाइल को डिकोड, एडिट और फिर से एनकोड किया जाता है, दूसरा एनकोडर पहले वाले के आर्टिफ़ैक्ट को सिग्नल मान लेता है और उन्हें बचाने में बिट खर्च करता है, साथ ही अपने नए समझौते भी करता है। नुकसान इस तरह जमा होता जाता है जो किसी एक पास में कभी नहीं दिखता।

लॉसलेस मास्टर रखने के पक्ष में यही व्यावहारिक दलील है। WAV या FLAC में एडिट करें, और आख़िर में बिना कंप्रेशन वाले सोर्स से सिर्फ़ एक बार MP3 में एनकोड करें। जब कुछ बदलना हो, तो पहले से पब्लिश किए गए MP3 पर नहीं, मास्टर पर लौटें।

कौन-सी फ़ाइल रखें

FLAC रखें। यह लॉसलेस है, यानी एक भी सैंपल बदले बिना फ़ाइल को कंप्रेस करता है, और जब FLAC कम जगह में वही काम कर देता है, तो कच्चा WAV आर्काइव करने की वजह शायद ही कभी होती है। WAV को सिर्फ़ तब तक रखें, जब तक आप उस पर काम कर रहे हैं।

बाँटने के लिए AAC इस्तेमाल करें, या MP3, अगर आपको सबसे ज़्यादा कम्पैटिबिलिटी की फ़िक्र है। नए कोडेक उतने ही बिट में MP3 से ज़्यादा काम कर लेते हैं, और इस सदी में बनी हर चीज़ उन्हें चला लेती है। MP3 इसलिए बचा हुआ है क्योंकि यह बिल्कुल हर चीज़ पर चलता है, उस हार्डवेयर पर भी जो वोट डालने लायक उम्र का हो चुका है, और इसकी अब भी कुछ क़ीमत है।

जिस ग़लती से बचना है, वह है ख़ुद रिकॉर्ड की गई किसी चीज़ की सिर्फ़ लॉसी कॉपी रखना। एनकोडर ने जो फेंक दिया, वह वापस नहीं मिल सकता।

ब्राउज़र यहाँ क्या कर सकता है और क्या नहीं

इस साइट का कन्वर्टर दोनों दिशाओं में काम करता है। यह MP3 को 16 बिट PCM WAV में डिकोड करता है, और WAV को LAME से तय 192 kbps पर MP3 में एनकोड करता है, बैकग्राउंड worker में। संगीत और स्पीच के लिए यह एक समझदारी भरी सेटिंग है, पर है एक ही: वेरिएबल बिटरेट मोड नहीं है, और कम या ज़्यादा रेट चुनने का कोई तरीका भी नहीं है।

इससे जुड़ी दो बातें। ऑडियो 44.1 kHz पर डिकोड होता है, इसलिए 48 kHz की फ़ाइल रास्ते में ही रीसैंपल हो जाती है। और टैग हट जाते हैं, क्योंकि डिकोडर सैंपल के अलावा कुछ नहीं देता।

अगर आपको यह कंट्रोल चाहिए, तो LAME को सीधे इस्तेमाल करें। यह ffmpeg और ज़्यादातर डेस्कटॉप ऑडियो सॉफ़्टवेयर में शामिल होता है, और एक लाइन की कमांड या एक-दो क्लिक से आपको वेरिएबल बिटरेट एनकोडिंग और वे टैग मिल जाते हैं जो ब्राउज़र नहीं लिख सकता।

कुछ भी आपकी मशीन से बाहर नहीं जाता

डिकोड और एनकोड, दोनों आपके खुले हुए पेज में ही चलते हैं, इसलिए रिलीज़ न हुआ मटीरियल और निजी रिकॉर्डिंग किसी और के सर्वर से गुज़रने के बजाय आपकी अपनी डिस्क पर ही रहती हैं। अपने ब्राउज़र के डेवलपर टूल खोलें, नेटवर्क टैब देखें और कुछ कन्वर्ट करें। पहली बार MP3 एनकोड करने पर एनकोडर लाइब्रेरी डाउनलोड होती है। किसी भी रिक्वेस्ट में ऑडियो नहीं जाता, क्योंकि ऐसी कोई रिक्वेस्ट भेजी ही नहीं जाती।