FLAC против MP3: что кодировщик выбрасывает из трека и слышно ли это

Спор «FLAC или MP3» обычно идёт на словах: один слышит «воздух», другой не слышит ничего. Я взял один трек, сжал его шестью способами и измерил, что изменилось в файле.

MP3 128 кбит/с обрезал всё выше 16,5 кГц, MP3 320 дошёл до 20,1 кГц. После десяти пересохранений MP3 128 потерял больше 10 дБ. FLAC после повторного сжатия совпал с оригиналом до бита. Под катом пять замеров с графиками, расчёт для слепого теста и таблица, какой формат для чего брать.

Что сравниваю

Трек: COOL&CREATE, «Help me, ERINNNNNN!!», издание 2024 года. Это аранжировка музыки из Touhou: быстрая электроника с вокалом, плотная и громкая. Длина 5 минут 16 секунд, 44,1 кГц, 16 бит, стерео. Это параметры обычного компакт-диска.

Кодировщик MP3: LAME 3.100, настройки по умолчанию.

ffmpeg -i track.flac -c:a pcm_s16le orig.wav      # несжатый звук
lame -b 128 orig.wav cbr128.mp3                   # постоянные 128 кбит/с
lame -b 320 orig.wav cbr320.mp3                   # постоянные 320 кбит/с
lame -V2 orig.wav v2.mp3                          # переменный битрейт
lame -V0 orig.wav v0.mp3                          # переменный, выше качество

-V0 и -V2 задают качество, а битрейт кодировщик подбирает сам для каждого отрезка. Вики Hydrogenaudio даёт для них средние 245 и 190 кбит/с. На моём треке вышло 261 и 184.

Замер 1. Размер

FLAC сжал трек на четверть, MP3 320 в четыре с лишним раза. На тысячу таких треков FLAC займёт около 43 ГБ, MP3 320 около 13 ГБ, MP3 128 около 5 ГБ. Степень сжатия FLAC зависит от музыки. Здесь плотная громкая электроника, и она сжалась слабо: тихая акустика обычно сжимается сильнее.

FLAC при этом ничего не теряет. Я проверил это контрольной суммой распакованного звука:

ffmpeg -i track.flac -f s16le - | md5sum      # 511b1390...
ffmpeg -i orig.wav   -f s16le - | md5sum      # 511b1390...
ffmpeg -i again.flac -f s16le - | md5sum      # 511b1390...

Третья строка: WAV, заново сжатый во FLAC. Все три суммы совпали, то есть звук совпадает до бита. FLAC работает как архиватор: предсказывает следующий отсчёт по предыдущим и хранит только ошибку предсказания.

Замер 2. Где обрывается верх

MP3 устроен иначе. Он делит звук на кадры по 1152 отсчёта, переводит каждый в спектр и решает, какие частоты записать точно, какие грубо, а какие выбросить. Первым под нож идёт самый верх спектра. На спектрограмме это видно как чёрная полоса сверху: слева оригинал, дальше MP3 320 и MP3 128.

То же самое одним графиком, усреднённо по всему треку:

Чёрная линия FLAC доходит до 22 кГц, это предел для частоты дискретизации 44,1 кГц. Остальные линии в какой-то момент падают вниз:

Линия MP3 V0 идёт вплотную к FLAC, потому что на этой настройке LAME фильтр верхних частот выключает. Кодировщик сам об этом пишет, если запустить его с ключом --verbose:

-V0     polyphase lowpass filter disabled
-b 320  Using polyphase lowpass filter, transition band: 20094 Hz - 20627 Hz
-V2     Using polyphase lowpass filter, transition band: 18671 Hz - 19205 Hz
-b 128  Using polyphase lowpass filter, transition band: 16538 Hz - 17071 Hz

Из этого не следует, что V0 равен FLAC. График показывает, сколько энергии в среднем на каждой частоте. Насколько точно эти частоты записаны, по нему не видно. V0 оставляет верх спектра на месте и кодирует его грубо. Точность показывает следующий замер, и там V0 уступает MP3 320.

Слышен ли обрыв, зависит от слуха и от музыки. Верхняя граница слуха с возрастом опускается, и от 17 до 20 кГц в музыке мало энергии: на графике этот участок примерно на 50 дБ ниже пика спектра. Свою границу легко узнать: включите генератор тона и ведите частоту вверх, пока звук не пропадёт.

MP3 64 устроен ещё жёстче: LAME на этом битрейте сам понижает частоту дискретизации до 24 кГц, выше 12 кГц в таком файле звука нет совсем. Горб на 13 кГц, скорее всего, след обратного пересчёта в 44,1 кГц для графика: он зеркален спаду у 11 кГц относительно 12 кГц.

Замер 3. Разница с оригиналом

Обрыв верха показывает только часть потерь. Чтобы увидеть всё, я распаковал MP3 обратно в отсчёты и вычел их из оригинала. Осталось то, чем файлы отличаются.

Слева разница для MP3 320, справа для MP3 128, отрывок тот же, что на спектрограмме выше. Яркость показывает громкость. У MP3 128 разница идёт по всему спектру, а сильнее всего она ниже 5 кГц, где звучит сама музыка.

В цифрах: насколько разница тише самого трека.

30,2 дБ мало. Шум на таком уровне, включённый отдельно, слышит любой. В MP3 его обычно не слышно, потому что кодировщик прячет ошибку рядом с громкими звуками. Ухо плохо различает тихий звук, если на близкой частоте в тот же момент звучит громкий. Это свойство называется маскировкой, и на нём построен весь формат: модель слуха в кодировщике считает, сколько ошибки поместится под каждым громким звуком, и тратит биты там, где спрятать её негде.

Поэтому число из таблицы нельзя читать как «слышимость». Оно говорит, сколько звука изменилось, и молчит о том, заметит ли это человек.

Замер 4. Повторное сжатие

Маскировка рассчитана на один проход. Если распаковать MP3 и сжать снова, кодировщик заново решает, что выбросить, и ошибки складываются. Я прогнал трек через LAME десять раз подряд.

MP3 320 за десять проходов потерял 6,3 дБ, MP3 128 потерял 10,3 дБ. В жизни это выглядит так: трек скачали в MP3, обрезали в редакторе и сохранили, залили на сервис, сервис сжал его ещё раз. С FLAC такого не случается: его можно распаковывать и сжимать сколько угодно, сумма из первого замера останется той же.

Отсюда главный довод за FLAC. Он нужен как исходник, из которого в любой момент получается MP3, Opus или формат, которого пока нет. Обратного пути у сжатого файла нет.

Замер 5. FLAC, в котором нет верха

Расширение .flac говорит только о том, что файл сжат без потерь. Что лежало на входе кодировщика, оно не говорит. Мне попался такой файл на Wikimedia Commons, когда я искал трек для статьи:

У обоих файлов одинаковые параметры: 44,1 кГц, 16 бит. У «Help me, ERINNNNNN!!» спектр доходит до 22 кГц. У второго файла он обрывается на 15,3 кГц ступенькой, как у MP3 на графике из второго замера.

По самому файлу не узнать, откуда обрыв. Так выглядит MP3, пересохранённый во FLAC, и так же может выглядеть запись, которую отфильтровали при сведении. Но если вы платите за FLAC или качаете его ради качества, спектр стоит проверить. Спектрограмму показывают Audacity и Spek, а одной командой её строит ffmpeg:

ffmpeg -i track.flac -lavfi showspectrumpic=s=1200x600 spectrum.png

Перекодировать MP3 во FLAC бессмысленно: файл вырастет в несколько раз, а выброшенное не вернётся.

Слышно ли это

Замеры показывают, что файлы разные. Слышит ли это человек, проверяют только слепым тестом: слушатель не знает, какой файл играет, и выбирает на слух.

В 2009 году на конвенции Audio Engineering Society показали такую работу: Pras, Zimmerman, Levitin и Guastavino, «Subjective Evaluation of MP3 Compression for Different Musical Genres». Тринадцать подготовленных слушателей, музыканты и звукорежиссёры, сравнивали CD-качество с MP3 от 96 до 320 кбит/с. По аннотации работы, они значимо предпочитали CD файлам MP3 с битрейтом до 192 кбит/с. Про 256 и 320 кбит/с такого вывода в аннотации нет.

Вики Hydrogenaudio пишет то же другими словами: в слепых тестах LAME обычно становится неотличим от оригинала на битрейтах заметно ниже максимального.

Чужие уши ничего не говорят о ваших, поэтому проще проверить самому. Нужна программа, которая играет два файла под нейтральными названиями и переключает их без паузы: плагин ABX для foobar2000 на компьютере или сравнение версий трека в Nami на телефоне. Сколько верных ответов нужно, чтобы результат не был везением, считается по формуле для подбрасывания монеты:

Восемь из десяти ещё похоже на удачу. Девять из десяти или тринадцать из шестнадцати уже говорят, что разницу вы слышите.

Два условия, без которых тест ничего не покажет:

• Громкость файлов должна совпадать. Более громкий вариант обычно кажется лучше.

• Наушники должны быть проводными. Bluetooth сам сжимает звук с потерями: SBC, AAC, aptX и LDAC все относятся к таким кодекам. FLAC по дороге к беспроводным наушникам перекодируется так же, как MP3.

Что из этого следует

В Nami это устроено так: сервер хранит файлы в исходном формате, а в экономном качестве сжимает их на лету в Opus 128 кбит/с и отдаёт телефону.

Ограничения замеров

• Трек один, и скачать его бесплатно нельзя: это файл из моей коллекции. Скрипт работает на любом вашем файле. На другой музыке цифры сдвинутся: кастаньеты и клавесин для MP3 труднее, чем плотный рок.

• Кодировщик один, LAME 3.100. Старые кодировщики на том же битрейте работают хуже.

• Разница в децибелах не равна слышимости, об этом сказано в третьем замере. На слух её проверяет только слепой тест.

• Opus и AAC я не сравнивал. Они новее и на низких битрейтах сжимают лучше MP3. Fraunhofer закрыл программу лицензирования MP3 23 апреля 2017 года и сам назвал AAC более эффективным кодеком.

• FLAC 24 бита и 96 кГц я тоже не трогал: это отдельный спор.

Попробовать

• Сайт: nami-music.ru

• Android (8.0 и новее): скачать APK

• Windows и Linux: скачать для компьютера

• Сервер: инструкция по установке, ставится одной командой

Nami бесплатный, без рекламы и аккаунтов. Про проект целиком я рассказывал в первой статье.