MP3 audio formati

MP3
Изображение логотипа
Kengaytmasi .mp3
MIME-turi audio/mpeg
Ishlab chiquvchilar Fraungofer jamiyati, Karlhayns Brandenburg, Hayns Gerhauzer[maʼlumot], Bernhard Grill[maʼlumot] va Harald Popp[maʼlumot]
Eʼlon qilingan 6-dekabr 1991
Format turi audioformat
Логотип Викисклада Wikimedia Commonsʼdagi mediafayllar

MP3, mp3 (qisqartmasi: MPEG-1 Audio Layer III yoki MPEG-2 Audio Layer III) — audioformat bo‘lib, uni MPEG jamoasi ishlab chiqqan. Dastlab format litsenziyalanadigan edi, ammo 23-aprel 2017-yilda barcha patentlarning amal qilish muddati tugadi va litsenziya to‘lovlari to‘xtatildi.

MP3 tovush maʼlumotlarini raqamli kodlash formatlari orasida eng keng tarqalgan va ommaboplaridan biridir. U fayl almashish tarmoqlarida musiqiy asarlarni sinab ko‘rish maqsadida yuklab olish uchun keng qo‘llanadi. Formatni deyarli barcha mashhur operatsion tizimlarda, ko‘pchilik ko‘chma audio pleyerlarda ijro etish mumkin. Uni zamonaviy musiqa markazlari va DVD-pleyerlarning barcha modellari ham qo‘llab-quvvatlaydi.

MP3 formatida yo‘qotishli siqish algoritmi ishlatiladi. U yozuvni qayta ijro etish uchun zarur maʼlumotlar hajmini sezilarli kamaytirish va ko‘pchilik tinglovchilar fikricha asl nusxaga yaqin tovush sifatini taʼminlash uchun ishlab chiqilgan. Biroq yuqori sifatli tovush tizimida tinglanganda sifatning sezilarli yo‘qolishi kuzatiladi. Siqish tamoyili tovush oqimining ayrim qismlaridagi aniqlikni pasaytirishdan iborat. Buni tovushni ijro etish aniqligi past bo‘lgan keng tarqalgan qurilmalarda (masalan, ko‘chma qurilmalarning aksariyati, tovush kartalari, musiqa markazlari, avtomobil magnitolalari va boshqa maxsus bo‘lmagan jihozlarda), shuningdek, eshitish qobiliyatining yoshga bog‘liq tabiiy o‘zgarishlari sababli katta yoshli odamlar deyarli sezmaydi. Ammo yuqori aniqlikdagi audiotexnikada bu farq ko‘pincha yaqqol bilinadi. Bu usul perseptiv kodlash deb ataladi. Dastlab tovush qisqa vaqt oraliqlari ketma-ketligi ko‘rinishidagi diagrammaga aylantiriladi, so‘ng inson qulog‘i ilg‘amaydigan maʼlumotlar chiqarib tashlanadi, qolgan maʼlumotlar esa ixcham shaklda saqlanadi. Bu yondashuv tasvirlarni JPEG. MP3 fayli uchun o‘rtacha bit tezligi 128 kbit/s qilib tanlanganda, natijada hajmi asl faylning taxminan 1:11 qismiga teng bo‘lgan fayl hosil bo‘ladi. Bu asl fayl CD-Audio formatida bo‘lib, siqilmagan CD-Audio tovushining o‘z bit tezligi 1411,2 kbit/s. MP3 fayllar raqamli oqimning yuqori yoki past kodlash tezligida yaratilishi mumkin va bu yakuniy fayl sifatiga taʼsir qiladi.

Tarixi

MP3 formati Fraungofer instituti (nemischa Fraunhofer-Institut für Integrierte Schaltungen) ishchi guruhi tomonidan Karlhayns Brandenburg rahbarligida, Erlangen–Nyurnberg universiteti hamda AT&T Bell Labs va Thomson bilan hamkorlikda ishlab chiqilgan (Jonson, Shtoll, Deeri va boshqalar).

MP3 yaratilishiga tajribaviy ASPEC (Adaptive Spectral Perceptual Entropy Coding) kodeki asos bo‘lgan. Standartning deyarli to‘liq matni 6-dekabr 1991-yilda ommaga taqdim etilgan. Algoritmni ishlab chiqishda sinovlar aniq bir mashhur musiqiy asarlar yordamida o‘tkazilgan. Asosiy sinov qo‘shig‘i Syuzanna Vega «Tom’s Diner» bo‘lgan. Shu sababli «MP3 faqat Brandenburgning sevimli qo‘shig‘ini qulay tinglash uchun yaratilgan» degan hazil paydo bo‘lgan, Vega esa «MP3 onasi» deb atala boshlangan.

MP3 formatiga kodlovchi ilk dastur L3Enc bo‘lib, u 1994-yil yozida chiqarilgan. 1995-yil sentabrda esa Fraungofer instituti ilk dasturiy MP3-pleyer — — Winplay3 dasturini chiqardi. 1996-yildan internetda MP3 formatidagi musiqiy fayllarning noqonuniy tarqalishi boshlandi. NetFrack taxallusli foydalanuvchi 10-avgust 1996-yilda internetga birinchi bo‘lib «Until it Sleeps» qo‘shig‘ini yukladi. Bu qo‘shiq «Load» albomidan olingan, ijrochisi — Metallica.

23-aprel 2017-yilda ushbu formatga oid oxirgi patentlarning muddati tugadi va dasturiy taʼminot hamda o‘rnatiladigan yechimlar ishlab chiqaruvchilaridan litsenziya haqi undirish to‘xtatildi. Fraungofer instituti formatni litsenziyalash tugatilganini o‘zining rasmiy saytida eʼlon qildi. mp3 formati foydalanuvchilar orasida hanuz juda ommabop bo‘lsa-da, aksariyat radiostansiyalar va telekanallar tovushni samaraliroq siqadigan hamda uning sifatini kamroq yo‘qotadigan zamonaviy kodeklarga o‘tgan.

Format tavsifi

Xuddi JPEG kabi, MP3 psixoakustik model asosida spektrning ayrim qismlarini chiqarib tashlaydi. Tovush signali davomiyligi teng bo‘lgan bo‘laklarga ajratiladi va har biri ishlovdan so‘ng o‘z freymiga (kadriga) joylashtiriladi. Signalni spektrga ajratish uchun kiruvchi signal uzluksiz bo‘lishi kerak, shu sababli hisoblashda avvalgi va keyingi freymlar ham hisobga olinadi. Tovush signalida amplitudasi kichik garmonikalar va kuchliroq garmonikalarga yaqin joylashgan garmonikalar mavjud. O‘rtacha inson qulog‘i ularning bor-yo‘qligini har doim ham ajrata olmagani uchun bunday garmonikalar olib tashlanadi. Eshitishning bu xususiyati niqoblash effekti deb ataladi. Bir-biriga yaqin ikkita yoki undan ortiq cho‘qqini bitta o‘rtacha cho‘qqi bilan almashtirish ham mumkin (odatda bu tovush buzilishiga olib keladi). Qaysi qismlarni olib tashlash kerakligi chiqish oqimiga qo‘yiladigan talab bilan belgilanadi. Butun spektr muhim bo‘lgani uchun yuqori chastotali garmonikalar JPEG dagidek butunlay kesib tashlanmaydi, balki axborot oqimini kamaytirish uchun tanlab olib tashlanadi. Spektr shu tarzda «tozalangach», matematik siqish usullari qo‘llanadi va maʼlumotlar freymlarga joylanadi. Har bir freym bir nechta konteynerga ega bo‘lishi mumkin. Bu bir nechta oqim (chap va o‘ng kanal yoki markaziy kanal va kanallar farqi) haqidagi maʼlumotlarni saqlash imkonini beradi. Siqish darajasini, shu jumladan bitta freym doirasida ham, o‘zgartirish mumkin. Bitreytning mumkin bo‘lgan qiymatlari 8—320 kbit/s.

MP3 va «Audio-CD sifati»

Avvallari 128 kbit/s bitreytli yozuv ko‘pchilik tinglovchilar uchun mo‘ljallangan musiqaga mos keladi va Audio-CD darajasidagi tovush sifatini beradi, degan fikr keng tarqalgan edi. Aslida esa masala ancha murakkab. Birinchidan, olingan MP3 sifati faqat bitreytga emas, balki kodlash dasturiga (kodekka) ham bog‘liq (standart kodlash algoritmini belgilamaydi, faqat maʼlumotni qanday ifodalashni tavsiflaydi). Ikkinchidan, keng tarqalgan CBR (Constant Bitrate — doimiy bitreyt) rejimidan (sodda qilib aytganda, audiomaterialning har bir soniyasi bir xil miqdordagi bit bilan kodlanadi) tashqari ABR (Average Bitrate — o‘rtachalashtirilgan bitreyt) va VBR (Variable Bitrate — o‘zgaruvchan bitreyt) rejimlari ham mavjud. Uchinchidan, 128 kbit/s chegarasi shartli: u format shakllanayotgan davrda, aksariyat raqamli tovush tizimlarining ijro sifati hozirgidan past bo‘lgan paytda tanlangan. Taxminan aytganda, 128 kbit/s tezlikdagi «Audio-CD sifati» haqidagi daʼvo musiqani nisbatan qulay tinglash mumkin bo‘lgan chegarani anglatadi; bundan past bitreytlarda MP3 kodlovchi dasturlarning barchasida tovush sifati keskin yomonlashadi.

2008-yil holatiga ko‘ra, MP3 fayllari orasida 192 kbit/s bitreytli fayllar eng ko‘p uchragan. Bu ko‘pchilik shu bitreytni yetarli deb hisoblashini bilvosita ko‘rsatishi mumkin. Amalda seziladigan «sifat» dastlabki audiofaylga, tinglovchiga va uning audiotizimiga bog‘liq. Ayrim musiqa ishqibozlari musiqani «eng yuqori sifatda» — 320 kbit/s tezlikda siqishni yoki hatto yo‘qotishsiz kodeklarga, masalan, FLAC formatiga o‘tishni maʼqul ko‘radi. Shuningdek, audiofillar orasida ayrim semplar (audioyozuv bo‘laklari)ni yo‘qotishli usulda sifatli siqib bo‘lmaydi, degan qarash bor: istalgan bitreytda siqilgan tovushni asl nusxadan ajratish uncha qiyin emas. Biroq bu fikrga jiddiy eʼtirozlar ham mavjud:

Ko‘rinib turibdiki, 256 kbps bitreyt (zaxira bilan olsak) aksariyat hollarda CDA manbasidan (44 kHz/16 bit/stereo) olingan musiqani qulay tinglash uchun ortig‘i bilan yetarli bo‘lishi kerak. Bu nafaqat o‘zim o‘tkazgan oddiy sinovdan, balki professional ko‘r-ko‘rona sinovlar (masalan, Germaniyaning «c’t» nashri, 2000-yil iyuni) tahlilidan ham ayon: hatto bunday sinovlarda ham mutaxassislar 256 kbps gacha siqilgan tovushni har doim topa olmaydi. Bunda sinovlar maxsus tayyorlangan xonalarda, qimmatbaho uskunalarda o‘tkaziladi va mutaxassis siqish taʼsirini sezish uchun aynan nimaga «quloq tutishi» kerakligini biladi.

Kodlash rejimlari va sozlamalari

Turli ehtiyojlar uchun MP3 formatining uchta versiyasi mavjud: MPEG-1, MPEG-2 va MPEG-2.5. Ular mumkin bo‘lgan bitreyt va diskretlash chastotasi diapazonlari bilan farqlanadi:

  • 32—320 kbit/s, diskretlash chastotalari 32000 Gts, 44100 Gts va 48000 Gts bo‘lganda, MPEG-1 Layer 3 uchun;
  • 8—160 kbit/s, diskretlash chastotalari 16000 Gts, 22050 Gts va 24000 Gts bo‘lganda, MPEG-2 Layer 3 uchun;
  • 8—160 kbit/s, diskretlash chastotalari 8000 Gts, 11025 Gts va 12000 Gts bo‘lganda, MPEG-2.5 Layer 3 uchun.

Tovush kanallarini kodlashni boshqarish rejimlari

MP3 formati ikki kanalli kodlashni (stereo) qo‘llab-quvvatlagani uchun 4 ta rejim mavjud:

  • Stereo — ikki kanalli kodlash. Bunda dastlabki stereosignalning kanallari bir-biridan mustaqil kodlanadi, ammo umumiy bitreyt doirasida bitlarning kanallar orasida taqsimlanishi har bir kanaldagi signal murakkabligiga qarab o‘zgarishi mumkin.
  • Mono — bir kanalli kodlash. Ikki kanalli material shu usulda kodlansa, kanallar o‘rtasidagi farq butunlay yo‘qoladi: ikkala kanal bitta kanalga birlashtiriladi, shu yagona kanal kodlanadi va stereotizimning har ikki kanalida bir xil ijro etiladi. Bu rejimning yagona afzalligi shuki, bir xil bitreytda uning yakuniy sifati Stereo rejimidan yuqoriroq bo‘lishi mumkin, chunki bitta kanalga Stereo rejimidagiga nisbatan ikki baravar ko‘p bit to‘g‘ri keladi.
  • Ikki mustaqil kanalli stereo (inglizcha Dual Channel) — ikkita mustaqil kanal, masalan, turli tillardagi ovozli hamrohlik. Bitreyt ikki kanal o‘rtasida bo‘linadi. Masalan, berilgan bitreyt 192 kbit/s bo‘lsa, har bir kanalga atigi 96 kbit/s to‘g‘ri keladi.
EncSpot dasturida LAME kodekining sof stereo (SS) va kanallar farqi (MS) rejimlarini navbatma-navbat ishlatadigan gibrid kodlash rejimi grafik ko‘rinishda tasvirlangan.
  • Birlashtirilgan stereo (inglizcha Joint Stereo) — faylning siqish koeffitsiyentini oshirishga imkon beradigan ikki kanalli kodlash usullari. Birinchi usul — Mid / Side Stereo, bunda chap va o‘ng kanallar ularning yig‘indisi (L+R) hamda ayirmasi (L−R) ga aylantiriladi. Aksariyat audiofayllarda ayirma kanali (L−R) dagi maʼlumot miqdori yig‘indi kanali (L+R) dagidan ancha kam bo‘ladi. Shu sababli birlashtirilgan stereo ayirma kanali (L−R) bitreytini tejash yoki shu bitreytda sifatni oshirish imkonini beradi, chunki bitreytning kattaroq qismi yig‘indi kanali (L+R) ga ajratiladi. Ayrimlarning fikricha, bu rejim ikki kanalda subyektiv jihatdan mutlaqo farqli material eshittiriladigan stereoyozuvlarga mos emas, chunki u kanallar orasidagi farqlarni yo‘qotadi. Ammo zamonaviy kodeklar dastlabki signalga qarab turli freymlarda turli rejimlardan (jumladan, sof stereodan) foydalanadi. Ikkinchi usul — Intensity Stereo — inson eshitish tizimining tovush qayerdan kelayotganini chastotalar spektrining hamma qismida birdek ajrata olmasligiga, juda past va juda yuqori tovushlarning fazodagi joylashuvini eʼtiborsiz qoldirishiga asoslanadi. Shu tariqa o‘ta past va o‘ta yuqori chastotali tovushlarni mono rejimida kodlash maʼlumotlarni siqish samaradorligini oshiradi.

CBR

CBR atamasi Constant Bit Rate, yaʼni doimiy bitreyt degan maʼnoni anglatadi. Uni foydalanuvchi belgilaydi va asar kodlanayotganida qiymati o‘zgarmaydi. Demak, asarning har bir soniyasi uchun bir xil miqdorda kodlangan maʼlumot biti ajratiladi (hatto sukunat kodlanayotganida ham). CBR cheklangan aloqa kanali orqali multimedia maʼlumotlarini uzatishda foydali bo‘lishi mumkin: bunda kodlash maʼlumot kanalining barcha imkoniyatlaridan foydalanadi. Saqlash uchun esa bu rejim maqbul emas, chunki manbaning murakkab bo‘laklariga yetarli joy ajratolmaydi, oddiy bo‘laklarda esa joyni behuda sarflaydi. Yuqoriroq bitreyt (256 kbit/s dan yuqori) murakkab bo‘laklarga ko‘proq joy ajratish orqali bu muammoni hal qilishi mumkin, ammo fayl hajmi ham shunga mutanosib ortadi.

VBR

VBR atamasi Variable Bit Rate, yaʼni o‘zgarib turadigan bitreyt yoki o‘zgaruvchan bitreyt degan maʼnoni anglatadi. Kodlash dasturi uni audiomaterialning murakkabligi va foydalanuvchi belgilagan kodlash sifatiga qarab dinamik o‘zgartiradi (masalan, sukunat eng past bitreytda kodlanadi). MP3 kodlashning bu usuli eng ilg‘or usullardan biri bo‘lib, hanuz rivojlantirilmoqda va takomillashtirilmoqda. Sababi, murakkabligi turlicha bo‘lgan audiomaterialni maʼlum sifatda kodlash mumkin va odatda bu sifat CBR usulida o‘rtacha qiymat belgilanganidagidan yuqori bo‘ladi. Bundan tashqari, yuqori bitreyt talab qilmaydigan bo‘laklar hisobiga fayl hajmi kichrayadi. Kamchiligi — yakuniy fayl hajmini oldindan taxmin qilish qiyin. Biroq VBR kodlashning bu kamchiligi afzalliklari oldida unchalik katta emas. Yana bir kamchiligi shundaki, VBR past ovozli bo‘laklarni «ahamiyatsiz» tovush maʼlumoti deb hisoblaydi. Shu sababli tovushni juda baland qo‘yib eshitganda bu bo‘laklarning sifati past bo‘lishi mumkin; CBR esa sokin va baland bo‘laklarning hammasini bir xil bitreytda kodlaydi.

Kodeklarning matematik modeli muntazam takomillashgani sababli VBR formati ham doimo yaxshilanmoqda. Xususan, ochiq MP3 kodeki LAME ning yangilangan versiyasi (3.99.3) chiqqach, ishlab chiquvchilarning taʼkidlashicha, o‘zgaruvchan bitreyt bilan kodlash sifati CBR dan, ayniqsa ABR dan yaxshiroq bo‘lgan. Shunga qaramay, 320 kbit/s bitreytli CBR hali ham eng yuqori sifatni kafolatlovchi usul sifatida ko‘rsatiladi (masalan, u «--preset insane» oldindan belgilangan sozlamasida ishlatiladi).

ABR

ABR atamasi Average Bit Rate, yaʼni o‘rtachalashtirilgan bitreyt degan maʼnoni anglatadi. Bu VBR va CBR gibridi bo‘lib, kbit/s dagi bitreytni foydalanuvchi belgilaydi, dastur esa uni doimiy ravishda belgilangan o‘rtacha qiymatga moslashtirib o‘zgartiradi. Shunday qilib, kodek eng yuqori va eng past mumkin bo‘lgan bitreyt qiymatlarini ehtiyotkorlik bilan ishlatadi, aks holda foydalanuvchi belgilagan o‘rtacha bitreytga sig‘may qolishi mumkin. Bu usulning aniq kamchiligi shuki, yakuniy fayl sifati CBR dagidan biroz yaxshiroq, lekin VBR dagidan pastroq bo‘ladi. Boshqa tomondan, bu usul bitreytni eng moslashuvchan belgilashga imkon beradi (8 bilan 320 orasidagi istalgan sonni tanlash mumkin, CBR usulida esa faqat 16 ga karrali sonlar ishlatiladi) va yakuniy fayl hajmini hisoblash mumkin.

Kodeklar

Fayl formatlarini o‘zgartirish uchun zarur dastur turlari. Eng keng tarqalgan MP3 kodeklari:

  • LAME
  • Fraunhofer IIS
  • mp3PRO (chastota diapazonini kengaytirish uchun SBR)
  • Helix — Xing kodekining rivojlantirilgan va takomillashtirilgan ko‘rinishi

Fayl tuzilishi

Fayl tuzilishi

MP3 fayli bir nechta MP3 bo‘laklaridan (freymlardan) tashkil topadi. Har bir freym esa sarlavha va maʼlumotlar blokidan iborat. Bunday bo‘laklar ketma-ketligi elementar oqim deb ataladi. Bo‘laklar bir-biridan mustaqil elementlar emas («baytlar rezervuari» tufayli), shu bois ularni ixtiyoriy ajratib olish mumkin emas. MP3 faylining maʼlumotlar bloki chastotalar va amplitudalar shaklida siqilgan audioaxborotni saqlaydi. Keltirilgan diagrammadan ko‘rinadiki, MP3 freymi sarlavhasi to‘g‘ri MP3 bo‘lagini aniqlashga xizmat qiladigan markerdan boshlanadi. Undan keyin MPEG standartidan foydalanilayotganini ko‘rsatadigan bitta bit va layer 3 ishlatilishini bildiradigan ikkita bit keladi; boshqacha aytganda, ular MPEG-1 Audio Layer 3 yoki MP3 ni aniqlaydi. Keyingi qiymatlar MP3 fayl turiga qarab o‘zgarishi mumkin. ISO/IEC 11172-3 standarti sarlavhaning har bir bo‘limi uchun mumkin bo‘lgan qiymatlar diapazonini, shuningdek, uning umumiy spetsifikatsiyasini belgilaydi. Hozirgi MP3 fayllarining aksariyatida ID3 metamaʼlumotlari mavjud bo‘lib, ular MP3 bo‘lagidan oldin yoki keyin joylashadi; ular diagrammada ham ko‘rsatilgan.

Teglar

Teglar ( inglizcha tag — yorliq, belgi, nishon) — MP3 faylining chegarasida (boshida va/yoki oxirida) joylashadigan belgilar. Ularda muallif, albom, chiqarilgan yil, albom muqovasi, qo‘shiq matni va trek haqidagi boshqa maʼlumotlar yozilishi mumkin. Teglarning keyingi versiyalarida audioyozuvga oid boshqa maʼlumotlarni ham saqlash mumkin. Teglarning turli versiyalari mavjud (qarang: ID3).

Kamchiliklari

Texnik kamchiliklari. Tovush kanallari soni, AAC va Vorbis formatlaridan farqli ravishda, ikkitadan oshmaydi. Diskretlash chastotasi uchun ham qatʼiy cheklov mavjud: istalgan chastotani belgilab bo‘lmaydi. MP3 uchun eng yuqori diskretlash chastotasi — 48 kGts, Vorbis uchun — 192 kGts, AAC uchun esa — 96 kGts. MP3 formatida faqat quyidagi diskretlash chastotalarida saqlash mumkin: 8000, 11025, 12000, 16000, 22050, 24000, 32000, 44100 va 48000 Gts.

Huquqiy cheklovlar. MP3 patentiga Alcatel-Lucent kompaniyasi egalik qilgan va formatdan foydalanishning ayrim usullariga litsenziya talab etgan (MP3 bilan bog‘liq patentlarning amal qilish muddati tugagan sana: 23-aprel 2017).
AQSHda ixtiro bir yildan ko‘proq vaqt avval ommaga oshkor qilingan bo‘lsa,[qachon?] uni patentlash mumkin emas. Biroq 8-iyun 1995-yildan oldin rasmiylashtirilgan patentlar uchun (standartning deyarli to‘liq matni 6-dekabr 1991-yilda ochiq eʼlon qilingan) ularning amal qilish muddatini uzaytirish imkoniyati mavjud edi. MP3 ni dekodlashga oid maʼlum patentlarning AQSHdagi amal qilish muddati 2012-yil dekabrigacha tugagan; boshqa maʼlumotlarga ko‘ra esa, faqat 1992-yil dekabrgacha talabnoma berilgan patentlar hisobga olinsa, bu 2015 yilning sentabrida ham yuz bermagan.

2017-yilda huquq egalari ushbu formatga oid barcha patentlarni uzaytirmagani sababli ularning amal qilish muddati tugagan.

Havolalar