Что это
Звук — это дрожание воздуха, похожее на круги на воде от брошенного камешка. Микрофон превращает его в плавную волнистую линию, а компьютер умеет хранить только числа. Поэтому он много раз в секунду измеряет высоту этой линии и записывает результаты — это и называется оцифровкой.
Зачем это нужно
Голосовые помощники, распознавание речи и синхронный перевод начинаются с оцифровки: если звук записан плохо, никакой ИИ его не разберёт. Музыкальные сервисы вроде Спотифай, видеоплатформы вроде Ютуба, видеосвязь и камеры беспилотных машин постоянно ищут баланс между качеством и объёмом данных. Через десять лет данных станет ещё больше, а каналы связи и дата-центры не бесконечны. Человек, который понимает, откуда берётся размер файла и чем можно пожертвовать без заметной потери качества, сможет проектировать такие системы и проверять, что ИИ не ошибся с настройками.
Как это работает
Компьютер через равные промежутки времени измеряет высоту звуковой волны и округляет каждое измерение до ближайшего из разрешённых уровней. Из-за этого плавная линия превращается в ступеньки. Чем чаще измерения, тем ступеньки уже, а чем больше уровней, тем они ниже и тем ближе лесенка к настоящей волне. С видео похоже: движение разрезают на кадры-картинки, и если показывать их двадцать четыре в секунду или чаще, глаз видит плавное движение.
Немного истории
Знаменитая частота сорок четыре и одна десятая килогерца пришла из стандарта компакт-дисков, который в начале восьмидесятых годов вместе разработали компании Филипс и Сони. Её выбрали с запасом: человек слышит звуки примерно до двадцати тысяч колебаний в секунду, а чтобы правильно записать волну, измерять её нужно больше чем вдвое чаще. С тех пор эта частота стала привычной для записи музыки.
Формула: число уровней
Сначала разберёмся, сколько разных уровней высоты может различать компьютер. Каждое измерение записывается несколькими битами, а бит — это ноль или единица, два варианта. Один бит даёт два уровня, два бита — четыре, три бита — восемь: каждый новый бит удваивает число уровней. Поэтому эн равно два в степени и, где эн — число уровней, а и — глубина кодирования в битах. Восемь бит дают двести пятьдесят шесть уровней. Если добавить ещё один бит, уровней станет вдвое больше, и ступеньки по высоте станут вдвое мельче.
N = 2ⁱN — число уровней громкости, —
i — глубина кодирования, бит2⁸ = 2562⁸ — уровней при глубине 8 бит, —
Формула: объём звука
Теперь посчитаем объём звукового файла. За одну секунду компьютер делает столько измерений, какова частота дискретизации, и на каждое тратит столько бит, какова глубина кодирования. Значит, вэ равно эф умножить на и умножить на тэ: объём равен частота на глубину на время. Частота измеряется в герцах, то есть в измерениях за секунду, глубина — в битах, время — в секундах, а объём получается в битах; разделив на восемь, получим байты. Если увеличить частоту вдвое, файл станет вдвое тяжелее, и с глубиной кодирования то же самое.
V = f · i · tV — объём звука, бит
f — частота дискретизации, Гц
i — глубина кодирования, бит
t — время звучания, с
Что будем делать на практике
А теперь давай попробуем выполнить практическое задание. Сейчас открыт режим «Звук»: на экране звуковая волна и её ступенчатая цифровая копия, а настраиваешь ты частоту дискретизации и глубину кодирования. Пока похожесть всего семьдесят три процента, а секунда звука весит около трёх килобайт. Подвигай каждый ползунок и разберись, что он меняет — ширину ступенек или их высоту, и как это влияет на объём по формуле частота на глубину на время. Добейся похожести не меньше девяноста процентов так, чтобы одна секунда весила не больше тридцати двух килобайт. Потом переключись в режим «Видео» и подбери частоту кадров, при которой мяч летит плавно. Если что-то осталось непонятным — ничего страшного, спроси меня о чём угодно, я отвечу. Не переживай.