Сравнительное тестирование lossy кодеров на вносимые искажения @350 kbps (2014)

Copyright (C) 2014, Taras Kovrijenko

Полное или частичное копирование текста допускается только с письменного разрешения автора.

Вступление

Суть теста заключается в измерении искажений вносимых lossy кодированием. Искажения выделяются с помощью вычитания исходного сигнала из сигнала полученного после кодирования/декодирования. Измеряются искажения методом психоакустического анализа, утилитой ReplayGain Scanner.

Бесспорно, используемый метод далек от совершенства, хотя бы потому что не учитывает маскировку искажений полезным сигналом, к тому же используется всего один тестовый семпл. Но тем не менее, тест дает некоторое понятие о работе тестируемых кодеков.

Напомню, что единственным на 100% правильным методом является ABX тестирование с использованием большого количества различных семплов и широким кругом людей, принимающих непосредственное участие в прослушивании. К сожалению, это очень трудоемкий процесс, он требует тщательной подготовки, подбора материалов и т. д.

Исходя из вышесказанного, подчеркну: дальнейшая информация предоставляется исключительно для ознакомления, а результат тестирования никоим образом не является окончательным и неопровержимым доказательством превосходства того или иного кодека над другим.

Материал для теста

Файл является обработанным треком Tiesto – Athena из альбома Parade Of The Athletes (2004). Обработка заключается в понижении громкости всего трека на 1.6 дБ, что связано с некоторыми особенностями работы кодера QuickTime при высоких пиковых значениях входного сигнала. К тому же это позволит избежать внешнего и внутреннего клиппинга.

Именно этот трек выбран мной по причине его сложности, он неоднократно был весьма успешно использован мною для выявления звуковых артефактов компрессии.

Используемое ПО

Тестирование

1. Подбор параметров и кодирование

Кодирование тестового семпла поочередно каждым кодером. Главной целью при подборе параметров было достижение максимального качества для каждого конкретного кодера, по возможности — в режиме неограниченного переменного битрейта (т. н. True VBR). Второй целью было достижение результирующего битрейта в районе 340-360 кбит/с. На мой взгляд, использование режима True VBR на указанных битрейтах — наиболее разумно, при правильном кодировании оно способно обеспечить как высокое качество звучания, так и высокий коэффициент сжатия.

Также обратите внимание: в таблице результатов указывается не битрейт, сообщаемый foobar2000 (который обычно берется из заголовка и вполне может не соответствовать действительности), а реальный file-based bitrate (FBR), равный размеру файла в килобитах деленному на продолжительность в секундах.

Кодеры:

2. Декодирование

Декодирование производилось с помощью того же foobar2000 в формат WAVE (IEEE Float 32-bit). Для всех кодеров, кроме FAAC и WMA 9.2, на выходе был получен звуковой файл с продолжительностью идентичной исходному (16653924 семплов).

Для кодера FAAC на выходе декодера продолжительность файла оказалась на 612 семплов меньше. Как показал визуальный анализ, значительная часть семплов пропала в начале файла, причем в конец добавилось некоторое количество нулевых семплов. Для правильного вычитания я предварительно обрезал несовпадающие участки исходного и полученного WAV файлов.

После декодирования файла WMA 9.2 я получил 16654848 семплов, что на 924 семпла больше, чем в исходном WAV. Дополнительные семплы были обнаружены в конце файла и представляли собой небольшой шум, впоследствии они были удалены.

Проблема вполне известная: кодер WMA не способен давать sample accurate поток в однопроходном режиме. Это относится и к другим последним версиям WMA (включая WMA 10 Pro и 9.2 Lossless), более того, проблема наблюдается при использовании различных кодеров/декодеров.

3. Вычитание сигналов

Следующим этапом является суммирование инвертированного исходного WAV отдельно с каждым полученным после кодирования/декодирования соответствующим кодером WAV. Результат представляет собой разницу между исходным и полученным после кодирования/декодирования сигналом — так называемый разностный сигнал, с помощью которого можно оценить степень искажения закодированного сигнала. Результат для каждого кодера сохраняется в отдельный WAV файл.

4. Анализ искажений

Заключительный этап — анализ искажений с помощью сканеров. Сканер производит психоакустический анализ полученных треков и определяет воспринимаемую громкость. Результатом являются два параметра — пиковое значение и рассчитанное усиление (сканер рассчитывает усиление для приведения усредненной громкости каждого трека к одному значению — 89 дБ). Значение Track Gain в данном случае положительное, потому большее значение усиления означает меньшую громкость искажений и большее приближение прошедшего кодирование сигнала к исходному. Сканирование выполнялось с использованием двух алгоритмов — R128 (foobar2000 1.3.2) и ReplayGain (foobar2000 1.0.2.1).

Таблица результатов

Кодеры расположены в порядке убывания громкости разностных сигналов по результатам ReplayGain сканирования. Анализ результатов приведен в соответствующей новости.