Прошу не править этот документ, за исключением орфографических ошибок. Используйте документ целиком, а не по частям. Для цитирования документа используйте настоящее название и имя автора. Передайте своим друзьям. Расскажите им о том, что здесь написано.

0. Есть группа людей, занимающихся сжатием аудио и видео. Они называют себя Moving Picture Expert group (группа экспертов по сжатию видео и аудио). Они разработали ряд стандартов, которых придерживаются почти все производители. Эти стандарты так и называются MPEG - по английской аббревиатуре.

1. Все начинается со стандарта MPEG. Это стандарт сжатия аудио и видео потоков, а так же потоков их взаимной синхронизации и, так называемых "вспомогательных" потоков (ancillary). Под потоком понимается битовый файл.

2. Всего в настоящее время существует пять видов (номеров) стандартов MPEG:

MPEG1 - сжатие аудио и видео с общей скоростью до 150 Кбайт/сек (аудио 38,44.1, 48 килогерц);

MPEG2 - сжатие аудио и видео с общей скоростью до 300 Кбайт/сек (аудио 38,44.1, 48 килогерц), сжатие аудио ИДЕНТИЧНО MPEG1;

MPEG2.5 - сжатие аудио с пониженным разрешением (аудио 16,22.05,24 килогерц);

MPEG3 - многоканальный MPEG1+MPEG2, этот стандарт практически умер;

MPEG4 - новомодный за рубежом стандарт. Его особенность: может держать до 8-и каналов аудио (то есть AC-3 - цифровое расширение системы Surround. Как моно сменилось стерео, как стерео пыталось смениться квадро, как стерео сменилось surround, так же и surround пытается смениться AC-3. Думаю, AC-3 будет стандартом аудио-систем, хотя есть одно НО. Я имею в виду наушники, плеера и др. Так и так, в дороге придется довольствоваться адаптером AC-3 в стерео, поэтому AC-3 может пригодиться только для домашних аудио центров и домашнего кинотеатра. К сожалению, оценка качества звука может производиться только в наушниках. Поэтому проверить качество AC-3 достаточно сложно. Я, например, без "ушей" в автобусах не езжу. Поэтому AC-3 не очень одобряю, но при возможности от него не откажусь...).

Интересно заметить, что стандарт MPEG2.5 (еще известный как MPEG2 LSF - LOW SAMPLE FREQUENCY (низкая частота сканирования аудио) введен фирмой IIS Fraunhofer (институт информационных технологий имени Фраунхофера из Германии), о котором мы еще поговорим. Этот стандарт является расширением "чистого" аудио MPEG2 (то есть MPEG1!) для частоты сканирования аудио в два раза меньшей, чем обычно.

Выводы:

• неправомочно называть любой аудио (или видео) поток выражением MPEG3, поскольку этого стандарта не существует;
• неправомочно различать форматы аудио по стандартам MPEG1 и MPEG2, так как это одно и то же! Здесь имеется в виду "чистый" стандарт MPEG2;
• обычно MPEG2.5 просто называют MPEG2, что вносит дополнительную путаницу. MPEG2.5 правильнее нужно называть MPEG2 LSF;
• качество компакт дисков может быть достигнуто только при использовании MPEG1 (и "чистого" MPEG2);
• для MPEG2.5 (к сожалению его почти все программы-кодировщики MP3 называют MPEG2!) можно добиться только качества 22.05 Кгц (ровно в два раза хуже CD!);
• при упоминании выражения MPEG2 нужно понять, о чем идет речь. Маленький пример: фильм на DVD. Ясно, что используется стандарт MPEG2 (по крайней мере, для видео). Что касается аудио, здесь надо получить спектр аудио сигнала. Если частоты резко срезаются на 22 Кгц, тогда аудио сделано в стандарте MPEG1. Если срез аудио происходит на 11кГц - перед нами MPEG2.5 (он же MPEG2 LSF);

• формат сжатого потока видео;
• формат сжатого потока аудио;
• формат потока синхронизации;
• формат вспомогательного потока;
• * неоптимальная программная реализация алгоритмов кодирования и декодирования всех предыдущих потоков (обычно на ANSI си).

4. Нас интересует часть MPEG, относящаяся к аудио. Фактически здесь определено несколько слоев качества (Layer - слой). Они так же нумеруются:

• Layer 1
• Layer 2
• Layer 3
• Layer 4 (пока нет).

4.1. Layer 1

• берется несколько отсчетов левого и правого канала;
• производится дискретное косинусное преобразование;
• считается акустическая модель (модель уха);
• по модели уха и степени сжатия происходит усечение коэффициентов косинусного преобразования;
• эти усеченные коэффициенты вместе с информацией об их восстановлении пишутся в выходной поток.

• берется заголовок и определяется размер блока коэффициентов;
• читаются усеченные коэффициенты;
• коэффициенты восстанавливаются;
• производится обратное косинусное преобразование (синтезация);
• полученный сигнал (восстановленное аудио) записывается в выходной поток.

4.2. Layer 2

Алгоритмы сжатия и декодирования аналогичны алгоритмам слоя 1 с поправкой на утроенный цикл получения коэффициентов и усложненный психоакустический алгоритм. Субъективно алгоритм Layer 2 дает качество, неотличимое от CD при степени сжатия 4..6 раз. Файлы, упакованные этим слоем имеют расширение MP2.

4.3. Layer 3

• гораздо лучше не делить все на три подгруппы как в Layer 2, и потом делить их еще на три связки; а сразу изменить алгоритм Layer 2 и брать вместо 3-х подгрупп 32-е подгруппы и уже потом делать поперечное преобразование на 36-и (а не 3-х!) связках. То есть: Layer 1 1*1152; Layer 2 3*384; Layer 3 32*36 (это размерности матрицы коэффициентов для ДКП).
• полученные коэффициенты можно усекать до 4-х бит! (в Layer 2 и Layer 1 только до 16-ти).

Все выше перечисленные изменения вылились вот во что:

• новое расширение MP3;
• степень сжатия с качеством CD в 6..8 раз (не кричите и не ругайтесь, любители 10-ти и 12-ти кратной степени сжатия, прочитайте до конца!);
• скорость сжатия уменьшилась в 24 раза по сравнению с Layer 2;
• скорость распаковки уменьшилась в 8 раз.

Фирма IIS Fraunhofer делает АППАРАТНУЮ реализацию кодера и декодера слоя 3 в реальном времени. Эта аппаратура идет на УРА в Германии и на олимпийских играх в Альбервилле Германское теле- и радио- вещание экономит кучу денег на передаче сжатого в 12-раз аудиопотока по спутниковым каналам.

На этом вроде бы все и должно было остановиться, но фирма Intel думает по-другому. Pentium-133 и выше МОЖЕТ сжать поток Layer 3 с конечной скоростью (в 30 раз медленнее однократной скорости CD-ROM - 5 КБайт в секунду). Фирма Fraunhofer берется за клавиатуру и начинает оптимизировать код упаковщика и распаковщика. Рождается известный большинству из вас L3ENC и L3DEC (сделаны на основе GNU C++), они продаются за значительно меньшую цену по сравнению с аппаратными реализациями. Рынок был найден. Постепенно в недрах Японии и института IIS Fraunhofer рождаются быстрые алгоритмы ДКП и ОДКП для 36-и точек (именно они нужны в алгоритме Layer 3). Появляется первый проигрыватель в реальном времени под Windows 3.1 - Winplay 3 (до сих пор эталон качества воспроизведения). Но деньги любят счет:

• Winplay 3 без регистрации играет только 30 секунд;
• L3ENC без регистрации позволяет сжимать только в 12 раз.
• MP3ENC (Mpeg Encoder 3.0 demo от Фраунхофера) сжимает только 30 секунд аудио, продается только через кредитную карточку.

Институт Fraunhofera передает аппаратную часть в фирму Dialog 4 в той же Германии. Мы балдеем от сжатия ADPCM (Ima Dvi, Microsoft) в 4-е раза, хотя качество этих алгоритмов (они являются сейчас частью сжатия аудио в Windows 95) в сотни раз хуже разнесчастного Layer 1. Мы балдеем от мини-дисков Sony, хотя по сравнению с MP3 это прошлый век...

За рубежом появляются интерактивные альбомы "всех песен группы...": качество 16-бит 22кГц или 8-бит 16 Кгц, а то и "МОНО"! Эти опусы - смерть ушам! Но мы еще этого не знаем и покупаем эти сборники...

В гонку вступает MMX. Intel выпускает MMX процессор (это довесок на регистры математического сопроцессора, который якобы в 8 раз ускоряет расчеты. НО! MMX - целочисленная среда, значит для ускорения в 8 раз нужны БАЙТОВЫЕ алгоритмы (регистр MMX 64 бита! Байт - 8 бит, значит будет восемь целых чисел, отсюда и ускорение в 8 раз) это числа от 0 до 256. Смех да и только. Даже если довести целые переменные до 32 бит (два целочисленных числа - скорость обработки в 2 раза больше) двоичное косинусное преобразование нельзя будет реализовать в принципе! В качестве шутки фирмой Intel предлагается целочисленная реализация ОБРАТНОГО косинусного преобразования на MMX "для разработчиков систем AUDIO и VIDEO сжатия". Эту плюшку подхватывает фирма Xing, после чего при просмотре фильмов их программой при установленном флажке Use MMX (Применять MMX) на белом фоне появляются невесть откуда взявшиеся черные лепешки-квадраты (имеется в виду Xing MPEG player 3.20). Разработчики из Xing! Двоичное косинусное преобразование очень критично к качеству и точности чисел! Только вещественные, и никак не целые числа позволят более-менее точно произвести ДКП и ОДКП! Это было сразу понято и реализовано в Xing MPEG player 3.31. Задачи MMX сведены только к ускорению чтения и записи видео потоков с CD!

Дальше - больше. Бог с ним, с ММХ. Там ведь еще один прикол и еще одна шутка Intel: MMX при подаче первой команды ОТКЛЮЧАЕТ обработку вещественных чисел (то есть математический сопроцессор), поскольку экономии ради использует ИМЕННО РЕГИСТРЫ МАТЕМАТИЧЕСКОГО СОПРОЦЕССОРА! Ведь два человека на одной лавке не усидят, поэтому до подачи команды EMMS математический сопроцессор в ауте. Плюс переключение из Float coprocessor в MMX и обратно - за 6-ть тактов, плюс состояние вещественных регистров запоминается в резервной памяти, в которой при определенных условиях (системные прерывания и исключения) нарушается состояние регистра флагов сопроцессора! Короче до запуска команд MMX нужно где-то самому сохранить все регистры сопроцессора, а после команды EMMS еще и восстановить их!

Напомню, что алгоритм обратного ДКП для кодировщика - как мертвому припарки, поэтому даже если предположить использование MMX, скорость сжатия не увеличится, а качество сильно ухудшится.

Третьи фирмы делают деньги на некоторых "старых" алгоритмах, опубликованных IIS Fraunhofer. Рождается WinAMP. Видел я этот WinAMP. Проверка простая:

• сделать MP3;
• загрузить в WinAMP или MAPLAY;
• сохранить распакованный поток в WAV-файл;
• сравнить полученные результаты с деятельностью L3DEC из пакета запаковки/распаковки от самого IIS Fraunhofer.

• MAPLAY: на 64 кБайта разница в 1-м 2-х байтах (плюс/минус 1);
• WINAMP: на 512 байт разница во многих байтах (плюс/минус 3);
• XING: лучше не сравнивать... Это мрак.

А пока WINAMP со всеми его скинами и плугинами для меня лично ноль. MAPLAY от Jeff Tsay идет с исходниками, поэтому я подработал его на предмет уровней громкости и общего оформления, на предмет открытия множества файлов, реалтайм приоритета и расслабился. Возможности MAPLAY:

• играет все, что играется (WAV, MID, MOV, DAT, MP1, MP2, MP3 и др);
• абсолютно бесплатный;
• качественный плеер MP3;
• имеет исходники для Borland C++ 5.01 и кучи других систем (напр., MAC,OS,UNIX и пр.).

Кое-что я видел еще (простите за флейм, сдержаться не мог!):

RJPAENC - робяты, че это такое? MMX, 30% увеличение производительности и другое? Посмотрим... Берем экзешник и в отладчик. Где тута MMX? Нету чего то... А че тут вызывается какой-то еще экзешник? Мама родная! Так он бросил в WIN\SYSTEM файлец TOMPG.EXE и запускает его с параметрами... Вот тебе и упаковщик! Это же бездарнейший интерфейс к программе TOMPG.EXE (можно упомянуть хотя бы отсутствие возможности выбора нескольких файлов и несохранение всех опций после первого же зажатия). Ладно, лезем в TOMPG.EXE. Ух ты, чудеса - внутри Copyright Xing Tech. Опять Xing? Точно - он. Скорость работы - взрывная. В десять раз быстрее L3ENC из пакета Фраунхоферовцев. А с качеством? Проверим. Делаем одинаковые потоки любимейшей музыки с кучей верхних частот на L3ENC и TOMPG. Да, кстати не забыли ли мы в L3ENC ключик -hq? Нет, этот ключ не задавать - себя не уважать! Сравниваем:

• L3ENC - все как надо, звук на 5.
• - TOMPG - мааамааа! пленку зажевало! Звук с потрескиванием, завалы после каждой 2-х секундной передышки, вау-дефекты и тсц-дефекты, жевка верхов и плыв низов... Почувствуйте разницу...

Вот что я скажу. После многократного тестирования разных поделок/подделок по L3 кодированию можно сделать один вывод:

Даже L3producer гораздо хуже.

4.4. Layer 4

5. Подытожим так: В каждом стандарте MPEG есть аудио потоки, каждый аудиопоток делится на 3 слоя (пока). Значит будут уместны такие выражения:

• MPEG1 Layer 3 (третий слой MPEG1 - файл *.MP3);
• MPEG2.5 Layer 3 (третий слой с пониженной частотой сканирования MPEG2.5 - файл *.mp3);
• MPEG2 LSF Layer 2 (второй слой для частот 16,22.05,24 - файл *.mp2);
• MPEG4 Layer 2 (второй слой MPEG4 - файл *.MP2).

• MPEG1 Layer 1,2,3 (*.MP1,*.MP2,*.MP3)
• MPEG2.5 Layer 2,3 (*.MP2,*.MP3) (или MPEG2 LSF Layer 2,3)
• MPEG3 no layer
• MPEG4 Layer 1 (*.MP1)

• MPEG I (MPEG1);
• MPEG II (MPEG2);
• MPEG III (MPEG3);
• и т.д.

А). Я уже упоминал психоакустическую модель. В настоящий момент известно две такие модели:

• Musicam (полное дерьмо, обычно его использует Xing);
• At&t (самая качественная пока модель, ее применяет L3ENC).

• моно (mono);
• стерео (stereo);
• полустерео (joint stereo);
• двойное моно (dual mono или dual channel).

Сделать поток DUAL CHANNEL позволяют очень редкие упаковщики. Для примера можете использовать пресловутый TOMPG.EXE (см в нем ключ -M). Хотя в нем при любом режиме качество отвратительное, сравнив между собой все четыре режима (-M0, -M1, -M2 и -M3 соответствуют mono, stereo, joint stereo и dual channel) вы поймете отличие dual channel от других режимов.

Все программы от Фраунхоферовцев не поддерживают DUAL CHANNEL, поэтому вам придется поискать нормальный упаковщик с этим режимом (только не TOMPG с его первой акустической моделью!) Можно запинать фирму Xing, чтобы они сделали вторую психоакустическую модель и убрали позорное съедание музыки.

В. Третий, немаловажный параметр - высшее качество (режим hq). Определяется ключом программы L3ENC -hq. Сущность изменения алгоритма при подаче этого ключа мне непонятна, подозреваю, что увеличивается число итераций при усечении коэффициентов ДКП, что неизбежно должно давать лучший результат. Определить наличие hq невозможно. Исходить можно только из следующих посылок:

• работа при использовании ключа -hq в программе l3enc замедляется почти в 3 раза;
• упакованные потоки с -hq и без него различаются как небо и земля, хотя заголовки данных в них идентичны (то есть все одинаково - тип, режим, слой, номер алгоритма MPEG и степень сжатия);
• при прослушивании потоков с -hq и без него заметно колоссальное улучшение динамических характеристик звука - более глубокое и насыщенное звучание и хорошая передача верхов в режиме с hq.

7. Как сжимать? Я применяю следующую схему:

• алгоритм MPEG1 (обычно выбирается автоматически для потока 44.1кГц);
• слой 3 (Layer 3);
• психоакустическая модель 2 (AT&T);
• режим DUAL CHANNEL;
• повышенное качество (ключ -hq);
• степень сжатия 8 (160кбит/с или 160000 бит/c).

• степень сжатия больше 8 (меньше 160000 kbps) - плохо, потеря верхов;
• слой меньше 3 - плохо, потеря качества;
• stereo, joint stereo - плохо, потеря существенной информации и искажения в аудио-потоке;
• режим не hq (high quality - высшее качество) - плохо, маленький динамический диапазон;
• психоакустическая модель не 2 (AT&T) - страшные искажения и хрюканье звука;
• применение MMX, огрубляющих алгоритмов и эвристических алгоритмов искажения и изменение характера звучания.

• сначала у меня был Pentium-100 - замедление в 24 раза;
• потом Pentium-133 - замедление в 21 раз;
• Pentium-166 MMX - замедление в 17 раз;
• Pentium-250 MMX - замедление в 13 раз...

Тачку нужно разгонять, проц. - Pentium II 333 даст только 5-кратное замедление (а то и меньше!), а Intel уже анонсирует Mercedes 900. Вывод такой: не гонитесь за скоростными упаковщиками - оденьте наушники и послушайте, что же у вас там со звуком творят. Ищите нормальный и медленный упаковщик с -hq и DUAL CHANNEL и не портьте музыку сомнительными MP3 заковыдерами.

Я не собираюсь дискутировать по этому поводу, я даю информацию, которая поможет тому, у кого есть голова. Уже сейчас я могу получить CD с 8-ю часами (точнее 74*8.61 = примерно 10ч 37мин) музыки с качеством НАСТОЯЩЕГО CD, а не те диски, которые навалом лежат на CD-рынке с интересными заголовками "все песни группы такой-то - полный MPEG3". Да, ребята, ваши диски действительно полный MPEG3, который так и не был разработан. Когда же наконец до всех дойдет, что есть Layer 3 аудио, а нет MPEG3 аудио?

8. Степени сжатия тоже требуют некоторого объяснения. Приведу таблицу для потока 44.1 Кгц 16 бит Layer 3:

Скорость сжатого потока (бит в секунду) - степень сжатия (раз)

32000 - 43.066

40000 - 34.453

48000 - 28.711

56000 - 24.609

64000 - 21.533

80000 - 17.227

96000 - 14.355

112000 - 12.305

128000 - 10.767

160000 - 8.613

192000 - 7.178

224000 - 6.152

256000 - 5.383

320000 - 4.307

Некоторые программы меряют степень сжатия в КИЛОБИТАХ В СЕКУНДУ (kbps/sec или просто kbps). Поясню на примере программы L3ENC, здесь для сжатия задается ключ -br (BIT RATE - битовая скорость):

• br 160000 (сжать в 8.6 раз)
• br 320000 (сжать в 4.3 раза)
• br 96000 (сжать в 14.4 раза).

• 160 kbps/s (сжать в 8.6 раз)
• 112 kbps/s (сжать в 12.3 раза)
• и т.д.

9. В поток можно вставить вспомогательные данные (ancillary data), которые могут быть как текстом песен, так и авторским копирайтом. Эти данные введены в первую очередь для защиты авторских прав: кто-то гоняет чужой MP3, говорит, что это его произведение, приходит автор и вытаскивает на свет божий файлец со своим сто раз повторенным именем прямо из MP3 (эта информация "размазывается" равномерно по всему файлу от начала и до конца), и "вора" уводят в темноту с руками за спину - за нарушение авторства. Хотя в принципе, почему бы не сделать так MP3->WAV и потом назад WAV->MP3? Кстати, боже вас упаси делать MP3->WAV через WinAmp! Только L3DEC и только самой последней версии (пока 2.74). То же самое касается и WAV->MP3. Найдите хороший и качественный (на ваш слух в наушниках) кодировщик и работайте только с ним.

10. В настоящий момент появился еще один кодировщик от Фраунхоферовцев. Это Mpeg Encoder 3.0 demo (глюкавый он  - но его этот уродец выложил на своей странице - а "заказную" версию нормального енкодера не хочет! падла! хы-хы) (название EXE-файла MP3ENC.EXE). К сожалению он ограничен по времени (ограничение снято мной), не показывает справочной информации (тоже исправлено мной) и не поддерживает ключ -dual (который описывается в документации на него). Что нового в этой программе:

• ключ -hq сменен ключом -qual [0..9].

• qual 0..3 - одинаковые и дают самое низкое качество (грубый алгоритм прямого ДКП);
• qual 4..6 - одинаковые и дают среднее качество (точный алгоритм ПДКП);
• qual 7..8 - одинаковые и дают высшее качество за счет динамической таблицы Хаффмана, увеличенного количества итераций усечения коэффициентов ДКП и увеличенной точности акустической модели (взято из документации).

Что сказать? По скорости -qual 9 такой же медленный, как и -hq в старых версиях. По качеству явно хуже (где же у него dual channel?). Для нормального сравнения нужно сначала заполучить коммерческую версию с работающим ключом -dual.

11. Появилась новая версия программы MPEG encoder v0.07 от SoloH (http://www.isafeelin.org/soloh/mpegEnc.html). Здесь есть большинство вещей, о которых я уже говорил (его можно утянуть на www.freeware.ru):

• две акустические модели;
• режимы mono, stereo, joint-stereo и dual mono.

• медленный;
• режим stereo и dual-mono начинают совпадать через несколько блоков, что говорит о хитрости или явном умысле автора или о его стремлении одурачить своих пользователей. Пример: сделайте два одинаковых файла mp3 из одного и того же wav, причем первый с режимом stereo, второй dual-mono. Сравните файлы MP3. Первые блоки различаются как небо и земля (так и должно быть!), но где-то с 10-го блока (а может и раньше - лень считать!) файлы начинают совпадать как близнецы (отличие только в одном байте заголовка блока - там где стоит режим: dual-mono или stereo). Это НЕХОРОШО и НЕЧЕСТНО, разработчик из SOLOH! Обманываешь потенциальных пользователей и просишь у них почтовые открытки к тому же (см. Файл readme.txt из этого пакета);
• где у него ключ -hq?

12. Пока все. Если будет реакция. Брошу некоторые свои MP3 для всеобщего обозрения.