Se connecter
Se connecter
Mot de passe oublié ?
ou
Créer un compte
ou
Se connecter avec Facebook
Notifications
< Retour vers Techniques du Son
Agrandir
Techniques du Son
Forums thématiques
Techniques du Son
Actu 608 608
Articles 632 632
Médias 4 990 5k
Tutoriels Tutos 93 93
Forums 17 063 17,1k

fréquences d'échantillonnage, resampling et résolution démystifées ?

  • 104 réponses
  • 18 participants
  • 13 846 vues
  • 27 followers
Sujet de la discussion fréquences d'échantillonnage, resampling et résolution démystifées ?
Bonjour,

J'ai passé du temps à faire des tests et à réfléchir pour essayer de déterminer le format audio optimum pour l'enregistrement et le travail en studio.

Au final je me pose encore quelques questions, auxquelles peut-être des spécialistes pourront répondre de façon éclairée ? (je les ai mises en gras)

Voici d'abord quelques réflexions suite à mes observations.
Vu que c'est un chouilla long :oops: et un peu pointu (sans mauvais esprit :mdr:), j'ai essayé de structurer clairement les choses.


Fréquence d'échantillonnage :


1) première approche :

il paraît évident dans l'absolu qu'un signal échantilloné à une fréquence élevée sera plus proche du signal analogique original (continu).
Au-delà de la bande passante et du théorème de Shanon Nyquist (qui sert un peu vite d'argument à tous les partis), le rendu des aigus en particulier devrait être plus juste, moins distortionné (décrire une sinusoïde avec 2 points ça paraît pas top).
Evidement on pourrait répondre que les fréquences en question sont inaudibles pour nos vieilles oreilles et que la distorsion des aigues ne fera que créer des harmoniques encore plus aigus et inaudibles (et qui seront de toute façon filtrés dans les formats audio de consommation actuels, fort heureusement dirait Nyquist).
Au final, est-ce que ça fait réellement une différence (surtout pour de la musique consommée en 44.1 kHz) ?


2) traitements et sommation :

en cas de mixage numérique, je suppose que les plugins peuvent délivrer un résultat sonore plus proche de l'analogique s'ils traitent un son "plus continu". En tous cas la différence m'a semblée flagrante à l'audition sur des réverbs qui prenaient une toute autre dimension et consistance (comparaison projet test en 44.1 et en 192).
Au delà du point de vue spectral, je suppose qu'une F.d'E. plus élevée amène une meilleure fluidité temporelle et dynamique.
La sommation aussi est meilleure je suppose, vu la résolution temporelle accrue et la plus grande précision des valeurs à sommer (erreurs de crête moindres, représentation des niveaux plus fidèle à chaque échantillon).


3) rendu final (44.1 kHz) :

Pour me rendre compte si au final ça faisait une différence de travailler à des F.d'E. supérieures, j'ai fait ce test :
- j'avais un projet enregistré en 44.1 kHz.
- j'ai resamplé toutes les pistes en 192 kHz (crystal resampler, wavelab 7).
- j'ai mixé en 192 kHz.
- exporté en 192 kHz puis resamplé en 44.1 kHz.
- j'ai dupliqué le projet de mixage en 44.1 kHz et passé les fichier originaux dedans.
- j'ai créé un fichier delta (différence entre les deux exports finaux).

Conclusions :
- à l'écoute il me semble entendre une différence entre l'export 192 et l'export 44.1 (plus d'ampleur, d'ouverture).
- par contre entre l'export travaillé en 192 puis resamplé en 44 et l'export tout 44, c'est moins évident (difficile de jurer que la différence n'est pas suggérée).
- Evidement, je ne saurai jamais si j'aurais mixé de la même façon en 44 qu'en 192 (ça m'a quand même paru auditivement très confortable, impression d'entendre plus clairement ce qu'il y avait à faire et ce que je faisais).
- le fichier delta montre une différence objective tout à fait flagrante entre les 2 exports (travaillés en 192 puis resamplé en 44 contre tout 44). On a l'impression d'entendre la composante "définiton" du son. Mais je me demande si elle n'est pas liée au resampling à des fréquences non multiples (parce qu'en écoute comparative c'est loin d'être aussi flagrant).

Du coup, vu que j'étais lancé, j'ai resamplé mes fichiers en 174.6 kHz, je les ai repassés dans le mix version 174, puis j'ai exporté et resamplé en 44.1.
Effectivement, le fichier delta est beaucoup moins flagrant même s'il reste une différence du même genre que l'autre fichier delta.
A part ça, les conclusions sont du même ordre qu'avec le mix en 192.

Plein de motivation, j'ai reproduit les processus en 88.1 kHz. Comme on pouvait s'y attendre, les constats sont du même acabit mais moins prononcés.

Il y a quand même quelque chose qui me turlupine :

La comparaison entre le mix en 44 et en 192 (fréquences non multiples) sous forme de fichier delta fait ressortir un résidu très estéthique (sorte de composante de définition du son).
C'est manifestement lié au resampling à des fréquences non multiples : j'ai fait le test de resampler un fichier 44.1 en 192 puis de nouveau en 44.1 et de comparer avec l'original. La différence est du même type.

Les questions que je me pose (même si la différence semble moins flagrante en écoute comparative) :
- est-ce dû à un phénomène de "déphasage d'échantillonnage" qui ferait entendre une différence flagrante mais non pertinente (de la même façon qu'on pourrait obtenir un effet de filtre en peigne flagrant en comparant 2 fichiers très légèrement décalés) ?
- si ce n'était pas le cas, serait-il possible qu'un resampler de bonne qualité, "obligé" d'extrapoler la courbe continue d'une façon plus approfondie pour des fréquences non multiples, offre au final un meilleur résultat ?


4) questions en suspens :

- fréquences multiples ou pas ?

pour les multiples :

. ça paraît plausible que la reconversion soit plus simple en cas de fréquences multiples et amène moins d'artéfacts...

. pourquoi les constructeurs s'emmerderaient sinon à proposer 88.2 et 176.4 kHz ?

pour les non multiples :

. dans l'absolu, avec une fréquence d'échantillonnage plus élevée on se rapproche davantage de ce cher son continu.

. la différence absolue du nombre d'échantillons devient peut-être intéressante aux ordes supérieurs de fréquence d'échantillonnage ?

. avec de bons convertisseurs ou en cas de mastering analogique par exemple, l'histoire de fréquences multiples devient peut-être moins pertinente ?

- 44/48, 88/96 ou 174/192 ?

. par rapport au rendu sonore final, à quel point est-ce que ça vaut la peine de mutliplier la F.d'E. (vu que les ressources nécessaires doublent chaque fois) ? Concrètement, est-ce que ça vaut pas la peine ? x2 ? x4 ?

. le son qu'on entend est quand même toujours reconverti en analogique, passé dans des haut-parleurs avec une inertie non nulle, propagé dans un air élastique et capté par nos oreilles au fonctionnement continu.

Au mieux tous ces éléments sont de très bonne qualité. Dans ce cas les convertisseurs lisseront joliment le signal, les haut-parleurs rendront fidèlement ce signal joliment analogisé, l'air sera transparent (si j'ose dire ;)) et les oreilles averties et ravies percevront très finement les jolies subtilités du son si bien rendu (en supposant que le signal sonore vaille le coup/coût évidement...).

Ou alors les convertisseurs lissent mal le signal sonore, les caractéristiques des HPs se combinent justement très mal avec ces irrégularités (tweeter hyper agressif), l'air déforme le son en le propageant avec un mauvais goût total, les oreilles qui perçoivent le résultat sont abîmées et la personne à qui appartiennent ces oreilles ne cherche pas à apprécier les jolies subtilités (ça tombe bien).

Dans l'immense majorité des cas, la réalité se situe quelque part entre ces 2 extrêmes (toutes les combinaisons d'incidence étant possibles).

Mais honnêtement, dans quels cas le fait de travailler à des F.d'E. supérieures à 44.1 kHz aboutira à une différence pertinente pour l'auditeur ?


Résolution :


1) 16 bit :

Si je ne me trompe pas, il y a 1 bit de signe (pour la polarité), il reste donc 15 bits pour décrire l'amplitude du signal, soit 2^15 = 32768 valeurs pour décrire le niveau de l'échantillon.
Pour une plage dynamique de 90 dB, ça ferait donc 364 valeurs possibles par dB...
Si c'est bien juste, ça me paraît déjà franchement bien !

2) 24 bit :

Les 8 bits supplémentaire ne servent qu'à décrire les niveaux inférieurs à - 90dB. C'est d'ailleurs confirmé avec un bitmètre.
Franchement, est-ce que ça change quelque chose ?
Je veux bien croire que ce n'est pas purement marketing, mais j'ai du mal à comprendre où est la pluvalue, que ce soit à l'enregistrement, pour les traitements ou la sommation : même pour de la musique classique ou un instrument seul très léger et plein de transitoires et d'harmoniques, j'ai l'impression que c'est quand même rare d'avoir un passage musical qui module suffisament bas pour que ce qui se passe quelque part à -90dB ne soit pas masqué par d'autres composantes sonores ou simplement par le bruit de fond environnant à l'écoute (ampli et HP compris).

3) 32 bit flottant :

Grâce à la virgule flottante on peut décrire à travers toute la plage dynamique des niveaux intermédaires qui ne sont pas utilisés en virgule fixe. Dès lors la pluvalue semble plus claire (enregistrement, traitements, sommation).
Sauf que si mes calculs sont justes (quelqu'un peut-il confirmer ?), même en 16 bit on a 364 valeurs par dB cf. § 16 bit).
Si c'est bien le cas, est-ce vraiment utile d'en avoir plus (même pour la sommation de nombreuses pistes), vu qu'on travaille au mieux au 1/10 de dB ?
Si je calcule bien (mais je me trompe peut-être), on obtiendrait une différence d'1/10 de dB entre une résolution à virgule fixe ou flottante si on avait par exemple à sommer 73 signaux tous très mal approximés par la virgule fixe.
Calcul : en virgule fixe 364 valeurs par dB -> erreur d'approximation maximale = moitié de cet intervalle (donc 1/728ème de dB) -> il faudrait donc cumuler 72,8 erreurs pour atteindre 1/10 de dB...
Et en plus, en cas de travail en virgule flottante, au final les valeurs sont de toute façon arrondies. Donc même si les valeurs finales sont légèrement plus justes après traitements et sommation que si on était resté en virugle fixe, cette précision est quand même partiellement rabotée (et là, même débat que pour les fréquences d'échantillonnage supérieures).

4) en conclusion :

Je veux bien croire qu'il y ait une bonne raison pour que les constructeurs et développeurs proposent des produits qui travaillent en 24 bit, 32 bit flottant, 48 bit non flottant... mais quelle est-elle ?

Quelqu'un d'avisé peut-il expliquer clairement si ça vaut la peine d'enregistrer et/ou de travailler en plus que 16 bit et à quel point ça fera une différence ou pas ?


Si vous avez tout lu, waw !
Si vous avez parcouru et relevé certaines questions, super !
Si vous pouvez y répondre de façon éclairante et justifiée, MERCI !!
Afficher le sujet de la discussion
91
Tu affiche l'entrée et la sortie?
Si les mises en phase apparaissent périodiquement avec la fréquence, alors c'est le signe d'un délai indépendant de la fréquence. Sinon c'est probablement du a la réponse de phase du low pass en sortie.
92

Citation de guitoo :

Tu affiche l'entrée et la sortie?
Si les mises en phase apparaissent périodiquement avec la fréquence, alors c'est le signe d'un délai indépendant de la fréquence. Sinon c'est probablement du a la réponse de phase du low pass en sortie.

Oui j'affiche l'entrée et la sortie .

Je ne pense pas que ça soit le low pass en sortie : le déphasage serait le même à toutes les fréquences.

Je peux me tromper,mais pour l'instant je ne vois que la courbe de Nyquist qui peut faire ce "yoyo" de phase.

Mon soundcloud  Good times !   

                      

93
bonjour,
j'ai un compte rendu et j'ai besoin de répondre à quelque questions:
1)l’effet de la fréquence d’échantillonnage sur la parole.
2)l’effet du codage sur l’analyse de la parole (PCM, MP3, MP2).
Merci a vous


94

A question oiseuse, réponse superfétatoire !

L'effet sur la parole est le même que sur le reste. La parole étant le son le plus connu de l'oreille humaine, elle y est le plus sensible. Mais, le signifiant l'emporte souvent sur les critères esthétiques et la dégradation par le système de diffusion et/ou le codec peut être plus acceptable tant qu'on n'a pas à  faire d'effort pour comprendre le message. Tout dépend des circonstances, un commentaire sportif à la radio n'a pas les mêmes exigences qu'une cantatrice.

Le sujet est vaste et ta question bien vague.

JM

95
Citation :
..le codec peut être plus acceptable tant qu'on n'a pas à faire d'effort pour comprendre le message...

Citation :
un commentaire sportif à la radio n'a pas les mêmes exigences qu'une cantatrice.

Oui, c'est trés important de pouvoir suivre le match dans de bonnes conditions tandis que l'opéra....on n'y comprend rien de toutes façons....

Studio de Mastering en ligne http://www.lvmastering.com/

[ Dernière édition du message le 16/04/2012 à 22:32:13 ]

96

Merci Lv pour ce post intéressant  mrgreen

JM

97
De rien Jan.....si ça permet d'appréhender la différence entre intelligibilité et qualité sonore, c'est déjà ça....
La voix humaine peut être intelligible avec trés peu de bande passante. En téléphonie mobile, on a une bande 300hz à 3400hz et le débit aprés codage est de 16kbits/seconde.
Mais on est loin de la qualité d'un cd. On perd beaucoup de nuances et d'harmoniques par rapport au son original.

Studio de Mastering en ligne http://www.lvmastering.com/

[ Dernière édition du message le 16/04/2012 à 23:28:32 ]

98

Citation :

1)l’effet de la fréquence d’échantillonnage sur la parole.

 Ben plus tu abaisses la fe (fréq.d'échantillonnage) ,plus tu réduis la bande passante dans le haut .Mais tout ça a déjà été dit et répété.

Donc pour la parole ,il faut connaître la bande de fréq. minimale à obtenir ,celle qui est la plus intelligible par l'oreille humaine et/ou celle que tu veux passer.Dans la parole il y a des "ssss" qui peuvent se transformer en "ffff" à l'écoute parce qu'on a réduit la bande passante à cause d'une fe plus basse ,alors on perd en intelligibilité .Comme les "c " peuvent se transformer en " fé" à cause d'une fe trop basse .Donc,il ya bien un impact sur l'intelligibilité de la fe pour une bande passante assez basse comme 2800hz ou bien 3400 hz .

En revanche pour une bande de 20khz (fe de 44.1kz) par rapport à une bande de 45khz (fe de 96khz) :on devrait entendre bien moins ou pas du tout la différence parcequ'elle est infime ou subtile surtout pour de la parole mais aussi pour l'oreille humaine. 

En résumé : l'écart entre une bde de 2800hz et 3400hz =ça s'entend très bien.Mais l'écart entre une bde de 20khz et 45khz=ça s'entend peu , très peu ou pas du tout ; ça dépend ...Ce ne sont que 2 exemples ;mais on pourrait en faire plein plein d'autres en fonction de critères différents.

Pour la seconde question ,jan à répondu et je pense exactement pareil . icon_wink.gif

 

 

Mon soundcloud  Good times !   

                      

[ Dernière édition du message le 17/04/2012 à 19:14:55 ]

99
On risque d'être hors sujet par rapport au topic initial...

A noter que les codec destructifs (ils perdent une partie de l'information pour comprimer le plus possible le son) que tu donnes n'ont pas été conçus, à l'origine, pour l'encodage de la parole mais de la musique.

Quand tu réalises un état de l'art sur les techniques qui existent en encodage audio, tu trouves une famille d'algorithme spécifiques au traitement de la parole (d'un côté, et une autre famille de l'autre côté pour la musique) même s'ils existent, bien sûr, des points de convergences.

Les études des encodeurs pour la musique se sont d'abord focalisées sur l'étude et la caractérisation de spectres harmoniques (c'est ce que l'on rencontre le plus souvent à la base de ces algos).
Puis on y a ajouté des modèles "de bruits", pour prendre en compte tout ce qui n'était pas produit par une "somme de sinusoïdes" (comme le souffle d'un instrument à vent) afin d'en améliorer la qualité de restitution.
Aujourd'hui, on voit des tentatives pour encoder plus efficacement les transitoires et les sons percussifs en utilisant des sinusoïdes amorties exponentiellement et les atomes de Gabor (à la base des fameuses ondelettes).

Tu noteras par exemple que le mp3 s'en sort beaucoup mieux pour restituer un violon qu'un son de cymbale crash (la cymbale qui a le "mauvais goût" de cumuler un bruit percussif et un spectre étalé caractéristique d'un bruit).


Pour les traitements spécifiques à la parole, c'est un pari inverse qui a été fait à cause des spécificités du signal lui-même :
- Les variations sont rapides.
- On passe sans cesse de sons voisés (les voyelles), qui ont un spectre à peu près harmonique, à des consonnes occlusives (des plosives en franglish) comme le p,d,b,t,etc. et des consonnes fricatives comme le s, f, ch, etc. qui présentent des spectres de bruits.

Un codec comme le mp3 (ou mp2 qui est un mp3 "en moyen bien" pour faire court) s'appuie sur un modèles sinusoïdale (en cherchant à regrouper des harmoniques) est assez peu performant pour la parole.

Ce que tu vas plutôt trouver ce sont des familles d'algorithmes qui s'appuient sur des modèles autorégressifs.
https://fr.wikipedia.org/wiki/Processus_autor%C3%A9gressif
https://fr.wikipedia.org/wiki/ARMA

C'est ce qui est à la base du "Linear Predictive Coding" que tu as dans ton téléphone portable, par exemple :
https://en.wikipedia.org/wiki/Linear_predictive_coding

En gros, le principe est d'utiliser un générateur de bruit dont le spectre de fréquence va être modulé par un filtre en peigne. Les paramètres du modèle encoder sont la puissance du bruit (qui donne le "volume" ) et les coefficients du filtre / modèle AR (qui donne le contenu spectral). Note que je vulgarise à mort :p.
Ce genre de système donne de très bonnes performances pour la parole, meilleures que le mp3.


Tu me diras que la qualité du son de parole lors d'une conversation au téléphone portable est tout pourri par rapport à ce que tu obtiens avec l'encodage d'un CD en mp3. C'est vrai, mais il faut comparer des choses comparables :
- Le signal de parole d'un GSM est acquis en 8bits @8kHz alors que le CD est en 14bits @44kHz.
- Le débit du signal de parole encodé est de 13 kbps (13000 bits par secondes) alors qu'un mp3 de moyenne qualité est autour de 128 kbps... Il y a quand-même un rapport 10.

Je te garantis que si tu devais encoder un signal de parole en mp3 en partant d'un enregistrement à 8bits @8kHz pour arriver à 13 kbps tu obtiendrais une bouilli incompréhensible.
D'ailleurs, je ne sais même pas si les encodeurs mp3 proposent un débit aussi faible (je crois, mais c'est à vérifier, qu'ils ne descendent pas en dessous de 32 kbps et que c'est fixé par la norme).

A noter qu'une amélioration de l'encodage des GSM est à l'étude pour tomber à 7 kbps.


Cerise sur le gâteau, les modèles utilisés pour l'encodage de la parole permettent d'appliquer des traitements très efficaces pour rehausser le rapport signal à bruit et ils sont aussi assez robuste aux "bruits parasites" qui peuvent nuire à une bonne conversation.


Pour plus d'info, tu peux parcourir ce site :
https://perso.telecom-paristech.fr/~vallet/dom_com/bacuvier/cadrevocoding.html
(je ne crois pas que tu trouveras meilleur que Sup Télécom en France pour ce genre d'info).

[ Dernière édition du message le 19/04/2012 à 02:00:56 ]

100
je vous remercie pour votre réponse , je ne suis pas du tout du domaine et j'avoue que je suis très perdue mais ... c'est un rendu obligatoire .