Sujet dither ou pas de dither pour du 16bits destiné à être re-encodé en mp3
- 6 réponses
- 4 participants
- 749 vues
- 6 followers
Cola verde
2586
Squatteur·euse d’AF
Membre depuis 12 ans
EraTom
2282
AFicionado·a
Membre depuis 13 ans
rroland
26872
Modérateur·trice thématique
Membre depuis 19 ans
Cola verde
2586
Squatteur·euse d’AF
Membre depuis 12 ans
EraTom
2282
AFicionado·a
Membre depuis 13 ans
La réponse simple : Si tu réduis la quantification avant diffusion, quelque soit le traitement subi derrière, applique un dithering.
Pour la réponse détaillée (désolé, il faut s'accrocher) :
La requantification vers un nombre de bits plus petit ajoute toujours une erreur de troncature (ou arrondis, spectralement ca revient au même), dithering ou non :
- tu as signal s(t) qui évolue au cours du temps t ;
- sa version requantifiée sq(t), à chaque instant t ;
- et l'erreur d'arrondis : err(t) = sq(t) - s(t)
De manière immédiate tu as alors :
sq(t) = s(t) + err(t)
Quand tu écoutes la version quantifiée sq(t) c'est comme si tu écoutais s(t) auquel err(t) a été ajouté.
C'est err(t) que l'on appelle le bruit de quantification et il est présent dès lors qu'il y a quantification.
L'amplitude crête de err(t) est au maximum égale au pas de quantif q (le bit de poids faible) mais sa valeur peut à chaque instant être entre -q/2 et q/2 (0 si le signal s(t) tombe pile sur une des valeurs de l'échelle quantifiée, par exemple).
Pour 16 bits, le SNR de quantif sur une sinusoïde test pleine échelle est de -91dB : Ce n'est rien du tout.
Si le contenu du signal de départ est assez riche et qu'il varie beaucoup, err(t) prend des valeurs de façon "aléatoire" dans l'intervalle -q/2 et q/2 (le signal s(t) tombe "au hasard" entre deux graduation de l'échelle quantifiée) ; on montre alors que err(t) est un bruit blanc uniforme ce qui est "transparent" à l'oreille.
Si le contenu du signal de départ est pauvre (faible variation d'amplitude et/ou contenu spectral pauvre) alors il y a un risque que err(t) ne soit pas aléatoire ; le bruit n'est plus blanc et devient corrélé au signal. Des artefacts sonores peuvent devenir audibles et sont rarement agréables à l'écoute.
Le but du dithering est d'éviter et prévenir ce dernier phénomène. Il y a différentes techniques mais elles visent toutes le même but : agiter le bit de poids faible suffisamment pour que err(t) soit un bruit blanc quelque soit le contenu du signal de départ.
Il y a des techniques qui consistent à réinjecter l'erreur de quantif en conservant la puissance totale du bruit de quantif (on conserve le SNR de 91dB sur 16 bits) mais on peut montrer qu'elles risquent encore de laisser passer des bruits de quantif corrélés au signal.
La technique qui ne laisse rien passer consiste à ajouter au signal d'origine un bruit (en plus de celui de la quantif) pour être sûr que le contenu sera toujours assez riche afin d'obtenir le bon comportement de err(t).
Il faut bien se rendre compte que ce bruit supplémentaire a une puissance de l'ordre de grandeur de celle du bruit de quantif ; le SNR est très faiblement dégradé.
En plus, comme on est malin, au lieu d'ajouter un bruit quelconque on va le mettre en forme pour que son contenu spectral soit dans une bande où l'oreille n'entend pas grand chose : si tu pousses ton ampli je te garantis que ce ne sont pas ces bruits numériques (dithering et quantif) que tu vas entendre mais le souffle analogique de ton ampli...
Autant te dire que tu es tranquille.
Je ne pense pas que Reason passe par une étape de quantif sur 16bits avant de passer à la compression : il travaille directement en 32bits float (ou 64) et la quantif finale du mp3 est celle prévue par le format compressée. L'étape de dithering que tu évoques est alors sans objet (il n'y a pas de requantif avant compression).
).
Je m'explique :
Si l'on veut compresser un signal sans perte, il y a une limite de taux de compression qui ne peut pas être dépassée. Cette borne est directement dépendante de la quantité d'information présente dans le signal.
C'est un problème résolu, on sait faire des algo qui atteignent la compression max moyennant un temps de calcul nécessaire.
En aparté : L'avantage du FLAC par rapport au ZIP c'est que zip utilise un algo "générique" pour tout type de fichier alors que FLAC exploite des connaissances a priori propres aux signaux audios qui lui permettent de converger vers la compression sans perte "optimale" bien plus rapidement (je simplifie mais c'est l'idée) et de décompresser "en temps réel".
Une fois cette limite atteinte, si l'on veut réduire d'avantage la taille du fichier alors on n'a pas le choix : il faut accepter de perdre une partie de l'information présente dans signal.
La question est alors de savoir ce que l'on peut perdre... Et des modèles psychoacoustiques ont été élaborés pour savoir prioriser les info du signal.
L'algo de destruction de l'information analyse le contenu, décide en fonction du modèle psychoacoustique et d'un objectif de qualité ou de taux de compression ce qu'il doit garder ou peu virer.
Ensuite, il présente à la partie compression d'info un signal évidé d'une partie de son contenu.
Le résidu va alors être constitué de tout ce que l'algo de destruction s'est autorisé à détruire conformément à un modèle psychoacoustique. Du coup, ça n'a pas vraiment de sens d'écouter ce résidu seul puisque l'on n'a plus tous les phénomènes masquages qui interviennent.
Par exemple, on sait que l'oreille n'est pas capable de distinguer deux sinusoïdes de fréquences proches ; c'est la "largeur de bande critique". A partir de 17kHz, la largeur de bande critique est de ~5kHz (de mémoire). Oui, l'oreille humaine est bien nulle.
Si tu as un signal avec deux sinusoïdes de fréquences 12kHz et 14kHz ton oreille entend la même chose qu'une seule sinusoïde 13kHz ; l'algo vire les deux pour n'en mettre qu'une. Deux fois moins d'info à coder ; le taux de compression fera x2 et ton oreille est bien feintée !
Maintenant si tu fais la différence pour écouter ce "bruit" de compression tu vas te retrouver avec un signal qui contient TROIS sinusoïdes : 12kHz, 13kHz et 14kHz.
Et à l'écoute tu vas te dire "-Wouhaa ! Mais c'est quoi ce bordel !?"... Ben en faite, si tu m'as suivi, pas grand chose de pertinent.
Et ceci n'a rien à voir avec le bruit de quantif et le dithering.
De toutes façons le mieux c'est que tu fasses l'essai toi-même :
- Synthétise une simple note mourante ou applique un fade out assez long ;
- Sors en 32bits ;
- Quantifie en 16 bits avec dithering ;
- Sans dithering ==> à la fin de la note tu vas entendre une sorte de grincement ;
- Compresse en mp3 les 3 sorties et compare.
Pour la réponse détaillée (désolé, il faut s'accrocher) :
Citation :
pas de doute sur ce point et c'est d'ailleurs ce problème d'un "bruit" ajouté deux fois qui me pose problème avec l'encodage Mp3 (qui ajoute du bruit) sur un fichier déjà ditherisé....
La requantification vers un nombre de bits plus petit ajoute toujours une erreur de troncature (ou arrondis, spectralement ca revient au même), dithering ou non :
- tu as signal s(t) qui évolue au cours du temps t ;
- sa version requantifiée sq(t), à chaque instant t ;
- et l'erreur d'arrondis : err(t) = sq(t) - s(t)
De manière immédiate tu as alors :
sq(t) = s(t) + err(t)
Quand tu écoutes la version quantifiée sq(t) c'est comme si tu écoutais s(t) auquel err(t) a été ajouté.
C'est err(t) que l'on appelle le bruit de quantification et il est présent dès lors qu'il y a quantification.
L'amplitude crête de err(t) est au maximum égale au pas de quantif q (le bit de poids faible) mais sa valeur peut à chaque instant être entre -q/2 et q/2 (0 si le signal s(t) tombe pile sur une des valeurs de l'échelle quantifiée, par exemple).
Pour 16 bits, le SNR de quantif sur une sinusoïde test pleine échelle est de -91dB : Ce n'est rien du tout.
Si le contenu du signal de départ est assez riche et qu'il varie beaucoup, err(t) prend des valeurs de façon "aléatoire" dans l'intervalle -q/2 et q/2 (le signal s(t) tombe "au hasard" entre deux graduation de l'échelle quantifiée) ; on montre alors que err(t) est un bruit blanc uniforme ce qui est "transparent" à l'oreille.
Si le contenu du signal de départ est pauvre (faible variation d'amplitude et/ou contenu spectral pauvre) alors il y a un risque que err(t) ne soit pas aléatoire ; le bruit n'est plus blanc et devient corrélé au signal. Des artefacts sonores peuvent devenir audibles et sont rarement agréables à l'écoute.
Le but du dithering est d'éviter et prévenir ce dernier phénomène. Il y a différentes techniques mais elles visent toutes le même but : agiter le bit de poids faible suffisamment pour que err(t) soit un bruit blanc quelque soit le contenu du signal de départ.
Il y a des techniques qui consistent à réinjecter l'erreur de quantif en conservant la puissance totale du bruit de quantif (on conserve le SNR de 91dB sur 16 bits) mais on peut montrer qu'elles risquent encore de laisser passer des bruits de quantif corrélés au signal.
La technique qui ne laisse rien passer consiste à ajouter au signal d'origine un bruit (en plus de celui de la quantif) pour être sûr que le contenu sera toujours assez riche afin d'obtenir le bon comportement de err(t).
Il faut bien se rendre compte que ce bruit supplémentaire a une puissance de l'ordre de grandeur de celle du bruit de quantif ; le SNR est très faiblement dégradé.
En plus, comme on est malin, au lieu d'ajouter un bruit quelconque on va le mettre en forme pour que son contenu spectral soit dans une bande où l'oreille n'entend pas grand chose : si tu pousses ton ampli je te garantis que ce ne sont pas ces bruits numériques (dithering et quantif) que tu vas entendre mais le souffle analogique de ton ampli...
Autant te dire que tu es tranquille.
Citation :
Oui mais ça ne suffit pas à deviner ce qu'il se passe derrière.d'ailleurs dans le logiciel Reaper lorsqu'on veut faire un "render" d'un projet directement en Mp3, l'option "dither" est "grisée" et donc totalement inactive....
Je ne pense pas que Reason passe par une étape de quantif sur 16bits avant de passer à la compression : il travaille directement en 32bits float (ou 64) et la quantif finale du mp3 est celle prévue par le format compressée. L'étape de dithering que tu évoques est alors sans objet (il n'y a pas de requantif avant compression).
Citation :
Je m'en souviens aussi. Ce n'est pas la même chose du tout et écouter le résidu de compression est un peu abscons (je l'avais dit à l'époque mais je n'avais pas insisté parce que tout le monde s'en foutait Il y a quelques temps un Afien avait isolé le bruit généré par l'algoritme "Franhofer" ce qui m'avait convaincu de passer au "Lame"
).Je m'explique :
Si l'on veut compresser un signal sans perte, il y a une limite de taux de compression qui ne peut pas être dépassée. Cette borne est directement dépendante de la quantité d'information présente dans le signal.
C'est un problème résolu, on sait faire des algo qui atteignent la compression max moyennant un temps de calcul nécessaire.
En aparté : L'avantage du FLAC par rapport au ZIP c'est que zip utilise un algo "générique" pour tout type de fichier alors que FLAC exploite des connaissances a priori propres aux signaux audios qui lui permettent de converger vers la compression sans perte "optimale" bien plus rapidement (je simplifie mais c'est l'idée) et de décompresser "en temps réel".
Une fois cette limite atteinte, si l'on veut réduire d'avantage la taille du fichier alors on n'a pas le choix : il faut accepter de perdre une partie de l'information présente dans signal.
La question est alors de savoir ce que l'on peut perdre... Et des modèles psychoacoustiques ont été élaborés pour savoir prioriser les info du signal.
L'algo de destruction de l'information analyse le contenu, décide en fonction du modèle psychoacoustique et d'un objectif de qualité ou de taux de compression ce qu'il doit garder ou peu virer.
Ensuite, il présente à la partie compression d'info un signal évidé d'une partie de son contenu.
Le résidu va alors être constitué de tout ce que l'algo de destruction s'est autorisé à détruire conformément à un modèle psychoacoustique. Du coup, ça n'a pas vraiment de sens d'écouter ce résidu seul puisque l'on n'a plus tous les phénomènes masquages qui interviennent.
Par exemple, on sait que l'oreille n'est pas capable de distinguer deux sinusoïdes de fréquences proches ; c'est la "largeur de bande critique". A partir de 17kHz, la largeur de bande critique est de ~5kHz (de mémoire). Oui, l'oreille humaine est bien nulle.
Si tu as un signal avec deux sinusoïdes de fréquences 12kHz et 14kHz ton oreille entend la même chose qu'une seule sinusoïde 13kHz ; l'algo vire les deux pour n'en mettre qu'une. Deux fois moins d'info à coder ; le taux de compression fera x2 et ton oreille est bien feintée !
Maintenant si tu fais la différence pour écouter ce "bruit" de compression tu vas te retrouver avec un signal qui contient TROIS sinusoïdes : 12kHz, 13kHz et 14kHz.
Et à l'écoute tu vas te dire "-Wouhaa ! Mais c'est quoi ce bordel !?"... Ben en faite, si tu m'as suivi, pas grand chose de pertinent.
Et ceci n'a rien à voir avec le bruit de quantif et le dithering.
De toutes façons le mieux c'est que tu fasses l'essai toi-même :
- Synthétise une simple note mourante ou applique un fade out assez long ;
- Sors en 32bits ;
- Quantifie en 16 bits avec dithering ;
- Sans dithering ==> à la fin de la note tu vas entendre une sorte de grincement ;
- Compresse en mp3 les 3 sorties et compare.
Cola verde
2586
Squatteur·euse d’AF
Membre depuis 12 ans
Amok_
2627
Squatteur·euse d’AF
Membre depuis 13 ans
- < Liste des sujets
- Charte