Spotifys olika kvalitetsnivåer.

[xms67]

Jag fortsätter min strävan att förstå tekniken bakom ljudet. Nu har jag kommit till Spotify och dess tre olika kvalitetsnivåer. I appen för iPhone finns det tre olika nivåer: Normal(rekommenderad), Hög och Extrem. Inget svårt att förstå. Men hur fungerar det? Jag tänker mig att digital musik är binär. Att antingen får man fram ettor och nollor eller så får man det inte..? Jag kan så klart tänka mig att man skickar färre ettor och nollor per tidsenhet men har då svårt att förstå hur musiken bara påverkas ljudmässigt. Kanske självklart för många här, men inte för mig. Någon..?

[Callisto]

Hög upplösning > fler bitar > mer information > fler ettor och nollor

[Elfsberg]

Tänk såhär:

frekvens mäts i Hz
svängning per sekund
det kan rymmas en hel del olika Hz i en sekund
om man tar bort en del av dem så märks det kanske inte

[Johan_Lindroos]

Spotify och andra (t.ex. digital-tv-sändningar) använder digitalt ljud där de binära talen vanligtvis inte betyder att ljudet är PCM-kodat (Googla!). Spotify använder en snålkodare (Googla!) enligt algoritmen OGG-Vorbis (Googla!). Olika snålkodare återger (PCM-)ljud olika bra beroende på bithastighet (Googla!). Exempel där ljudet är PCM-kodat är CD-systemet (det behöver du nog inte googla på... ).

[Bongo]

Man kan ju göra en fin analogi med digitala bilder som kanske gör det enklare att förstå.

En digital bild beskrivs på det mest uppenbara sättet genom att varje pixel i bilden har en färg. Denna färg bestäms av ett värde, och beroende på hur många nivåer man väljer att ha på detta värde så kan man få olika många färgnyanser att välja mellan. En bild på 2*2 pixlar med 16 färger skulle alltså ta 4*4 bitar i lagringsutrymme (4 pixlar och varje pixel kan ha en av 16 nyanser, vilket representeras som en siffra mellan 0 och 15, vilket kan lagras binärt på fyra bitar, alltså 4 bitar per pixel). Detta lagringssätt kallas för bitmap (.bmp) och är ganska vanligt. Nackdelen är att det tar stor plats, men det är å andra sidan förlustfritt, dvs bilden sparas exakt som den är.
Motsvarigheten inom ljud är PCM-kodning, men istället för pixlar och färger så har vi samplingsfrekvens och ljudnivå. På en cd-skiva så samplar man med 44,1 KHz, och har ett bitdjup på 16 bitar, vilket alltså innebär att varje sekund musik så representeras ljudsignalen av 44 100 st värden mellan 0 och 65 535, där 0 är knäpptyst och 65 535 är maximalt utstyrd signal. Detta ger mycket god återgivning av ljudsignalen och enligt nyqvists samplingsteorem så räcker det för att förlustfritt återskapa ljudsignalen upp till 22 050 Hz. Nackdelen här är dock att detta också, precis som bitmappen tar mycket plats.

Inom digital bild så har man istället kommit på smarta metoder att minska ner bildinformationen utan att förändra utseendet på bilden radikalt. Vanligaste komprimeringsformatet är nog .jpg. Jag är ingen expert på jpg-algoritmer, men principiellt så kan man säga att vad man gör är att istället för att spara varje pixel för sig med sitt tillhörande värde så gör man en analys av bilden och delar upp den i större sjok som innehåller information som kan beskrivas på ett enklare sätt. Till exempel (detta är inte exakt jpgkomprimering men det är ett sätt att komprimera bilder på) om vi tar en exempelbild som består av 16 pixlar (4*4) som alla är mycket nära svart, så nära svart att vi anser att det på de allra flesta skärmar inte går att se skillnad på pixlarna utan alla upplevs som svarta. Då kan vi istället för att spara bilden som 16 pixlar med varsitt värde, spara bilden som följande information: "Ett fält om 4*4 pixlar där alla är svarta". Detta minskar minnesanvändningen och vi har inte tagit bort någon relevant information baserat på vårt antagande att nyanskillnaderna var så små att det inte gör någon skillnad. Inom bildbehandlingen finns det sen olika nivåer av komprimering, vilket kan tolkas som hur man sätter gränsen för hur stora "förenklingar" man får göra i bilden.

På samma sätt kan man tänka kring musikkomprimering. Istället för att spara varje värde 44100 ggr per sekund så gör vi ett antal antaganden om vad vi kan ta bort och vad vi måste behålla, och sparar sen informationen på ett mer minneseffektivt sätt. Gränsen för hur mycket vi tillåter oss att ta bort och för hur mycket vi anser oss behöva spara är kvalitetsnivån i spotify. Ju högre kvalitetsnivå, desto mindre ingrepp gör vi i musiken, men desto mer plats tar den. Exakt hur det går till beror på vilken komprimeringsmetod som används (mp3, ogg osv) och vill man veta det så finns det förmodligen dokumenterat på internet någonstans.

Problemet med alla dessa "lossy" (förlustbehäftade) komprimeringsalgoritmer är att vi tar bort information som vi aldrig kan återskapa, och med tillräckligt god utrustning så kan vi upptäcka felen, som i exemplet med bilden som vi sparade som helsvart, vi kan aldrig få tillbaka nyansinformationen, och med tillräckligt bra skärm/skrivare så skulle vi kunna se att nyanserna saknas i den komprimerade jämfört med den icke-komprimerade. På samma sätt gäller ofta för musiken, men de komprimeringsalgoritmer som finns idag är så välutvecklade att det ofta är svårt att skilja en bra mp3 från en cd-skiva, även på mycket goda anläggningar trots att mp3-filen är betydligt mycket mindre.

[Bill50x]

Med dagens allt snabbare nät och billigare lagring, varför komprimera? Även om vi idag har svårt att höra skillnad på tex 320k mp3 och wav så kanske vi gör det imorgon. Varför då bli sittande med lossy filer? Det är en stor skillnad mot strömmande media, dessa kan alltid uppgraderas när möjligheter finns (under förutsättning att originalen finns kvar). Idealet är förstås att komprimeringen automatiskt anpassas efter mottagarens bandbredd, det sker väl tex på SVTPlay?

/ B

[Bongo]

Med dagens allt snabbare nät och billigare lagring, varför komprimera? Även om vi idag har svårt att höra skillnad på tex 320k mp3 och wav så kanske vi gör det imorgon. Varför då bli sittande med lossy filer? Det är en stor skillnad mot strömmande media, dessa kan alltid uppgraderas när möjligheter finns (under förutsättning att originalen finns kvar). Idealet är förstås att komprimeringen automatiskt anpassas efter mottagarens bandbredd, det sker väl tex på SVTPlay?

/ B

Jag kan tänka mig att just nätet är en orsak till att man vill komprimera. Om 99% av användarna är nöjda med en bra mp3, varför ta upp mer bandbredd med okomprimerat material som tar x ggr mer plats? Bandbredden är trots alla snabba nät ändå ganska hårt begränsad när 50 000 mobiler ska strömma HD-material från en 4g-mast i centrala Stockholm. För att det överhuvudtaget ska funka utan enorma infrastrukturkostnader så krävs nog att man gör sitt bästa för att hålla nere datamängderna.

Teoretiskt så är det ju inga problem, och inte sett ur slutanvändarens synvinkel, men det är några steg innan som också ska hantera datamängderna.

[Bill50x]

Med dagens allt snabbare nät och billigare lagring, varför komprimera? Även om vi idag har svårt att höra skillnad på tex 320k mp3 och wav så kanske vi gör det imorgon. Varför då bli sittande med lossy filer? Det är en stor skillnad mot strömmande media, dessa kan alltid uppgraderas när möjligheter finns (under förutsättning att originalen finns kvar). Idealet är förstås att komprimeringen automatiskt anpassas efter mottagarens bandbredd, det sker väl tex på SVTPlay?

Jag kan tänka mig att just nätet är en orsak till att man vill komprimera. Om 99% av användarna är nöjda med en bra mp3, varför ta upp mer bandbredd med okomprimerat material som tar x ggr mer plats? Bandbredden är trots alla snabba nät ändå ganska hårt begränsad när 50 000 mobiler ska strömma HD-material från en 4g-mast i centrala Stockholm. För att det överhuvudtaget ska funka utan enorma infrastrukturkostnader så krävs nog att man gör sitt bästa för att hålla nere datamängderna.

Medhåll och det var väl ungefär vad jag skrev, fast på ett annat sätt.

/ B

[Morello]

Majoriteten av Spotifys användare har extremt dåliga audiosystem, varför hårdsnålkodad MP3 näppelige är ett problem.

Har ni inte noterat att folk i gemen inte har en musikanläggning idag?
När jag var pöjk på 80-talet hade alla någon typ av musikanläggning. Den var ofta stor och fick ta upp en ansenlig yta i vardagsrummet. Hade man lite flis så kanske det var B&O-system med dito golvhögtalare. Kanske inte toppenbra, men avsevärt mycket bättre än idag.

[xms67]

Tack för alla förklaringar. Frågan som då ställer sig är hur Spotify lagrar låtarna? Har de allt i tre varianter? Eller finns det en teknik som skalar låten till min kvalitetsnivå när den lämnar lagringsplatsen och far iväg till mig/lyssnaren?

[FalloutBoy]

Istället för att spara varje värde 44100 ggr per sekund så gör vi ett antal antaganden om vad vi kan ta bort och vad vi måste behålla, och sparar sen informationen på ett mer minneseffektivt sätt. Gränsen för hur mycket vi tillåter oss att ta bort och för hur mycket vi anser oss behöva spara är kvalitetsnivån i spotify.

Samplingsfrekvensen måste faktiskt vara samma även vid snålkodning, annars måste du sampla om och filtrera signalen för att uppfylla Nyquist-kriterierna. *
Det som man sparar in på när man snålkodar är bitdjupet (eller "upplösningen") i frekvensområden som maskeras (psykoakustiskt) av närliggande starkare frekvenser.
Man tar alltså egentligen inte bort något utan man höjer nivån på bakgrundsbruset i de områden som hamnar under maskeringströskeln.


Från: Pohlmann, Ken C. (2011). "Principles of Digital Audio", 6th ed. McGraw-Hill.




* Vissa kodare samplar om signalen (t.ex. till 32kHz) vid låga bithastigheter (t.ex. 100kbps eller lägre) för att optimera kodningen för de områden som är mest kritiska.
De brukar också sampla om i de fall originalet har högre samplingsfrekvens än 48kHz för att att inte slösa resurser på att koda ultraljud.

[FalloutBoy]

Tack för alla förklaringar. Frågan som då ställer sig är hur Spotify lagrar låtarna? Har de allt i tre varianter? Eller finns det en teknik som skalar låten till min kvalitetsnivå när den lämnar lagringsplatsen och far iväg till mig/lyssnaren?

De har garanterat alla tre varianterna lagrade, alltså:

Mobiltelefon - Normal
Vorbis -q 2 = ~96 kbps VBR* (~96 – ~112kbps) + brusnormering

Dator - Normal / Mobiltelefon - High Quality
Vorbis -q 5 = ~160 kbps VBR (~160 – ~192kbps)

Dator- High Quality / Mobiltelefon - Extreme Quality
Vorbis -q 9 = ~320 kbps VBR (~320 – ~500kbps)

* Variabel bithastighet

[Svante]

Med dagens allt snabbare nät och billigare lagring, varför komprimera? Även om vi idag har svårt att höra skillnad på tex 320k mp3 och wav så kanske vi gör det imorgon. Varför då bli sittande med lossy filer? Det är en stor skillnad mot strömmande media, dessa kan alltid uppgraderas när möjligheter finns (under förutsättning att originalen finns kvar). Idealet är förstås att komprimeringen automatiskt anpassas efter mottagarens bandbredd, det sker väl tex på SVTPlay?

/ B

Kanske för att man har en gräns på hur mycket man får ladda ner per månad på mobilen?

[MiaM]

Majoriteten av Spotifys användare har extremt dåliga audiosystem, varför hårdsnålkodad MP3 näppelige är ett problem.

Har ni inte noterat att folk i gemen inte har en musikanläggning idag?
När jag var pöjk på 80-talet hade alla någon typ av musikanläggning. Den var ofta stor och fick ta upp en ansenlig yta i vardagsrummet. Hade man lite flis så kanske det var B&O-system med dito golvhögtalare. Kanske inte toppenbra, men avsevärt mycket bättre än idag.

Dels var det väl faktiskt en hel del som inte hade nån vidare anläggning, men det var nog också rätt vanligt att i vardagsrummet stod finstereon som pappa köpt och den användes rätt sällan, medan det som verkligen användes ofta var nån enklare bandspelare som sonen/dottern hade fått. Vid högtidliga tillfällen användes pappas fina stereo för att flytta över musik från vinylskivor till band. I bästa fall var banden de bättre järnoxidbanden, ofta var det enklare band. I princip ingen hade Dolby HX PRO på kassettdäcket, så det var väl mer eller mindre distad diskant och mer eller mindre diskantbortfall.

De lite mer ljudnördigt händiga letade på vinden och hittade nån gammal mono-rör-radio och anslöt dess grammofoningång till nån utgång på bandspelaren, och fick på så sätt bas ned till massiva 100 istället för 200Hz.


Förr hade nästan alla familjer den där fin-stereon för att det var vad alla "skulle ha". Idag är väl nån slags hemmabio motsvarigheten. I den mån man har någon slags anläggning som inte är inbyggd i TV'n så har den väl ofta FM-tuner och nån möjlighet att lyssna på musik.

De som verkligen lyssnar är givetvis fortfarande tonåringarna/barnen/ungdomarna, och de har nog fortfarande halvusla anläggningar. Man kan väl ungefär säga att ljudet har från 70-talet till idag gått från "halvbehagligt, nästan bara mellanregister" till "hela frekvensregistret men mycket obehagligare" på de billiga anläggningarna. Ja, sen har vi förstås skvalet från högtalarna på mobiltelefoner. Där har vi endast diskant och direkt obehagligt ljud. Man vet att en anläggning är dålig när det går att få ett rejält kvalitetslyft genom att tillsätta en tom toapappersrulle...


Däremot verkar faktiskt hörlurarna som följer med mobiler vara av acceptabel kvalitet. Kanske inte nån hifinivå men avsevärt bättre än de billigaste lurarna som finns/funnits säg från 80-talets freestyleboom och framåt. Det här gör väl att dagens ungdom ändå har nån slags acceptabel hifiupplevelse åtminstone i lurar.


Vad gäller komprimerat ljud så ska vi väl inte glömma att man blir hemmablind för de brister man alltid hör och i princip aldrig undgår. På 80-talet hade jag inga större problem med bristerna i ljudet på kassettband, och kan fortfarande tycka att ett kassettband kan ge bättre ljud än en (för) hårt komprimerad fil. Dagens ungdom har däremot växt upp med det digitalt komprimerade ljudet, och är vad de är vana med. De lär väl tycka att kassettbanden är ungefär lika dåliga som vi 70-80-talister tyckte om AM-radio. (Jo, jag har lyssnat på Radio Luxemburg, det var bra musik men ack så dåligt med framförallt den skurna diskanten och distortionen som var typisk för AM).

Dessutom så är tyvärr ljudkvaliteten på mycket musik rätt usel. Det har väl gått i vågor genom åren. Jag hoppas att det kommer nån slags motpol mot den hårt dynamikpressade musiken. Det går ju att göra musik utan den eländiga behandligen, t.ex. så är det riktigt bra ljud på Den Svenska Björnstammen - Vart jag mig i världen vänder, ingen svårt påfrestande dynamikkompression och (ur pop-perspektiv) avgrundsdjup bas.

[MiaM]

Kanske för att man har en gräns på hur mycket man får ladda ner per månad på mobilen?

Absolut sant, men de flesta torde väl lyssna på samma låtar halvmånga gånger. Det borde gå bra att cache'a dem på platser där det finns wifitäckning.

(Sidospår: Det här är för övrigt mycket av mobil-app-branschen usla på. Jag har full förståelse för att tjänster som strömmar copyrightskyddad media inte är så sugna på att cache'a hur som helst, men det blir direkt löjligt när man inte kan ladda ner alla data som behövs för t.ex. en reseplanerar-applikation för lokaltrafiken i den utländska orten man besöker. På hotellet får man göra några sökningar man tror sig behöva, spara skärmdumpar av resultatet, och hålla tillgodo med dem när man lämnat hotellet. Skitdumt).