[OT] Idea (malsana ?) x audio lossy

Sono un pazzo (o forse no ?), ma sperimentando l'upsampling m'è venuta un'idea per capire realmente se apporta modifiche apprezzabili all'audio oppure no: come si comporta un'encoder lossy (OGG Vorbis, visto che l'MP3 si ferma a 48KHz) con un'input upsamplato ?

Ho preso un file lossless (16/44.1), l'ho codificato in modo "standard" e poi - mantenendo la stessa quantizzazione (q=4, ~128 Kbps) - upsamplando il segnale originale X4 (176.4).

Prima sorpresa: la codifica lossy ha aumentato il DR !?! (di poco, ma è passato da 10.9 - identico per entrambi i canali LR - a 11.0 per L e 11.1 per R... riprova che il DR *non è* un'indicatore della qualità)

La cosa più interessante (IMHO) è invece il comportamento dell'encoder: con l'input upsamplato (by SoX) ha "ritenuto" di dover aumentare il bitrate medio, da 122 (16/44) a 148 (16/176).

Secondo me questo è il segno tangibile che l'upsampling "qualcosa fà"... voi che ne pensate ?

Marco Ravich ha scritto:Sono un pazzo (o forse no ?), ma sperimentando l'upsampling m'è venuta un'idea per capire realmente se apporta modifiche apprezzabili all'audio oppure no: come si comporta un'encoder con un'input upsamplato ?

Ho preso un file lossless (16/44.1), l'ho codificato in modo "standard" e poi - mantenendo la stessa quantizzazione (q=4, ~128 Kbps) - upsamplando il segnale originale X4 (176.4).

Prima sorpresa: la codifica lossy ha aumentato il DR !?! (di poco, ma è passato da 10.9 - identico per entrambi i canali LR - a 11.0 per L e 11.1 per R... riprova che il DR *non è* un'indicatore della qualità)

La cosa più interessante (IMHO) è invece il comportamento dell'encoder: con l'input upsamplato (by SoX) ha "ritenuto" di dover aumentare il bitrate medio, da 122 (16/44) a 148 (16/176).

Secondo me questo è il segno tangibile che l'upsampling "qualcosa fà"... voi che ne pensate ?

Il DR non c'entra nulla.
Non cambierebbe neppure se lo metti a 32Kbs / 8 bit ..... si tratta di una procedura statistica.

Quella di cui parli è la frequenza di campionamento e mi sembra corretto che non venga modificata.
Non confondere il campionamento col bitrate degli mp3, flac, mp4 ecc... , sono due cose diverse.

Barone Rosso ha scritto:Il DR non c'entra nulla.
Non cambierebbe neppure se lo metti a 32Kbs / 8 bit ..... si tratta di una procedura statistica.

Sì, questo lo sapevo (anche da precedenti 3ads).

Barone Rosso ha scritto:Quella di cui parli è la frequenza di campionamento e mi sembra corretto che non venga modificata.
Non confondere il campionamento col bitrate degli mp3, flac, mp4 ecc... , sono due cose diverse.

Forse mi sono spiegato male: all'aumentare della frequenza di campionamento, l'encoder assegna al medesimo input un bitrate maggiore pur con la medesima quantizzazione (q=4).

Quindi, visto che parliamo di lossy, evidentemente "del contenuto in più" c'è: tutto sta a capire se è "bene" o male (rumore).

Marco Ravich ha scritto:
Forse mi sono spiegato male: all'aumentare della frequenza di campionamento, l'encoder assegna al medesimo input un bitrate maggiore pur con la medesima quantizzazione (q=4).

Quindi, visto che parliamo di lossy, evidentemente "del contenuto in più" c'è: tutto sta a capire se è "bene" o male (rumore).

È chiaro che l'oversampling in un modo o nell'altro fa un interpolazione del segnale, quindi ci mette del suo.
Non ci vedo nulla di male.

Poi ci sono tecniche di oversamplig migliori o peggiori.

Allora pongo la questione in modo diverso: premesso che lossy è il diavolo secondo voi è meglio codificare upsamplando prima oppure no ?

No.
Con Upsampling introduci dei dati "in più" che non c'erano prima, ma che approssimano (più o meno) bene i dati che ci sarebbero in un file a più alta risoluzione. Ovvero partendo da un 44.1 non è possibile "aumentare" la qualità, nel caso ottimo il resampler non introdurrà distorsioni di sorta e il file suonerà allo stesso modo. (all'interno di un DAC viene fatto perchè, per altre ragioni, questo migliora il risultato finale...)

Però stai codificando con un algoritmo LOSSY un file che ora è campionato a 176.4KhZ, ha cioè quattro volte il numero di campioni dell'originale. Cioè pesa di più a parità di qualità.

Non 4 volte di più perchè è compresso, ma c'è comunque un "overhead" inutile.
Inoltre direi che il Vorbis non ha, in fondo, aumentato di molto il bitrate, quindi il nuovo file compresso, quello con upsampling, potrebbe persino suonare peggio...

Queste sperimentazioni sono divertenti (anch'io mi diverto a provare vari codec, vari resampler...) ma se ci fosse una soluzione realmente più efficiente di quanto gia c'è, verrebbe utilizzata, ti pare?

Saluti!

Marco Ravich ha scritto:Allora pongo la questione in modo diverso: premesso che lossy è il diavolo secondo voi è meglio codificare upsamplando prima oppure no ?

Bho.
Se vuoi tenere il lossy oversamplato fa pure, ma se poi lo riporti a 44100 non penso che cambi nulla.

Barone Rosso ha scritto:Bho.
Se vuoi tenere il lossy oversamplato fa pure, ma se poi lo riporti a 44100 non penso che cambi nulla.

...come sarebbe lo riporto a 44 ? e allora che l'ho fatto a fare l'upsampling ?

Mettiamola giù così (come direbbe 3monti): visto che a livello di spazio occupato siamo lì (circa 1 Mb in più ogni brano) conviene codificare l'upsamplato ? o introduco solo rumore ?

Certo il codec è lossy, ma magari proprio per questo su frequenze di campionamento più alte "sceglie meglio" cosa buttare e cosa tenere...

ma il mio commento l'hai cacato?

1 MB in più... aumenta il bitrate, lascia i 44.1 e vivi sereno... tanto il bitrate è comunque basso per fare i pignoli (farsi seghe mentali...)

silver_85 ha scritto:ma il mio commento l'hai cacato?

1 MB in più... aumenta il bitrate, lascia i 44.1 e vivi sereno... tanto il bitrate è comunque basso per fare i pignoli (farsi seghe mentali...)

Letto, letto.

Però - come dicevo sopra - pur sapendo che ovviamente la qualità del sorgente non aumenta upsamplando, magari l'encoder lossy "sceglie meglio" su 172 che su 44...

e per la terza volta ti dico che sbagli. quello che dici non ha alcun criterio.

Ultimo tentativo... (assolutamente improprio, gli algoritmi lossy non memorizzano il suono per singolo campione ma in base ad alcune funzioni matematiche, ma per farti capire l'errore in cui stai incappando...)

120 Kbit/s / 44100 campioni = circa 2,78 bit per campione

140 Kbit/s / 176400 campioni = circa 0,81 bit per campione

Tre volte meno.

Cioè il tuo nuovo file ad alta risoluzione sta suonando TRE VOLTE PEGGIO!

Per poter paragonare i due OGG, e poter credere che il secondo "scelga meglio le alte frequenze" (qualunque cosa voglia dire), nel secondo file ti servono ALMENO 400 Mbit/s...

E' come prendere un Divx compresso a 2Mbit/s e un file FullHD compresso sempre a 2Mbit/s o poco più... il secondo avrà una risoluzione molto maggiore, ma in proporzione una compressione enorme! E si vedrà notevolmente peggio...

Oltre questo non so che dirti, quel che stai facendo è un crimine contro il buon audio.
Se ti vuoi fidare, bene. Sei ovviamente libero di ascoltare la musica come più t'aggrada...

E poi per poter beneficiare di un file 176.4 senza che venga "di nuovo" riconvertito, ti serve un "BUON" dac Usb... ne vale la pena?

Forse è a questo che si riferiva Barone Rosso, che se non stai attento il Sistema Operativo ti riporta il file a 44.100Hz, o se ti va bene a 48Khz...

E dopo tutto questo casino, dell'audio originale non è rimasto proprio nulla...

silver_85 ha scritto:(assolutamente improprio, gli algoritmi lossy non memorizzano il suono per singolo campione ma in base ad alcune funzioni matematiche, ma per farti capire l'errore in cui stai incappando...)

120 Kbit/s / 44100 campioni = circa 2,78 bit per campione

140 Kbit/s / 176400 campioni = circa 0,81 bit per campione

Calma, calma.

Ho studiato un po' gli algoritmi lossy e sò che la codifica è "perceptual"...

In altre parole il bitrate - al contrario di quanto avviene nel lossless - viene distribuito in base a modelli psicoacustici tarati sulla capacità percettiva dell'orecchio umano.

(vedi http://en.wikipedia.org/wiki/Psychoacoustics)

Il suono viene cioé pre-trattato con filtri e mascheramenti che rimuovono tutto il "superfluo" dopodiché codificato a blocchi.

Questo schemino mi sembra piuttosto esaustivo:


Il ragionamento che sto cercando di fare è che l'encoder lavora un po' come i filtri digitali di un DAC.

Quà mi sembra ben spiegato:

Whether we upsample or oversample, the effect on the spectrum of our audio signal is similar. Instead of our signal of interest occupying almost our entire bandwidth all the way up to fs/2 (22.05 kHz), it now only occupies 1/8 th of that. This allows us the use of a very simple analysis filter at the head of our processing chain, the internal digital filters, or the reconstruction filter at the end of the chain. Both the processes of upsampling and oversampling give us this benefit. Without increasing the sample rate, we would need to design a very sharp filter that would have to cutoff at just past 20kHz and be 80-100dB down at 22kHz. Such a filter is not only very difficult and expensive to implement, but may sacrifice some of the audible spectrum in its rolloff. If we examine the spectrum at the increased rate, we can see that the filter can roll off gently well past 22kHz and as long as it is down in the cutoff region at 176.4kHz, the image created by the sampling process will easily be removed.

silver_85 ha scritto:E' come prendere un Divx compresso a 2Mbit/s e un file FullHD compresso sempre a 2Mbit/s o poco più... il secondo avrà una risoluzione molto maggiore, ma in proporzione una compressione enorme! E si vedrà notevolmente peggio...

Uhm... la codifica video non è paragonabile IMHO, è tutta un'altra cosa.

silver_85 ha scritto:quel che stai facendo è un crimine contro il buon audio.

Il "buon audio" è lossless. Punto.

silver_85 ha scritto:Forse è a questo che si riferiva Barone Rosso, che se non stai attento il Sistema Operativo ti riporta il file a 44.100Hz, o se ti va bene a 48Khz...

What ?
Non mi risulta che foobar in WASAPI lasci molte "scappatoie" all'OS...

silver_85 ha scritto:E dopo tutto questo casino, dell'audio originale non è rimasto proprio nulla...

Beh, questo è sottointeso, parlando di LOSSY !

Comunque, come m'ha detto un'altro, semmai la cosa è INUTILE ma non dovrebbe essere dannosa.

Marco Ravich ha scritto:

silver_85 ha scritto:(assolutamente improprio, gli algoritmi lossy non memorizzano il suono per singolo campione ma in base ad alcune funzioni matematiche, ma per farti capire l'errore in cui stai incappando...)

120 Kbit/s / 44100 campioni = circa 2,78 bit per campione

140 Kbit/s / 176400 campioni = circa 0,81 bit per campione

Calma, calma.

Ho studiato un po' gli algoritmi lossy e sò che la codifica è "perceptual"...

In altre parole il bitrate - al contrario di quanto avviene nel lossless - viene distribuito in base a modelli psicoacustici tarati sulla capacità percettiva dell'orecchio umano.

(vedi http://en.wikipedia.org/wiki/Psychoacoustics)

Il suono viene cioé pre-trattato con filtri e mascheramenti che rimuovono tutto il "superfluo" dopodiché codificato a blocchi.

Questo schemino mi sembra piuttosto esaustivo:


Il ragionamento che sto cercando di fare è che l'encoder lavora un po' come i filtri digitali di un DAC.

Quà mi sembra ben spiegato:

Whether we upsample or oversample, the effect on the spectrum of our audio signal is similar. Instead of our signal of interest occupying almost our entire bandwidth all the way up to fs/2 (22.05 kHz), it now only occupies 1/8 th of that. This allows us the use of a very simple analysis filter at the head of our processing chain, the internal digital filters, or the reconstruction filter at the end of the chain. Both the processes of upsampling and oversampling give us this benefit. Without increasing the sample rate, we would need to design a very sharp filter that would have to cutoff at just past 20kHz and be 80-100dB down at 22kHz. Such a filter is not only very difficult and expensive to implement, but may sacrifice some of the audible spectrum in its rolloff. If we examine the spectrum at the increased rate, we can see that the filter can roll off gently well past 22kHz and as long as it is down in the cutoff region at 176.4kHz, the image created by the sampling process will easily be removed.

È un problema solo del DAC che non riguarda il formato.
E quello di cui parla è il filtro di antialiasing (audio) che deve, per forza di cose, essere analogico.

Ed in genere viene risolto con l'operazione di oversampling fatta dal DAC.

Inoltre l'aliasing è presente in qualsiasi traccia digitale audio e non c'è nessun mondo di rimuoverlo con operazioni digitali.
(Ed è presente pure nelle foto digitali)


Un filtro digitale è un altra cosa.



Eccolo l'effetto di aliasing, e nell'audio la situazione è la stessa.

Ringrazio Barone Rosso per aver detto quello che stavo per dire io.

Dico in anticipo: sarò prolisso! Credo che valga la pena leggere tutto, ci ho perso del tempo...

Non son contento... sei ancora convinto che il tuo 176k AL MASSIMO suonerà uguale al 44k, e non peggio.

Ho preso un file audio che avevo a 44.1k, FLAC e l'ho ricampionato a 176.4k con SoX, alla massima qualità.
Poi ho convertito entrambi in OGG -q 4.
il 44.1k ha avuto un bitrate di 124kbps.
il 176.4k ha avuto un bitrate di 145kpbs.

l'OGG a 44.1 ha tagliato le frequenze a 19Khz,
l'OGG a 176.4 ha tagliato le frequenze a 20Khz.

quindi con la tua soluzione si conserva un Chilo Erz (XD) in più. in banda quasi inudibile. quasi utile.

il 44.1k


il 176.4k


Ma andiamo a vedere come suona...

Per farlo ho confrontato il file originale non compresso con l'OGG.
E intendo confrontato "matematicamente".
Con Audacity ho aperto il file non compresso, ho usato l'effetto "inverti" che cambia il segno ai campioni, poi ho aperto l'OGG, ho applicato "miscela e renderizza".

Praticamente sto sommando due campioni, uno di segno opposto all'altro.
Due files identici quì danno una sfilza di zeri, il silenzio più assoluto. Cioè che non c'è alcuna differenza.
Con due files diversi si ha un audio che è "la differenza" tra i due.
Considerando che uno è non compresso e l'altro è compresso, questo risultato è "ciò che manca" al file compresso per arrivare alla qualità del non compresso.

O la si può leggere anche come la distorsione introdotta dall'algoritmo Lossy.

Ho trattato i dati con MATLAB per farci un grafico decente.
Scusate se l'immagine è un po' grande...

Blu: 176.4k Rosso: 44.1k


Nota che il 176.4 si trova sempre almeno 15 Decibel più in alto, ha una distorsione di 15Db maggiore!

Ergo: Codificare con upsampling fa suonare SENSIBILMENTE peggio il tuo file e lo fa pesare anche di più.

Quindi: idea malsana.

Al massimo aumenta la qualità dell'OGG usando -q 4.5 o -q 5.
Aumenterai più o meno allo stesso modo il bitrate ma almeno avrai più qualità...


Spero di aver esaurito l'argomento.
Buona giornata

P.S. scusate la lunghezza del messaggio... ma mi sembrava necessario

Barone Rosso ha scritto:
È un problema solo del DAC che non riguarda il formato.
E quello di cui parla è il filtro di antialiasing (audio) che deve, per forza di cose, essere analogico.

Ed in genere viene risolto con l'operazione di oversampling fatta dal DAC.

Inoltre l'aliasing è presente in qualsiasi traccia digitale audio e non c'è nessun mondo di rimuoverlo con operazioni digitali.
(Ed è presente pure nelle foto digitali)


Un filtro digitale è un altra cosa.



Eccolo l'effetto di aliasing, e nell'audio la situazione è la stessa.

Nb.
Nel image processing spesso si parla di filtri di antialiasing digitali: questi filtri non sono altro che dei blur che di fatto si limitano a rendere l'effetto meno visibile ma senza eliminarlo.
Questi blur se portati nel mondo audio diventano dei filtri passa basso digitali, che come risultato rimuoverebbero le frequenze più alte senza avere nessuna influenza sul aliasing (e forse come per le immagini si limiterebbero a rendere meno udibili gli effetti collaterali) .

alla faccia di chi dice che codifiche video e audio non sono in alcun modo comparabili...
Dither, alias, filtri, risoluzione e profondità di campionamento... sembrano parlare la stessa lingua!

silver_85 ha scritto:alla faccia di chi dice che codifiche video e audio non sono in alcun modo comparabili...
Dither, alias, filtri, risoluzione e profondità di campionamento... sembrano parlare la stessa lingua!

Guarda che potresti prendere tutti (o molti di essi) i filtri di photoshop e usarli in campo audio senza problemi.
L'unica cosa è che l'audio è monocromatico e ad una dimensione, mentre le immagini sono bidimensionali e a tre colori.

Per il resto si potrebbe benissimo comprimere un file audio in jpeg ed un immagine in mp3 e la cosa funzionerebbe benissimo.

La teoria che si usa è la stessa.

Ad esempio il gaussian blur è un filtro passa basso.
Il motion blur è un echo
Anche il rilevamento dei contorni è applicabile (si tratta di un gradiente) ma non ho mai sentito il risultato.
ecc...

Me ne sono accorto trattando immagini e audio in Matlab...

silver_85 ha scritto:

Me ne sono accorto trattando immagini e audio in Matlab...

Un altro con matlab.

E se non sbaglio sia il jpeg che mp3 sono entrambi basati sulla trasformata wavelet, quindi potrebbero pure essere due procedure molto simili