Iluzja przestrzenności

Więcej niż MP3

Instytut Fraunhoffera przygotował rozszerzenie najpopularniejszego formatu kompresji muzyki – MP3 Surround. Przy generowaniu takiego pliku z rzeczywistej ścieżki 5.1 (np. przegranej z płyty DVD) jest tworzony zwykły stereofoniczny plik MP3, a informacje o muzyce płynącej z pozostałych ścieżek są zapisywane jedynie w postaci różnicy w stosunku do dźwięku z przednich kanałów, co umożliwia później poprawne ich zrekonstruowanie przy odtwarzaniu. Pozwala to zaoszczędzić miejsce – dodatkowe dane zajmują 16 kb/s (zapis MP3 typowej jakości zajmuje 150–200 kb/s) – i zachować zgodność wsteczną. Pliki MP3 Surround mogą być odtworzone przez każdy program czy urządzenie dostosowane do zwykłego MP3, oczywiście jedynie w wersji stereo. Nowy format odtworzy np. Winamp 5.5. Informacje i przykładowe pliki: www.all4mp3.com www.mp3surrounded.com

Rozwiązania pozwalające uzyskać dźwięk dookólny bez używania pełnego zestawu 5.1 czy 7.1 wykorzystują niedoskonałości ludzkiego ucha oraz akustykę pomieszczenia, w którym dźwięk się rozchodzi. Rozwiązania te opierają się na głośnikach o niestandardowej konstrukcji, a ich ceny wynoszą od kilkuset (np. zestaw Altec Lansing GT5051R) do kilku tysięcy złotych (np. Yamaha YSP-1).

Oprócz tego opracowano różne techniki wzbogacania i opracowywania dźwięku stereo, tak by lepiej brzmiał. Efekty stosowania tych technik nazywa się często dźwiękiem przestrzennym, ale do perfekcji jeszcze im daleko.

Mutacje dźwięku 2.0

Wygenerowanie bogatszego dźwięku ze zwykłych, stereofonicznych głośników polega na nałożeniu na dźwięk źródłowy tzw. efektów środowiskowych, czyli powstających w wybranym otoczeniu. W takim przypadku poprawą sygnału zajmuje się karta dźwiękowa, która dostarcza na wyjścia kolumnowe zmodyfikowany już sygnał. Pionierem w tej dziedzinie był Creative i jego karta SoundBlaster Live! Obecnie możliwość dołożenia efektów środowiskowych oferuje niemal każda karta dźwiękowa zintegrowana z płytą główną lub dostępna jako oddzielny komponent. Użytkownik musi tylko wybrać z listy predefiniowanych interesujący go efekt.

Jak odbieramy dźwięki?

Ucho ludzkie potrafi wyróżniać poszczególne dźwięki spośród słyszanych odgłosów i ustalać, z której strony napływają. Jest to możliwe dzięki temu, że dźwięk przebywa inną drogę od źródła do lewego ucha, a inną od źródła do prawego ucha. Kilkadziesiąt centymetrów różnicy oznacza sporą rozbieżność czasową (a dokładniej: przesunięcie fazowe) między docierającymi do mózgu sygnałami. Przy typowej odległości między uszami (25 cm) opóźnienie czasowe między obiema ścieżkami może wynosić nawet 1/1000 s. Na podstawie tych pozornie niewielkich przesunięć człowiek odróżni, z której strony dochodzi sygnał.

Początkowo dodawano efekty echa lub pogłosu, później zaczęto stosować również „chórki” czy przesunięcia fazowe, wzbogacające sygnał np. o charakterystyczny pogłos w tle. Efekty te mają wspólną wadę – modyfikują dźwięk, nie uwzględniając składowych, z jakich powstał. Nie stosuje się algorytmów, które potrafią wykryć w odtwarzanej muzyce np. głos czy uderzenia perkusji i osobno je wzmocnić lub wytłumić. Wynikowy dźwięk jest bogatszy w różne podźwięki, ale brzmi „płasko”.

Interpretacja i poprawa dźwięku

Ciekawą techniką wzbogacania i poprawy dźwięku jest X-Fi Crystalizer, wykorzystywany w urządzeniach X-Fi firmy Creative (karty dźwiękowe, słuchawki). Jego zadaniem jest dokładniejsze odwzorowanie dźwięku przez zwiększenie rozdzielczości emitowanego sygnału z 16 do 24 bitów oraz zwiększenie dynamiki dźwięku.

W praktyce X-Fi Crystalizer tłumi średnie tony oraz pogłaśnia basy i wysokie dźwięki. Dźwięk staje się żywszy w odbiorze, bo ucho ludzkie jest czułe zwłaszcza na basy. Rzeczywista dynamika dźwięku jest jednak mniejsza niż źródłowa, gdyż Crystalizer wyrównuje poziom głośności piosenek w trakcie ich odtwarzania. Oznacza to m.in., że wydobywa z tła ciche odgłosy. Jest to przydatne, gdy korzystamy z mniejszych głośników, którym mogłoby nie wystarczyć mocy i odpowiedniej dynamiki do wiernej reprodukcji oryginalnego utworu, ale taki dźwięk wciąż jest „płaski”. W dodatku „poprawiony” Crystalizerem sygnał zawsze jest zniekształcony, a momentami wręcz przesterowany (niektóre dźwięki są odgrywane niepoprawnie) – na bardzo krótki czas, zwykle poniżej progu słyszalności (6–10 milisekund), ale jednak.