Prelucrări audio și video

Sunetul digital rezultă din eșantionarea unui semnal: sistemul înregistrează valori la intervale regulate. Rata de eșantionare arată câte eșantioane se iau într-o secundă; adâncimea în biți descrie reprezentarea fiecărei valori. Video-ul este o succesiune de cadre sincronizate cu audio. Codec-ul codifică și decodifică datele; containerul, precum MP4, reunește fluxurile. Compresia cu pierderi reduce dimensiunea fișierului eliminând informații, iar un export repetat cu pierderi poate degrada materialul.

În montaj organizezi sursele, alegi fragmentele, așezi secvențele pe o linie de timp și verifici nivelul sonor. Tranzițiile au rol numai dacă ajută sensul. Subtitrarea redă vorbirea și informațiile sonore relevante pentru cei care nu pot auzi sau ascultă fără sunet; textul trebuie sincronizat și lizibil. La export alegi rezoluția, frecvența cadrelor, codec-ul și destinația, păstrând proiectul editabil separat de fișierul final.

Exemplul 1 — dimensiunea unui sunet necomprimat. O înregistrare stereo are două canale, rata de eșantionare 44 100 Hz și adâncimea 16 biți. Într-o secundă se memorează $44100\cdot 16\cdot 2=1411200$ de biți. Pentru 60 de secunde rezultă $1411200\cdot 60=84672000$ de biți, adică $84672000:8=10584000$ de octeți, aproximativ 10,6 MB. Aceeași durată în format cu pierderi, la 128 kbit/s, ocupă $128000\cdot 60:8=960000$ de octeți, adică 0,96 MB: fișierul este de circa 11 ori mai mic.

De ce 44 100 Hz. Urechea omului aude sunete până la aproximativ 20 kHz. Pentru a reda corect o frecvență, rata de eșantionare trebuie să fie mai mare decât dublul ei: $2\cdot 20000=40000$ Hz. Valoarea 44 100 Hz, folosită la discul compact, depășește acest prag. O rată de 8 000 Hz, ca la telefonia clasică, redă vocea inteligibil, dar pierde sunetele înalte.

Exemplul 2 — dimensiunea unui video. Un cadru Full HD are $1920\cdot 1080$ pixeli, iar fiecare pixel are 3 octeți (24 de biți). Un cadru necomprimat ocupă $1920\cdot 1080\cdot 3=6220800$ de octeți. La 30 de cadre pe secundă rezultă $6220800\cdot 30=186624000$ de octeți pe secundă, adică circa 186,6 MB/s, iar un minut ocupă aproximativ 11,2 GB. Un export la 8 Mbit/s pentru imagine și 128 kbit/s pentru sunet produce $(8000000+128000):8=1016000$ de octeți pe secundă, adică 60,96 MB pe minut. Fișierul exportat este de aproximativ 184 de ori mai mic decât materialul necomprimat, cu prețul pierderii unei părți din informație.

Sincronizarea sunetului cu imaginea. La 25 de cadre pe secundă, un cadru durează $1000:25=40$ ms. Dacă sunetul este decalat cu două cadre față de imagine, întârzierea este de 80 ms, ceea ce poate fi observat la o persoană care vorbește. La montaj, decalajul se corectează mutând pista audio pe linia de timp.

Nivelul sonor și tăierea. Când amplitudinea unui eșantion depășește valoarea maximă pe care o poate memora adâncimea în biți, vârful undei este tăiat (în engleză, clipping), iar sunetul se aude distorsionat. Un fragment tăiat la înregistrare nu se repară prin reducerea volumului după aceea; se reînregistrează cu intrarea mai încet.

Exemplu lucrat. Un interviu de 2 minute conține 20 de secunde de pregătire și 10 secunde de tăcere la final. Tai aceste segmente, rezultând 1 minut și 30 de secunde de conținut. Verifici că subtitrarea nouă începe odată cu prima replică și că muzica nu acoperă vocea.

Dimensiunea unui fișier audio necomprimat se calculează înmulțind rata de eșantionare, adâncimea în biți, numărul de canale și durata, apoi împărțind la 8 pentru a obține octeți. Semnalul audio conține frecvențe de până la jumătate din rata de eșantionare: la $44100\mathrm{Hz}$ se poate reda corect până la $22050\mathrm{Hz}$, deci tot domeniul auzit de om.

Un fișier WAV păstrează eșantioanele fără pierderi, pe când MP3 și AAC pentru audio, ori H.264 pentru video, aplică compresia cu pierderi. Frecvența cadrelor (fps) contează la mișcare: la 25 fps, 90 de secunde conțin $25\cdot 90=2250$ de cadre.

Exemplu lucrat: alegerea exportului. Un clip de 2 minute trebuie trimis pe e-mail, unde limita atașamentului este de $25\mathrm{MB}$. Calculezi fluxul maxim: $25000000\cdot 8:120\approx 1666667$ biți pe secundă. Alegi un flux video de $1200kbit/s$ și un flux audio de $128kbit/s$, în total $1328kbit/s$, cu aproximativ $19,9\mathrm{MB}$ rezultați. Păstrezi proiectul de montaj, pentru ca un nou export să pornească din sursele originale, nu din fișierul deja comprimat.

Fișierul video este un container (de exemplu MP4 sau MKV) care grupează fluxul video, fluxul audio și eventual subtitrările, iar codecul este metoda prin care fluxurile sunt comprimate. Comprimarea cu pierderi elimină informații greu perceptibile de ochi sau de ureche, deci fișierul devine mai mic, dar nu mai poate fi refăcut exact; comprimarea fără pierderi, precum formatul audio FLAC, păstrează toate datele, dar fișierul rămâne mai mare. La aceeași durată, un bitrate mai mare dă un fișier mai mare și o calitate mai bună, până la un punct după care diferența nu se mai vede.

Greșeli frecvente

• Greșit: MP4 este obligatoriu un anumit codec video.
  Corect: MP4 este container; codec-ul fluxului se verifică separat.
• Greșit: Mărirea ratei de eșantionare repară o înregistrare deja slabă.
  Corect: informația pierdută la captare nu reapare.
• Greșit: Subtitrarea nesincronizată este suficientă dacă textul e corect.
  Corect: sincronizarea este parte din accesibilitate.

Înainte și după