Audio Sample Rate vs Bitrate: What You Need to Know

Hari Ketika Saya Menghancurkan Sesi Rekaman Seharga $50,000

Saya tidak akan pernah melupakan perasaan sakit di perut saya ketika produser memutar ulang apa yang seharusnya menjadi pengambilan yang sempurna. Setelah lima belas tahun sebagai insinyur mastering di Sterling Sound di New York, saya pikir saya telah melihat setiap kesalahan teknis yang mungkin ada. Tapi di sana saya, menatap bentuk gelombang yang terlihat sempurna tetapi terdengar seperti telah diseret melalui penggiling daging digital.

Artis tersebut terbang dari London. Musisi sesi adalah yang terbaik. Segalanya direkam dengan peralatan yang prima di studio kelas dunia. Namun, campuran akhir terdengar tipis, tidak bernyawa, dan jujur saja, amatir. Penyebabnya? Pengaturan yang salah paham yang membingungkan rasio sampel dengan bitrate—kesalahan yang menelan biaya label puluhan ribu dolar dan mengajarkan saya pelajaran termahal dalam karir saya.

Malapetaka itu menjadi obsesi saya. Selama satu dekade berikutnya, saya telah mengerjakan lebih dari 3,000 proyek mastering, dari rekaman indie di ruang tidur hingga rilisan label besar. Saya telah menguji setiap kombinasi rasio sampel dan bitrate yang Anda bisa bayangkan. Saya telah mengukur, menganalisis, dan membandingkan sampai telinga saya berdenging dan mata saya berberat. Apa yang saya pelajari tidak hanya mengubah pekerjaan saya, tetapi juga cara saya berpikir tentang audio digital secara keseluruhan.

Sekarang, saya akan membagikan semuanya yang saya harap someone pernah jelaskan kepada saya sebelum sesi bencana itu. Karena inilah kebenarannya: kebanyakan orang—termasuk banyak profesional—secara mendasar salah memahami hubungan antara rasio sampel dan bitrate. Mereka menggunakan istilah ini secara bergantian, membuat keputusan berdasarkan mitos, dan membuang ruang penyimpanan (atau lebih buruk, kualitas audio) karena tidak ada yang pernah menjelaskan mekanisme yang sebenarnya.

Ini tidak akan menjadi manual teknis yang kering. Saya akan menunjukkan kepada Anda apa arti angka-angka ini, mengapa hal itu penting, dan bagaimana membuat keputusan yang cerdas untuk situasi spesifik Anda. Apakah Anda sedang merekam podcast pertama Anda, memproduksi musik, atau hanya mencoba memahami mengapa file audio Anda begitu besar, panduan ini akan memberi Anda pengetahuan yang Anda butuhkan.

Rasio Sampel: Menangkap Waktu Itu Sendiri

Biarkan saya mulai dengan sebuah metafora yang akhirnya membuat ini terhubung bagi salah satu klien saya. Bayangkan Anda sedang merekam kolibri. Jika Anda mengambil satu foto per detik, Anda akan menangkap burung itu dalam posisi yang berbeda, tetapi Anda akan melewatkan sebagian besar gerakan sayap. Ambil 24 foto per detik (seperti film standar), dan Anda akan melihat gerakan, tetapi mungkin masih terlihat tersentak. Ambil 1,000 foto per detik, dan tiba-tiba Anda dapat melihat setiap detail bagaimana sayap itu bergerak.

"Rasio sampel menentukan seberapa akurat Anda menangkap waktu, sementara bitrate menentukan seberapa akurat Anda menangkap amplitudo. Kebingungan antara keduanya, dan Anda sedang mengukur jarak dengan thermometer."

Rasio sampel bekerja dengan cara yang sama, kecuali daripada menangkap gambar seiring waktu, kita sedang menangkap level tekanan suara seiring waktu. Ketika kita merekam audio digital, kita mengambil snapshot—sampel—dari gelombang suara ribuan kali per detik. Rasio sampel memberi tahu kita berapa banyak snapshot ini yang kita ambil.

Rasio sampel kualitas CD standar adalah 44,100 Hz (atau 44.1 kHz), yang berarti kita mengambil 44,100 sampel setiap detik. Mengapa angka spesifik ini? Angka ini berdasarkan teorema pengambilan sampel Nyquist-Shannon, yang menyatakan bahwa untuk mereproduksi frekuensi dengan akurat, Anda perlu mengambil sampel setidaknya dua kali lipat dari frekuensi tersebut. Karena pendengaran manusia mencapai maksimum sekitar 20 kHz, kita memerlukan rasio sampel setidaknya 40 kHz. Tambahan 4.1 kHz memberikan ruang untuk filter dan pengolahan.

Di pekerjaan mastering saya, saya sering menemukan file pada 48 kHz (standar video), 96 kHz (audio resolusi tinggi), dan sesekali 192 kHz (wilayah audiophile). Berikut adalah apa yang saya pelajari dari pengujian A/B langsung: perbedaan antara 44.1 kHz dan 48 kHz pada dasarnya tidak dapat dirasakan dalam pemutaran akhir. Perbedaan antara 44.1 kHz dan 96 kHz adalah halus tetapi nyata—bukan dalam hal respons frekuensi (ingat, kita tidak dapat mendengar di atas 20 kHz), tetapi dalam bagaimana pengolahan digital mempengaruhi audio.

Rasio sampel yang lebih tinggi memberi Anda lebih banyak resolusi temporal. Mereka menangkap bentuk gelombang dengan lebih akurat, yang penting selama pengeditan, perpanjangan waktu, dan perubahan nada. Saya selalu merekam dan mengedit pada 96 kHz, kemudian menurunkan resolusi ke 44.1 kHz atau 48 kHz untuk pengiriman akhir. Alur kerja ini memberi saya yang terbaik dari kedua dunia: pengolahan yang bersih dan ukuran file yang dapat dikelola.

Tetapi inilah titik kritis yang membingungkan orang: rasio sampel sama sekali tidak ada hubungannya dengan berapa banyak data yang terkandung dalam setiap sampel. Di situlah bitrate berperan, dan membingungkan kedua konsep ini adalah di mana kesalahan $50,000 itu terjadi.

Bitrate: Resolusi dari Setiap Snapshot

Jika rasio sampel adalah seberapa sering kita mengambil snapshot, bitrate (atau lebih tepatnya, kedalaman bit) adalah seberapa banyak detail yang kita tangkap dalam setiap snapshot. Di sinilah metafora fotografi meneruskan kepada kita dengan baik. Bayangkan mengambil 1,000 foto per detik dari kolibri, tetapi setiap foto hanya 10 piksel kali 10 piksel. Anda akan menangkap timing dengan sempurna, tetapi gambar-gambarnya akan terlihat kotak-kotak dan tidak jelas.

Dalam audio digital, kedalaman bit menentukan berapa banyak nilai amplitudo yang mungkin kita tetapkan untuk setiap sampel. Pada 16-bit (kualitas CD), setiap sampel bisa berupa salah satu dari 65,536 nilai yang berbeda (2 pangkat 16). Pada 24-bit (standar profesional), setiap sampel bisa berupa salah satu dari 16,777,216 nilai yang berbeda. Pada 32-bit float (yang saya gunakan untuk semua pengolahan), kita memiliki lebih banyak presisi ditambah kemampuan untuk menangani nilai di luar jangkauan normal tanpa clipping.

Inilah di mana menjadi praktis: kedalaman bit secara langsung menentukan rentang dinamis Anda—perbedaan antara suara terlemah dan terkeras yang dapat Anda rekam. Setiap bit memberi Anda sekitar 6 dB rentang dinamis. Jadi 16-bit memberi Anda sekitar 96 dB rentang dinamis, sedangkan 24-bit memberi Anda sekitar 144 dB. Untuk konteks, perbedaan antara bisikan dan konser rock adalah sekitar 100 dB.

Di suite mastering saya, saya dapat mendengar perbedaan antara audio 16-bit dan 24-bit, tetapi itu bukan apa yang diharapkan kebanyakan orang. Bukan berarti 24-bit terdengar "lebih baik" dalam hal respons frekuensi atau kejernihan. Perbedaan muncul di lantai noise—hiss halus yang Anda dengar di bagian tenang. Dengan audio 16-bit, jika Anda meningkatkan volume secara signifikan, Anda akan mulai mendengar noise kuantisasi. Dengan 24-bit, lantai noise tersebut jauh di bawah sehingga hampir tidak terdengar bahkan dengan pemrosesan yang ekstrem.

Sekarang, di sinilah terminologi menjadi membingungkan: ketika orang berbicara tentang "bitrate" dalam konteks audio terkompresi (seperti MP3 atau streaming), mereka berbicara tentang sesuatu yang berbeda—jumlah data per detik, diukur dalam kilobit per detik (kbps). Sebuah MP3 320 kbps mengandung lebih banyak data per detik daripada MP3 128 kbps, tetapi ini tentang kompresi, bukan kedalaman bit fundamental dari sampel.

Kesalahan dalam sesi mahal itu? Insinyur merekam pada rasio sampel 192 kHz (terlalu banyak) tetapi secara tidak sengaja mengatur kedalaman bit ke 8-bit (sangat rendah). Hasilnya adalah audio dengan resolusi temporal yang luar biasa tetapi resolusi amplitudo yang mengerikan—seperti video 4K di mana setiap bingkai dalam hitam dan putih dengan hanya empat nuansa abu-abu.

Matematika di Balik Keajaiban

Biarkan saya menunjukkan kepada Anda angka-angka sebenarnya, karena memahami matematika membuat segalanya lebih masuk akal. Ketika Anda merekam audio tanpa terkompresi, ukuran file sepenuhnya dapat diprediksi berdasarkan rasio sampel, kedalaman bit, jumlah saluran, dan durasi.

"Mitos bahwa yang lebih tinggi selalu lebih baik telah menghabiskan industri berjuta-juta dalam penyimpanan dan daya pemrosesan yang terbuang. Rekaman 44.1kHz/24-bit akan mengungguli rekaman 192kHz/16-bit setiap kali."

Rumusnya adalah: Ukuran File (dalam byte) = Rasio Sampel × Kedalaman Bit ÷ 8 × Jumlah Saluran × Durasi (dalam detik)

Ayo kita hitung rekaman stereo satu menit pada kualitas CD (44.1 kHz, 16-bit): 44,100 × 16 ÷ 8 × 2 × 60 = 10,584,000 byte, atau sekitar 10.1 MB per menit. Rekaman yang sama pada 96 kHz, 24-bit adalah: 96,000 × 24 ÷ 8 × 2 × 60 = 34,560,000 byte, atau sekitar 33 MB per menit. Itu lebih dari tiga kali ukuran file.

Inilah sebabnya mengapa saya sangat berhati-hati dengan pengaturan rekaman saya. Proyek album yang khas mungkin melibatkan 50 trek, masing-masing 4 menit panjang. Pada 96 kHz/24-bit, itu adalah 50 × 4 × 33 = 6,600 MB, atau 6.6 GB hanya untuk 50 trek.