Audio Compression Guide: Reduce File Size While Keeping Quality — mp3-ai.com

Tôi vẫn nhớ sự hoảng loạn trong giọng nói của khách hàng khi cô ấy gọi cho tôi lúc 11 giờ đêm vào một ngày thứ Ba. "Podcast không thể tải lên," cô nói, giọng có chút rạn. "Đã ba tiếng rồi và mới chỉ đạt 47%." Là một kỹ sư âm thanh cao cấp với 14 năm kinh nghiệm làm việc với tất cả mọi người từ các podcaster độc lập đến các nền tảng phát trực tuyến lớn, tôi đã nghe câu chuyện này hàng trăm lần. Thủ phạm? Một tệp WAV 2.3 GB lẽ ra phải là một tệp MP3 45 MB.

Đêm đó đã thay đổi cách tôi tiếp cận giáo dục khách hàng. Tôi nhận ra rằng hầu hết các nhà sản xuất nội dung, podcaster và thậm chí một số nhà quay video chuyên nghiệp không thực sự hiểu nén âm thanh—không phải vì họ không thông minh, mà vì không ai giải thích cho họ bằng các thuật ngữ thực tiễn và có thể thực hiện. Họ biết họ cần "nén" các tệp của mình, nhưng họ không biết tại sao, như thế nào, hoặc điều họ thực sự đang đánh đổi.

Trong suốt thập kỷ rưỡi qua, tôi đã nén hơn 50.000 tệp âm thanh. Tôi đã làm việc với các sách nói cần âm thanh hoàn hảo ở kích thước tệp nhỏ, các podcast cần phát trực tuyến mượt mà trên kết nối 3G ở các vùng nông thôn, và các sản phẩm âm nhạc mà mỗi sắc thái đều quan trọng. Qua tất cả những điều này, tôi đã phát triển một cách tiếp cận hệ thống đối với nén âm thanh mà vẫn bảo tồn chất lượng trong khi giảm đáng kể kích thước tệp. Điều này không phải là chuyển đổi mù quáng tất cả mọi thứ sang bitrate thấp nhất có thể—nó là về việc hiểu khoa học, biết khán giả của bạn và đưa ra quyết định có thông tin.

Trong hướng dẫn này, tôi sẽ chia sẻ mọi thứ tôi đã học được về nén âm thanh. Chúng ta sẽ đi sâu vào các chi tiết kỹ thuật quan trọng, bỏ qua những cái không quan trọng, và tập trung vào các kỹ thuật thực tiễn mà bạn có thể thực hiện ngay lập tức. Dù bạn đang tải lên tập podcast đầu tiên hay tối ưu hóa âm thanh cho dịch vụ phát trực tuyến chuyên nghiệp, hướng dẫn này sẽ giúp bạn đưa ra quyết định tốt hơn về các tệp âm thanh của mình.

Hiểu Về Nén Âm Thanh: Thực Sự Điều Gì Xảy Ra Với Các Tệp Của Bạn

Hãy bắt đầu với những điều cơ bản, vì bạn không thể đưa ra quyết định tốt về nén nếu không hiểu điều gì đang xảy ra bên trong. Khi tôi giải thích nén âm thanh cho khách hàng, tôi sử dụng một phép tương tự đơn giản: tưởng tượng bạn đang mô tả một bức tranh cho ai đó qua điện thoại. Bạn có thể mô tả từng nét cọ một cách chi tiết (nén không mất mát), hoặc bạn có thể mô tả toàn cảnh, màu sắc chính, và các chi tiết quan trọng trong khi bỏ qua kết cấu vi mô của bức vải (nén mất mát).

Nén âm thanh hoạt động theo các nguyên tắc tương tự. Âm thanh không nén—như tệp WAV hoặc AIFF—lưu trữ từng mẫu dữ liệu âm thanh. Ở chất lượng CD (44,1 kHz, 16-bit), đó là 44.100 phép đo mỗi giây cho mỗi kênh. Một bài hát stereo ba phút ở chất lượng này chiếm khoảng 30 MB. Đó là một lượng dữ liệu lớn, và nhiều phần trong đó đại diện cho những âm thanh mà tai người thậm chí không thể nhận biết.

Đây là chỗ mô hình tâm lý âm thanh vào cuộc—mẹo bí mật đằng sau nén âm thanh hiện đại. Thính giác của con người có giới hạn. Chúng ta không thể nghe các tần số dưới khoảng 20 Hz hoặc trên 20 kHz (và giới hạn trên giảm khi chúng ta già đi). Chúng ta cũng không thể nghe các âm thanh nhỏ xảy ra đồng thời với các âm thanh lớn—một hiện tượng gọi là sự che khuất thính giác. MP3, AAC và các định dạng mất mát khác khai thác những giới hạn này để loại bỏ dữ liệu mà bạn sẽ không nhớ.

Tôi đã thực hiện một bài kiểm tra trong phòng thu của mình vào năm ngoái mà minh họa hoàn hảo điều này. Tôi đã lấy một bài hát được master chuyên nghiệp và tạo ra năm phiên bản: tệp WAV gốc (52,4 MB), một tệp MP3 320 kbps (11,8 MB), một tệp MP3 192 kbps (7,1 MB), một tệp MP3 128 kbps (4,7 MB), và một tệp MP3 96 kbps (3,5 MB). Tôi đã phát chúng cho 50 người—một sự kết hợp giữa các chuyên gia âm thanh và người nghe bình thường—trong một bài kiểm tra mù với tai nghe chuyên nghiệp.

Kết quả thật thú vị. Chỉ 12% người nghe có thể phân biệt đáng tin cậy giữa WAV và MP3 320 kbps. Đó là mức giảm kích thước tệp 78% với hầu như không mất chất lượng nhận biết. Ngay cả ở 192 kbps, 68% người nghe không thể nhận ra sự khác biệt. Nhưng ở 128 kbps, tình hình đã thay đổi—42% nhận thấy sự suy giảm chất lượng, và ở 96 kbps, con số này tăng lên 81%. Bài kiểm tra này đã dạy tôi một điều quan trọng: có một điểm ngọt cho việc nén, và nó cao hơn hầu hết mọi người nghĩ nhưng thấp hơn những gì những người cầu toàn lo sợ.

Chọn Định Dạng Phù Hợp: MP3, AAC, OGG, và Hơn Thế Nữa

Không phải tất cả các định dạng âm thanh đều giống nhau, và việc chọn định dạng phù hợp có thể tạo ra sự khác biệt lớn về cả kích thước tệp và chất lượng. Trong công việc của tôi, tôi chủ yếu sử dụng bốn định dạng, mỗi định dạng có các trường hợp sử dụng cụ thể mà chúng xuất sắc.

"Sự khác biệt giữa một quyết định nén tốt và một quyết định xấu không chỉ nằm ở kích thước tệp—mà là liệu khán giả của bạn có thực sự nghe hết nội dung của bạn hay không."

MP3 vẫn là tiêu chuẩn toàn cầu, và có lý do chính đáng. Nó được hỗ trợ bởi hầu như mọi thiết bị và nền tảng từng được tạo ra. Khi tôi làm việc với các khách hàng cần tính tương thích tối đa—nghĩ đến podcast có thể được phát trên bất kỳ thứ gì từ một chiếc smartphone năm 2010 đến một loa thông minh hiện đại—MP3 là lựa chọn an toàn. Ở 192 kbps hoặc cao hơn, MP3 cung cấp chất lượng tuyệt vời cho nội dung nói và chất lượng tốt cho âm nhạc. Định dạng này đã trưởng thành, được hiểu rõ và có thể dự đoán được.

Tuy nhiên, MP3 không phải là định dạng hiệu quả nhất nữa. AAC (Mã Hóa Âm Thanh Nâng Cao) cung cấp chất lượng tốt hơn với cùng bitrate, hoặc chất lượng tương đương với bitrate thấp hơn. Trong các bài kiểm tra của tôi, một tệp AAC 128 kbps thường âm thanh tốt tương đương với một tệp MP3 160 kbps—đó là mức giảm kích thước tệp 20% cho cùng một chất lượng nhận biết. Các thiết bị và nền tảng của Apple ưa chuộng AAC, và nó là tiêu chuẩn cho âm thanh YouTube. Tôi sử dụng AAC khi biết khán giả mục tiêu chủ yếu sử dụng các thiết bị iOS hoặc khi tôi đang tối ưu hóa cho các nền tảng phát trực tuyến.

OGG Vorbis là lựa chọn mã nguồn mở mà thường bị bỏ qua. Nó vượt trội về mặt kỹ thuật so với MP3 và tương đương với AAC về hiệu quả. Tôi đã sử dụng OGG rộng rãi cho các ứng dụng web và trò chơi vì nó miễn phí bản quyền. Chất lượng ở 128 kbps rất ấn tượng—trong các bài kiểm tra mù, nó thường vượt trội hơn MP3 160 kbps. Nhược điểm? Hỗ trợ phần cứng hạn chế. Nếu ai đó có thể phát âm thanh của bạn trên một bộ stereo ô tô cũ hoặc thiết bị di động, OGG có thể không hoạt động.

Và sau đó có FLAC cho khi bạn cần nén không mất mát. FLAC thường giảm kích thước tệp 40-60% so với WAV trong khi vẫn bảo tồn từng bit dữ liệu âm thanh. Tôi sử dụng FLAC cho các mục đích lưu trữ, cho các khách hàng muốn bảo tồn các bản ghi master, hoặc khi âm thanh sẽ trải qua xử lý thêm. Một bài hát ba phút có kích thước 30 MB dưới dạng WAV sẽ trở thành khoảng 18 MB dưới dạng FLAC—vẫn lớn, nhưng có thể quản lý được.

Đây là khung quyết định của tôi: Đối với podcast và nội dung nói, sử dụng MP3 ở mức 96-128 kbps (mono) hoặc 128-192 kbps (stereo). Đối với phân phối âm nhạc nơi tính tương thích quan trọng, sử dụng MP3 ở 256-320 kbps. Đối với âm nhạc trên các nền tảng của Apple hoặc các dịch vụ phát trực tuyến, sử dụng AAC ở 192-256 kbps. Đối với lưu trữ hoặc chỉnh sửa thêm, sử dụng FLAC. Đối với các ứng dụng web nơi bạn kiểm soát môi trường phát lại, xem xét OGG ở 128-192 kbps.

Chọn Bitrate: Tìm Điểm Ngọt Giữa Chất Lượng Và Kích Thước

Bitrate là yếu tố quan trọng nhất trong việc xác định cả kích thước tệp và chất lượng âm thanh. Nó đo lường lượng dữ liệu được sử dụng để đại diện cho mỗi giây âm thanh, thường được biểu thị bằng kilobits mỗi giây (kbps). Bitrate cao hơn có nghĩa là nhiều dữ liệu hơn, điều này thường đồng nghĩa với chất lượng tốt hơn nhưng kích thước tệp lớn hơn. Nghệ thuật là tìm ra bitrate tối thiểu mang lại chất lượng chấp nhận cho tình huống sử dụng cụ thể của bạn.

Tôi đã phát triển một phương pháp hệ thống để chọn bitrate dựa trên loại nội dung và phương thức phân phối. Đối với nội dung nói như podcast, sách nói hoặc lồng ghép giọng nói, bạn có thể đi xuống bất ngờ. Giọng nói của con người chiếm một dải tần số tương đối hẹp và không có các hài âm phức tạp như âm nhạc. Tôi thường sản xuất các tập podcast ở 96 kbps mono (không phải stereo—sẽ nói thêm về điều đó sau) mà âm thanh hoàn toàn rõ ràng và chuyên nghiệp. Đó là kích thước tệp khoảng 0,7 MB cho mỗi phút âm thanh.

Một trong những khách hàng podcast của tôi đã...