La quête d'une meilleure compression

Depuis des décennies, les ingénieurs cherchent à équilibrer la taille des fichiers par rapport à la qualité sonore perceptuelle. Les dernières avancées dans les algorithmes de codage audio promettent de rompre les compromis existants, offrant une efficacité de compression beaucoup plus efficace sans dégradation audible. Ces nouvelles méthodes font appel à l'apprentissage de la machine, à l'amélioration des modèles psychoacoustiques et à l'encodage adaptatif pour dépasser les limites des anciens codecs comme MP3 et AAC.

Comprendre les algorithmes de codage audio

Les algorithmes de codage audio, souvent appelés codecs, sont des systèmes qui compressent les signaux audio numériques pour réduire la quantité de données nécessaires au stockage ou à la transmission. Ils fonctionnent en exploitant la redondance statistique et l'inpertinence perceptuelle. Les étapes principales impliquent généralement une transformation de fréquence temporelle (p. ex. MDTC), la quantification des coefficients de fréquence, l'application d'un modèle psychoacoustique pour masquer les composants inaudibles et le codage entropie pour supprimer la redondance statistique.

Les codecs sans perte, comme FLAC et ALAC, conservent chaque partie des données originales, mais n'obtiennent que des ratios de compression modestes (généralement 40 à 50%). Les codecs perdus comme MP3 et AAC obtiennent des ratios beaucoup plus élevés (70 à 90 %) en jetant des informations jugées perceptuelles peu importantes. Le défi consiste à maximiser la compression tout en minimisant les artefacts audibles – un défi que les algorithmes de prochaine génération abordent avec beaucoup plus de sophistication.

Principales mesures: Rapport de compression et qualité perceptive

L'efficacité de compression est exprimée comme le débit requis pour un niveau de qualité donné. Les MP3 traditionnels à 128 kbps sont considérés comme acceptables pour de nombreux auditeurs, mais les services de streaming audiophiles visent désormais 256-320 kbps en utilisant AAC ou Opus. Les codecs de nouvelle génération promettent une qualité équivalente ou supérieure à 64 kbps ou même inférieure, ce qui est transformateur pour des environnements de bande passante tels que les réseaux mobiles ou la radiodiffusion en direct.

Limitations des algorithmes traditionnels

MP3 (introduit en 1993) utilise un modèle psychoacoustique relativement primitif et une taille fixe de blocs de transformation, ce qui conduit à des artefacts tels que pré-écho et frottage à haute fréquence à des débits faibles. AAC (standardisé en 1997) amélioré sur MP3, avec une meilleure résolution spectrale et un codage stéréo amélioré, mais qui lutte toujours avec des contenus complexes et riches en transitoires comme les applaudissements ou les cymbales.

Plus critiquement, les anciens codecs ont été conçus pour une sortie stéréo à un taux d'échantillonnage fixe (44,1 kHz). Ils ne sont pas pris en charge par les formats audio haute résolution (96 kHz/24-bit), les formats immersifs multicanaux (5.1, 7.1, Object Audio) et les mécanismes de débit scalables.

Les innovations clés dans les algorithmes de prochaine génération

Les percées récentes dans le codage audio proviennent de deux directions principales : la modélisation perceptuelle améliorée et l'application de l'apprentissage profond.Ces innovations permettent aux codecs de s'adapter au signal audio en temps réel, en préservant les détails là où il importe le plus et en rejetant agressivement des données réellement non pertinentes.

Apprentissage automatique et codage audio neuronal

Les réseaux neuronaux profonds ont ouvert de nouvelles approches de la compression audio. Les codecs audio neuraux, tels que Google , Lyra (2021) et Meta , utilisent une architecture encoder-décoder formé sur de vastes ensembles de données pour apprendre à représenter des fichiers audio compacts latents. L'encoder compresse le signal en un goulot d'étranglement faible enbitrate; le décodeur le reconstitue à l'aide d'un modèle génératif qui prédit le manque de contenu basé sur des modèles appris.

À des débits très bas (6–16 kbps), ces codecs neuraux surpassent de façon significative les codescs traditionnels. Lyra, par exemple, obtient une qualité de parole comparable à des codecs à haut débit à seulement 3 kbps. Encodec étend cette option à la musique et au son général, prenant en charge 1,5 kbps à 24 kbps. Cependant, ils nécessitent des ressources informatiques importantes pour l'encodage et le décodage, ce qui les rend actuellement plus adaptés pour l'encodage côté serveur ou les dispositifs haut de gamme.

Modèles perceptuels et psychoacoustiques avancés

Les algorithmes modernes comme xHE‐AAC (Extended High-Efficiency AAC) intègrent des caractéristiques telles que Spectral Band Replication (SBR) et Parametric Stereo (PS). SBR code les hautes fréquences comme paramètres compacts plutôt que comme données de pleine forme d'onde, exploitant les oreilles une sensibilité réduite à la phase de haute fréquence et à la précision temporelle.

Une autre innovation est l'utilisation d'analyses de fréquence temporelle à résolution variable.Les codecs de prochaine génération peuvent choisir dynamiquement les tailles de blocs de transformation : des blocs courts pour les transitoires (pour éviter les prééchos) et des blocs longs pour les tons stables (pour obtenir une résolution haute fréquence).Cette approche adaptative est déjà utilisée dans Opus (mode hybride) et dans le nouveau codec X‐Storm de Fraunhofer.

Codage évolutif et embedded

Par exemple, l'extension évolutive MPEG‐4 de l'AAC permet de déchiffrer un noyau à faible débit avec des couches supplémentaires. Les systèmes de prochaine génération comme le codec audio MPEG‐H 3D intègrent des profils évolutives pour l'audio immersif, permettant à un décodeur d'extraire un découplage stéréo d'un bitstream multicanal sans re-encodage. Ceci est vital pour le streaming adaptatif (DASH, HLS) où la bande passante disponible fluctue. La capacité d'ajuster en douceur la qualité sans artefacts est un avantage majeur par rapport aux anciens codecs.

Codecs de prochaine génération

Plusieurs codecs spécifiques illustrent la nouvelle génération de compression audio. Chaque cible cible différents cas d'utilisation, de la communication à basse retard à la diffusion de musique haute résolution.

opus (IETF RFC 6716)

Opus est un codec très polyvalent et sans redevances qui combine une couche de parole basée sur la prévision linéaire (SILK) avec une couche audio générale basée sur la transformation (CELT). Il bascule automatiquement entre les modes basés sur le contenu. Opus offre une excellente qualité dans toute la gamme de bits, de 6 kbps (parle en bande étroite) à 510 kbps (stéro en bande pleine). Il est de facto la norme pour WebRTC et est largement utilisé dans la VoIP, le streaming en direct et la baladodiffusion. Son faible retard le rend idéal pour les applications interactives.

Opus a été montré pour surperformer MP3 et AAC à des bits équivalents dans des tests d'écoute aveugles.

xHE‐AAC (ISO/IEC 23003‐3)

xHE‐AAC est la dernière évolution de la famille AAC, normalisée par MPEG. Elle intègre les codes de voix et audio unifiés (USAC) en version améliorée Low-Delay (ELD), SBR, PS et MPEG‐D. xHE‐AAC atteint une qualité transparente de 32 à 48 kbps pour la musique stéréo et de 16 kbps pour la parole. Elle supporte le codage de l'audio haute résolution (jusqu'à 96 kHz) et est largement utilisée dans les services de streaming, la radio numérique (DRM) et la télévision mobile.

Codecs neuraux: Lyra, Encodec et SoundStream

Google , Lyra utilise un réseau alternatif générateur (GAN) pour reconstruire les signaux d'un ancrage à basse dimension. Il obtient un langage naturel à 3 kbps, révolutionnaire pour les mauvaises conditions de réseau. Meta , Encodec ajoute une structure hiérarchique pour la musique et l'audio général, avec un quantificateur vectoriel résiduel qui permet un débit variable (1,5 à 24 kbps). SoundStream (Google, 2021) utilise un encodeur-décodeur entièrement convolutionnel avec une quantification scalaire et un discriminateur basé sur GAN. Ces codecs font toujours face à des défis avec une reproduction musicale de haute qualité à très bas débit, mais la recherche continue de réduire l'écart.

FLAC (Perdu) et son rôle

Bien que les codeurs FLAC modernes utilisent une prédiction fixe linéaire et un codage résiduel plus efficace (code de la glace avec partitions adaptatives). Bien que les codecs de perte soient essentiels pour une livraison en bande passante, la disponibilité croissante de plans de données illimités et un grand stockage ont entraîné une résurgence de la diffusion sans perte. Les codecs de perte de prochaine génération doivent approcher la qualité perceptuelle de FLAC aux débits de diffusion typiques (256-320 kbps) pour satisfaire les audiophiles.

Avantages et impact des algorithmes de la prochaine génération

L'adoption de ces codecs avancés apporte des avantages tangibles dans l'écosystème audio.

  • Taux de compression plus élevés: Opus à 64 kbps correspond à MP3 à 128 kbps, réduisant de moitié le stockage et la bande passante nécessaires. xHE‐AAC à 32 kbps offre une qualité similaire à celle des anciens AAC à 64 kbps. Pour les services de streaming, cela réduit les coûts de CDN et les temps de tampon.
  • Amélioration de la qualité du son aux faibles débits: Les codecs neuraux étendent la voix et la musique de haute qualité à des débits extrêmement bas (moins de 16 kbps), permettant une communication fiable sur les mauvaises connexions cellulaires et un accès élargi dans les régions en développement.
  • Réduction du délai pour les applications en temps réel: Les codescs comme Opus en mode à faible retard (5 ms) permettent de faire du lip-sync et de la voix interactive sans latence perceptible.
  • Expérience utilisateur améliorée: Le streaming adaptatif avec des codecs évolutives signifie des changements de qualité sans faille et une start-up instantanée. Les auditeurs ne souffrent plus de -buffering - ou de chutes soudaines lorsque les conditions du réseau changent.
  • Support pour Immersive Audio: Les Codecs comme MPEG‐H 3D Audio et Dolby AC‐4 gèrent efficacement l'audio par objet, permettant aux auditeurs de personnaliser leur expérience (par exemple, ajuster le volume de dialogue) tout en économisant le débit par rapport à l'encodage traditionnel par canal.

Défis et travaux en cours

Malgré ces avancées, les nouveaux codecs sont confrontés à des obstacles en adoption. L'aide héritée des systèmes matériels et d'exploitation accuse souvent du retard. Par exemple, même si Opus est normalisé depuis 2012, de nombreux acteurs médiatiques et locuteurs intelligents n'ont toujours pas de décodage natif.

Un autre défi est le coût de calcul des codecs neuraux. L'exploitation d'un réseau neuronal profond pour chaque cadre audio peut être prohibitive sur les appareils de faible puissance. Des recherches sur la compression des modèles, la quantisation et l'accélération matérielle sont en cours. De plus, les mesures objectives de qualité ne s'alignent pas toujours sur la préférence subjective, surtout pour les modèles d'apprentissage de machines génératives qui peuvent introduire des artefacts contre nature (p. ex., sons -warbling ou -métallically).

L'avenir de la compression audio

En ce qui concerne l'avenir, la compression audio deviendra encore plus adaptative et consciente du contenu. Nous sommes susceptibles de voir des codecs qui choisissent dynamiquement entre différentes stratégies d'encodage – sans perte, perte perceptuelle ou générative neuronale – basées sur la complexité du signal et le contexte de l'auditeur (p. ex. niveau de bruit de fond).

L'audio basé sur des objets, déjà utilisé dans Dolby Atmos, sera compressé en utilisant des langages -description de scène -audio qui encodent les objets, les positions et les instructions de rendu, plutôt que les formes d'onde. Cette approche peut réduire considérablement le débit de bits pour des scènes complexes (p. ex. un film avec de nombreux effets sonores) parce que les éléments statiques sont décrits une fois plutôt que répétés.

Enfin, l'augmentation de l'IA générative peut éventuellement conduire à une compression audio sémantique -encodant une description textuelle du son et le régénérant au décodeur. Cela pourrait atteindre un débit de bitrate proche de zéro pour des signaux très spécifiques (par exemple, -un oiseau chantant à l'aube dans une forêt), mais il reste une possibilité lointaine en raison des contraintes de fidélité et de latence.

Pour plus de détails sur les technologies spécifiques:

À mesure que le paysage audio numérique évolue, rester informé de ces algorithmes permettra aux développeurs, aux ingénieurs audio et aux consommateurs de faire de meilleurs choix, que ce soit en construisant un service de streaming, en concevant un casque ou simplement en profitant de la musique en déplacement.