Краткая история аудиокодеков: от MP2 (1991) до LC3 (2020)

Опубликовано: 2026-06-05 · Время чтения: 21 мин · Автор: Николай Сапунов, CEO Фора Софт

Кратко

Аудиокодек – это рецепт, который сжимает звук до во много раз меньшего числа битов и восстанавливает его при воспроизведении; пятидесятилетний путь от телефонного PCM до LC3 в наушниках – это история того, как этот рецепт умнел. Ранние кодеки разделились на два племени, которые почти не общались между собой: речевые кодеки из мира телефонии и музыкальные кодеки из мира вещания и потребительской электроники, – и большая часть этой истории про то, как племена медленно сливались. К 2012 году один открытый кодек, Opus, умел обрабатывать и речь, и музыку в одном потоке, а к 2020 году новый энергоэффективный кодек, LC3, тихо заменил звук во всех Bluetooth-наушниках. Эта статья проходит по всей хронологии, объясняет, кто кого вытеснил и кто выжил, и оставляет вас способным узнать любое название кодека, которое встретится в видеопродукте в 2026 году.

Почему это важно

Если вы создаёте, покупаете или ведёте видеопродукт, названия кодеков в вашем техзадании – не взаимозаменяемая мелочь: за каждым стоит счёт за лицензию, карта поддержки устройств и потолок качества, заданный десятилетия назад и до сих пор вас ограничивающий. Продакт-менеджер, который знает, что AAC – безопасный выбор по умолчанию, что Opus бесплатен и владеет реальным временем, а LC3 живёт в наушниках ваших пользователей, принимает решения быстрее и дешевле и задаёт инженерам более точные вопросы. Эта статья – ориентир для всего блока про кодеки: прочитайте её один раз, и подробные статьи об AAC, Opus и остальных встанут на свои места в уже знакомой вам хронологии. Мы написали её для умного читателя без аудиобэкграунда; каждая дата и номер стандарта сверены с первоисточником.

Сначала – что такое кодек на самом деле и зачем звуку он понадобился

Перед любой историей зафиксируем слово. Кодек – это согласованная пара программ: кодер, который сжимает звук в небольшой поток битов, и декодер, который разворачивает эти биты обратно в звук для воспроизведения. Название – просто «coder-decoder», слитно. Каждый кодек в этой статье – такая пара; за пятьдесят лет менялось то, насколько хитро кодер выбрасывает биты.

Зачем вообще что-то выбрасывать? Потому что несжатый цифровой звук огромен. Вспомним из статьи Что такое цифровой звук, что необработанный звук хранится как импульсно-кодовая модуляция, или PCM, – высоту волны измеряют десятки тысяч раз в секунду и записывают обычными числами. Посчитаем для стереозвука CD-качества:

44 100 отсчётов/с × 16 бит × 2 канала = 1 411 200 бит/с ≈ 1411 кбит/с

Это около десяти мегабайт в минуту, для одной стереодорожки. Раздайте такое тысяче зрителей или пропустите по телефонной линии 1990-х – стоимость становится неподъёмной. Задача кодека – снизить эти 1411 кбит/с примерно до 128 кбит/с (одиннадцатикратное сжатие), так чтобы ухо почти не заметило разницы. Вся история ниже – это история того, как делать это сжатие всё лучше.

Сжимать можно двумя способами. Сжатие без потерь упаковывает звук, не выбрасывая ни одного отсчёта, как ZIP упаковывает документ; так делает FLAC. Сжатие с потерями безвозвратно удаляет детали, которые ухо вряд ли заметит, что даёт куда меньшие файлы; так делают MP3, AAC и Opus. Большая часть этой истории – о кодеках с потерями, потому что именно там шла тяжёлая и хитрая работа.

Нажмите, чтобы увеличить

Два племени: речевые и музыкальные кодеки

Самая полезная идея для понимания истории кодеков в том, что сжатие звука выросло как две отдельные семьи, решавшие две разные задачи и почти не общавшиеся друг с другом сорок лет.

Речевое племя пришло из телефонной сети. Его задача была узкой: передать один человеческий голос в реальном времени по тонкому и ненадёжному каналу, используя как можно меньше полосы. Голос предсказуем – он исходит из одной гортани с известной физикой, – поэтому речевые кодеки моделируют сам голос, предсказывая следующий момент звука по предыдущему. Этот подход называется линейным предсказанием, он делает голос поразительно компактным, но разваливается на музыке.

Музыкальное племя пришло из вещания и потребительских медиа – CD, цифровое радио, позже интернет. Его задача была обратной: передать любой звук, включая полный оркестр, с высокой точностью, где задержка в секунду допустима, ведь в ответ никто не говорит. Музыкальные кодеки не пытаются моделировать источник; они переводят звук в частоты, а затем используют особенность человеческого слуха под названием маскировка – громкий звук скрывает соседние тихие, так что тихие можно удалить. Для музыки это работает прекрасно, а для одного голоса расточительно.

Держите эти два племени в голове. Почти каждый кодек ниже принадлежит одному из них, и кульминация истории – Opus в 2012 году, xHE-AAC в том же году – это момент, когда два племени наконец стали одним кодеком.

Четыре идеи, лежащие в основе любого кодека

Под двумя племенами лежат четыре базовых приёма. Любой современный кодек – это смесь из них, и назвать их сейчас значит сделать остальную историю читаемой. Им посвящена отдельная статья Как работает сжатие звука; вот версия каждого в один абзац.

Психоакустическая маскировка – главный фокус музыкального племени: человеческий слух не различает тихий звук рядом с громким похожей высоты, поэтому кодек измеряет, что ухо пропустит, и удаляет именно это. Частотные преобразования – инструмент, делающий маскировку применимой: кодек переводит фрагмент волны в список частот с помощью математической операции MDCT (модифицированное дискретное косинусное преобразование), которая является движком внутри MP3, AAC и музыкальной половины Opus. Линейное предсказание – главный фокус речевого племени: моделировать голос как гудящий источник, изменённый формой рта, и слать только небольшие поправки, как это делают кодеки семейства CELP, втискивая голос в несколько килобит. Энтропийное кодирование – финальная уборка, общая для обоих племён: последний проход без потерь, который упаковывает оставшиеся числа так плотно, как позволяет математика, – родственник того же приёма, что использует ZIP.

Математика вам не нужна, чтобы следить за историей. Нужно лишь узнавать: кодек на преобразованиях и маскировке – музыкальный, кодек на линейном предсказании – речевой, а кодек, использующий и то и другое, – один из современных объединителей.

1972–1988: эпоха телефонии – G.711 и G.722

Первые аудиокодеки были вовсе не для музыки. Они были для телефонов и пришли из Международного союза электросвязи, ITU, органа, стандартизирующего глобальную электросвязь.

Прародитель всех – ITU-T G.711, стандартизованный в 1972 году. G.711 едва ли «кодек» в современном смысле – это компандированный PCM, слегка хитрый способ хранить телефонный звук 8 кГц, 8 бит на скорости 64 кбит/с, используя кривую μ-law (Северная Америка, Япония) или A-law (Европа), чтобы дать тихим звукам больше точности. Он почти ничего не выбрасывает и почти ничего не сжимает. Его значимость – в бессмертии: G.711 в 2026 году по-прежнему универсальный запасной кодек в каждом SIP-транке и шлюзе PSTN. Когда современный видеозвонок не может договориться о чём-то более продвинутом, он откатывается к G.711, и оба конца просто работают. Эту линию мы разбираем в статье Речевые кодеки, которые вы ещё встретите.

Шестнадцать лет спустя, в 1988 году, ITU утвердил G.722 – первый широкополосный голосовой кодек: он работал на 16 кГц вместо 8 кГц, примерно удваивая слышимый диапазон и давая телефонному звуку ту самую чёткость «HD Voice», где речь звучит присутственно, а не глухо. G.722 по-прежнему работает на 48, 56 или 64 кбит/с. Это момент, когда речевое племя впервые вышло за пределы мутной телефонной полосы 3,4 кГц к чему-то приятному.

Эти два кодека задали шаблон речевого племени: низкая задержка, низкий битрейт, только голос, под управлением ITU. Два десятилетия это племя и будущее музыкальное развивались в полной изоляции.

1991–1993: приходит MPEG и рождается музыкальное племя – MP2 и MP3

В конце 1980-х под ISO и IEC, международными органами стандартизации, сформировался новый комитет: Moving Picture Experts Group, или MPEG. Его задачей было стандартизировать цифровое видео и его звук – для CD-ROM, цифрового вещания и цифрового телевидения. MPEG будет доминировать в музыкальном племени следующие тридцать лет.

Первый стандарт MPEG, ISO/IEC 11172 – MPEG-1 – объединил три аудио-«слоя» нарастающей сложности. Алгоритмы всех трёх слоёв были утверждены как проект комитета в 1991 году, завершены в 1992-м и опубликованы как ISO/IEC 11172-3 в 1993 году. Отсюда и «1991» в нашем заголовке.

Layer II, известный как MP2, был практичной рабочей лошадкой. Его было проще кодировать в реальном времени, что было важно на железе 1990-х, и он стал звуком цифрового вещания. Три десятилетия спустя MP2 по-прежнему остаётся аудиокодеком значительной части цифрового радио DAB и цифрового эфирного телевидения DVB-T в Европе – яркий пример того, как кодек выживает, владея инфраструктурой вещания, которую никто не хочет переделывать. Подробнее – в статье MP3, MP2 и легаси, которое вы ещё увидите.

Layer III, знаменитый MP3, был самым сложным из трёх и труднее всех кодировался. Работу вёл консорциум во главе с Fraunhofer IIS в Германии, с участием Ганноверского университета, AT&T-Bell Labs, Thomson и CCETT. MP3 стал тем слоем, что захватил потребительский мир – не из-за технического превосходства над MP2 в вещании, а потому что попал в точку качества на низких битрейтах ровно тогда, когда подошли интернет-полоса и эпоха Napster. MP3 стал нарицательным. Он же стал кодеком, который всем приходилось лицензировать, и лицензионная программа Fraunhofer – и её итоговое завершение в 2017 году, когда основные патенты истекли и Fraunhofer закрыл программу, – это отдельная глава истории.

Настоящая значимость MP3 для этой истории в том, что он доказал: психоакустическая маскировка работает в масштабе. У музыкального племени теперь были хит и бизнес-модель.

1997–1999: AAC, кодек, который тихо победил – и побеждает до сих пор

В дизайн MP3 1990 года были заложены ограничения. Поэтому MPEG построил преемника с чистого листа: Advanced Audio Coding, AAC, впервые стандартизованный в 1997 году как MPEG-2 Part 7 (ISO/IEC 13818-7). AAC намеренно не был обратно совместим с MP3 – комитет даже пометил его «NBC», Non-Backward-Compatible, – потому что совместимость была цепью, державшей качество MP3. Освобождённый от неё, AAC давал лучший звук, чем MP3, на том же битрейте и куда лучший – на низких.

В 1999 году AAC был включён в более широкое семейство MPEG-4 как MPEG-4 Part 3 (ISO/IEC 14496-3), где живёт и растёт с тех пор. Этот номер стандарта, 14496-3, стоит запомнить: это дом всего семейства AAC.

Тихая победа AAC – важнейший факт современного звука. Базовый профиль AAC-LC (Low Complexity) стал – и остаётся в 2026 году – кодеком по умолчанию для онлайн-видео. YouTube, Netflix, Apple, Disney+ и большая часть стримингового мира везут звук AAC-LC внутри своего видео. Это безопасный, универсальный, аппаратно ускоряемый выбор. Полностью разбираем его в статье Семейство AAC.

Затем семейство выросло, чтобы покрыть низкие битрейты. HE-AAC (High-Efficiency AAC, около 2003 года) добавил приём spectral band replication, синтезирующий высокие частоты вместо их кодирования, что вдвое снижает битрейт при приемлемом качестве. HE-AAC v2 добавил parametric stereo, втиснув слушабельное стерео примерно в 32 кбит/с для мобильного радио. Эти расширения держали AAC конкурентоспособным, пока полоса дешевела, а затем, на мобильном, снова дорожала.

2000–2002: открытый бунт – Vorbis

У музыкального племени была проблема: оно было запатентовано. Каждый кодер MP3 и AAC должен был платить отчисления, а в сентябре 1998 года Fraunhofer объявил, что будет взимать их агрессивнее. Реакцией стал бунт за открытый код.

Проект Криса Монтгомери Xiph.Org ответил кодеком Vorbis – музыкальным кодеком на MDCT, намеренно построенным как свободный от патентов и отчислений. Битстрим заморозили в мае 2000 года, а эталонное ПО версии 1.0 вышло в июле 2002. Vorbis, переносимый в контейнере Ogg, был технически отличным – конкурентоспособным с AAC на многих битрейтах – и нашёл устойчивый дом в видеоиграх и медиафайлах Wikipedia, но так и не сместил MP3 или AAC из мейнстрима. Его подлинная значимость – это репетиция: Xiph научился выпускать серьёзный открытый кодек, и те же люди позже построят кодек, который победит. Помещаем Vorbis в контекст в статье Как работает сжатие звука.

1991–2015: кинематографическое и вещательное племя – Dolby AC-3, E-AC-3, AC-4

Параллельно с MPEG шла третья сила, не принадлежащая ни одному чистому племени: Dolby, компания, владевшая звуком кинотеатров и домашних кинотеатров.

AC-3, продвигаемый как Dolby Digital, был выпущен в 1991 году и пришёл в кинотеатры с «Бэтмен возвращается» в 1992-м. Его прорывом была многоканальность: AC-3 стал первой практичной системой кодирования, несущей объёмный звук 5.1 – пять полных каналов плюс канал низкочастотных эффектов – в одном сжатом потоке. Он стал звуком DVD, цифрового телевидения ATSC в США и домашнего кинотеатра. Полная спецификация – в ATSC A/52 и ETSI TS 102 366.

Около 2000 года Dolby расширил его до E-AC-3, продвигаемого как Dolby Digital Plus (DD+): расширили диапазон битрейтов до нескольких мегабит, подняли число каналов и добавили структуру подпотоков, нужную стриминговым сервисам. Именно DD+ несёт сегодня объёмный звук и базу Atmos на Netflix, Disney+ и Apple TV+. Оба разбираем в статье AC-3 и E-AC-3.

Затем Dolby начал заново. AC-4, разрабатывавшийся с конца 2011 года, был стандартизован ETSI как TS 103 190 в 2014 году и одобрен Dolby для коммерческого использования в декабре 2014-го. AC-4 – вещательный и стриминговый кодек нового поколения, куда эффективнее AC-3, построенный для объектно-ориентированного и иммерсивного звука и принятый в стандарте ATSC 3.0 «NextGen TV». Это ставка на будущее вещания, разбираем в статье AC-4 без воды.

2010–2012: слияние – Opus

Вот кульминация всей истории. Сорок лет речевые и музыкальные кодеки были раздельны, потому что решали противоположные задачи. В 2012 году это кончилось.

Две команды строили по половине ответа. Xiph.Org с 2007 года разрабатывал CELT – музыкальный MDCT-кодек с очень низкой задержкой. Skype строил SILK – современный речевой кодек на линейном предсказании для своих звонков. В IETF – органе стандартизации интернета, ином мире, чем ISO и ITU, – два усилия объединили в один кодек, который мог переключаться между речевым и музыкальным режимами или сочетать их внутри одного потока. Результатом стал Opus, стандартизованный как IETF RFC 6716 в сентябре 2012 года (авторы Valin, Vos и Terriberry; позже обновлён RFC 8251).

Opus – первый кодек, по-настоящему служащий обоим племенам. Он масштабируется от узкополосной речи 6 кбит/с до стереомузыки 510 кбит/с, автоматически переключает режимы по мере смены контента и работает с задержками, достаточно низкими для живого разговора. Важно, что он открыт и свободен от отчислений, стандартизован через IETF, с эталонной реализацией libopus под лицензией BSD.

Opus не вытеснил AAC в записанном видео – аппаратная поддержка AAC слишком укоренилась, – но сделал кое-что, возможно, большее: он съел WebRTC. Каждый браузерный видеозвонок, каждое современное конференц-приложение, каждый аудиоканал реального времени по умолчанию использует Opus, потому что он бесплатен, отличен и построен ровно для этой задачи. Это самый высоконагруженный кодек в медиа реального времени, и ему посвящена отдельная статья Opus: открытый кодек, который съел WebRTC.

В том же 2012 году MPEG завершил собственного объединителя: MPEG-D Unified Speech and Audio Coding (USAC), стандартизованный как ISO/IEC 23003-3 и продвигаемый как xHE-AAC (Extended HE-AAC). xHE-AAC тоже пересекает границу речь – музыка в одном кодеке, масштабируется от 12 до 300 кбит/с и несёт встроенное обязательное управление громкостью. Внедряется он медленнее Opus, потому что лицензируется, но теперь питает управляемую по громкости доставку Apple Music, мобильный Netflix и Amazon Prime Video. Два объединителя, один год, из двух разных миров.

2015–2020: новые иммерсивные и энергоэффективные кодеки – MPEG-H, LC3

Слияние решило проблему «речь против музыки». Последнее десятилетие этой истории – про два новых фронтира: иммерсивный звук и сверхэнергоэффективный звук.

MPEG-H 3D Audio, стандартизованный как ISO/IEC 23008-3 в 2015 году, – ответ ISO на объектно-ориентированный иммерсивный звук: звук описывается как подвижные объекты в комнате, а не фиксированные каналы, и рендерится на любые колонки или наушники слушателя. Это кодек южнокорейских вещаний ATSC 3.0 и конкурент Dolby AC-4 в гонке телевидения нового поколения. Разбираем в статье MPEG-H 3D Audio без воды.

Последняя веха в нашем заголовке – самая тихая и для большинства пользователей самая личная. LC3 – Low Complexity Communication Codec – был принят Bluetooth SIG 15 сентября 2020 года как обязательный кодек Bluetooth LE Audio, а полная спецификация LE Audio была завершена 12 июля 2022 года. Разработанный совместно Fraunhofer IIS и Ericsson, LC3 заменяет SBC – базовый Bluetooth-кодек, поставлявшийся с версии 1.0, – и даёт равное или лучшее качество примерно при половинном битрейте. Он работает на крошечных фреймах 7,5 или 10 мс, чтобы держать задержку беспроводных наушников низкой, а расширение LC3plus дотягивается до высокого разрешения и вещания. LC3 – причина, по которой наушники вашего клиента важны для вашего видеопродукта: качество звонка, задержка «рот-ухо» и даже поддержка слуховых аппаратов теперь идут через него. Полное освещение – в статье LC3 и LC3plus.

Сравнение на цифрах: насколько умнее стали кодеки

Цифры делают прогресс наглядным. «Прозрачность» ниже означает, что большинство слушателей не могут надёжно отличить сжатый звук от оригинала в слепом тесте на типичной стереомузыке. Битрейт, нужный для прозрачности, – самая чистая единичная мера эффективности кодека.

MP3 (1993):     ~256 кбит/с для прозрачности
AAC-LC (1997):  ~192 кбит/с для прозрачности  (≈ на 25% меньше MP3)
Opus (2012):    ~128 кбит/с для прозрачности  (≈ на 33% меньше AAC-LC)

Распишем последний шаг вслух. Переход с 192 кбит/с у AAC-LC на 128 кбит/с у Opus при том же воспринимаемом качестве – это экономия:

(192 − 128) ÷ 192 = 64 ÷ 192 = 0,333… ≈ на 33% меньше битов

На треть меньше битов ради звука, который ухо считает идентичным, за пятнадцать лет исследований. Протяните линию назад в эпоху телефонии – и контраст ещё резче: G.711 тратит 64 кбит/с на один глухой голос, тогда как Opus несёт чёткую широкополосную речь меньше чем в 24 кбит/с и полную музыку в 128 кбит/с. Это дивиденд пятидесяти лет.

Геополитика: кто управляет стандартами

Кодеки – не только технология; это ещё и территории. Всё вышеперечисленное произвели четыре вида органов, и знание того, какой из них создал кодек, многое говорит о его лицензировании и охвате.

ITU (ITU-T для электросвязи, ITU-R для вещания) создал речевые кодеки – G.711, G.722 – и стандарты громкости и синхронизации звука с видео. ISO/IEC MPEG создал тяжеловесов музыкального племени: MP2, MP3, семейство AAC, USAC/xHE-AAC и MPEG-H. Они мощные, широко внедрённые и лицензируемые – вы платите за поставку кодера. Dolby, одна компания, создала AC-3, E-AC-3 и AC-4 и лицензирует их как проприетарные продукты с сильной привязкой в кино и вещании. IETF – орган стандартизации интернета – создал Opus, и его культура свободных от отчислений, открыто описанных стандартов и есть причина, по которой Opus бесплатен там, где AAC нет. Более новая пятая сила, AOMedia (консорциум за видеокодеком AV1), продвигает ту же философию свободы от отчислений в медиа в целом.

Практический вывод для продукта 2026 года: хотите бесплатно – тянитесь к линии IETF и Xiph (Opus, Vorbis, FLAC). Хотите универсальную поддержку устройств – тянитесь к линии MPEG (AAC). Поставляете в вещание или премиальный домашний кинотеатр – встретите Dolby, нравится вам лицензия или нет.

Таблица 1. Основные аудиокодеки в порядке чеклиста: племя, орган стандартизации, лицензионная позиция и актуальность в 2026 году. Даты – первая стандартизация; контролирующий документ каждого см. в разделе «Источники».

Частая ошибка: «новее кодек – значит надо переходить»

Самое дорогое неверное прочтение этой истории – считать её лестницей, по которой нужно постоянно карабкаться вверх. Это не так. Каждый кодек выживает, потому что владеет экосистемой, и именно экосистема, а не математика сжатия, решает, что вам стоит поставлять.

AAC-LC двадцать девять лет, и он по-прежнему правильный выбор по умолчанию для записанного видео, потому что каждый телефон, телевизор и браузер декодирует его аппаратно. Opus новее и эффективнее, но поставка звука Opus в видеофайле сломала бы воспроизведение на устройствах, ожидающих AAC, – поэтому Opus используют там, где он владеет территорией (реальное время, WebRTC), а AAC – там, где территорией владеет он (записанный стриминг). MP3 свободен от патентов и поддерживается повсеместно, но всё же редко является верным новым выбором, потому что AAC и Opus превосходят его на любом битрейте. Урок пятидесяти лет не в том, чтобы «всегда брать новейший кодек», а в том, чтобы «брать кодек, который владеет вашей задачей». Рамка принятия решения – в статье Как выбрать аудиокодек для вашего сервиса в 2026 году, а цифры лоб в лоб – в Сравнительной таблице аудиокодеков 2026.

Где здесь Фора Софт

Мы встречаем всю эту хронологию в продакшене. В наших проектах по видеосвязи, телемедицине и онлайн-обучению Opus – выбор по умолчанию (бесплатный, низколатентный, построенный для живого голоса), и мы опираемся на его речевой режим ради чёткой речи и на его прямую коррекцию ошибок ради потерь в сети. В проектах OTT и стриминга мы поставляем AAC-LC ради универсального воспроизведения и тянемся к E-AC-3 или AC-4, когда клиенту нужен surround или Atmos. На краях мы по-прежнему обрабатываем выживших: SIP-шлюз, откатывающийся к G.711, вещательный фид, приходящий как MP2, клиент, чьи наушники работают на LC3 и меняют бюджет задержки. Понимание того, какой кодек владеет какой задачей – и какой старый кодек вот-вот всплывёт из какого-нибудь легаси-угла, – часть корректной проработки любого аудиоконвейера.

Главное

• Кодек сжимает звук до доли от исходного PCM и восстанавливает его при воспроизведении.
• Звук вырос двумя племенами: речевые кодеки (линейное предсказание) и музыкальные (преобразования плюс маскировка).
• AAC-LC (1997) тихо победил записанное видео и остаётся выбором по умолчанию в 2026 году.
• Opus (2012) объединил оба племени, свободен от отчислений и владеет реальным временем и WebRTC.
• LC3 (2020) заменил SBC в каждом наушнике Bluetooth LE примерно при половинном битрейте.
• Берите кодек, который владеет вашей задачей, а не новейший на хронологии.

Что читать дальше

• Как работает сжатие звука: четыре идеи за каждым современным кодеком
• Opus: открытый кодек, который съел WebRTC
• Семейство AAC: AAC-LC, HE-AAC v1, HE-AAC v2, xHE-AAC