Семейство AAC: AAC-LC, HE-AAC v1, HE-AAC v2, xHE-AAC

Опубликовано: 2026-06-05 · Время чтения: 19 мин · Автор: Nikolay Sapunov, CEO в Фора Софт

Кратко

AAC – это не один кодек, а целое семейство: AAC-LC – простой высококачественный участник, на котором работает почти всё видео, что вы смотрите; HE-AAC v1 и v2 добавляют приёмы, восстанавливающие верхние частоты и стерео почти из ничего, поэтому блистают на очень низких битрейтах; а xHE-AAC, самый новый участник, объединяет кодирование речи и музыки в один поток, гибко работающий от 12 kbps моноречи до прозрачной стереомузыки. Выбор не того участника тратит полосу или ломает качество – AAC-LC на 16 kbps звучит сломанно, а xHE-AAC на 16 kbps звучит нормально. Каждый участник описан в стандарте ISO/IEC, и на 2026 год всё семейство покрыто одним патентным пулом (Via LA), где вы платите за поставку кодеров и декодеров, но не за распространение контента. Эта статья объясняет каждого участника, когда его использовать и одно правило, которое предотвращает самую частую ошибку с AAC.

Почему это важно

Если ваш продукт связан с видео – стриминг, видеосвязь, OTT, телемедицина, e-learning – AAC почти наверняка уже в вашем конвейере, потому что это аудиокодек по умолчанию для MP4, YouTube, Netflix, устройств Apple и большей части веба. Но «мы используем AAC» – незаконченная фраза. Четыре участника семейства ведут себя настолько по-разному, что путать их – всё равно что путать легковушку с грузовиком. Эта статья написана для менеджера продукта, основателя или операционного руководителя без аудиоподготовки; каждое утверждение опирается на стандарт ISO/IEC или заявление держателя патентов, а не на пересказ из вторых рук. Прочитав её, вы будете точно знать, какой именно AAC просить у инженеров и почему.

Семейство в одну строку про каждого

Аббревиатура AAC означает Advanced Audio Coding – продвинутое кодирование звука. Она впервые появилась в 1997 году как преемник MP3 и выросла в семейство, потому что инженеры продолжали добавлять необязательные слои поверх исходного кодека, а не заменять его. Каждый слой – это инструмент, который кодер может включить; каждый новый участник семейства – это исходный кодек плюс один-два инструмента. Этот слоистый дизайн – самое важное, что нужно понять, поэтому запомните: каждый участник AAC содержит AAC-LC в своей основе, а затем добавляет механику, выжимающую больше качества из меньшего числа бит.

Вот всё семейство в одну строку про каждого, от старейшего и простейшего к новейшему и хитрейшему:

• AAC-LC (Low Complexity) – простой полнокачественный кодек. По умолчанию для видео повсюду.
• HE-AAC v1 (High Efficiency) – AAC-LC плюс приём восстановления верхов под названием SBR. Хорош примерно до 48 kbps стерео.
• HE-AAC v2 – HE-AAC v1 плюс приём восстановления стерео под названием Parametric Stereo. Хорош примерно до 24 kbps стерео.
• xHE-AAC (Extended HE-AAC) – переработанное ядро, кодирующее ещё и речь, плюс обязательные метаданные громкости. Хорош от ~12 kbps моно до прозрачного стерео.

Остальная часть статьи разбирает каждого, показывает арифметику, благодаря которой приёмы работают, и даёт правило выбора. Мы будем опираться на разбор в статье как работает сжатие звука для базовых идей – психоакустического маскирования, частотного преобразования и энтропийного кодирования, – так что если какие-то из этих терминов кажутся шаткими, та статья – необходимое предисловие.

Нажмите, чтобы увеличить

AAC-LC: рабочая лошадка, которую вы уже поставляете

AAC-LC – это участник, которого вы почти наверняка используете прямо сейчас, не задумываясь. Когда телефон снимает видео, когда YouTube отдаёт ролик, когда iPhone проигрывает песню из приложения Music – звук очень часто именно AAC-LC. «LC» означает Low Complexity (низкая сложность), и это слегка обманчивое имя: оно не означает низкое качество. Оно означает, что кодек намеренно опускает несколько вычислительно дорогих инструментов из исходного дизайна AAC 1997 года, чтобы дешёвое железо могло декодировать его в реальном времени. Этот компромисс окупился: декодеры AAC-LC есть в каждом телефоне, браузере, смарт-ТВ и приставке, выпущенных за последние два десятилетия.

Причина, по которой AAC-LC заменил MP3 как формат по умолчанию, – простая арифметика, наряженная в инженерию. При одинаковом битрейте AAC-LC звучит чище, чем MP3, потому что использует более тонкий частотный анализ и более умные способы распределять биты на те части звука, которые ухо действительно замечает. Эмпирическое правило, на котором сошлась индустрия: AAC-LC достигает «прозрачного» качества – когда большинство слушателей не отличают его от оригинала – примерно на 128 kbps для стереомузыки. MP3 нужно около 192 kbps, чтобы прийти туда же. Так что при одинаковом качестве AAC-LC экономит около трети байтов:

MP3 прозрачно ≈ 192 kbps
AAC-LC прозрачно ≈ 128 kbps
192 ÷ 128 = 1,5× → AAC-LC нужно примерно на 33% меньше бит

Вот почему новый продукт в 2026 году, которому нужна максимальная совместимость – играть буквально на всём, – выбирает AAC-LC для стандартного стереозвука. Это безопасный выбор по умолчанию. Определяющий его стандарт – ISO/IEC 14496-3 (MPEG-4 Audio, текущая редакция 2019), который сам восходит к исходному AAC в стандарте MPEG-2 ISO/IEC 13818-7 от 1997 года.

Там, где AAC-LC перестаёт быть правильным ответом, – это подвал низких битрейтов. Ниже примерно 96 kbps для стерео AAC-LC начинает звучать тонко и зернисто, потому что бит попросту не хватает, чтобы описать полный звук. Именно этот разрыв и закрывают два следующих участника семейства.

HE-AAC v1: восстановление верхов, которые вы не передавали

Представьте, что вам надо описать фотографию человеку по слишком медленной телефонной линии, чтобы передать всю картинку. Вы могли бы передать нижние две трети в деталях, а потом сказать: «верхняя треть – это ещё небо, того же синего, светлеющего к верху». Слушатель дорисует недостающую треть по вашей подсказке. Он не получит точное исходное небо, но получит убедительное, а вы передали для него почти ноль данных.

Именно это HE-AAC v1 делает со звуком. Приём называется Spectral Band Replication, или SBR. Верхние частоты – высокие, искра в тарелках и согласных – дороги для полного кодирования, но часто тесно связаны с нижними частотами под ними. Поэтому HE-AAC v1 кодирует нижние частоты как следует обычным AAC-LC, а затем передаёт крошечный набор инструкций – несколько килобит, – говорящих декодеру, как восстановить недостающие верха из баса и середины, которые у него уже есть. Декодер реплицирует верхнюю полосу частот – отсюда и название.

Выигрыш велик. Полоса верхов, полное кодирование которой могло бы стоить 30 kbps, описывается подсказкой за 2–3 kbps. Освободившийся бюджет идёт в ту часть звука, которая ухо волнует больше всего. Результат: HE-AAC v1 выдаёт приемлемую стереомузыку на битрейтах, где простой AAC-LC рассыпается, – примерно в диапазоне 48–64 kbps. Контролируемые тесты органа стандартизации 3GPP оценили HE-AAC и HE-AAC v2 как «хорошие» для музыки на битрейтах вплоть до 24 kbps.

HE-AAC v1 родился вне MPEG. Компания Coding Technologies построила SBR поверх AAC-LC для спутникового радио, продвигала его как «aacPlus» и «AAC+», а затем передала метод SBR в MPEG, который стандартизировал его в 2003 году как ISO/IEC 14496-3:2001/Amd 1:2003. Если вы когда-нибудь увидите поток с меткой «aacPlus», «AAC+» или «eAAC» – это HE-AAC v1 под торговым названием.

«Подводный камень – старый декодер слышит HE-AAC вполовину ярче. Поскольку HE-AAC v1 – это AAC-LC плюс подсказка SBR, декодер, не понимающий SBR, всё равно проиграет файл – он просто проигнорирует инструкции восстановления верхов и выдаст только низкочастотное ядро AAC-LC. Звук играет, но звучит приглушённо, будто на динамики набросили одеяло, а некоторые старые плееры даже показывают длину дорожки вдвое больше реальной. Если клиент говорит «ваш низкобитрейтный поток звучит глухо на моём старом устройстве» – первый подозреваемый отсутствующий декодер SBR. Всегда подтверждайте, что целевые устройства поддерживают именно того участника AAC, которого вы поставляете.»

HE-AAC v2: восстановление ещё и стерео

HE-AAC v2 идёт на шаг дальше с той же идеей и применяет её к стереокартине. Двухканальное стерео обычно стоит почти вдвое дороже моно, потому что вы передаёте левый канал и правый. Но эти два канала обычно очень похожи – большая часть звука находится в середине, а различия между левым и правым малы и описываются горсткой чисел, а не полноценным вторым каналом.

Это Parametric Stereo, или PS. Кодер сводит два канала в один моноканал, кодирует этот моноканал как следует, а затем передаёт крошечный побочный поток параметров – чисел, описывающих, как разложить моносигнал обратно в убедительные левый и правый на декодере. Вся стереокартина восстанавливается из одного реального канала плюс нескольких килобит пространственных подсказок.

Сложите это поверх SBR – и получите HE-AAC v2: AAC-LC для ядра, SBR для верхов, Parametric Stereo для ширины. Три слоя, каждый восстанавливает что-то, что кодеру больше не нужно передавать целиком. Результат – стереомузыка, остающаяся слушабельной примерно на 24–32 kbps – битрейте, на котором простой AAC-LC был бы непригодным шумом. Вот эта слоистость как простая арифметика:

Полное стерео, корректно кодированное:   ~128 kbps для прозрачности
+ SBR (восстановить верха):              верха подсказаны за ~2–3 kbps вместо ~30 kbps
+ Parametric Stereo (восстановить ширину): 2-й канал становится ~3 kbps параметров
Итог (HE-AAC v2):                        слушабельное стерео на ~24 kbps

HE-AAC v2 стандартизирован в 2006 году как ISO/IEC 14496-3:2005/Amd 2:2006, при этом сам инструмент Parametric Stereo опубликован ранее, в 2004 году. Вендоры продвигали его как «aacPlus v2», «eAAC+» и «Enhanced AAC+». Он стал обязательным аудиоформатом в спецификациях 3GPP для мультимедиа 3G, поэтому распространился по раннему мобильному стримингу и стандартам цифрового радио вроде DAB+ и Digital Radio Mondiale.

Но есть потолок качества, и он важен. SBR и Parametric Stereo – это реконструкции, а не сам оригинал. Они великолепны, когда бит мало, но по мере роста битрейта перестают помогать и могут даже сдерживать, потому что восстановленные верха и стерео никогда не дотягивают до полностью кодированного оригинала. Поэтому HE-AAC v2 – специалист по низким битрейтам. Выше примерно 64 kbps простой AAC-LC звучит так же хорошо или лучше и проще. В идеале кодер переключает участника в зависимости от целевого битрейта – и именно эту идею одного потока, гибкого по битрейтам, и должен был воплотить новейший участник.

xHE-AAC: один кодек для речи и музыки на любом битрейте

Сорок лет аудиоинженерия держала речь и музыку в разных коробках. Речевые кодеки – те, что в ваших телефонных звонках, – моделируют человеческий голосовой аппарат и превосходно звучат на голосе при крошечных битрейтах, но калечат музыку. Музыкальные кодеки вроде AAC делают наоборот: отлично на музыке, расточительно на речи. Единому продукту, несущему и то и другое – скажем, видео с диалогом, потом музыкальная отбивка, потом снова диалог, – приходилось либо идти на компромисс, либо переключать кодеки посреди потока.

xHE-AAC завершает этот раскол. «x» означает Extended (расширенный), и кодек построен на технологии под названием USAC – Unified Speech and Audio Coding, объединённое кодирование речи и звука, стандартизированной как ISO/IEC 23003-3 в 2012 году. USAC – это не AAC-LC с дополнительными инструментами; это переработанное ядро, способное решать кадр за кадром, что данный момент звука – более речевой или более музыкальный, и кодировать его подходящим инструментом. Результат – кодек, держащийся на огромном диапазоне битрейтов: примерно 12 kbps для моноречи, плавно поднимаясь к прозрачной стереомузыке на более высоких ставках, и всё это одним непрерывным семейством настроек.

Две особенности делают xHE-AAC значимым именно для видеопродуктов.

Первая – гибкость битрейта для адаптивного стриминга. Современный стриминг отдаёт разные уровни качества под разные сетевые условия – приём, разобранный в статье адаптивные битрейтные лестницы для звука. xHE-AAC спроектирован покрывать всю эту лестницу одним кодеком, бесшовно переключая битрейты по мере смены сети, так что телефон на слабом соединении падает до 16 kbps без слышимого разрыва и поднимается обратно к полному качеству, когда сигнал возвращается. Netflix сообщил, что после перевода мобильного стриминга на Android на адаптивный звук xHE-AAC зрители на контенте с высоким динамическим диапазоном на 16% реже переключались с динамиков на наушники – измеримый выигрыш в комфорте.

Вторая – обязательные метаданные громкости и динамического диапазона, построенные на стандарте MPEG-D DRC. Каждый поток xHE-AAC обязан нести объективное измерение громкости, вычисленное по алгоритму ITU-R BS.1770, разобранному в статье громкость, peak, RMS, LUFS, плюс инструкции, которыми декодер может на лету сжать динамический диапазон. Практический эффект: слушатель в шумном автобусе может попросить устройство сгладить разброс тихого-громкого, чтобы диалог оставался слышимым, и устройство делает это при воспроизведении по метаданным, которые кодер уже встроил. Контроль громкости в xHE-AAC – не запоздалая мысль; он требуется стандартом.

xHE-AAC поддерживается в Android начиная с версии 9 (Pie, 2018), в iOS начиная с версии 13 (2019), а также в Windows 11 и Xbox с октября 2022 года. По состоянию на сентябрьское обновление железа Amazon в 2025 году новые устройства Echo и Fire TV декодируют его нативно. Fraunhofer сообщает, что сервисы, включая Netflix, Audible, Facebook и Instagram, сейчас отдают миллиарды часов контента xHE-AAC каждый месяц. Разрыв в совместимости, когда-то делавший xHE-AAC рискованным выбором, для мобильной и современной смарт-ТВ-аудитории во многом закрылся.

Выбор нужного участника: решение за минуту

Выбор между участниками AAC сводится к двум вопросам: сколько бит вы можете потратить и какие устройства должны его проиграть. Таблица ниже – краткая версия.

Таблица 1. Четыре участника AAC с одного взгляда. «Оптимум» – диапазон битрейтов, где каждый участник звучит лучше всего за свою цену; вне его обычно выигрывает другой участник.

Разобранный пример показывает, как окупаются слои. Допустим, вы стримите 90-минутное шоу из разговоров и музыки на телефоны и хотите запасную дорожку для пользователей на плохом сотовом соединении на 24 kbps стерео. AAC-LC на 24 kbps был бы непригоден. HE-AAC v2 на 24 kbps слушабелен. xHE-AAC на 24 kbps уверенно хорош и несёт метаданные громкости для слушателя в шумной обстановке. Если каждый целевой телефон продан после 2019 года – ответ xHE-AAC. Если нужно поддержать парк более старых или дешёвых устройств – HE-AAC v2 как безопасный нижний предел, а AAC-LC для верхних ступеней.

«Подводный камень – «мы используем AAC» почти ничего не говорит инженерам. Четыре участника различаются на порядок по поведению на низком битрейте. Задача с текстом «закодировать звук в AAC на 32 kbps» без указания участника во многих инструментах по умолчанию даст AAC-LC – а AAC-LC на 32 kbps стерео звучит сломанно. Всегда указывайте участника (AAC-LC, HE-AAC v2, xHE-AAC) и профиль, а не просто «AAC». Та же осторожность нужна при приёме файлов: читайте реальный профиль в контейнере, потому что «это .m4a» не говорит, какой AAC внутри.»

Как AAC сидит внутри ваших файлов и потоков

AAC – это кодек, а не файл. Кодированный поток AAC едет внутри контейнера – обычно MP4 или его фрагментированного варианта fMP4 для стриминга, иногда сырого потока ADTS с расширением .aac, иногда Matroska. Контейнер записывает, какой профиль AAC использует поток, так что корректный плеер читает это поле и загружает подходящий декодер. Это то же разделение «кодек против контейнера», что и в статье аудио в контейнерах: контейнер – это коробка, профиль AAC – то, что внутри.

Для стриминга по HLS и DASH профиль также объявляется в манифесте и в параметре codecs – строки вроде mp4a.40.2 для AAC-LC, mp4a.40.5 для HE-AAC v1, mp4a.40.29 для HE-AAC v2 и mp4a.40.42 для xHE-AAC. Плееры используют эти строки, чтобы ещё до загрузки хоть одного аудиосегмента решить, могут ли они проиграть дорожку. Ошибётесь со строкой кодека – и способное устройство может отказаться от дорожки, которую на деле декодирует, или попытаться загрузить ту, что не может. Как плеер выбирает среди аудиодорожек, подробно разобрано в статье аудио в HLS, DASH, CMAF.

Лицензирование в 2026: кто платит и за что

Лицензирование аудиокодеков путает людей, потому что переплетаются два разных вопроса: плачу ли я за использование софта кодека и плачу ли я за распространение контента, закодированного им. Для семейства AAC ответы на 2026 год яснее, чем подсказывают слухи.

Семейство AAC – AAC-LC, HE-AAC v1, HE-AAC v2 и xHE-AAC вместе с инструментами громкости MPEG-D DRC – покрыто единым патентным пулом. Этот пул годами вёл Via Licensing, а после слияния Via Licensing с MPEG LA в 2022 году он администрируется под брендом Via LA. Компании-продукту, поставляющей кодер или декодер AAC – в железе или софте, – нужна лицензия, и она платит поштучное роялти. Важно: xHE-AAC и его инструменты DRC включены в ту же программу AAC без дополнительной платы сверх базового AAC, так что переход на новейшего участника не добавляет новой лицензионной строки.

Часть, на которой спотыкаются: в отличие от старой программы MP3 до её истечения в 2017 году, владельцы контента не обязаны платить лицензионные сборы просто за распространение контента, закодированного в AAC. Если вы стримите звук AAC своим пользователям, вы распространяете контент, а не поставляете кодек, и пул за это с вас не берёт. Роялти привязано к продуктам-кодерам и декодерам, поэтому его стоимость обычно лежит на разработчике ОС, браузера или устройства, а не на вас. Для большинства продуктовых команд, использующих AAC через встроенный кодер и декодер платформы, лицензирование уже улажено выше по цепочке. Если вы встраиваете собственный коммерческий кодер AAC – уточните его условия, но плату за распространение контента за сам формат вы платить не будете.

Это резко контрастирует с Opus, бесплатным открытым кодеком, доминирующим в WebRTC, где лицензировать вообще нечего – пула нет. Выбор между AAC и Opus часто сводится именно к этому: универсальная поддержка устройств и вещательная родословная AAC против нулевого лицензирования и сильных сторон реального времени у Opus.

Где здесь Фора Софт

Мы встраиваем звук в видеопродукты в стриминге, OTT и интернет-ТВ, видеосвязи, телемедицине, e-learning и AR/VR с 2005 года. AAC – это аудиокодек, к которому мы чаще всего обращаемся в стриминге и VOD-работе, потому что он играет на каждом устройстве, которым владеет аудитория клиента. Мы выбираем AAC-LC для стандартных ступеней стриминговой лестницы, добавляем HE-AAC или xHE-AAC для низкобитрейтного запасного варианта, удерживающего мобильных зрителей на связи, и опираемся на метаданные громкости xHE-AAC, когда контент клиента качается между тихим диалогом и громким экшеном. Повторяющийся урок из практики – тот, с которого началась эта статья: сбой почти никогда не «AAC – не тот кодек», а поставка не того участника AAC под битрейт или вовсе неуказание участника.

Главное

• AAC – это семейство из четырёх участников, каждый – AAC-LC плюс инструменты восстановления.
• AAC-LC – универсальный выбор по умолчанию; тонко звучит ниже ~96 kbps стерео.
• HE-AAC v1 восстанавливает верха (SBR); HE-AAC v2 ещё и стерео (PS).
• xHE-AAC охватывает от 12 kbps речи до прозрачной музыки, с обязательной громкостью.
• Всегда указывайте участника и профиль AAC, а не просто «AAC».
• Распространение контента AAC не несёт платы; роялти – на кодерах и декодерах.

Что почитать дальше

• Как работает сжатие звука: четыре идеи в основе любого современного кодека
• Opus: открытый кодек, который захватил WebRTC
• Громкость, peak, RMS, LUFS – как на самом деле измеряют громкость звука