Каналы и форматы каналов: моно, стерео, 5.1, 7.1, 7.1.4

Кратко

Аудиоканал – это независимый поток звука, предназначенный для воспроизведения в определённой позиции вокруг слушателя, а формат каналов – это стандартизированная схема расположения этих позиций. Цифры в обозначениях «5.1» и «7.1.4» не случайны: первая цифра указывает количество полнодиапазонных колонок вокруг ушей, «.1» – канал низкочастотных эффектов с ограниченной полосой пропускания, а последняя цифра обозначает число потолочных колонок. Международный стандарт расположения колонок на уровне ушей – рекомендация ITU-R BS.775, согласно которой фронтальные колонки располагаются под углом ±30°, а тыловые – в диапазоне 100–120°; потолочные каналы и объектный звук описаны в более новой версии – ITU-R BS.2051. Выбирайте формат в зависимости от места воспроизведения: стерео – для веба и большинства видеозвонков, 5.1 – для эфирного вещания и OTT-платформ, 7.1.4 – для кинотеатров и премиального Dolby Atmos.

Зачем это нужно

Если вы разрабатываете видеопродукт – стриминговый сервис, приложение для видеосвязи, OTT-платформу или телемедицинский инструмент – вас обязательно спросят, сколько аудиоканалов поддерживать. Ответ влияет на стоимость хранения, сложность кодирования и, в конечном счёте, на то, что услышат пользователи. Менеджер продукта, который путает «5.1» с «шестью колонками» или считает, что телефон может проигрывать микс 7.1.4, рискует совершить серьёзные и дорогостоящие ошибки. Эта статья предлагает понятный словарь для общения с аудиоинженерами, стандарты, на которые можно опираться, когда вендоры расходятся во мнениях, и простое правило, какой формат подходит для какой задачи.

Что такое аудиоканал на самом деле

Представьте канал как одну полосу на дороге. Каждая полоса несёт свой трафик независимо от других, и в конце каждая ведёт в одно конкретное место. В звуке этим местом назначения служит колонка в определённой позиции, а трафиком – поток аудиосэмплов, предназначенный только для неё. Независимый поток звука для одной позиции воспроизведения называется каналом.

Одна запись может содержать один или несколько каналов. Голосовое сообщение – это один канал, то есть моно (монофонический звук). Музыкальный трек обычно имеет два канала – стерео (стереофонический звук): один для левой колонки, другой – для правой. Саундтрек к фильму может включать десятки каналов, каждый из которых направлен в свою колонку, расставленную вокруг и над комнатой.

Расстановка, определяющая, какой канал идёт в какую позицию, называется форматом каналов (или конфигурацией каналов). Формат – это своего рода соглашение. Звукорежиссёр заполняет каждый канал, исходя из этого формата; устройство воспроизведения считывает формат и направляет каждый канал в нужную колонку. Если стороны используют разные форматы, диалог из центрального канала может оказаться в тыловой колонке – и звучать неправильно, хотя все сэмплы сохранны.

От одного канала к многим: короткая история

Воспроизведение звука изначально было монофоническим – ранние системы не могли поддерживать больше одного канала. Один рупор, одна канавка, один передатчик – один поток звука. Моно до сих пор остаётся оптимальным выбором там, где пространственная информация не требуется: телефонный звонок, голосовая дорожка подкаста, объявление по громкой связи.

Переход к стерео в середине XX века добавил второй канал и вместе с ним – ощущение пространственной ширины. С левым и правым каналами звукорежиссёр может разместить гитару чуть левее, а вокал – по центру, и уши сами достраивают звуковую сцену между двумя колонками. Стерео – стандартный формат для музыки, веба и аудиодорожек большинства онлайн-видео.

Кино пошло дальше, потому что большому экрану нужен звук, точно следующий за изображением. Ранние кинотеатры использовали матричное кодирование – метод, при котором дополнительные каналы «упаковываются» в два стереоканала с помощью фазовых соотношений, а при воспроизведении снова разделяются. Dolby Stereo, представленный в 1976 году, позволял передавать четыре канала (левый, центральный, правый и моно-задний) по двухканальной оптической дорожке. Матричные системы были изящны, но неидеальны: при декодировании каналы «протекали» друг в друга.

Появление цифрового кодирования звука в начале 1990-х сняло это ограничение. Система AC-3 от Dolby, дебютировавшая в 1991 году, передавала пять полнодиапазонных каналов и один низкочастотный как полностью раздельные, дискретные потоки. Эта конфигурация получила название 5.1 и на протяжении трёх десятилетий остаётся основой вещания и домашнего кинотеатра. Дальнейшее развитие пошло по пути увеличения числа каналов: 7.1 добавил ещё два тыловых канала, а 7.1.4 – четыре колонки, расположенные над головой. Новейший шаг – объектный звук, например Dolby Atmos, – вообще отказывается от концепции фиксированных каналов колонок. Но к нему мы вернёмся позже, поскольку он напрямую опирается на более ранние форматы.

Читаем цифры: что на самом деле значат 5.1 и 7.1.4

Запись с точками выглядит загадочной, пока вы не узнаете, что каждая цифра обозначает свой тип колонок.

Первая цифра – количество полнодиапазонных каналов на уровне ушей, то есть колонок, расположенных вокруг вас по кругу. В формате 5.1 их пять: левый фронтальный, центральный, правый фронтальный и два тыловых. В формате 7.1 – семь: те же пять плюс ещё два боковых или тыловых канала.

Вторая цифра, после первой точки, – число каналов низкочастотных эффектов (LFE, low-frequency effects). Почти всегда он равен одному, поэтому так часто встречается «.1». «.1» – это не полноценная колонка, а особый канал, несущий только глубокий бас: грохот взрыва или низкие звуки оркестровой партитуры. По стандарту ITU-R BS.775 канал LFE ограничен полосой примерно 20–120 Гц и воспроизводится примерно на 10 дБ громче основных каналов. Он обозначается как «.1», а не «1», именно потому, что это канал с дробной полосой, а не полноценный.

Третья цифра, когда она присутствует, указывает количество потолочных (высотных) каналов – колонок, установленных в потолке или направленных вверх. В конфигурации 7.1.4 их четыре: две спереди над слушателем и две сзади. Потолочные каналы позволяют звуку распространяться над головой, а не только вокруг неё.

Итак, 7.1.4 читается как: семь колонок на уровне ушей, один басовый канал LFE, четыре потолочные колонки – всего двенадцать сигналов на колонки. Математика – это просто сложение, а запись подсказывает форму комнаты, которую ожидает микс.

Нажмите, чтобы увеличить

Подсчёт делает количество каналов наглядным. В формате 7.1.4 складываем компоненты: 7 каналов на уровне ушей + 1 LFE + 4 потолочных = 12 каналов. В формате 5.1.2 – распространённом компактном варианте Atmos: 5 + 1 + 2 = 8 каналов. В простом формате 5.1: 5 + 1 = 6 каналов. Вот почему «файл 5.1» содержит шесть каналов, а не пять – LFE учитывается в файле, хотя обозначается после точки.

Где на самом деле стоят колонки: ITU-R BS.775

Формат полезен только в том случае, если все участники согласны с расположением колонок. Международным эталоном является рекомендация ITU-R BS.775, в настоящее время действующая в редакции BS.775-3 (август 2012) под названием Multichannel stereophonic sound system with and without accompanying picture. Она определяет каноническое расположение каналов 5.1, и почти любая потребительская система объёмного звука наследует свою геометрию от этой рекомендации.

Рекомендация предполагает размещение трёх фронтальных колонок по дуге, охватывающей 60° в точке прослушивания: левая и правая фронтальные колонки располагаются под углом ±30° от центральной оси, а центральная – строго по центру, на 0°. Две тыловые колонки размещаются в секторах от 100° до 120° позади слушателя, отсчитывая от той же центральной оси. Боковые и тыловые колонки должны находиться не ближе к слушателю, чем фронтальные. Эти углы – не прихоть производителя, а нормативный стандарт, на основе которого разрабатывают оборудование вещатели и производители ресиверов.

Нажмите, чтобы увеличить

LFE заслуживает отдельного внимания, потому что это самый недопонятый канал в звуковом оформлении. BS.775 прямо указывает, что LFE – это необязательный дополнительный канал, а не важная часть микса: большинство телепрограмм оставляют его без звука, а при стереосведении он вообще исключается. И это не то же самое, что сабвуфер. Сабвуфер – это колонка, которую добавляют для воспроизведения низких частот со всех каналов с помощью процесса, называемого bass management; LFE – это отдельный канал контента, который может, но не обязан, направляться на этот сабвуфер. Смешение этих двух понятий – самая распространённая ошибка в системе 5.1, и стандарт посвящает этому несколько страниц предупреждений.

За пределами кольца: высотные каналы и ITU-2051

ITU-R BS.775 ограничивается горизонтальным кольцом. Когда создатели контента захотели размещать звук над слушателем, индустрии понадобился новый стандарт. Им стала рекомендация ITU-R BS.2051, ныне действующая версия BS.2051-3 (май 2022), под названием Advanced sound system for programme production. Она описывает форматы, выходящие за рамки BS.775, и, что важно, охватывает не только большее количество каналов, но и объектный и сценовый звук наряду с традиционным канальным подходом.

Канальная система, о которой мы говорили, привязывает каждый звук к фиксированной позиции колонки. Объектная система, напротив, хранит каждый звук как аудиообъект вместе с метаданными о его положении в пространстве – рендерер устройства воспроизведения затем размещает этот объект с помощью реально имеющихся колонок. Сценовый звук (ambisonics) записывает всё звуковое поле математически и восстанавливает его при воспроизведении. Стандарт BS.2051 описывает расположения колонок, на которые ориентированы эти продвинутые системы, включая конфигурации с четырьмя потолочными колонками – геометрию, которую потребительские устройства обозначают как 7.1.4.

Dolby Atmos и формат 7.1.4

Формат, с которым большинство знакомится через Dolby Atmos дома, – это 7.1.4: семь колонок на уровне ушей, один LFE и четыре потолочные (левая и правая верхне-передние, левая и правая верхне-задние). Рекомендации Dolby для домашнего использования предполагают размещение передних высотных колонок под углом 30–45° по азимуту, а задних высотных – около 135–150°, при этом все они должны быть подняты на 45–55° над уровнем слушателя.

Вот часть, которая связывает Atmos с обычными форматами каналов. Саундтрек Atmos – не чистые объекты в пустоте. Каждый микс Atmos включает канальную подложку (bed) – обычно формат 7.1 или 7.1.2 – в качестве основы, а метаданные объектов накладываются поверх неё. Так что 7.1.4 – это и реальный формат колонок, и холст, на который рендерятся объекты Atmos. Подложка гарантирует, что даже простая система воспроизведения получит связный микс; объекты добавляют точность для систем, способных их корректно разместить. Потолочные колонки «.4» – это то, что позволяет рендереру убедительно провести вертолёт спереди назад по потолку, а не туманно намекнуть: «что-то наверху».

Как кодеки и файлы передают эти каналы

Формат – это художественный замысел; кодек и контейнер – способы его передачи. Разные кодеки поддерживают разное количество каналов, и это ограничивает, какие форматы вы реально можете использовать.

Есть и вторая ловушка помимо числа каналов – порядок каналов. Два файла могут оба содержать «5.1», но хранить шесть каналов в разной последовательности. Порядок SMPTE/ITU, используемый большинством профессиональных WAV-файлов, – L, R, C, LFE, Ls, Rs. Кодек Opus по RFC 7845 использует Channel Mapping Family 1 с порядком, унаследованным от Vorbis, где каналы расставлены иначе. Если программа читает файл, предполагая неверный порядок, диалог центрального канала и LFE оказываются поменяны местами – дефект, который звучит катастрофически, но вызван несовпадением всего лишь одной строки метаданных, а не повреждением самого звука.

Частая ошибка: считать, что устройство воспроизведения совпадает с миксом

Самая частая ошибка в продакшене – отгрузить формат, который аудитория не может проиграть. Мастер 7.1.4 пропадает зря на ноутбуке с двумя колонками: плеер обязан свести его в стерео, и если это сведение сделано небрежно, диалог может просесть по уровню, а тыловые эффекты – заглушить центр. ITU-R BS.775 как раз поэтому задаёт уравнения сведения – например, центральный канал складывается в левый и правый с коэффициентом 0.7071 (это −3 дБ), чтобы диалог остался на разумном уровне, когда шесть каналов схлопываются в два. Урок: всегда знайте устройство с самыми слабыми возможностями в вашей аудитории и проверяйте сведение, а не только полный микс.

Какой формат куда подходит

Верное число каналов определяется местом воспроизведения контента, а не тем, насколько впечатляюще звучит цифра.

Для стримингового сервиса практичным решением является использование стереодорожки AAC в качестве универсальной основы, которую воспроизведёт любое устройство, а затем добавление дорожки 5.1 или Atmos как дополнительного уровня для устройств, способных их поддерживать. В случае видеосвязи или телемедицины почти всегда достаточно моно- или стереозвука – пространственные форматы добавляют избыточную стоимость и сложность, которые не нужны при общении вдвоём.

Где здесь Фора Софт

В видеопродуктах, которые мы создаём с 2005 года – стриминговые платформы, OTT и интернет-ТВ, видеосвязь, онлайн-обучение, телемедицина – формат звука появляется рано и незаметно влияет на стоимость. Пользователь стримингового сервиса, выбирающий между стереофоническим и многоканальным форматом 5.1-плюс-Atmos, на деле выбирает бюджет на хранение и доставку через CDN. Поэтому мы заранее моделируем количество каналов под реальные устройства аудитории – ещё до написания первой строки кода кодирования. В продуктах реального времени, таких как видеосвязь и телемедицина, мы намеренно используем моно- или стереозвук, поскольку на звонке важнее разборчивость и низкая задержка, чем объёмное звучание. Вопрос формата звучит просто, но цена ошибки в нём велика – именно поэтому он должен обсуждаться в самом начале, а не в конце.

Главное

• Канал – это независимый аудиопоток, предназначенный для определённой позиции колонки; формат определяет соответствие между каналами и их позициями.
• Первая цифра указывает количество каналов на уровне ушей, «.1» – это низкочастотный канал LFE с ограниченной полосой, последняя цифра обозначает потолочные колонки.
• Стандарт ITU-R BS.775 фиксирует геометрию 5.1: фронтальные колонки располагаются под углом ±30°, тыловые – в диапазоне 100–120°; BS.2051 описывает работу с высотой и объектным звуком.
• Файл формата 5.1 содержит шесть каналов, поскольку LFE учитывается отдельно; при этом LFE – это не сабвуфер как устройство, а аудиоканал.
• Выбор кодека может ограничивать количество поддерживаемых каналов, а несоответствие порядка каналов приводит к их незаметной перестановке.
• Выбирайте формат, исходя из возможностей самого слабого устройства в системе, и всегда проверяйте результат сведения.

Что почитать дальше

• Что такое цифровой звук: от звуковой волны к битам
• Звук в контейнерах: как MP4, MKV, fMP4, MPEG-TS передают аудио
• Канальный, объектный и сценовый звук