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

Кратко

Аудиоканал – это один независимый поток звука, предназначенный для одной позиции вокруг слушателя, а формат каналов – это согласованная карта того, где эти позиции находятся. Цифры в «5.1» и «7.1.4» не случайны: первая – это полнодиапазонные колонки вокруг ушей, «.1» – канал низкочастотных эффектов с ограниченной полосой, а последняя цифра – потолочные колонки. Международный эталон для расположения на уровне ушей – рекомендация ITU-R BS.775, которая фиксирует фронтальные колонки на ±30°, а тыловые – на 100–120°; потолочное расширение и объектный звук описывает более новая ITU-R BS.2051. Выбирайте формат по тому, где будет воспроизводиться контент: стерео для веба и большинства звонков, 5.1 для вещания и OTT, 7.1.4 для кино и премиального Dolby Atmos.

Зачем это нужно

Если вы делаете видеопродукт – стриминговый сервис, приложение для видеосвязи, OTT-платформу, телемедицинский инструмент – вас спросят, сколько аудиоканалов поддерживать, и ответ влияет на счёт за хранение, лестницу кодирования и на то, что в итоге слышат пользователи. Менеджер продукта, который путает «5.1» с «шестью колонками» или думает, что телефон проигрывает микс 7.1.4, совершает дорогие ошибки. Эта статья даёт словарь для разговора с аудиоинженерами, стандарты, на которые можно ссылаться, когда вендоры расходятся, и понятное правило, какой формат куда подходит.

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 полоса ведёт в одно конкретное место. В звуке этим местом назначения служит колонка в известной позиции, а трафиком – поток аудиосэмплов, предназначенный только для неё. Независимый поток звука для одной позиции воспроизведения называется каналом.

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

Расстановка, которая говорит, какой канал в какую позицию идёт, называется форматом каналов (или конфигурацией каналов). Формат – это контракт. Звукорежиссёр заполняет каждый канал, опираясь на формат; устройство воспроизведения читает формат и направляет каждый канал в нужную колонку. Если стороны расходятся в формате, диалог центрального канала может оказаться в тыловой колонке – и звучит неправильно, хотя все сэмплы целы.

От одного канала к многим: короткая история

Воспроизведение звука начиналось с одного канала, потому что больше ранние системы нести не могли. Один рупор, одна канавка, один передатчик – один поток звука. Моно до сих пор верный выбор там, где нет пространственной информации: телефонный звонок, голосовая дорожка подкаста, объявление на громкую связь.

Переход к стерео в середине XX века добавил второй канал и вместе с ним иллюзию ширины. С левым и правым каналом звукорежиссёр может поставить гитару чуть левее, а вокал – по центру, и уши достраивают звуковую сцену между двумя колонками. Стерео – формат по умолчанию для музыки, для веба и для аудиодорожки большинства онлайн-видео.

Кино пошло дальше, потому что большому экрану нужен звук, следующий за картинкой. Раннее кинотеатральное окружение использовало матричное кодирование – приём, который сворачивает дополнительные каналы в два стереоканала через фазовые соотношения, а на воспроизведении разворачивает обратно. Dolby Stereo, представленный в 1976 году, так доставлял четыре канала (левый, центр, правый и моно-тыл) внутри двухканальной оптической дорожки. Матричные системы были изящны, но неидеальны: развёрнутые 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, несла пять полнодиапазонных каналов плюс низкочастотный как полностью раздельные, дискретные потоки. Эта конфигурация стала 5.1 и три десятилетия остаётся опорой вещания и домашнего кино. Дальше счёт рос: 7.1 добавил ещё два тыловых канала, а 7.1.4 – четыре колонки над головой. Новейший шаг, объектный звук вроде Dolby Atmos, вовсе перестаёт мыслить фиксированными каналами колонок – но к нему мы вернёмся, потому что он напрямую опирается на форматы ниже.

Читаем цифры: что на самом деле значат 5.1 и 7.1.4

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

Первая цифра – число полнодиапазонных каналов на уровне ушей, то есть колонок в кольце вокруг вас. В 5.1 их пять: фронтальный левый, центр, фронтальный правый и два тыловых. В 7.1 их семь: те же пять плюс два дополнительных боковых или тыловых.

Вторая цифра, после первой точки, – число каналов низкочастотных эффектов (LFE, low-frequency effects). Почти всегда он ровно один, поэтому так часто видна «.1». «.1» – это не полная колонка, а особый канал, несущий только глубокий бас: грохот взрыва или низ оркестровой партитуры. По ITU-R BS.775 канал LFE ограничен полосой примерно 20–120 Hz и воспроизводится примерно на 10 dB громче основных каналов. Он пишется как «.1», а не «1» именно потому, что это канал с дробной полосой, а не полный.

Третья цифра, когда она есть, считает потолочные (высотные) каналы – колонки в потолке или направленные вверх. В 7.1.4 их четыре: две впереди над вами и две сзади. Высотные каналы – то, что позволяет звуку двигаться 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 суммы наглядными. Для формата 7.1.4 складываем части: 7 на уровне ушей + 1 LFE + 4 потолочных = 12 каналов. Для 5.1.2, распространённого компактного формата Atmos: 5 + 1 + 2 = 8 каналов. Для простого 5.1: 5 + 1 = 6 каналов. Вот почему «файл 5.1» содержит шесть каналов, а не пять – LFE считается в файле, хотя пишется после точки.

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

Формат полезен, только если все согласны, где стоят колонки. Международный эталон – рекомендация ITU-R BS.775, сейчас в редакции BS.775-3 (август 2012), под названием Multichannel stereophonic sound system with and without accompanying picture. Она задаёт каноническое расположение 5.1, и почти любая потребительская система окружения наследует свою геометрию от неё.

Рекомендация ставит три фронтальные колонки на дуге, охватывающей 60° в точке прослушивания, – значит, левая и правая фронтальные сидят на ±30° от центральной линии, а центральная колонка прямо по курсу на 0°. Две тыловые колонки уходят в секторы от 100° до 120° позади слушателя, считая от того же центрально-фронтального ориентира. Боковые и тыловые колонки должны быть не ближе к слушателю, чем фронтальные. Эти углы не вкус вендора, а нормативный эталон, под который строят вещатели и производители ресиверов.

Нажмите, чтобы увеличить

LFE заслуживает отдельной заметки, потому что это самый недопонятый канал в звуке. BS.775 прямо говорит, что LFE – это необязательное дополнение, а не существенная часть микса: большинство телепрограмм оставляют его молчать, а стереосведение отбрасывает его целиком. И это не то же самое, что сабвуфер. Сабвуфер – колонка, которую добавляют, чтобы воспроизводить глубокий бас из всех каналов через процесс под названием bass management; LFE – канал контента, который может быть направлен или не направлен в этот сабвуфер. Смешение этих двух понятий – самая частая ошибка в 5.1, и стандарт тратит несколько страниц на предупреждение об этом.

За пределами кольца: высотные каналы и ITU-R BS.2051

ITU-R BS.775 останавливается на горизонтальном кольце. Когда миксы захотели ставить звук над слушателем, индустрии понадобился новый эталон. Это рекомендация ITU-R BS.2051, сейчас BS.2051-3 (май 2022), под названием Advanced sound system for programme production. Она описывает форматы, выходящие за BS.775, и, что важно, охватывает не только больше каналов, но и объектный и сценовый звук наряду с традиционным канальным подходом.

Канальная система, та, что мы описывали, привязывает каждый поток к фиксированной позиции колонки. Объектная система вместо этого хранит каждый звук как аудиообъект плюс метаданные о том, где он должен быть в комнате; рендерер в устройстве воспроизведения затем размещает этот объект теми колонками, что реально есть. Сценовый звук (ambisonics) записывает всё звуковое поле математически и восстанавливает его на воспроизведении. BS.2051 каталогизирует расположения колонок, на которые нацелены эти продвинутые системы, включая конфигурации с четырьмя потолочными колонками – геометрию, которую потребительские продукты помечают 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). Собственные рекомендации Dolby для дома ставят передние высотные колонки около 30–45° по азимуту, а задние высотные – около 135–150°, обе подняты на 45–55° над слушателем.

Вот часть, которая связывает Atmos с обычными форматами каналов. Саундтрек Atmos – не чистые объекты в пустоте. Каждый микс Atmos несёт канальную подложку (bed) – обычно формат 7.1 или 7.1.2 – как основу, а метаданные объектов едут 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, которые могут их 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 несут эти каналы

Формат – это художественный замысел; кодек и контейнер – то, как он путешествует. Разные кодеки поддерживают сильно разное число каналов, и это ограничивает, какие форматы вы реально можете отгрузить.

Есть и вторая ловушка помимо числа каналов – порядок каналов. Два файла могут оба держать «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 ПО читает файл, предполагая неверный порядок, диалог центра и LFE меняются местами – дефект, который звучит катастрофически, но идёт от несовпадения в одной строке метаданных, а не от повреждения 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 – забить 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 dB), 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 задаётся тем, где играет контент, а не тем, насколько внушительно звучит цифра.

Для стримингового сервиса практичный шаблон – отгрузить стерео-дорожку AAC как универсальную базу, которую проиграет любое устройство, а затем добавить дорожку 5.1 или Atmos как необязательный верхний уровень для способных устройств. Для продукта видеосвязи или телемедицины почти всегда верно моно или стерео – пространственные форматы добавляют стоимость и сложность, которую звонок на двоих использовать не может.

Где здесь Фора Софт

В видеопродуктах, которые мы строим с 2005 года, – стриминговые платформы, OTT и интернет-ТВ, видеосвязь, онлайн-обучение, телемедицина – формат каналов всплывает рано и тихо тянет за собой стоимость. Клиент стриминга, выбирающий между лестницей только из стерео и многодорожечной лестницей 5.1-плюс-Atmos, на деле выбирает бюджет на хранение и CDN, поэтому мы моделируем число каналов под реальные устройства аудитории прежде, чем напишем строку кода кодирования. Для продуктов реального времени вроде видеосвязи и телемедицины мы намеренно держим звук моно или стерео, потому что на звонке важнее разборчивость и низкая задержка, чем пространственная ширина. Вопрос формата мал в формулировке и велик в цене ошибки – именно поэтому ему место в первом разговоре, а не в последнем.

Главное

• Канал – это один независимый аудиопоток для одной позиции колонки; формат сопоставляет каналы с позициями.
• Первая цифра считает колонки на уровне ушей, «.1» – басовый канал LFE с узкой полосой, последняя – потолочные колонки.
• ITU-R BS.775 фиксирует геометрию 5.1: фронт на ±30°, тыл на 100–120°; BS.2051 покрывает высоту и объектный звук.
• «Файл 5.1» содержит шесть каналов, потому что LFE считается; LFE – это не сабвуфер.
• Выбор кодека ограничивает число каналов, а несовпадение порядка каналов незаметно их меняет местами.
• Выбирайте формат по устройству с самыми слабыми возможностями и всегда проверяйте сведение.

Что почитать дальше

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