Re: [問題] 我不要心理作用~~~

[Zenta (忙碌的接線生)]

很簡單地補充一下MP3壓縮中關於聽覺心理學的部分，

對於音訊壓縮技術已有涉獵的人可以直接略過這篇，

有錯誤或不清楚的部分願意補充當然更感激。



MP3 以及其他音訊壓縮法，演算法的設計不盡相同，

其中除了資料壓縮技術外，很重要的一環在於聽覺心理學模型的使用，

也就是

"盡可能捨棄人耳不敏感的部分，將信息量保留人耳易感知的部分"

以mp3壓縮為例，這並不是單純地在頻率響應上砍掉極高頻跟極低頻，

有兩個主要的聽覺特性會被考慮，

(1) ？(Absolute threshold of hearing) 不知道怎麼翻...

這個指的是對於不同頻率的聲音，感知能力不同，

如果把"可以聽到"的音量對頻率做成一張圖，

它的曲線類似一個不對稱的碗公，人耳在2~4khz最敏感，所以可感知音量最小，

越往極高頻跟極低頻的感知能力越差，也就是可感知音量越高；

所以對於mp3是砍極高頻跟極低頻的說法，

其實只對了一部份，因為基於此效應，極高頻跟及低頻的訊號確實較容易被捨棄。


(2)遮蔽效應(masking effect)

音量大的聲音，會遮蔽音量小的聲音，這又可分為頻率上跟時間上兩種。

頻域上，

大音量的單頻率訊號出現，可能為遮蔽者(masker)，會造成鄰近頻率較小聲的訊號無法被察覺，

也就是說，對於鄰近頻率訊號的敏感度，因為這個大音量的單頻訊號而降地了，

遮蔽的範圍又會遮蔽者發生的頻段不同而有差異。

時域上，

一個大音量的訊號，會遮蔽前後數十微秒內的小音量訊號，

向後遮蔽的時間長短又會受該遮蔽者存在時間影響。



所以，

MP3壓縮演算法中，有一部份是對原音訊作傅立葉轉換(Fourier Transform)，

將之從時域轉換至頻域上分析，也就是：

聲量對時間的分佈 --> 聲量在頻率上的分佈

依聽覺心理學模型去分析並計算出會被遮蔽、人耳難以察覺的部分，

再行捨棄，當然，使用的bit rate越高，需要被捨棄的也就越少。


除了這兩個效應外，

MP3壓縮其實還有一些其他演算法設計，會盡量將訊號量用在比較多訊息的部分；

而這篇提到的聽覺心理學模型，也只是一個統計的結果，

每個人的聽覺能力跟傾向都略有差異，但大致上不會離這個模型太遠。



講這麼多，針對原po的問題，

有損壓縮技術一定會帶來失真，但聽不聽得出來就不一定了，

這跟壓縮演算法、音樂類型、錄音品質、壓縮轉檔品質、器材、個人聽力都很有關係！

以我個人感覺，

例如一些流行音樂不是現場收音，較少空間訊息存在，

如果編曲不要太複雜，使用合成樂器多一些，

事實上壓縮所造成的差異並不會很大。


最後，

不需要看到有損壓縮就認為一定要聽出差異，

也不是聽出差異的就是金耳朵，（更甭說可能有誇大的成分在內）

音樂重播品質的影響因子很多，除了忠於自己的耳朵之外，

多涉獵一些基本知識，尤其聽覺心理學，可以更瞭解人耳的限制與特性，

而避免落入人云亦云或是無謂強求的情況。

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.224.43.76
推 terry0201:首推
→ sniper0710:推最後一段
推 mathtokyo:推推推~
推 john0312:推.
推 kyleks:大推
推 snd:很多錄音的空間系效果器也是用演算的
→ snd:這種錄出來的用mp3壓縮差異就會很不明顯
※ 編輯: Zenta           來自: 118.168.47.84        (06/27 17:05)
推 amurorei:看耳機版除了掉坑之外還能長知識！
推 csstalker:長知識推
推 johnnycgi:好文
推 a0936370689:感恩原PO的指教:)~ 我大約懂了!
推 Selkirs:absolute threshold 指的是"絕對閾值"也就是分辨無刺激跟
→ Selkirs:有刺激的最低刺激強度。
→ Selkirs:所以absolute threshold of hearing可稱作 聽覺的絕對閾值
→ Zenta:喔~~感謝樓上，一直找不到threshold對應的中文詞彙，閥值啊~
推 yuukaze:看耳機板長知識
推 laca:好文!! 長知識 !
推 xellence:zenta大 是唸作閾(ㄩˋ)值 不是閥(ㄈㄚˊ)值喔
→ Zenta:感謝樓上...我真是眼殘啊...po文長知識
推 skiOMG:聽覺的絕對底限值(門檻、閾值)
→ skiOMG:囧   有人推了......
推 hankckh:長知識推＋1