På videosidan sysslar vi med bildstorlekar, bildförhållanden, zoominställningar, f-stopp och bildhastigheter. Ljudsidan har också sina siffror, men de är lite lättare att linda runt.
Är inte allt ljud digitalt idag?
Tillbaka i gamla tider spelades ljud in på analoga band. För slutanvändaren var detta inte mycket svårare än våra digitala inspelare idag, men det hände mycket mer bakom kulisserna. Till exempel, förr i tiden anlitade en typisk inspelningsstudio en ingenjör för att underhålla ljudutrustningen. Bandhuvuden måste justeras, inspelningsförspänningen justeras och nivåerna kalibreras före varje session. Om studion eller producenten ändrade märke eller kvalitet på inspelningsbandet krävdes en helt ny grupp inställningar. Sedan fanns det brusreduceringssystem som introducerade sina egna kalibreringar och artefakter i mixen. Till råga på allt måste inspelningsteknikern veta hur man spelar in på ett visst sätt så att det skulle låta korrekt vid uppspelning. Denna smärta och lidande fortsätter än idag – särskilt i avancerade studior där de vill ha det svårfångade "analoga ljudet" på sina moderna inspelningar.
Får vårt jobb att se enkelt ut, eller hur? För en enkel digital ljudinspelning ansluter vi ett ljudgränssnitt till vår dator, startar en inspelningsapplikation, kontrollerar mätarna och trycker på Spela in. Grundläggande nivåjusteringar är allt vi har att hantera fram till efterproduktion. När du spelar in ljud med din videokamera är det ännu enklare. Anslut bara en mikrofon och tryck på Spela in – kameran gör resten åt dig. Naturligtvis, som med analoga, händer det mycket under ytan även i den digitala världen, men det är mikroprocessorerna som styr. Vi låter dem bara göra sitt.
När ljudet kommer in i en digital inspelare eller videokamera, digitaliseras ljudet och förvandlas till digitala "ord" som kopieras till band, hårddisk eller minneskort. Vid uppspelning avkodas den digitala strömmen och omvandlas tillbaka till en analog signal som spelas genom dina högtalare eller hörlurar. Enkelt, eller hur? Tja...
Digitala ljudsamplingsfrekvenser
När ljudet digitaliseras får det två specifika egenskaper:samplingshastighet och bitdjup. Samplingshastighet är hur många gånger per sekund ljud samplas för att konvertera det till en digital fil. Ju fler prover per sekund, desto bättre kvalitet. Det faktiska antalet prover som krävs för att skapa en teoretiskt perfekt kopia styrs av Nyquist-Shannons samplingssats. Matematiken inuti denna lilla pärla kan få ditt huvud att snurra, så vi parafraserar:samplingsfrekvensen måste vara minst dubbelt så stor som den registrerade frekvensen. Om du till exempel spelar in slagverk, cymbaler och liknande kan inspelade frekvenser och deras övertoner lätt nå 20 000 Hz. Detta innebär att samplingsfrekvensen som krävs för att återskapa en korrekt kopia är 40 000 Hz. Om du har varit uppmärksam vet du att CD-ljudspecifikationen kräver en samplingsfrekvens på 44 100 Hz och DV-video använder en samplingsfrekvens på 48 000 Hz. Detta lämnar gott om rörelseutrymme i den övre änden av skalan. Mattenördar, leta gärna upp allt detta på Wikipedia. Det borde hålla dig sysselsatt ett tag.
DV-ljudspecifikationen kräver faktiskt två samplingsfrekvenser:48kHz och 32kHz. Inställningen 48kHz (vanligtvis kallad 16-bitars) är standarden för tvåkanals- eller stereoinspelning. 32kHz (vanligtvis kallad 12-bitars) version kan spela in stereo också, men det är också möjligt att spela in fyra samtidiga kanaler med ljud på vissa kameror. Canon XL2 är den första kameran som kommer att tänka på i denna kategori. En samplingsfrekvens på 32 kHz betyder att toppen av det inspelade ljudspektrumet är 16 000 Hz, vilket är bra för dialog och andra uppgifter. Om 44 100 Hz och högre samplingsfrekvenser kallas CD-kvalitet, skulle 32 000 Hz-inställningen vara FM-radiokvalitet. Det är bra för tillfällig användning, men rekommenderas inte för kritiska applikationer. Konstigt nog har många videokameror standardinställningen för 32 kHz ljud även om de faktiskt inte kan spela in fyra kanaler.
Bitdjup
Bitdjup är mer komplicerat att förklara, så vi börjar med en analogi. Inom digital bildbehandling finns det tre vanliga bitdjup:8-bitars, 16-bitars och 24-bitars. En 8-bitars bild har endast 256 tillgängliga färger. Även om du kanske aldrig märker dessa gränser i en tecknad bild, skulle en 8-bitars solnedgång se ganska konstigt ut. Eftersom färgerna är begränsade kommer du att se en hel del band i gradienten från horisonten upp till himlen. En 16-bitars bild har lite mer omfång – 65 536 färger för att vara exakt. Detta ger tillräckligt med alternativ för att skapa en övertygande bild, särskilt på små skärmar som din mobiltelefon eller ett handhållet spel. Men kolla din digitala solnedgång, och du kommer fortfarande att se några band, bara inte lika drastiska som 8-bitarsversionen. Inom digital bildbehandling kallas 24-bitars ofta till som True color, eftersom det erbjuder 16 777 216 färgmöjligheter. En 24-bitars bild täcker de flesta färger som det mänskliga ögat ser. Digitalkameror – både stillbilder och video – producerar 24-bitarsbilder, och vi är alla ganska nöjda med resultatet.
Om vi håller oss till den digitala fotoanalogin, låt oss tänka på ljud. Varje digitalt ljudexempel är i huvudsak en ögonblicksbild av ljudet i det ögonblicket. Du kan föreställa dig att ett 8-bitars sampel – med bara 256 ljudfärger – kan vara lite kornig, och du skulle ha rätt. Å andra sidan har ett 16-bitars sampel mycket större räckvidd och ger en mycket rimlig version av ljudet. Det är därför det är standardbitdjupet för DV, DVD och ljud-CD. 24-bitars inspelningar har fördelen av över 16,7 miljoner ljud "färger" per prov. Även om du inte kommer att använda dem på vanliga DVD- eller musik-CD-skivor, stöder Blu-ray Disc-formatet 24-bitars ljud i en mängd olika format.
Ta sedan bitdjupet och multiplicera det med samplingshastigheten. Nu har du en uppfattning om kvalitetspotentialen för din inspelning. Ett typiskt DV- eller DVD-ljudspår har ett bitdjup på 16 och en samplingsfrekvens på 48kHz. Så 48 000 gånger i sekunden digitaliseras ljudet med ett 16-bitars djup. Detta resulterar i en mycket ren inspelning som exakt återger originalkällan.
Men till slut...
I slutändan behöver du inte oroa dig för samplingshastigheter eller bitdjup särskilt mycket. Din utrustning tar automatiskt hand om det mesta åt dig. Men nu när du vet vad siffrorna betyder är det enkelt för dig att göra en snabb visuell kontroll när du spelar in video eller spelar in ljud. Om videokameran säger att den spelar in vid 32 kHz, byt den innan fotograferingen. Att ställa in en voiceover-session är lättare om du vet hur du använder 16-bitars, 48kHz-inställningarna på ditt ljudgränssnitt. Dessutom kan du alltid posta din Facebook-status och säga att du funderar över Nyquists sats, och dina vänner kommer att tycka att du är riktigt smart.
SIDOBAR
I studion
I professionella inspelningsstudior spelar de vanligtvis in ljud i 96/24. Detta innebär ett 24-bitars djup vid 96 kHz samplingsfrekvens. Varför så högt? 24-bitars djup möjliggör fantastiskt dynamiskt omfång och "färg"-möjligheter. Ingenjörer och producenter gillar samplingsfrekvensen på 96 kHz eftersom den ger inspelningen mer andningsrum eller "luft". Naturligtvis omsamplas slutprodukten till 16-bitars vid 44 100 Hz för CD-släpp. Du kommer inte att höra skillnaden på din iPod, men i studion är förbättringen uppenbar. Detta ger bättre originalinspelningar och, förhoppningsvis, en kvalitetsnivå som kommer att stå sig genom tiderna.
Medverkande redaktör Hal Robertson är en digital mediaproducent och teknikkonsult.