Si quieres esuchar el contenido de ésta página, reproduce lo siguiente:
Definición
Como el formato MP3, es una forma de compresión que reduce algunos de los datos de audio y se denomina
"compresión con pérdida".
Lo que distingue al formato Ogg Vorbis es que es un formato completamente gratuito, abierto y sin patente; a
diferencia de sus competidores principales como el formato MP3 o AAC. Esto significa que el algoritmo de
compresión se puede utilizar libremente por todos los productores de software.
¿Qué es OGG y qué es Vorbis?
Ogg es el nombre del formato contenedor de Xiph.org para audio, video y metadatos. No es solo un códec de
vídeo o de audio, sino que es un contenedor que comprende audio, video y subtítulos
Vorbis es el nombre de un codec ó esquema de compresión de audio con pérdida, que está diseñado para estar
dentro del contenedor Ogg.
¿Quién lo propuso?
El proyecto Ogg Vorbis fue iniciado en 1993 por el programador Chris Montgomery, fundador y director técnico
de la Fundación Xiph.Org
Esta organización es un grupo sin fines de lucro para proteger el contenido multimedia en Internet del
control de intereses privados.
Características
- OGG Vorbis admite un mínimo de dos canales y un máximo de 256 canales, y, puede reproducir sonidos en sistemas que utilizan canales 5.1 o 7.1.
- OGG Vorbis tiene mejor calidad de sonido que otros tipos de archivos como MP3.
- El archivo comprimido del formato OGG Vorbis es más pequeño que el de MP3. Mientras que a un mp3 de 128 kbps le tomaría 10.3MB al ogg le tomaría sólo 7.1MB, sin conllevar alguna pérdida de calidad.
- La tasa de bits de compresión en OGG Vorbis es variable, cambia según la necesidad del archivo.
- La extensión de nombre de archivo .ogg se usaba para todos los datos cuyos materiales de contenido usaban el formato de contenedor Ogg. Desde 2007, la Fundación Xiph.Org recomienda que .ogg se utilice únicamente para datos de audio Ogg Vorbis
- Vorbis incluye un campo de comentarios completo y flexible para la información de la canción y el artista, así como otros datos de la pista. Permite ingresar información de comentarios en el momento de la codificación. Otras herramientas también permiten ingresar y editar datos de seguimiento.
- Reproducir un archivo ogg consume más recursos que reproducir un mp3 lo que puede reducir la duración de la batería.
- Su frecuencia va desde los 8kHz a los 48.0kHz, es polifónico y sus tasas de bits fijas y variables son de 16 a 128 kbps/canal.
- Existen reproductores de audio que no reproducen .ogg, además de que es menos usado que otros formatos como MP3 o AAC. (Por algo no existe el reproductor ogg pero sí reproductores MP3)
Calidad y Bitrate
El codificador genera un flujo a una velocidad de bits de 45 a 500 kbit / s, según la calidad elegida.
El coeficiente de calidad es una métrica arbitraria y puede variar de -2 a 10
Mientras más información contiene el .ogg; la calidad es más cercana a la grabación de audio original.
Historia
- 1993: Inicialmente, el código fuente de Ogg/Vorbis estaba basado en un proyecto anterior iniciado inicialmente por Christopher Montgomery en 1993.
- 1998: Se desarrolló el código fuente utilizado en las versiones actuales de Ogg/Vorbis, poco después de que Fraunhofer decidiera fortalecer su control de MP3 y amenazó con demandar a los proyectos MP3 gratuitos.
- 2002: La primera versión de códec estable, 1.0, se lanzó el 19 de julio de 2002. Esta versión cumple al estándar Vorbis I.
Compresión del formato
- Los algoritmos de compresión de audio se implementan en el software como Códecs de audio. Tanto en la compresión con pérdida como en la sin pérdida, se reduce la redundancia de la información mediante el uso de métodos como la codificación, la cuantificación, la transformación discreta del coseno y la predicción lineal para reducir la cantidad de información utilizada para representar los datos sin comprimir.
- El codificador de vorbis es únicamente un método para aceptar audio de entrada, dividirlo en tramas individuales y comprimir estas tramas en "paquetes" sin formato. Luego, el decodificador acepta estos paquetes sin procesar en secuencia, los decodifica, sintetiza tramas de audio a partir de ellos y vuelve a ensamblar las tramas en una representación del flujo de audio original.
Sobre el MDCT con ventana
- La trama de audio entrante PCM es dividida en bloques llamados ventanas, lo que se hace para efectos de reducción del pre-eco producido por la posterior transformación de dominio con MDCT. Vorbis utiliza la transformada de coseno discreta modificada (MDCT) para convertir datos de sonido del dominio del tiempo al dominio de la frecuencia. La extensión de las ventanas (N) deben ser una potencia de dos, conteniendo estas entre 64 y 8192 muestras. Cada paso de transformación ingresa 2N muestras y genera N coeficientes MDCT.
- Los coeficientes MDCT de las muestras PCM se definen por esta fórmula: Los 2N números reales X0, ...,
X2N-1 se transforman en los N números reales X0, ..., XN-1
Está determina la correlación entre un conjunto de 2N números (muestras) y N funciones coseno ortogonales. Por tanto, a la entrada de la MDCT hay 2N muestras, y a la salida, N coeficientes.
Modelo psicoacústico
Vorbis utiliza el modelo psicoacústico humano para descartar información no audible, característica que lo ubica en el grupo de códec con pérdidas. El modelo proporciona una compresión de señal con pérdida de alta calidad al describir qué partes de una señal de audio digital determinada se pueden eliminar de manera segura, es decir, sin pérdidas significativas en la calidad percibida del sonido. Parte de la psicoacústica se en las limitaciones del oído para percibir el sonido. Estas limitaciones son:- Límite superior de frecuencia
- Umbral de audición
- Umbral de dolor: La potencia o intensidad sonora a partir de la cual el sonido produce en el oído sensación de dolor. Su valor medio se sitúa en torno a los 110-130 dB.
- Enmascaramiento temporal
- Enmascaramiento frecuencial
Cuantificacion
La cuantificación es básicamente el proceso de disminuir la número de bits requeridos para almacenar valores de coeficiente por disminuyendo su precisión (por ejemplo, redondeando de tipo flotante a entero). El objetivo de la cuantificación es disminuir la mayor parte de los coeficientes de alta frecuencia menos significativos a cero. Por ejemplo, redondear un número real 𝒙 al valor entero más cercano forma un tipo de cuantificador muy básico: uno uniforme. Un cuantificador uniforme típico (de la mitad de la banda de rodadura) con un tamaño de paso de cuantificación igual a algún valor 𝚫 se puede expresar como
donde la notación [ ] denota la función de suelo.
Una función suelo es la función que toma como entrada un número real x, y da como salida el mayor entero menor o igual que x. El espectro de frecuencia cuantificado se puede considerar como una función de suelo, esta curva está codificada sin pérdidas y tiene muchos menos datos (coeficientes) e información que el espectro cuantificado.
Dependiendo de la tasa de bits de salida deseada y la frecuencia , el SAM aplica un paso de cuantificación diferente a conjuntos de frecuencias de diferente tamaño. Estos son los niveles cuantización disponibles para Vorbis:
Cuantificacion vectorial: Codificacion Huffman
La cuantificación vectorial (VQ) es una técnica clásica de cuantificación del procesamiento de señales que permite modelar funciones de densidad de probabilidad mediante la distribución de vectores prototipo. Originalmente se utilizó para la compresión de datos. Vorbis utiliza la codificación Huffman para comprimir los datos contenidos en las porciones de suelo y residuos. La diferencia (residuo) entre la curva de suelo y el espectro cuantificado se codifica con VQ+Huffman (con pérdidas).Decodificacion
Una vez completada la codificación Huffman, los datos de la trama se empaquetan en bits en un paquete lógico. En Vorbis, una serie de estos paquetes siempre va precedida de un encabezado. El encabezado contiene toda la información necesaria para una decodificación correcta. Esta información incluye un conjunto completo de libros de códigos, descripciones de métodos para representar el piso y el residuo, y los modos y asignaciones para soporte multicanal. Vorbis proporciona el formato 'Ogg', para encapsular paquetes lógicos en flujos de transporte.La configuración del decodificador consiste en la configuración de múltiples abstracciones de componentes autónomos que realizan funciones específicas en la canalización de decodificación. Estos son:
- Modos: El mecanismo de modo se utiliza para codificar una trama de acuerdo con uno de los múltiples métodos posibles con la intención de elegir el método que mejor se adapte a ese cuadro. Los diferentes modos son cómo se cambia el tamaño de una trama de una trama a otra. El número de modo de una trama sirve como un interruptor de configuración de nivel superior para todos los demás aspectos específicos de la decodificación de cuadros
- Mapeo: Un mapeo contiene una descripción de acoplamiento de canales y una lista de "submapas" que agrupan conjuntos de vectores de canales para codificación y decodificación agrupadas. Un 'submapa' es una configuración/agrupación que se aplica a un subconjunto de vectores de suelo y residuos dentro de un mapeo. Cada submapa especifica el número de instancia de piso y residuo apropiado para usar para decodificar los vectores de piso espectral y residuos espectrales de ese submapa.
- Piso: Vorbis codifica un vector de "suelo" espectral para cada canal PCM. Este vector es una representación de baja resolución del espectro de audio para el canal dado en la trama actual, generalmente utilizado como un filtro de blanqueamiento.
- Residuo: El residuo espectral es la estructura fina del espectro de audio una vez que se ha sustraído la curva de suelo. En términos más simples, se codifica en el flujo de bits mediante cuantificación vectorial en cascada (pasadas múltiples) de acuerdo con uno de los tres algoritmos de codificación/empaquetado específicos numerados del 0 al 2.
- Libros de código: A diferencia de prácticamente cualquier otro códec de audio convencional, Vorbis no tiene un modelo de probabilidad configurado estáticamente, sino que empaqueta toda la configuración de decodificación de entropía, VQ y Huffman, en el flujo de bits en el tercer encabezado, el encabezado de configuración del códec. Esta configuración empaquetada consta de varios 'libros de códigos', cada uno de los cuales contiene una representación específica equivalente a Huffman para decodificar palabras de código comprimidas, así como una tabla de búsqueda opcional de valores de vectores de salida a los que se aplica un valor de Huffman decodificado como compensación, generando la salida decodificada final correspondiente a una palabra clave comprimida dada.
- El encabezado de identificación: Identifica el flujo de bits como Vorbis, la versión Vorbis y las características de audio simples del flujo, como la frecuencia de muestreo y el número de canales.
- Encabezado de comentario: Incluye comentarios de texto del usuario ("etiquetas") y una cadena de proveedor para la aplicación/biblioteca que produjo el flujo de bits.
- Encabezado de configuración: Incluye amplia información de configuración de CODEC, así como los libros de códigos completos de VQ y Huffman necesarios para la decodificación.
- Decodificación de tipo de paquete : Vorbis utiliza cuatro tipos de paquete. Los primeros tres tipos de paquetes marcan cada uno de los tres encabezados Vorbis descritos anteriormente. El cuarto tipo de paquete marca un paquete de audio. Después de los tres paquetes de cabecera, todos los paquetes de un flujo de Vorbis I son audio. El primer paso de la decodificación de paquetes de audio es leer y verificar el tipo de paquete; un paquete que no es de audio cuando se espera audio indica corrupción de flujo o un flujo no compatible. El decodificador debe ignorar el paquete y no intentar decodificarlo a audio.
- Decodificación de modo: Vorbis permite que un codificador configure múltiples "modos" de paquetes numerados todos los cuales pueden usarse en un flujo de Vorbis determinado. El modo se codifica como un número entero que se utiliza como compensación directa en el índice de instancia del modo.
- Decodificación de forma de ventana (solo ventanas largas): En el caso de una ventana de tamaño desigual, la forma de la ventana larga debe modificarse para un solape continuo. Es posible inferir correctamente la forma de la ventana que se aplicará a la ventana actual conociendo los tamaños de la ventana actual, anterior y siguiente. Es legal que un decodificador use este método. Sin embargo, en el caso de una ventana larga (las ventanas cortas no requieren modificación), Vorbis también codifica dos bits de bandera para especificar la forma anterior y posterior a la ventana.
- Decodificación de piso: Cada piso está codificado/decodificado en el orden de los canales; sin embargo, cada piso pertenece a un "submapa" que especifica qué configuración de piso usar. Todos los pisos se decodifican antes de que comience la decodificación de residuos.
- Decodificación de residuos: Vorbis codifica vectores de residuos en grupos por submapa; la codificación se realiza en orden de submapa desde el submapa 0 hasta el n-1. Esto difiere de los pisos que se codifican utilizando una configuración proporcionada por el número de submapa, pero se codifican individualmente en el orden de los canales.
- Acoplamiento de canal inverso: El acoplamiento de Vorbis se aplica a pares de vectores de residuos a la vez; el desacoplamiento se realiza en el lugar un par a la vez en el orden y utilizando los vectores especificados en la configuración de mapeo actual. La operación de desacoplamiento es la misma para todos los pares, convirtiendo la representación polar cuadrada (donde un vector es la magnitud y el segundo ángulo) de vuelta a la representación cartesiana.
- Generar curva de piso:: El decodificador puede optar por generar la curva de piso en cualquier momento apropiado. Es razonable generar la curva de salida cuando los datos de piso se decodifican del paquete sin procesar, o se puede generar después del acoplamiento inverso y aplicarlo directamente al residuo espectral, combinando la generación y el producto escalar en un solo paso y eliminando algo de espacio de trabajo.
- Calcular el producto escalar suelo/residuo: Este paso es sencillo; para cada canal de salida, el decodificador multiplica la curva de piso y los vectores de residuos elemento por elemento, produciendo el espectro de audio final de cada canal.
- Transformada monolítica inversa: El espectro de audio se vuelve a convertir en audio PCM en el dominio del tiempo a través de un coseno discreto modificado inverso (IMDCT). El IMDCT transforma N números reales X0, ..., XN-1 en 2N números reales y0, ..., y2N-1 según la fórmula:
- Superponer/añadir datos: La salida de IMDCT en ventana se superpone y se agrega con los datos de la derecha de la ventana anterior, de modo que el punto 3/4 de la ventana anterior se alinea con el punto 1/4 de la ventana actual (como se ilustra en el diagrama de superposición de ventana). En este punto, los datos de audio entre el centro del cuadro anterior y el centro del cuadro actual ya están terminados y listos para ser devueltos.
- Caché de datos de la mano derecha: El decodificador debe almacenar en caché la parte de la mano derecha del cuadro actual para superponerse con la parte de la mano izquierda del cuadro siguiente.
- Devolver datos de audio terminados: La parte superpuesta producida por la superposición de los datos de la trama anterior y actual son datos terminados que devolverá el decodificador. Estos datos se extienden desde el centro de la ventana anterior hasta el centro de la ventana actual. En el caso de ventanas del mismo tamaño, la cantidad de datos a devolver es medio bloque que consta de y solo de las partes superpuestas. Cuando se superponen una ventana corta y una larga, gran parte del rango devuelto no se superpone. Esto no daña la ortogonalidad de transformación. Sin embargo, preste atención a devolver el rango de datos correcto; la cantidad de datos a devolver es:
