| Accueil | Freeware | Technique | Musique | Photos |
La Compression Audio : Pourquoi ?
Introduction
Compte tenu des contraintes théoriques de restitution d'un signal analogique de bonne qualité (pour l'oreille humaine) à partir d'un signal échantillonné (théorème de Shannon), on a imposé aux CD audio un format de stockage du son ayant les données suivantes :
- Fréquence d'échantillonnage = 44,1 kHz
- Données codées sur 16 bits
- Son stéréo
Techniques de Compression Sonore
Comment opère-t-on une compression sur un fichier audio ?
En fait, il n'y a pas une seule façon de compresser les données à stocker. Il faut plutôt parler d'un ensemble de
techniques qui, appliquées au signal sonore, vont permettre de réduire la quantité d'informations à stocker.
Parmi ces techniques, certaines sont dites destructrices, d'autres non. Une compression destructrice,
c'est une compression qui est réalisée en perdant de l'information. Cela signifie que si l'on décompresse un signal qui a
été compressé en utilisant une technique destructrice, on ne retrouvera pas le signal de départ : des données ont été perdues !
Parmi les techniques de compression destructrices, on a essentiellement des méthodes qui exploitent les propriétés de l'oreille humaine. Cette dernière entend les fréquences situées dans la gamme [20 Hz - 20 kHz]. Si un morceau contient des fréquences hors de cette gamme, on peut purement et simplement les supprimer sans perte de qualité audio puisque l'oreille ne les entend pas. On peut encore aller plus loin... En effet, l'oreille humaine entend surtout correctement les fréquences situées dans la gamme [2 kHz - 5 kHz]. Expliquons-nous. A peine 5dB de niveau sonore suffisent pour entendre les fréquences de la bande [2 kHz - 5 kHz] alors qu'il faut plus de 20dB pour entendre les fréquences situées en dessous de 100Hz ou au dessus de 10kHZ. Ces constatations peuvent être exploitées pour réduire la taille des fichiers. On peut par exemple décider que toutes les fréquences au dessus de 15kHz seront supprimées. On peut utiliser aussi le principe des fréquences masquées. Si dans un groupe de fréquences, certaines ont un niveau sonore beaucoup plus élevé que d'autres, il n'est pas nécessaire de conserver les fréquences de niveau sonore faible : on ne les entendra pas. Pour utiliser une comparaison plus marquante, imaginez que vous êtes dans votre jardin et que vous entendez des oiseaux. Un avion passe au dessus de chez vous... Vous n'entendez plus les oiseaux car le son qu'ils produisent est beaucoup plus faible que celui généré par l'avion. C'est comme si les oiseaux n'existaient plus ou avaient arrêté de chanter. On voit bien qu'il n'est pas nécessaire de coder toutes les fréquences présentes dans un morceau pour que l'oreille humaine le perçoive correctement quand même. Enfin, si les deux voies d'un son stéréo présentent des séquences semblables, au lieu de dupliquer ces séquences, on en stocke une seule et l'information qu'à ce moment là, voie droite et voie gauche sont identiques.
Au rang des techniques non destructrices, que trouve-t-on ? Principalement des techniques de codage. Expliquons nous. Un son, c'est une fréquence. Une seconde de musique c'est donc une succession de fréquences. Imaginons que dans la suite d'échantillons composant une seconde de musique (rappelons qu'il y en a 44100) on ait plusieurs fois de suite la même fréquence, par exemple 10 fois. Si au lieu de stocker ces 10 points, on en stocke 1 seul et le nombre de fois où il se répète, on a besoin de coder 2 nombres et non 10. Si, de plus, on applique cette méthode à des fréquences non plus identiques mais très proches les unes des autres (si proches que l'oreille humaine moyenne ne puisse les distinguer), on peut encore gagner en place. Cette fois, la compression est destructrice puisque l'on remplace une fréquence par une autre (presque identique). On utilise également l'algorithme de Huffman (1952) comme méthode de codage des informations. Cette méthode est utilisée dans tous les algorithmes de compression (compression de fichiers texte, compression d'images, compression de sons). Elle repose sur l'utilisation d'un code de longueur variable et la probabilité d'apparition d'un événement (en l'occurrence ici d'une fréquence). Plus une fréquence apparaît souvent, plus son code sera court (nombre de bits faible pour la représenter). Le fichier est lu une 1ère fois et on dresse un tableau des fréquences apparaissant et le nombre de fois où elles apparaissent. On en déduit le code approprié. Ce codage est utilisé en dernier lieu. C'est la phase finale de la compression. C'est un codage non destructeur.
L'utilisation de toutes les possibilités de réduction évoquées dépend de la place que l'on souhaite accorder à une minute de son compressé et donc du taux de compression que l'on va devoir appliquer.
Il existe plusieurs normes de compression audio (MPEG1, MPEG2, ...). Ces normes sont établies par des organismes de normalisation. A partir des normes établies, des groupes de travail développent des outils permettant de compresser un signal audio tout en respectant les normes. Ce travail débouche sur des formats de compression et parfois le dépot d'un brevet. Parmi les formats audio compressés, on trouve le MP3, le mp3PRO, le format Ogg Vorbis, le WMA qui constituent les formats les plus connus mais il existe aussi les formats AAC, VQF ... Lorsqu'on compresse un morceau dans un format donné, on dit que l'on encode le fichier audio au format souhaité. Nous avons traité l'encodage en MP3, Ogg Vorbis, FLAC et WMA pour répondre aux cas les plus couramment utilisés.
Parmi les techniques de compression destructrices, on a essentiellement des méthodes qui exploitent les propriétés de l'oreille humaine. Cette dernière entend les fréquences situées dans la gamme [20 Hz - 20 kHz]. Si un morceau contient des fréquences hors de cette gamme, on peut purement et simplement les supprimer sans perte de qualité audio puisque l'oreille ne les entend pas. On peut encore aller plus loin... En effet, l'oreille humaine entend surtout correctement les fréquences situées dans la gamme [2 kHz - 5 kHz]. Expliquons-nous. A peine 5dB de niveau sonore suffisent pour entendre les fréquences de la bande [2 kHz - 5 kHz] alors qu'il faut plus de 20dB pour entendre les fréquences situées en dessous de 100Hz ou au dessus de 10kHZ. Ces constatations peuvent être exploitées pour réduire la taille des fichiers. On peut par exemple décider que toutes les fréquences au dessus de 15kHz seront supprimées. On peut utiliser aussi le principe des fréquences masquées. Si dans un groupe de fréquences, certaines ont un niveau sonore beaucoup plus élevé que d'autres, il n'est pas nécessaire de conserver les fréquences de niveau sonore faible : on ne les entendra pas. Pour utiliser une comparaison plus marquante, imaginez que vous êtes dans votre jardin et que vous entendez des oiseaux. Un avion passe au dessus de chez vous... Vous n'entendez plus les oiseaux car le son qu'ils produisent est beaucoup plus faible que celui généré par l'avion. C'est comme si les oiseaux n'existaient plus ou avaient arrêté de chanter. On voit bien qu'il n'est pas nécessaire de coder toutes les fréquences présentes dans un morceau pour que l'oreille humaine le perçoive correctement quand même. Enfin, si les deux voies d'un son stéréo présentent des séquences semblables, au lieu de dupliquer ces séquences, on en stocke une seule et l'information qu'à ce moment là, voie droite et voie gauche sont identiques.
Au rang des techniques non destructrices, que trouve-t-on ? Principalement des techniques de codage. Expliquons nous. Un son, c'est une fréquence. Une seconde de musique c'est donc une succession de fréquences. Imaginons que dans la suite d'échantillons composant une seconde de musique (rappelons qu'il y en a 44100) on ait plusieurs fois de suite la même fréquence, par exemple 10 fois. Si au lieu de stocker ces 10 points, on en stocke 1 seul et le nombre de fois où il se répète, on a besoin de coder 2 nombres et non 10. Si, de plus, on applique cette méthode à des fréquences non plus identiques mais très proches les unes des autres (si proches que l'oreille humaine moyenne ne puisse les distinguer), on peut encore gagner en place. Cette fois, la compression est destructrice puisque l'on remplace une fréquence par une autre (presque identique). On utilise également l'algorithme de Huffman (1952) comme méthode de codage des informations. Cette méthode est utilisée dans tous les algorithmes de compression (compression de fichiers texte, compression d'images, compression de sons). Elle repose sur l'utilisation d'un code de longueur variable et la probabilité d'apparition d'un événement (en l'occurrence ici d'une fréquence). Plus une fréquence apparaît souvent, plus son code sera court (nombre de bits faible pour la représenter). Le fichier est lu une 1ère fois et on dresse un tableau des fréquences apparaissant et le nombre de fois où elles apparaissent. On en déduit le code approprié. Ce codage est utilisé en dernier lieu. C'est la phase finale de la compression. C'est un codage non destructeur.
L'utilisation de toutes les possibilités de réduction évoquées dépend de la place que l'on souhaite accorder à une minute de son compressé et donc du taux de compression que l'on va devoir appliquer.
Il existe plusieurs normes de compression audio (MPEG1, MPEG2, ...). Ces normes sont établies par des organismes de normalisation. A partir des normes établies, des groupes de travail développent des outils permettant de compresser un signal audio tout en respectant les normes. Ce travail débouche sur des formats de compression et parfois le dépot d'un brevet. Parmi les formats audio compressés, on trouve le MP3, le mp3PRO, le format Ogg Vorbis, le WMA qui constituent les formats les plus connus mais il existe aussi les formats AAC, VQF ... Lorsqu'on compresse un morceau dans un format donné, on dit que l'on encode le fichier audio au format souhaité. Nous avons traité l'encodage en MP3, Ogg Vorbis, FLAC et WMA pour répondre aux cas les plus couramment utilisés.
