Как устроен звук: первый обзор

Поставьте рядом два знакомых звука: басовую ноту и удар по тарелке. Один можно напеть, другой больше похож на шорох. Один тянется ровно, другой начинается резко и затихает. Теория аудио помогает описать эти отличия, изменить звук и сохранить результат в файле.

Здесь можно начать с прослушивания и нескольких регуляторов. Сначала разберём высоту (pitch)?высота тона (pitch) — Ощущение, по которому звук воспринимают как низкий или высокий. Для чистого тона растёт с частотой; физическая частота и ощущение высоты — разные величины. и громкость (loudness)?громкость (loudness) — Ощущение того, насколько сильным кажется звук. Зависит от звукового давления, частотного состава и условий восприятия., затем соберём простую ноту синтезатора и посмотрим, как звук попадает в компьютер. Для опытов достаточно браузера; перед запуском уменьшите громкость устройства. Если слушать сейчас неудобно, графики и текст тоже объясняют происходящее.

Выше, ниже, громче, тише

Динамик двигается и создаёт в воздухе чередующиеся сжатия и разрежения. Эти изменения давления доходят до уха. На графике мы рисуем, как давление меняется со временем: линия выше и ниже середины означает отклонение в две стороны, а не движение звука вверх и вниз в комнате.

Частота (frequency)?частота (frequency) — Число полных колебаний за секунду. Обозначается f и измеряется в герцах; 1 Гц означает одно колебание в секунду. — число повторений в секунду. Единица — герц, Гц (hertz, Hz). У чистого тона (pure tone)?чистый тон (pure tone) — Синусоидальное звуковое колебание одной частоты. Служит простой моделью для изучения частоты, фазы и громкости. 220 Гц колебание повторяется 220 раз за секунду. Если повторять его быстрее, тон будет выше. Высота тона?высота тона (pitch) — Ощущение, по которому звук воспринимают как низкий или высокий. Для чистого тона растёт с частотой; физическая частота и ощущение высоты — разные величины. — ощущение того, насколько звук низкий или высокий; у чистого тона её задаёт частота. Амплитуда (amplitude)?амплитуда (amplitude) — Наибольший модуль отклонения колеблющейся величины от равновесного значения. Для синусоиды обозначается A; единицы совпадают с единицами сигнала. описывает размах: насколько далеко колебание уходит от среднего значения.

Визуализация 1Звук: выше, ниже, громче, тише

Параметры: Звук: выше, ниже, громче, тише

Регуляторы и звук: Звук: выше, ниже, громче, тише

Высота · частота

220 Гц

Громче / тише · амплитуда

70 %

Начните с небольшой громкости устройства. Здесь звучат синтетические тоны.

ПослушатьСтопСброситьГромкость

30 %

Позиция

0,0 с из 6 с

Для изменения параметров и прослушивания нужен JavaScript.

Попробуйте. Нажмите «Послушать». Поднимите частоту примерно с 220 до 440 Гц: тон станет на октаву (octave)?октава (octave) — Музыкальный интервал между нотами одного названия в соседних регистрах. Соответствует отношению частот 2:1. выше. Теперь уменьшите амплитуду. Волна станет ниже, а звук — тише; число повторений останется прежним. Полосы над кривой условно показывают более плотный и разреженный воздух, без масштаба расстояний.

Что добавляет наш слух

Уровень сигнала можно измерить, а громкость?громкость (loudness) — Ощущение того, насколько сильным кажется звук. Зависит от звукового давления, частотного состава и условий восприятия. — ощущение слушателя. На неё влияют частоты, длительность, окружающие звуки и уровень прослушивания. Положение ползунка «50 %» не означает «половина воспринимаемой громкости».

Поэтому при сравнении двух обработок полезно сначала сделать их примерно одинаковыми по громкости. Более громкий вариант легко принять за более удачный, даже если изменился лишь уровень. Начните с короткого знакомого фрагмента и переключайте варианты, не добавляя одновременно несколько эффектов.

Маскировка (auditory masking)?слуховая маскировка (auditory masking) — Снижение слышимости одного звука из-за присутствия другого. Из-за маскировки восприятие сложного звука нельзя определить только по кривым равной громкости чистых тонов. — ситуация, в которой один звук мешает услышать другой. Например, бас и бочка могут хорошо звучать по отдельности, а вместе часть баса станет менее заметной. Это одна из причин проверять обработку внутри всей музыки. Для разбора таких ситуаций пригодятся психоакустика и кривые равной громкости.

Тембр (timbre)?тембр (timbre) — Свойство слухового ощущения, по которому различают два звука одинаковой высоты и громкости. Зависит от состава спектра и его изменения во времени. помогает отличить звуки с одной высотой: флейту от скрипки, одну настройку синтезатора от другой. Он связан с частотным составом и развитием звука во времени. В следующих опытах мы будем менять форму колебания и начало ноты — и слушать, как меняется её характер.

Осциллятор: откуда берётся нота

Осциллятор (oscillator)?осциллятор (oscillator) — Генератор повторяющегося колебания. Частота задаёт число повторений за секунду, а форма волны — изменение значения внутри одного периода. — генератор повторяющегося колебания. В электронном синтезаторе его создаёт схема или программа. Частота задаёт повторение, а выбранная форма меняет состав и характер звука.

Визуализация 2Осциллятор: форма и звучание

Параметры: Осциллятор: форма и звучание

СинусТреугольникПилаПрямоугольникСемь пил

Регуляторы и звук: Осциллятор: форма и звучание

Октава

0 окт.

Расстройка семи пил

18 центов

Заполнение импульса

50 %

Менять заполнение автоматически

Начните с небольшой громкости устройства. Здесь звучат синтетические тоны.

ПослушатьСтопСброситьГромкость

30 %

Позиция

0,0 с из 6 с

Для изменения параметров и прослушивания нужен JavaScript.

Попробуйте. На одной частоте переключите «Синус», «Треугольник», «Пила» и «Прямоугольник». На графике всегда два цикла, но форма и звучание разные. У синуса одна частотная составляющая; у остальных форм есть дополнительные составляющие — гармоники (harmonics). Они помогают понять, почему пила звучит иначе, даже когда нота та же.

Начать можно с синуса для простого мягкого тона, затем послушать более насыщенные формы. Эти генераторы не изображают настоящие инструменты: характер флейты или скрипки зависит ещё и от того, как звук начинается и меняется.

Регулятор «Октава» переносит ноту ниже или выше. У прямоугольной волны доступно заполнение импульса (pulse width): доля цикла на верхнем уровне. Измените его и послушайте изменение тембра. Кнопка автоматического изменения позволяет услышать этот же параметр в движении.

«Семь пил» складывает семь близко настроенных генераторов. Увеличьте расстройку (detune)?расстройка (detune) — Небольшое отклонение частоты одного генератора от другого или от точного интервала, обычно в центах. При одновременном звучании даёт биения.: их частоты чуть разойдутся и сумма перестанет повторять простую пилу. Центы (cent)?цент (cent) — Сотая часть равномерно темперированного полутона; в октаве 1200 центов. Интервал в c центов умножает частоту на 2 в степени c/1200. — мелкие музыкальные шаги, сотые доли полутона; небольшой сдвиг создаёт движение внутри одной ноты. Это дополнительный опыт: для первого знакомства достаточно четырёх основных форм.

На графике показана идеальная форма; у звуковых скачков есть небольшое сглаживание. Как генератор считает отсчёты (sample)?отсчёт (sample) — Значение сигнала в один момент дискретизации, одно число. В звукозаписи его также называют сэмплом. и почему это нужно, объясняет статья об источниках голоса синтезатора.

ADSR: как нота начинается и заканчивается

Ударьте по струне и послушайте затухание. Затем представьте ровный звук органа, который держится, пока нажата клавиша. Разница связана в том числе с огибающей (envelope)?огибающая (envelope) — Плавная кривая, которая следует за размахом волны и показывает, как уровень сигнала меняется во времени. — изменением уровня во времени.

В синтезаторе распространена огибающая ADSR (attack, decay, sustain, release). Четыре регулятора описывают её этапы:

• A · Атака (attack) — время подъёма от тишины до вершины.
• D · Спад (decay) — время перехода от вершины к уровню удержания.
• S · Удержание (sustain) — уровень, сохраняющийся при нажатой клавише после спада.
• R · Затухание после отпускания (release) — время ухода к тишине после отпускания клавиши.

Визуализация 3ADSR: начало и конец ноты

Параметры: ADSR: начало и конец ноты

АтакаСпадУдержаниеЗатухание

Регуляторы и звук: ADSR: начало и конец ноты

A · Атака

0,15 с

D · Спад

0,35 с

S · Удержание

55 %

R · Затухание

0,5 с

ЩипокПлавный звукОрганУдар и затухание

Начните с небольшой громкости устройства. Здесь звучат синтетические тоны.

ПослушатьСтопСброситьГромкость

30 %

Позиция

0,0 с из 2 с

Для изменения параметров и прослушивания нужен JavaScript.

Попробуйте. Сравните «Щипок» и «Плавный звук». У первого короткое начало и быстрое затухание, у второго звук входит постепенно. Затем выберите «Орган»: высокий уровень удержания позволяет ноте звучать ровно. Названия пресетов описывают характер огибающей; это не точные копии инструментов.

В опыте одна и та же треугольная волна звучит на частоте 220 Гц. Меняется её усиление. График показывает именно усиление: вершина означает полный уровень этой ноты, а не максимальную громкость устройства. Клавиша условно отпускается через секунду после завершения атаки и спада. При изменении ADSR прослушивание останавливается, чтобы новую форму можно было услышать с начала.

LFO: что заставляет звук двигаться

Низкочастотный генератор (low-frequency oscillator, LFO)?низкочастотный генератор (low-frequency oscillator, LFO) — Генератор медленно повторяющегося управляющего сигнала, которым изменяют параметры звука, например усиление, частоту или панораму. Общей строгой верхней границы частоты у LFO нет. создаёт медленно повторяющуюся управляющую волну. Например, при 1 Гц он проходит один цикл за секунду. В нашем опыте его сигнал меняет параметр слышимой ноты.

Визуализация 4LFO: движение звука

Параметры: LFO: движение звука

СинусТреугольникПилаПрямоугольник

ГромкостьВысотаФильтрПанорама

Усиление: 68 %

Регуляторы и звук: LFO: движение звука

Скорость

1 Гц

Глубина

65 %

Начните с небольшой громкости устройства. Здесь звучат синтетические тоны.

ПослушатьСтопСброситьГромкость

30 %

Позиция

0,0 с из 6 с

Для изменения параметров и прослушивания нужен JavaScript.

Попробуйте. Оставьте синус и цель «Громкость», включите прослушивание. Нота станет то громче, то тише: это тремоло (tremolo)?тремоло (tremolo) — Эффект периодического изменения амплитуды аудиосигнала. Скорость пульсации задаёт частота управляющего генератора, а диапазон усиления зависит от глубины и способа её преобразования.. Выберите «Высота» — получится вибрато (vibrato)?вибрато (vibrato) — Периодическое изменение высоты тона вокруг основного значения. В синтезаторе его можно получить, направив LFO на частоту звукового генератора., колебание высоты ноты. «Скорость» определяет частоту повторения, «Глубина» — размах изменения. При глубине 0 % движение исчезает.

Сравните синус и прямоугольник: первый меняет параметр плавно, второй переключает его между двумя значениями. График рисует управляющую волну, а не слышимую пилу. Точка движется с прослушиванием; у резких переходов в звуке есть короткое сглаживание.

В этих опытах роли частей различаются: осциллятор создаёт ноту, ADSR задаёт развитие её уровня при нажатии и отпускании клавиши, LFO повторяет изменение выбранного параметра. Дальше можно отдельно изучить LFO и тремоло.

Как звук становится числами

Для записи микрофон (microphone)?микрофон (microphone) — Устройство, преобразующее звуковые колебания в электрический сигнал. В идеальной модели напряжение на выходе пропорционально звуковому давлению. преобразует колебания давления в электрический сигнал. Аналого-цифровой преобразователь (analog-to-digital converter, ADC)?АЦП (analog-to-digital converter, ADC) — Аналого-цифровой преобразователь: устройство, которое измеряет аналоговый электрический сигнал и выдаёт цифровые коды отсчётов. измеряет его через равные промежутки времени и записывает значения — отсчёты?отсчёт (sample) — Значение сигнала в один момент дискретизации, одно число. В звукозаписи его также называют сэмплом.. Так получается последовательность чисел, с которой работает программа.

Частота дискретизации (sample rate)?частота дискретизации (sample rate) — Число отсчётов в каждом канале за одну секунду, то же число кадров аудиоданных в секунду. Измеряется в герцах: 44 100 Гц означает 44 100 отсчётов на канал в секунду. — число измерений за секунду в каждом канале. При 48 кГц это 48 000 отсчётов в секунду. Не путайте её с частотой ноты: тон 220 Гц тоже можно записать при 48 кГц. Одно число описывает повторение колебания, другое — скорость измерений.

Разрядность (bit depth)?разрядность (bit depth) — Число бит для представления одного квантованного отсчёта. B бит дают 2ᴮ кодов; при равномерном квантовании шаг зависит также от полного диапазона сигнала. задаёт точность записи значений в целочисленном формате. Например, при 16 битах есть 65 536 возможных значений. Это не 65 536 положений регулятора громкости. Программа может дальше обрабатывать звук числами с плавающей точкой; формат хранения и способ вычисления — отдельные решения.

При воспроизведении цифро-аналоговый преобразователь (digital-to-analog converter, DAC)?ЦАП (digital-to-analog converter, DAC) — Цифро-аналоговый преобразователь: устройство, которое получает цифровые отсчёты и формирует соответствующий им аналоговый электрический сигнал. превращает числа в непрерывный электрический сигнал для усилителя и динамика. Восстановление требует подходящих фильтров, а допустимые частоты зависят от частоты дискретизации.

Попробуйте дальше. Откройте опыт с дискретизацией и уменьшайте частоту измерений. Он показывает, как редкие отсчёты могут описать другую волну. Подробный путь записи и воспроизведения — в статье об АЦП и ЦАП.

Уровень, обработка и файлы

Записанный звук можно сделать тише, сложить с другим сигналом и обработать. Если сумма слишком велика для выхода, возникает клиппинг (clipping)?клиппинг (clipping) — Ограничение значений сигнала крайними допустимыми уровнями при выходе за диапазон. Срезает вершины волны и создаёт искажения.: вершины обрезаются и форма искажается. Для начала полезнее оставить запас уровня (headroom)?запас уровня (headroom) — Расстояние от текущего или ожидаемого пикового уровня до предела выбранного участка аудиотракта. Обычно выражается в децибелах., чем пытаться получить самую громкую запись. Подробности — в разборе микширования.

Компрессор (dynamic range compressor)?компрессор (dynamic range compressor) — Устройство или программа, которая ослабляет сигнал, когда его уровень выше порога, и тем сужает динамический диапазон. уменьшает усиление, когда уровень превышает выбранный порог (threshold)?порог (threshold) — Уровень, начиная с которого компрессор или лимитер ослабляет сигнал, а экспандер или гейт — перестаёт ослаблять., и помогает управлять динамикой. Лимитер (limiter)?лимитер (limiter) — Устройство, которое не пропускает сигнал выше заданного уровня — потолка. По статической характеристике это компрессор с бесконечной степенью сжатия; границу гарантируют пиковый детектор и предварительный анализ. удерживает выход возле заданного потолка (ceiling)?потолок (ceiling) — Наибольший уровень, который может появиться на выходе лимитера. Задаётся в dBFS или, для истинного пика, в dBTP.. Они меняют звук; сжатие файла решает другую задачу — экономию места. Можно познакомиться с компрессором на отдельном опыте.

Числа и параметры записи сохраняются в файле. Распространённые варианты:

• WAV (WAVE file)?WAV-файл (WAVE file) — Звуковой файл со структурой RIFF и типом формы WAVE. Чанк fmt описывает параметры звука, чанк data содержит отсчёты; обычно это несжатый PCM. часто хранит несжатые отсчёты PCM (pulse-code modulation, PCM)?импульсно-кодовая модуляция (pulse-code modulation, PCM) — Представление сигнала последовательностью квантованных отсчётов, взятых через равные промежутки времени. В WAV код формата 1 означает PCM с целыми отсчётами.. Его удобно использовать для записи и обмена материалом.
• FLAC (Free Lossless Audio Codec)?FLAC (Free Lossless Audio Codec) — Формат сжатия звука без потерь: блоки PCM кодируются предсказанием по предыдущим отсчётам и остатком в кодах Райса. Описан в RFC 9639. сжимает данные без потерь (lossless): после декодирования возвращаются те же отсчёты.
• MP3 (MPEG-1/2 Audio Layer III)?MP3 (MPEG-1/2 Audio Layer III) — Формат сжатия звука с потерями: гибридный банк фильтров, психоакустическая модель, неравномерное квантование и коды Хаффмана в кадрах по 1152 отсчёта. сжимает с потерями (lossy): часть информации отбрасывается, и исходные отсчёты в общем случае не восстановить точно.

Перевод MP3 в WAV увеличит размер, но не вернёт отброшенные сведения. При этом сам по себе большой файл не гарантирует удачной записи: на неё влияют исходный звук, оборудование и обработка. Устройство WAV разобрано в статье о файле, различия способов сжатия — в статье о форматах.

Куда идти дальше

Можно выбрать маршрут под свою задачу:

• Меломан — слух, громкость прослушивания и файлы.
• Музыкант — ноты, запись, динамика и модуляция.
• Диджей — уровни, наложение музыки и библиотека.
• Звукорежиссёр — цифровая запись и обработка.
• Программист — отсчёты, буферы и алгоритмы.

Этот обзор стоит первым в каждом маршруте. Если вы пришли из трека, навигация внизу продолжит его; остальные статьи можно открывать самостоятельно. Формулы и код появятся там, где нужны для подробного разбора.

Вы хотите, чтобы нота медленно появлялась. Что изменить: частоту осциллятора, атаку ADSR или скорость LFO?

Увеличить атаку ADSR: уровень будет подниматься медленнее. Частота осциллятора меняет высоту, а скорость LFO — повторение модуляции (modulation)?модуляция (modulation) — Изменение параметра одного сигнала под действием другого. Например, управляющий сигнал LFO может периодически менять амплитуду звука или частоту генератора..

Почему 220 Гц и 48 кГц могут одновременно описывать одну запись?

220 Гц — частота повторения записанного колебания. 48 кГц — число измерений в секунду в каждом канале. Это разные свойства.

Источники

• Smith S. W. The Scientist and Engineer’s Guide to Digital Signal Processing. Гл. 22: Human Hearing и Timbre. в списке литературы → — частота, громкость, маскировка и развитие звука во времени.
• Puckette M. The Theory and Technique of Electronic Music. Гл. 10: Fourier series of the elementary waveforms. в списке литературы → — формы периодических волн и гармоники.
• Ableton. Live 12 Manual, Analog: Oscillators, Envelopes, LFOs — заполнение импульса, расстройка, этапы огибающей и направления модуляции.
• JUCE. juce::ADSR — запуск огибающей нажатием и переход к release отпусканием клавиши.
• Smith S. W. The Scientist and Engineer’s Guide to Digital Signal Processing. Гл. 3: Quantization. в списке литературы → — измерение во времени и конечные уровни отсчётов.
• Smith S. W. The Scientist and Engineer’s Guide to Digital Signal Processing. Гл. 27: Data Compression Strategies. в списке литературы → — сжатие с потерями и без них.
• Xiph.Org. FLAC Format — сжатие с потерями и без них.
• SANDYNE. Learn — ориентир компоновки и взаимодействий вводных опытов с осциллятором, ADSR и LFO. Текст, графики и код опытов здесь подготовлены для «Теории аудио».