Audiodatenkompression (oft auch als Audiokompression bezeichnet) ist eine Datenreduktion („verlustbehafteter“ Algorithmus) oder Datenkompression („verlustfreier“ Algorithmus).

Audiodatenkompression bezeichnet spezialisierte Arten der Datenkomprimierung, um digitale Audiodaten effektiv in ihrem Umfang zu reduzieren. Wie bei anderen spezialisierten Arten der Datenkomprimierung (vor allem Video- und Bildkompression) werden spezifische Eigenschaften der entsprechenden Signale mit verschiedenen Möglichkeiten ausgenutzt, um einen Verkleinerungseffekt zu erzielen.

Nicht zu verwechseln ist diese Art der Kompression mit dem Verfahren einer Dynamikeinengung (auch Dynamikkompression genannt), die im Normalfall zum Anheben von leiseren oder Absenken lauterer Passagen in einem Audiosignal verwendet wird und nicht das Ziel hat, Daten einzusparen (siehe dazu Kompressor).

Verlustfreie Audiodatenkompression Die verlustfreie Audiodatenkompression oder kürzer verlustfreie Audiokompression ist die verlustfreie Kompression von Audiodaten, also die Erzeugung von gepackten Daten, die eine bitidentische Rekonstruktion des Ausgangssignals erlauben.

Die verlustfreien Audiocodecs unterscheiden sich von generischen Datenkompressionsverfahren dadurch, dass sie speziell an die typische Datenstruktur von Audiodaten angepasst sind und diese daher besser komprimieren als generische Verfahren wie zum Beispiel die Lempel-Ziv-basierten Algorithmen Deflate/ZIP und RAR. Die mit heutigen verlustfreien Verfahren erreichbare Kompressionsrate liegt bei Audio-CD-typischen Inhalten (Musik, 16 Bit/44100 Hz) üblicherweise zwischen 25 und 70 Prozent.

Verwendung Die Verfahren finden Anwendung in Tonstudios, auf neueren Tonträgern wie der SACD und der DVD-Audio sowie zunehmend auch in privaten Musikarchiven qualitätsbewusster Musikhörer, die beispielsweise Generationsverluste vermeiden wollen. Daneben sind viele Datenkompressionsverfahren aus dem Audiobereich auch für andere Signale wie beispielsweise biologische Daten, medizinische Kurven oder seismische Daten interessant.

Problemstellung Die Mehrzahl der Tonaufnahmen umfasst Töne, die in der realen Welt aufgenommen wurden und damit schwer zu komprimieren sind – ähnlich dem Umstand, dass sich Fotos nicht so sehr komprimieren lassen, wie computergenerierte Bilder. Auch computergenerierte Tonabfolgen können jedoch komplizierte Wellenformen enthalten, die sich mit vielen Kompressionsalgorithmen nur schlecht komprimieren lassen.

Die besondere Herausforderung bei der Kompression von Audiosamples liegt darin, dass sich die Werte sehr schnell verändern und es wenige Folgen gleicher Bytes gibt. Allgemeine Datenkompressionsalgorithmen setzen auf diese wiederkehrenden Datenmuster und funktionieren somit für die Audiodatenkompression nicht gut.

Sparsamere Repräsentationen finden Die PCM-Darstellung von Schallwellen lässt sich ihrer Natur nach im Allgemeinen schwer vereinfachen ohne eine zwangsweise verlustbehaftete Konvertierung in Frequenzfolgen, wie sie im menschlichen Ohr stattfinden.

Im Falle von Audiodaten können Ähnlichkeiten zwischen den (Stereo-)Kanälen und Abhängigkeiten zwischen aufeinanderfolgenden Abtastwerten (durch Dekorrelation) sowie danach Entropie der Abtastwerte des Restsignales ausgenutzt werden.

Technik Kanalkopplung

Durch Kopplung von Kanälen können Abhängigkeiten zwischen Kanälen ausgebeutet werden. Indem ein Kanal über den Unterschied zu einem vorhandenen oder einem neuen Mittenkanal beschrieben wird, kann die wiederholte Beschreibung gemeinsamer Inhalte vermieden werden.

Die Differenzsignale können entweder verlustfrei gespeichert, quantisiert und entsprechend verlustbehaftet kodiert werden oder beispielsweise auch zu parametrischen Beschreibungen abstrahiert gespeichert werden.

Vorhersage Zur Ausbeutung von Abhängigkeiten zwischen aufeinanderfolgenden Abtastwerten wird eine Dekorrelation vorgenommen, indem versucht wird, den Verlauf der Klangkurve vorherzusagen. Dadurch kann ein Rest-/Differenzsignal errechnet werden, das bei guter Vorhersage entsprechend schwach ist (das heißt wenig signifikante Stellen hat) und darüber hinaus mit einer Entropiekodierungs­methode komprimiert werden kann. Dazu werden in den meisten Fällen Abtastwerte mit ausgefeilten, sich anpassenden (adaptiven) Vorhersageverfahren aus anderen extrapoliert.

Entropiekodierung Die Entropiekodierung des dekorrelierten Restsignales nutzt für dessen Abtastwerte unterschiedliche Auftrittswahrscheinlichkeiten und Ähnlichkeiten aus. Hierfür werden oft beispielsweise Rice-Codes verwendet.

Ein Verfahren ist symmetrisch, wenn zum Dekodieren das Signal die gleichen Schritte wie bei der Kodierung umgekehrt durchläuft und der Rechenaufwand für das Kodieren von dem für das Dekodieren nötigen Rechenaufwand abhängt.

Verfahrensmerkmale Bei verlustfreien Codecs sollten definitionsgemäß Qualitätsunterschiede des Audiosignals ausgeschlossen sein, Verfahrensunterschiede liegen hier in folgenden Merkmalen: Kompressionsrate direktes Abspielen der komprimierten Daten Anspringen beliebiger Positionen in einem Audiostrom Ressourcenbedarf der Kompression sowie der Dekompression Soft- und Hardwareunterstützung Flexibilität im Umgang mit Metadaten Art der Lizenz Plattformübergreifende Verfügbarkeit Unterstützung von Mehrkanal-Signalen Unterstützung unterschiedlicher Auflösungen – zeitlich (Abtastfrequenz) beziehungsweise der Klangtiefe (Abtasttiefe) eventuell zusätzliche verlustbehaftete, oder sogar Hybrid-Modi (verlustbehaftete + Korrekturdatei) Streaming-Unterstützung Fehlertoleranz/-korrekturmechanismen Eingebettete Prüfsummen zur schnellen Überprüfung einer Datei auf Vollständigkeit Symmetrische und asymmetrische Kodiermöglichkeiten (Un-/Abhängigkeit der Dekodier- von der Kodiergeschwindigkeit) Unterstützt die Erstellung selbstentpackender Dateien Kompatibilität zum Replay-Gain-Standard Unterstützung eingebetteter Cuesheets eventuelle Speicherung von Kopfdaten des Originalformates

Verlustfreie Audioformate Verlustfreie Audioformate sind: Adaptive Transform Acoustic Coding – Advanced Lossless (ATRAC) Apple Lossless, auch Apple Lossless Encoding oder Apple Lossless Audio Codec (ALAC) Dolby TrueHD DTS-HD Master Audio Emagic ZAP Free Lossless Audio Codec (FLAC) Lossless Audio (LA) Meridian Lossless Packing (MLP) Monkey’s Audio (APE) MPEG-1 Audio Layer 3 (mp3HD) MPEG-4 Audio Lossless Coding (ALS) OptimFROG Shorten TAK Toms verlustfreier Audiokompressor The True Audio (TTA) WavPack (WV/WVC) Windows Media Audio Lossless (WMA Lossless)

Verlustbehaftete Audiodatenkompression Als verlustbehaftete Audiodatenkompression, auch weniger präzise, kürzer Verlustbehaftete Audiokompression beziehungsweise in entsprechendem Kontext Verlustbehaftete Kompression oder englisch „lossy“ (verlustbehaftet), bezeichnet man Verfahren, die eine Datenreduktion durchführen und gezielt weniger relevante Signalanteile in der Regel näherungsweise mit minderer Präzision abspeichern oder unwiederbringlich verwerfen.

Bei simplen Verfahren wie μ-law und A-law werden nur die einzelnen Abtastpunkte des PCM-Datenstroms anhand einer logarithmischen Kennlinie abhängig vom Pegel quantisiert. Verfahren wie ADPCM nutzen bereits die Korrelationen aufeinanderfolgender Abtastpunkte aus. Moderne Verfahren basieren meist auf Frequenztransformationen in Verbindung mit psychoakustischen Modellen, die die Eigenschaften des menschlichen (Innen-)Ohres nachbilden und entsprechend dessen Unzulänglichkeiten die Darstellungspräzision maskierter Signalanteile reduziert. Für spezialisierte Verfahren werden weiterhin Modelle eingesetzt, die den Klangerzeuger nachbilden und so eine Klangsynthese beim Empfänger beziehungsweise im Dekoder ermöglichen, womit dann ein großer Signalanteil mit Parametern zur Steuerung des Synthesizers beschrieben werden kann.

mini|Verlustbehaftete Kompression

Psychoakustik Die meisten modernen Verfahren versuchen nicht den mathematischen Fehler zu reduzieren, sondern die subjektive menschliche Wahrnehmung der Tonfolgen zu verbessern. Da das menschliche Ohr nicht alle Informationen eines ankommenden Tones analysieren kann, ist es möglich, eine Klangdatei stark zu verändern, ohne dass die subjektive Wahrnehmung des Hörers beeinträchtigt wird. So kann ein Codec zum Beispiel einen Teil der Klanganteile in sehr hohen und sehr tiefen Frequenzbereichen, die am Rande des Hörbereiches liegen, mit stärker verminderter Präzision speichern oder ausnahmsweise sogar komplett verwerfen. Zudem können leise Klänge mit geringerer Genauigkeit wiedergegeben werden, da sie durch laute Klänge benachbarter Frequenzen verdeckt („maskiert“) sind. Eine andere Art der Überlagerung ist, dass ein leiser Ton nicht erkennbar ist, wenn er unmittelbar vor oder nach einem lauten Ton kommt (zeitliche Maskierung). Ein solches Modell der Ohr-Gehirn-Verbindung, das für diese Effekte verantwortlich ist, wird häufig psychoakustisches Modell genannt (auch: Psychoaccoustic Model, Psycho-model oder Psy-model). Ausgenutzt werden hierbei Eigenschaften des menschlichen Gehörs wie Frequenzgruppenbildung, Hörbereichsgrenzen, Maskierungseffekte und Signalverarbeitung des Innenohrs.

Die meisten der nach einem psychoakustischen Modell arbeitenden verlustbehafteten Kompressionsalgorithmen basieren auf simplen Transformationen, wie der modifizierten diskreten Kosinustransformation (MDCT), welche die aufgenommene Wellenform in ihre Frequenzabfolgen umwandeln und damit näherungsweise Repräsentationen des Ausgangsmaterials finden, die sich effizient quantifizieren lassen, da die Repräsentation der menschlichen Wahrnehmung näher ist. Einige moderne Algorithmen benutzen Wavelets, aber es ist noch nicht sicher, ob solche Algorithmen besser funktionieren als die auf MDCT basierenden.

Qualität Verlustbehaftet komprimierende Verfahren erlauben prinzipbedingt nur die Rekonstruktion eines näherungsweise ähnlichen Signals. Mit vielen Verfahren kann Transparenz erreicht werden, also für die Hörwahrnehmung (des Menschen) ein Grad der Ähnlichkeit erreicht werden, bei dem kein Unterschied zum Original wahrnehmbar ist. Unterhalb der Transparenzschwelle werden die ins Signal eingeschleppten Kompressionsartefakte hörbar. Am oberen Ende der Skala steht die Transparenz, bei der kein Unterschied zum Original wahrnehmbar ist. Sie kann in Blindhörtests festgestellt werden. Meist stellt sich grob ein Schwellwert in der Höhe der Bitrate dar, ab dem Transparenz möglich wird, wobei ein mehr oder minder großes Risiko auf Ausnahmesituationen bleibt, die (noch) nicht transparent kodiert werden können. Dieses Risiko sinkt in der Regel bei weiterer Erhöhung der Bitrate und hängt unter anderem auch von der Architektur des jeweiligen Verfahrens ab. Hier können somit modernere Verfahren oft mit besseren Mechanismen zur Beherrschung von Problemstellen aufwarten. Unterhalb der Transparenzschwelle des Kompressionsverfahrens werden die Kompressionsartefakte eventuell zu einem gewissen Grad noch von den Störungen maskiert, die minderwertige Geräte in die Wiedergabe einbringen. Bei wahrnehmbaren Kompressionsartefakten ist ein objektiver Vergleich unterschiedlicher Verfahren deutlich schwerer, da er oft weitgehend von den subjektiven Vorlieben des Hörers abhängt. Maßstäbe können hier zum Beispiel die Natürlichkeit des Klangbildes sein – zum Beispiel ob die Artefakte natürlich auftretenden Störungen wie Rauschen ähneln. Am unteren Ende der Qualitätsskala wird bei Sprach-Codecs üblicherweise noch die Verständlichkeitsschwelle betrachtet, unterhalb derer Sprachinhalte nicht mehr verständlich reproduziert werden können.

Kompressionsartefakte