Quel format audio choisir pour son cloud musical ?

Débit constant ou variable ?

Encore un autre paramètre sur lequel vous avez généralement la main pour les formats de compression destructifs — et parfois avec les formats de compression sans perte également — c'est de choisir si ce débit binaire est constant ou variable :

• Débit binaire constant (ou constant bitrate, abrégé CBR en anglais) : le débit binaire reste toujours le même du début à la fin du fichier audio. Quelle que soit la complexité de la musique — une symphonie ou un silence — 1 seconde de donnée prendra toujours exactement la même place.
• Débit binaire variable (ou variable bitrate, abrégé VBR en anglais) : le débit binaire change au cours du temps, en fonction de la complexité de la donnée audio à encoder. Ainsi 1 seconde de silence prendra beaucoup moins de place que 1 seconde d'une symphonie.

Dans le cas du débit binaire variable, on choisit, en fonction des codecs :

• Soit un débit binaire « cible » qui sera une indication du niveau de qualité souhaité. Le logiciel d'encodage va alors essayer d'encoder aux alentours de ce débit, mais il pourra utiliser des débits plus faibles ou plus élevés en fonction de la complexité des données à un instant T.

  C'est de cette manière que fonctionne le paramètre de qualité de l'encodeur Vorbis oggenc ou encore le mode "ABR" de l'encodeur MP3 LAME.

• Soit un intervalle de débits (un minimum et un maximum) qui contraindront l'encodeur. C'est ce qui est utilisé par le mode "VBR" de l'encodeur MP3 LAME.

• Soit une taille de fichier cible, et dans ce cas on laisse l'encodeur se débrouiller pour trouver comment ajuster les débits binaires pour atteindre cet objectif. C'est un peu ce qu'on faisait à l'époque où on encodait nos films en DivX et qu'on souhaitait qu'il puisse tenir sur un CD de 700 Mo... 🙃️

Les encodages à débit variable préservent mieux la qualité des passages complexes d'une musique, il s'agit donc d'un bon choix la plupart du temps.

Dans le cas du streaming, les encodages à débit constant sont par contre à privilégier, car des changements brusques dans la quantité de données transmise ne peuvent pas être anticipés par les équipements réseau et on peut se retrouver avec des petites coupures qui sont fortement désagréables à l'écoute.

Attention toutefois, ici quand je parle de streaming, je parle de flux continu en direct, comme par exemple une webradio ou un live Twitch. La musique en « streaming » telle qu'elle fonctionne sur Nextcloud Music ou sur des plateformes comme Spotify, Deezer et autres n'est pas en direct. Le logiciel client télécharge les fichiers audio qu'il va en suite lire. Certes il peut arriver que le logiciel télécharge le fichier au fur et à mesure de la lecture mais il est en capacité d'anticiper les problèmes en téléchargeant une certaine quantité de données à l'avance. Il est donc tout à fait possible d'utiliser du VBR dans ce cas-ci.

C'est quoi un « bon » débit ?

Maintenant qu'on sait tout ça, c'est quoi un « bon » débit binaire ? Eh bah ça dépend du format, de la qualité du logiciel qui fait l'encodage et de la complexité de la donnée audio à encoder. Il n'y a pas de réponse toute faite, mais je vais quand même vous donner quelques éléments de réponse. 😁️

En supposant qu'on encode une musique stéréo à une fréquence d'échantillonnage de 44,1 kHz avec une profondeur de 16 bits depuis une source sans perte — soit typiquement un CD audio 😉️ — et avec un logiciel d'encodage de bonne qualité, on s'accorde généralement les valeurs suivantes.

Résultats du benchmark

Voici les résultats que j'ai obtenus :

Et voici un petit graphique pour mieux mesurer les écarts :

Taille des fichiers en Mio en fonction du codec et du bitrate choisi

On ne peut bien évidemment pas tirer de généralités de ce petit benchmark. Il faudrait pour cela reproduire le même encodage sur une grande quantité de musiques variées. Mais ça permet quand même de se faire une idée.

Pour reproduire à la maison

Si jamais vous voulez tester par vous-même sur des musiques que vous avez sous la main, voici le petit script qui permet de reproduire les encodages que j'ai effectués avec tous les paramètres des différents encodeurs que j'ai utilisés :

#!/bin/bash

## USAGE:
##   ./encode.sh INPUT_WAVE OUTPUT_NAME

INPUT_WAVE="$1"
OUTPUT_NAME="$2"

if [ ! -f "$INPUT_WAVE" ] || [ -z "$OUTPUT_NAME" ] ; then
    cat "$0" | grep "^##" | sed "s/^## \\?//"
    exit 1
fi

# FLAC (flac): sudo apt install flac
flac --best "$INPUT_WAVE" -o "$OUTPUT_NAME.flac"

# MP3 (lame): sudo apt install lame
lame -q 0 --abr 128 "$INPUT_WAVE" "$OUTPUT_NAME.abr-128.mp3"
lame -q 0 --abr 192 "$INPUT_WAVE" "$OUTPUT_NAME.abr-192.mp3"
lame -q 0 --abr 320 "$INPUT_WAVE" "$OUTPUT_NAME.abr-320.mp3"
# Example VBR encoding (96 kbps - 224 kbps)
# lame -q 0 --vbr-new -V 4 -b  96 -B 224 "$INPUT_WAVE" "$OUTPUT_NAME.vbr-096-224.mp3"
# Example CBR ecoding (128 kbps)
# lame -q 0 --cbr -b 128 "$INPUT_WAVE" "$OUTPUT_NAME.cbr-128.mp3"

# Vorbis (oggenc): sudo apt install vorbis-tools
oggenc -q 3 "$INPUT_WAVE" -o "$OUTPUT_NAME.vbr-q3.ogg"
oggenc -q 5 "$INPUT_WAVE" -o "$OUTPUT_NAME.vbr-q5.ogg"

# Opus (opusenc): sudo apt install opus-tools
opusenc --vbr --bitrate  64 "$INPUT_WAVE" "$OUTPUT_NAME.vbr-064.opus"
opusenc --vbr --bitrate  96 "$INPUT_WAVE" "$OUTPUT_NAME.vbr-096.opus"
opusenc --vbr --bitrate 128 "$INPUT_WAVE" "$OUTPUT_NAME.vbr-128.opus"

Pour l'utiliser vous aurez besoin d'installer les différents encodeurs nécessaires, ce qui peut se faire avec la commande suivante sous Debian et Ubuntu :

sudo apt install flac lame vorbis-tools opus-tools

Puis d'enregistrer le script dans un fichier "encode.sh" que vous pourrez ensuite lancer avec la commande :

bash encode.sh Walkman.wav Walkman_encoded

Où

• "Walkman.wav" est le nom du fichier audio non compressé d'entrée (au format Microsoft WAVE/PCM),
• "Walkman_encoded" est le nom qui sera utilisé comme base pour les fichiers de sortie ("Walkman_encoded.vbr-q3.ogg", "Walkman_encoded.vbr-128.opus",...).

Codec

Codec est l'acronyme de COdeur DECodeur.

Bien qu'on utilise souvent ce terme pour désigner à la fois un format audio (ou vidéo) et ses implémentations il ne faut pourtant pas mélanger les deux :

• un format audio est une norme qui définit comment sont organisées (et éventuellement compressées) les données,
• un codec est une implémentation logicielle ou matérielle d'un format.

Par exemple MP3 est un format audio, LAME est un codec pour le format MP3.

Plus d'information :

• Article « Codec » sur Wikipédia

Fréquence d'échantillonnage

Pour encoder un signal analogique, comme — au hasard — un signal audio, il faut l'échantillonner. Cela consiste à relever à intervalle régulier un point sur la courbe de ce signal. La fréquence d'échantillonnage (ou sampling rate en anglais) correspond au nombre de points que l'on relève par seconde et s'exprime en Hertz (Hz).

À gauche : signal continu, à droite : signal échantillonné résultant (graphique repris de la page Wikipédia sourcée plus bas)

Dans le cas de l'audio, et plus particulièrement de la musique, on retrouvera la plupart du temps une fréquence d'échantillonnage de 44,1 kHz soit 44100 points de données par secondes. Il s'agit de la fréquence d'échantillonnage utilisée par les CD audio. On peut quelques fois tomber sur des morceaux échantillonnés à 48 kHz mais c'est plutôt utilisé pour les pistes audio accompagnant de la vidéo (sur les DVD et la TNT entre autres). Des fréquences plus élevées sont également possibles mais elles sont plutôt réservées à la production audio professionnelle (Studio Master, tout ça).

Plus d'information :

• Article « Fréquence d'échantillonnage » sur Wikipédia

Résolution

Comme on l'a vu juste avant, l'échantillonnage consiste à relever des points de données à intervalle régulier. La résolution (ou bit depth en anglais) correspond à la précision de chacun de ces points de données, ce qui se traduit dans notre monde numérique par le nombre de bits utilisés pour les encoder.

Le plus souvent vos musiques auront une résolution de 16 bits car c'est ce qu'utilisent les CD audio, mais vous pouvez parfois trouver de la musique à une résolution de 24 bits (musiques vendues sous l'appellation « Studio Master » ou « High-resolution », ou parfois sur les pistes audio des DVD ou des BluRay).

Plus d'information :

• Article « Audio bit depth » sur Wikipédia [anglais]
• Article « High-resolution audio » sur Wikipédia [anglais]

Débit binaire

Le débit binaire (ou bitrate en anglais) correspond à la quantité de données nécessaire pour stocker 1 seconde d'un flux audio. Ce débit s'exprime en kilobits par seconde (abrégé kb/s ou kbps).

Ce qu'il faut retenir c'est que pour deux musiques encodées dans les mêmes conditions (même format, même encodeur, etc.), celle avec le débit binaire plus élevée sera de meilleure qualité. Il ne faut par contre pas comparer les débits binaires des différents formats entre eux. Un fichier Opus à 128 kbps sera de qualité équivalente à un MP3 encodé à 224 ou 320 kbps.

Plus d'informations dans le passage dédié de cet article et sur Wikipédia :

• Article « Débit binaire » sur Wikipédia

CBR / VBR / ABR

Lorsque l'on encode une musique dans un format destructif, le débit binaire peut être constant ou variable. On distingue les dénominations suivantes :

• CBR (constant bitrate) : Le débit binaire est toujours le même d'un bout à l'autre du fichier audio.

• VBR (variable bitrate) : Le débit binaire varie au fil du temps en fonction de la complexité des données à encoder. Par exemple un silence de 1 seconde prendra beaucoup moins de place que 1 seconde de musique complexe. Une musique encodée en VBR sera généralement de meilleure qualité qu'une musique encodée avec un débit CBR équivalent.

• ABR (average bitrate) : Il s'agit là encore d'un encodage à débit binaire variable. À ma connaissance on ne retrouve cette terminologie qu'avec l'encodeur MP3 LAME.

  Contrairement à la méthode d'encodage "VBR" de LAME, qui demande de choisir un débit minimal et maximal (par exemple "lame --vbr-new -b 96 -B 224 input.wav output.mp3"), la méthode "ABR" demande de choisir un débit moyen qui servira de cible pour la qualité du résultat (exemple: "lame --abr 128 input.wav output.mp3").

  Le principal intérêt de cette méthode est une plus grande prévisibilité de la taille du fichier finale, qui se rapprochera davantage de celle du CBR tout en améliorant la qualité du résultat.

Évolution du débit binaire avec un encodage CBR et VBR sur un échantillon de 3 secondes de musique

Plus d'informations dans le passage dédié de cet article et sur les liens suivants (en anglais) :

• Article « Constant bitrate » sur Wikipédia [anglais]
• Article « Variable bitrate » sur Wikipédia [anglais]
• Article « Average bitrate » sur Wikipédia [anglais]

Pulse-code modulation (PCM)

La modulation par impulsions et codage, plus connue sous son abréviation anglaise « PCM » (pour pulse-code modulation) est une manière de représenter un signal analogique sous une forme numérique.

Pour faire court, il s'agit de la manière dont sont stockées les données d'un CD audio. On retrouve aussi couramment ce codage dans les fichiers WAVE (.wav) de Microsoft ou AIFF (.aiff) d'Apple.

Plus d'informations :

• Article « Modulation par impulsions et codage » sur Wikipédia
• Article « Disque compact » sur Wikipédia