vignette|Une icône de fichier audio.|170px Un format de fichier audio est un format de données utilisé en informatique pour stocker des sons, notamment de la musique, et de la voix humaine, sous forme numérique. L'industrie a produit de nombreux formats destinés soit à la production, soit à la diffusion.
L'élément de programme qui transforme le signal en fichier et le fichier en signal s'appelle un codec, abréviation de « codeur-décodeur » ().
Les télécommunications et particulièrement la téléphonie mobile utilisent des codecs adaptés à la transmission de la parole.
Le codage des sons Les formats de codage audio dérivent d'études psychoacoustiques. Ils limitent la quantité d'information dans le signal de façon à réduire le débit (et donc le poids du fichier), en tenant compte de la perception humaine des sons et de la qualité de la reproduction qu'ils tolèrent.
Toutes les conversions de sons en signal audio analogique ou numérique, se limitent au spectre de fréquences correspondant à l'audition humaine, ou un peu plus. La plupart tirent parti de la moindre sensibilité de l'oreille aux fréquences les plus basses et les plus élevées en déplaçant vers ces fréquences le bruit de fond et le bruit de quantification. Les codecs peuvent de plus détecter les redondances du signal audio, de façon à ne transmettre que la partie imprévisible du signal. Tous les éléments qui font la différence entre le signal et le bruit, qu'il s'agisse de fréquences musicales ou de rythmes, sont fondés sur la répétition à plusieurs reprises d'un phénomène. Pour obtenir un débit plus réduit, les codecs peuvent tirer parti des effets de masque, fréquentiel et temporel, de l'audition humaine, ainsi que de la faible discrimination des hauteurs spectrales dans les deux octaves supérieures de l'audition. Les systèmes les plus élaborés se basent sur un véritable modèle de l'audition humaine et visent à ne transmettre que les informations nécessaires pour obtenir la même perception auditive que pour le signal brut de numérisation.
Les codages se situent à divers points de compromis entre le coût de production, le débit numérique, les contraintes de diffusion et la qualité perceptuelle. En poursuivant un objectif de réduction de la quantité d'information, on peut être amené à définir une qualité admissible de reproduction, qui soit distincte de la meilleure qualité possible. Quand l'usage du codec vise la transmission de la parole, les paramètres sont ajustés pour cette utilisation moins exigeante que la musique. La plupart des encodages donnent, pour un même décodeur, de meilleurs résultats avec des processus de calcul longs, ou qui tiennent compte, en plusieurs passes, du segment audio entier ; la qualité d'écoute peut être moindre pour les applications en temps réel, qui imposent un faible délai.
En principe, un encodage perceptuel avancé donnant, pour le même enregistrement, une taille inférieure à celle d'un codage pour CD pourrait avoir une qualité subjective supérieure, à condition que leur original commun ait été une source enregistrée avec une fréquence d'échantillonnage et une résolution supérieures. En pratique, d'une part on choisit souvent des compressions privilégiant plus la diminution de la taille du fichier, d'autre part la source avant compression est souvent un fichier CD.
En 2014, le codec le plus utilisé était de loin le MP3, suivi du wma (Microsoft), et de l'AAC.
Il faut distinguer le format de fichier et le codec. Beaucoup de fichiers utilisent le format RIFF, qui peut contenir une quantité d'éléments () divers. Un en-tête qui occupe les quatre premiers octets indique le type RIFF, suivi des indications nécessaires sur l'emplacement des autres éléments, construits récursivement de la même façon. Ces éléments peuvent contenir tous types de données. Ceux de ces éléments qui codent du son indiquent le codec dans leur en-tête. La machine ignore les éléments qu'elle ne peut décoder. Un fichier identifié comme wav peut ainsi contenir des éléments dont le codec est mp3.
Certains systèmes, et les utilisateurs humains, peuvent utiliser l'extension du nom de fichier qui désigne conventionnellement le format du fichier. Mais cette indication, la plupart du temps, indique une liste de codages possibles, et non le codage lui-même. Elle concerne plus le système de classement des fichiers sur le disque dur, que le format audio lui-même. Changer ce nom n'a pas d'incidence sur la manière dont la machine décode le fichier, cela peut seulement gêner la recherche du programme le plus adapté pour le faire.
Caractéristiques des codages audio Nombre de canaux sonores codés : mono, stéréo, multicanaux. Fréquence d'échantillonnage : nombre d'échantillons par seconde utilisés pour décrire numériquement le signal qui représente l'onde sonore pour chaque canal. La bande passante dépend étroitement de cette caractéristique. Résolution de chaque échantillon en bits. Le rapport signal sur bruit dépend de cette caractéristique si le bruit de quantification est supérieur au bruit propre du signal. Le dither augmente un peu le bruit de fond, afin de le rendre indépendant du signal, et de le déplacer vers une région du spectre. Débit numérique : taille du fichier par rapport à la durée du son. compression de données ou réduction de débit par rapport à un fichier brut. avec reconstitution de la forme d'onde initiale (codage de l'entropie), ou avec reconstitution (plus ou moins précise) de l'impression sonore (codage psychoacoustique). Puissance de calcul nécessaire au codage. Puissance de calcul nécessaire au décodage. Structure permettant ou non de commencer à jouer le fichier alors qu'on en connaît pas encore la fin, de jouer un fichier à partir du milieu sans connaître le début, de sauter sur un emplacement déterminé, d'enregistrer des données ancillaires et auxiliaires (Métadonnées), de gérer les droits de reproduction numérique (DRM), d'adapter automatiquement le niveau au local d'écoute.
Selon l'usage auquel le fichier est destiné, certaines caractéristiques ont plus d'importance que d'autres.
Dans un format donné, les fichiers peuvent être déclinés en plusieurs échelles de quantification (8, 16 ou 24 bits) avec différentes fréquences d'échantillonnage (par exemple , , , , , , ,) appliqués à un certain nombre de voies (monophonique, stéréophonique, 5.1 surround). Les formats qui utilisent la réduction de débit par codage psychoacoustique proposent diverses qualités de reproduction, correspondant à plus ou moins de réduction de débit.
Les différents canaux sonores peuvent être réels et multiplexés, ou mélangés discrètement aux signaux principaux, que tous les décodeurs restituent, tandis que seulement ceux qui exploitent des algorithmes spécifiques (Surround) décodent et restituent les autres. Quand il y a réduction de débit, celle-ci peut utiliser ou non la redondance entre les canaux.
Les codecs peuvent utiliser deux stratégies, avec leurs avantages et inconvénients respectifs. ou CBR : Le « débit binaire fixe » donne à chaque trame du fichier, correspondant à une durée élémentaire, la même taille. ou VBR : Le « débit binaire variable » adapte la compression à chaque passage du fichier, pour obtenir une qualité homogène. En général, on peut arriver à une meilleure qualité subjective globale pour une même taille de fichier, puisque le fichier peut comporter plus d'informations pour les passages difficiles. En contrepartie, cette stratégie est délicate à mettre en œuvre pour le codage en direct ; il faut en général au moins deux passes pour l'encodage. La première repère les passages contenant le plus d'information, la seconde répartit la compression selon les résultats de la première et l'objectif global de taille qu'impose l'utilisateur. Il est aussi plus difficile d'atteindre un point repéré uniquement par le temps.
Utilisation des formats Un format est dit « de production » quand il sert à la confection d'un prototype, « de diffusion » lorsque l'enregistrement, qui ne subira plus de modifications, sera copié à un grand nombre d'exemplaires ou diffusé sur un canal de communication de débit binaire limité.
Dans un processus de production, la taille du fichier est de moindre importance. On choisit des formats qui conservent autant que possible l'information enregistrée dans les éléments sonores, et qui permettent des traitements de meilleure qualité, même au prix d'une importante consommation de ressources de calcul. Le plus souvent, on évite la compression de données, et même on augmente la taille des fichiers, par exemple en ajoutant des métadonnées encapsulées et en convertissant le format des données numériques de nombres entiers en virgule flottante. La plupart du temps, le signal peut être restitué après décodage identique à ce qu'il était avant le codage.
Dans la diffusion des fichiers audio, la taille des fichiers a beaucoup plus d'importance. Le codage vise à restituer l'impression sonore, sans garantir la restitution du signal à l'identique. La réduction du débit des données rend incertaine la qualité d'un traitement ultérieur.
La question de la qualité Lorsqu'on considère la qualité de la transmission du point de vue de la perception humaine, son évaluation ne peut se faire qu'avec des méthodes psychoacoustiques, soit en étudiant l'appréciation d'échantillons d'auditeurs, soit avec des modèles d'évaluation élaborés à partir de ces enquêtes.. Ce contrôle de la qualité des méthodes d'encodage est un champ de recherche depuis 1990Voir entre autres ; ; .. L'Union internationale des télécommunications a défini des , qui résultent en une note d'opinion moyenne (MOS, ) qui peut varier entre 0 (très mauvais) et 5 (excellent, comparable à la version d'origine).
Pour un format de fichier sans réduction de débit, la qualité de reproduction peut assez bien s'évaluer par le débit numérique, qui est le produit de la fréquence d'échantillonnage par le nombre de bits. Le CD, à et , peut servir de point de comparaison dans cette évaluation. Quand on réduit le débit, la qualité se dégrade rapidement ; quand on l'augmente, elle s'améliore de plus en plus marginalement au fur et à mesure que le débit augmente. Pour l'enregistrement en direct, où, contrairement au CD terminé, on ne peut contrôler et anticiper le niveau, une résolution supérieure est appréciable, d'autant plus qu'on ne souhaite pas en général, à ce stade, comprimer la dynamique sonore.
Aidé par les nouveaux supports informatiques, le son peut être numérisé en . On atteint ainsi un rapport signal sur bruit supérieur à celui du matériel de prise de son. Pour le mélange et le traitement du signal, il est préférable d'utiliser une plus grande résolution, pour éviter que le cumul des arrondis dans les très nombreux calculs que nécessitent les filtres et les mélanges ne détériore le signal. En codage en virgule flottante, (IEEE 754 simple précision) suffisent pour éviter cette accumulation. Certaines machines travaillent en (IEEE 754 double précision), et les erreurs se trouvent ainsi repoussées à l'infini, au prix d'une énorme marge de calculs inutiles.
De la même façon, augmenter la fréquence d'échantillonnage à la prise de son permet d'utiliser des filtres anti-repliement moins brutaux. Quand les filtres doivent passer de « passe » à « coupe » sur une octave, comme dans le CDVoir Échantillonnage (signal)#Filtres anti-repliement., ils transmettent un peu irrégulièrement la partie du signal qui doit passer, et ne peuvent couper complètement la partie qui doit disparaître. Les meilleurs filtres demandent beaucoup de calculs et ils imposent un délai important au signal. Il est possible de reporter cette opération à la phase finale de la production (masterisation en musique). Les appareils modernes offrent des fréquences d'échantillonnage doubles et quadruples du CD : et et de celles de la télévision : (), soit et .