Kalkylator för ljudfilsstorlek och bitrate

Okomprimerat digitalt ljud i format som WAV eller AIFF bygger på linjär pulskodsmodulering (PCM). Storleken på filen beror direkt på tre parametrar: hur ofta ljudvågen avläses per sekund, hur detaljerat varje mätvärde sparas, samt hur många separata ljudkanaler som registreras.

Samplingsfrekvensen anger antalet mätpunkter per sekund och mäts i kilohertz (kHz). Standardvärdet för CD är 44,1 kHz, vilket innebär 44 100 mätningar per sekund för att täcka det mänskliga hörselområdet upp till 20 000 Hz enligt Nyquists teorem. I professionell videoproduktion och studioinspelning används oftast 48 kHz eller 96 kHz.

Bitdjupet styr dynamikomfånget och precisionen i varje mätpunkt. Ett bitdjup på 16 bitar erbjuder 65 536 diskreta nivåer och ett teoretiskt dynamikomfång på 96 dB. Med 24 bitar ökar precisionen till över 16,7 miljoner nivåer med ett dynamikomfång på 144 dB.

Total filstorlek i byte beräknas enligt formeln: $$\text{byte} = \text{samplingsfrekvens} \times \frac{\text{bitdjup}}{8} \times \text{kanaler} \times \text{sekunder}$$

Genom att använda en Kalkylator för ljudfilsstorlek kan du snabbt se hur förändringar i dessa parametrar påverkar det totala lagringsbehovet innan du startar inspelningen.

Inom ljudproduktion används flera etablerade standarder beroende på slutdestination. Tabellen visar datamängd och överföringshastighet för vanliga inställningar i stereo:

En låt på 3 minuter och 30 sekunder i stereokvalitet med 44,1 kHz och 16 bit tar cirka 37 MB. Samma spår i studiostandard med 48 kHz och 24 bit kräver ungefär 60,5 MB.

För poddar spelas tal ofta in i mono. En timmes råintervju i mono med 48 kHz och 24 bit upptar cirka 518 MB före redigering. I flerkanalsljud som 5.1-surround multipliceras dataströmmen med sex kanaler, vilket ger cirka 3,1 GB för en timmes master i 48 kHz och 24 bit.

När du spelar in ett band eller en orkester växer datamängden i direkt proportion till antalet mikrofonspår och tagningar. Ett stereospår representerar endast två kanaler, men en trum- eller ensemblesession använder ofta 16 till 32 separata monokanaler.

Om du spelar in ett trumset med 12 mikrofoner i 48 kHz och 24 bit genererar varje inspelad minut: $$12 \times 48000 \times \frac{24}{8} \times 60 = 103\,680\,000\text{ byte} \approx [number=103.7]\text{ MB per minut}$$

Över en tre timmars studiosession med flera alternativa tagningar per låt samlas snabbt tiotals gigabyte. Här är stegen för att beräkna lagringsbehovet inför en session:

1. Summera antalet aktiva monospår i DAW-projektet.
2. Multiplicera med den beräknade sammanlagda inspelningstiden inklusive alla tagningar.
3. Beräkna datamängden med formeln för okomprimerat PCM-ljud.
4. Lägg till en säkerhetsmarginal på minst 30 % för temporära filer, redigeringskopior och säkerhetskopior.

Att använda Kalkylator för ljudfilsstorlek under förproduktionen minimerar risken för att lagringsdiskar blir fulla mitt under en tagning.

Valet mellan standardupplösning och högre format handlar om avvägningen mellan ljudkvalitet under bearbetning och lagringskostnad. Vid inspelning och mixning ger 24 bitar ett praktiskt headroom som eliminerar risken för hörbart brus vid låga insignaler.

Fältinspelning med 32-bitars flyttal har blivit populärt inom ljuddesign och filmljud. Formatet ökar filstorleken med 33 % jämfört med 24 bitar men gör det omöjligt att digitalt överstyra inspelningen vid oväntade ljudtoppar. En minut i 32-bit stereo vid 48 kHz tar 23 MB, vilket är en rimlig kostnad för att garantera felfria tagningar i oförutsägbara miljöer.

Vid slutleverans för streaming konverteras ljudet ofta till standarder som 44,1 kHz eller 48 kHz i 16 eller 24 bit. Under masteringprocessen kontrolleras dynamik och integrerad ljudstyrka med en LUFS-mätare för att uppfylla streamingtjänsternas riktlinjer. Högre samplingsfrekvenser som 96 kHz eller 192 kHz kräver dubbel eller fyrdubbel lagringskapacitet, vilket främst är motiverat vid avancerad ljudredigering med tidssträckning eller pitchförskjutning där extra ultraljudsinformation förhindrar aliasing.

Det uppstår ofta förvirring kring ljudfilers storlek på grund av olika enheter och komprimeringsmetoder. Tre vanliga felkällor bör uppmärksammas:

För det första skiljer sig decimala megabyte (MB) från binära mebibyte (MiB). Kalkylator för ljudfilsstorlek använder SI-enheter där 1 MB motsvarar $10^6$ (1 000 000) byte. Vissa operativsystem visar filstorlekar i binära enheter baserade på $2^{20}$ (1 048 576 byte). Därför kan en fil på 100 MB visas som cirka 95,37 MiB i datorns filhanterare utan att någon information har gått förlorad.

För det andra förväxlas ofta kilobit per sekund (kbps) med kilobyte per sekund (kB/s). Eftersom en byte består av åtta bitar beräknas bithastigheten i kbps enligt formeln: $$\text{kbps} = \frac{\text{samplingsfrekvens} \times \text{bitdjup} \times \text{kanaler}}{1000}$$ En bithastighet på 1 411 kbps för CD-kvalitet motsvarar alltså cirka 176,4 kB/s i faktisk filöverföring.

För det tredje skalar komprimerade format som MP3 eller AAC annorlunda än okomprimerad WAV. En MP3-fil kodad i 320 kbps tar alltid cirka 2,4 MB per minut, oavsett om källmaterialet var inspelat i 44,1 kHz eller 96 kHz. Förlustfri komprimering som FLAC minskar istället storleken med typiskt 40 % till 60 % av originalets PCM-storlek beroende på ljudets dynamiska innehåll.