Resumos · Oficina de Multimédia BPT · Secundário

Som digital para multimédia

O som é a outra metade de uma obra audiovisual e quase sempre a que decide se o espetador acredita no que vê. Percorre-se aqui o caminho que leva uma onda de pressão até um ficheiro — amostragem, teorema de Nyquist e quantização —, os equipamentos e as técnicas com que se capta, os formatos com o cálculo do débito e do tamanho, e a edição, a mistura e o desenho sonoro que dão a um produto multimédia as suas camadas de voz, música, efeitos e ambiente. Oficina de Multimédia B é uma disciplina de opção do 12.º ano sem Exame Final Nacional, avaliada internamente a partir das produções e do projeto.

4 secções~35 min de leitura5 competênciasNível Padrão 2 · Aprofundamento 2

T·0555 / 8

Perfil de exame

Explicar a digitalização do som e aplicar o teorema de Nyquist à escolha da taxa de amostragemCalcular o débito binário e o tamanho de um ficheiro áudio a partir dos seus parâmetrosSelecionar o microfone e o padrão polar adequados a uma situação de captaçãoExecutar operações essenciais de edição e mistura de áudio com intenção expressivaEscolher o formato de áudio adequado ao suporte multimédia e justificar a escolha

Operadores:compreendeidentificacalculaaplicaselecionacaptaeditajustifica

nível básico

Identificar os formatos de áudio e os equipamentos de captação correntes e executar as operações essenciais de corte, fade e mistura numa peça simples.

nível avançado

Aplicar Nyquist e o cálculo do débito à escolha dos parâmetros de gravação, dominar microfones e padrões polares e construir uma mistura por camadas fundamentada em intenção narrativa.

Profundidade

Texto

Conteúdo · 4 secções

Som digital para multimédia

O som e a sua digitalização: amostragem, Nyquist e quantização#

AprofundamentoAE-oficina-de-multimedia-b-12-som-digital

O som é uma perturbação mecânica: um corpo vibra, comprime e rarefaz o ar à sua volta, e essa variação de pressão viaja até ao ouvido. Duas grandezas descrevem-na e traduzem-se em duas qualidades audíveis. A frequência, medida em hertz, conta os ciclos por segundo e dá a altura — quantos mais ciclos, mais agudo o som, e o lá de referência da afinação tem 440 Hz. A amplitude mede o quanto a pressão se afasta do repouso e dá a intensidade, aquilo a que correntemente se chama volume. O ouvido humano responde aproximadamente entre 20 Hz e 20 kHz, janela que se estreita com a idade, e é dentro dela que toda a decisão sonora de um projeto se joga.

Um som real quase nunca é uma frequência só. À frequência mais baixa, dita fundamental, sobrepõem-se harmónicos de frequência múltipla, e é a força relativa desses harmónicos que constitui o timbre — a razão por que um violino e uma flauta, na mesma nota e no mesmo volume, continuam a ser inconfundíveis. O timbre é a cor do som e, para quem faz a obra, é a matéria expressiva propriamente dita. Escolher entre uma voz apanhada de muito perto, cheia de graves e de detalhe, e a mesma voz gravada ao longe, magra e reverberante, é uma decisão de encenação tão forte como escolher um plano.

Digitalizar é converter essa variação contínua num rol de números, e faz-se em dois gestos independentes. O primeiro é a amostragem: mede-se a amplitude do sinal a intervalos rigorosamente iguais e guarda-se cada medida, de modo que a onda deixa de ser uma linha e passa a ser uma sucessão de pontos (Fig. 1). O número de medidas por segundo é a taxa de amostragem, escrita também em hertz — 44,1 kHz na norma do CD, 48 kHz na do vídeo e do cinema, 96 kHz em captações de arquivo. Amostrar a 44,1 kHz é medir a pressão 44 100 vezes por segundo, ou seja, uma vez a cada 22,7 microssegundos. Quanto mais densa a amostragem, mais fielmente a lista de pontos descreve as oscilações rápidas, que são precisamente as agudas.

Amostragem de um tom de 1 kHz

Fig. 1Fig. 1 — Um tom de 1 kHz (um ciclo por milissegundo) amostrado a 8 kHz: uma medida a cada 0,125 ms, aqui marcadas as seis primeiras, sobre o primeiro ciclo.

Quantas medidas por segundo são precisas não é matéria de gosto. O teorema da amostragem, devido a Nyquist e a Shannon, fixa que a taxa tem de ser pelo menos o dobro da frequência mais alta que se pretende registar; abaixo disso a reconstrução do sinal deixa de ser possível. Como a audição humana termina por volta dos 20 kHz, uma taxa de 44,1 kHz cobre o espetro audível com folga, pois metade de 44 100 são 22 050 Hz. A essa metade chama-se frequência de Nyquist, e é o teto absoluto do que aquele ficheiro pode conter, faça-se depois o que se fizer com ele. Daqui a regra de atelier: a taxa não se escolhe pelo peso do ficheiro, escolhe-se pela frequência mais aguda que a obra precisa de guardar.

Quando se amostra abaixo do dobro, o erro não é uma perda discreta de agudos — é uma falsificação. As amostras de uma frequência demasiado alta são exatamente as mesmas que descreveriam uma frequência baixa que ali não existe, e o conversor, que só vê os pontos, reconstrói a intrusa (Fig. 2). A este fantasma chama-se aliasing, e ouve-se como assobios ou zumbidos metálicos que não estavam na sala e que nenhuma edição remove, porque passaram a ser sinal. A defesa é preventiva e está sempre montada antes do conversor: um filtro anti-aliasing, um passa-baixo que corta tudo o que esteja acima da frequência de Nyquist, de modo que só entre aquilo que pode ser registado com verdade.

Aliasing: um sinal de 3 kHz amostrado a 4 kHz

Fig. 2Fig. 2 — Um sinal de 3 kHz amostrado a 4 kHz: nos instantes de amostragem, de 0,25 em 0,25 ms, a curva real e a onda de 1 kHz invertida valem exatamente o mesmo, e o conversor reconstrói a segunda.

O segundo gesto da digitalização é a quantização: cada amostra, que era um número com infinitas casas decimais, tem de ser arredondada a um dos degraus de uma escala finita, e o número de degraus é dois elevado à profundidade em bits — 8 bits dão 256 níveis, 16 bits dão 65 536 e 24 bits dão mais de 16,7 milhões. A diferença entre o valor verdadeiro e o degrau mais próximo é o erro de quantização, que se ouve como um chiado de fundo. Cada bit acrescentado duplica os degraus e alarga em cerca de 6 dB a gama dinâmica, a distância entre o som mais fraco e o mais forte que o ficheiro comporta: 16 bits dão aproximadamente 96 dB e 24 bits aproximadamente 144 dB. Na prática grava-se a 48 kHz e 24 bits — não porque o ouvido distinga 24 de 16 na escuta final, mas porque essa margem permite errar o nível na rodagem sem cortar o pico nem trazer o chiado à superfície; a redução a 16 bits, se o suporte a exigir, faz-se no fim.

f_a \geq 2 f_{\max}

Teorema da amostragem (Nyquist-Shannon)

A taxa de amostragem f_a tem de ser pelo menos o dobro da frequência mais alta f_max que se pretende registar. Metade da taxa é a frequência de Nyquist, o teto de agudos do ficheiro.

N = 2^{p}

Níveis de quantização

p é a profundidade em bits por amostra. 8 bits dão 256 níveis, 16 bits dão 65 536 e 24 bits dão 16 777 216 — quantos mais níveis, mais fino o degrau e mais baixo o ruído de quantização.

\text{gama dinâmica} \approx 6{,}02 \times p \ \text{dB}

Gama dinâmica em função da profundidade

Cada bit acrescentado vale cerca de 6 dB. Daqui os aproximadamente 96 dB dos 16 bits e os aproximadamente 144 dB dos 24 bits, que são a margem de segurança de quem grava em rodagem.

Exemplo resolvido

Que taxa para que agudos

Um sintetizador da banda sonora produz conteúdo útil até 15 kHz. (a) Qual é a taxa de amostragem mínima exigida pelo teorema? (b) Se a sessão tiver ficado, por engano, a 22 kHz, a partir de que frequência é que o registo passa a ser falso? (c) Que teto de agudos garante a norma do CD, a 44,1 kHz?

Aplicar o teorema
O teorema exige uma taxa igual ou superior ao dobro da frequência máxima. Com 15 kHz de conteúdo útil, a taxa mínima é o dobro: 30 kHz.
$f_a \geq 2 \times 15\ \text{kHz} = 30\ \text{kHz}$
Passar do mínimo teórico ao valor de trabalho
30 kHz é um limite, não uma escolha. Toma-se o valor normalizado imediatamente acima — 44,1 kHz ou 48 kHz —, que dá margem para o filtro anti-aliasing atuar sem cortar dentro da banda útil.
A sessão a 22 kHz
A frequência de Nyquist é metade da taxa: 22 ÷ 2 = 11 kHz. Tudo o que na fonte estiver acima de 11 kHz não desaparece — reaparece como frequências falsas dentro da banda audível.
$\frac{22\ \text{kHz}}{2} = 11\ \text{kHz}$
O teto do CD
Metade de 44,1 kHz são 22,05 kHz, acima do limite da audição humana. Foi por isso que 44,1 kHz foi adotado: cobre os 20 kHz audíveis e deixa uma faixa de guarda para o filtro.
$\frac{44{,}1\ \text{kHz}}{2} = 22{,}05\ \text{kHz}$

Resultado: (a) No mínimo 30 kHz, e na prática 44,1 ou 48 kHz. (b) A partir de 11 kHz o registo passa a ser falso, por aliasing. (c) A norma do CD garante conteúdo até 22,05 kHz — mais do que o ouvido alcança, e é essa a razão do número 44,1 kHz.

Erros frequentes

Trocar o papel das duas grandezas: a taxa de amostragem governa a extensão dos agudos, a profundidade em bits governa a gama dinâmica e o ruído de fundo. Subir os bits não recupera agudos que a taxa não deixou entrar.
Confundir a frequência de Nyquist com a taxa de amostragem e concluir que um ficheiro a 44,1 kHz guarda 44 kHz de agudos — guarda até 22,05 kHz.
Julgar que gravar uma voz falada a 96 kHz a « melhora »: acima do dobro dos 20 kHz audíveis não há informação audível a acrescentar, apenas ficheiros com o dobro do peso.
Contar com a edição para corrigir aliasing. A frequência falsa ocupou o lugar da verdadeira e passou a ser sinal; só o filtro colocado antes do conversor a evita.

Revisão ativa

Vais gravar, na mesma sessão, a narração de uma curta de animação e os sons de uma caixa de música com muitos harmónicos agudos. (a) Escolhe a taxa de amostragem e a profundidade em bits e justifica cada uma pelo que efetivamente governa. (b) Calcula a frequência de Nyquist da taxa que escolheste. (c) Explica ao teu grupo, em cinco linhas, porque é que gravar a 32 kHz pouparia espaço mas cortaria a caixa de música acima de 16 kHz.

Evocação ativa

Recorda os pontos-chave — depois revela.

Fontes: Aprendizagens Essenciais de Oficina de Multimédia B — 12.º ano (DGE) (Direção-Geral da Educação (DGE)) · Oficina de Multimédia B — documento curricular da disciplina (Direção-Geral da Educação (DGE))

Equipamentos de captação e técnicas de gravação#

PadrãoAE-oficina-de-multimedia-b-12-som-digital

Um microfone é um transdutor: converte a variação de pressão do ar numa variação de tensão elétrica. Duas famílias repartem quase todo o trabalho. O microfone dinâmico tem uma membrana ligada a uma bobina que se move dentro de um íman; é robusto, dispensa alimentação, aguenta pressões muito altas sem distorcer e ignora com elegância boa parte do ruído em redor — daí ser o microfone da voz projetada, do amplificador de guitarra e de qualquer situação de palco ou de rua. O microfone de condensador tem uma membrana finíssima que forma um condensador com uma placa fixa; é bastante mais sensível e detalhado, sobretudo nos agudos, mas exige alimentação — os habituais 48 V de alimentação fantasma, fornecidos pela interface ou pelo gravador — e é frágil e mais dado a apanhar tudo o que se passa na sala.

O padrão polar descreve a sensibilidade do microfone em função da direção de onde o som chega, e é a ferramenta com que se decide o que entra e o que fica de fora (Fig. 3). O omnidirecional capta por igual em toda a volta: excelente para o ambiente de um espaço ou para uma roda de vozes, arriscado num local ruidoso. O cardioide, o mais usado de todos, tem a forma de um coração — capta bem à frente, menos de lado e quase nada de trás — e é o padrão que isola uma voz daquilo que está por detrás do microfone. O supercardioide aperta ainda mais o lóbulo frontal e ganha rejeição lateral, mas reabre um pequeno lóbulo traseiro que é preciso não esquecer ao apontá-lo. O bidirecional, ou figura de oito, capta à frente e atrás e é surdo dos lados: serve uma entrevista entre duas pessoas sentadas frente a frente.

Padrões polares: omnidirecional, cardioide e bidirecional

Fig. 3Fig. 3 — Os três padrões polares de base: o omnidirecional capta toda a volta por igual, o cardioide corta o que vem de trás e o bidirecional capta à frente e atrás mas é surdo dos lados.

Dois formatos resolvem a maior parte das situações de rodagem. O microfone de canhão é um supercardioide muito direcional, montado numa vara acima da cena e fora do enquadramento, apontado à boca em diagonal de cima: ouve a voz e rejeita boa parte da sala, e é o som padrão da ficção. O microfone de lapela é um pequeno condensador preso à roupa, a vinte ou trinta centímetros da boca; ganha em proximidade — e portanto em relação sinal-ruído — o que perde em naturalidade, e paga com o risco permanente de roçar no tecido. Numa curta bem preparada usam-se os dois em simultâneo, cada um na sua pista, e escolhe-se depois, na montagem.

O sinal que sai do microfone é fraco e tem de ser amplificado antes de ser convertido: é o trabalho do pré-amplificador, que vive dentro do gravador portátil ou da interface áudio ligada ao computador, e é também aí que residem o conversor analógico-digital e a alimentação fantasma. A monitorização faz-se com auscultadores fechados e nunca por altifalante, porque só assim se ouve o que está de facto a entrar e não a mistura daquilo com a própria sala. O nível regula-se pelos picos, que se procuram entre −12 e −6 dBFS: em digital, 0 dBFS não é um limite elástico mas uma parede, e ultrapassá-la corta o topo da onda e produz uma distorção que nenhuma edição desfaz.

A qualidade de uma gravação decide-se sobretudo na colocação, e três regras resolvem a maioria dos casos. Aproximar, antes de mais: a intensidade cai com o quadrado da distância, e reduzir a distância a metade rende cerca de 6 dB de sinal sem custar nada — é a forma mais eficaz de deixar o ruído de fundo para trás. Proteger, em seguida: um filtro anti-pop trava as explosões de ar dos p e dos b, e ao ar livre um casaco de pelo sobre a espuma é indispensável, porque o vento satura a cápsula com um rugido que nada remove. Escutar a sala, por fim: um espaço de paredes nuas devolve reflexões que colam à voz uma reverberação que já não se separa dela.

Há um gesto que distingue quem já montou som de quem ainda não montou: gravar em cada local trinta a sessenta segundos de ambiente parado, com toda a equipa em silêncio. A esse registo chama-se som de ambiente, ou room tone, e serve para tapar os buracos que a montagem abre entre as falas — sem ele, cada corte traz um salto para o silêncio absoluto que o ouvido deteta de imediato e lê como erro técnico. Serve ainda como matéria-prima do desenho sonoro e como base sobre a qual as outras camadas assentam. É gratuito no momento da rodagem e impossível de recuperar depois de o material estar arrumado.

\Delta L = 20 \log_{10} \frac{d_2}{d_1}

Queda de nível com a distância

Afastar o microfone da distância d1 para a distância d2 faz o nível da fonte cair este número de decibéis. Duplicar a distância custa cerca de 6 dB; reduzi-la a metade rende os mesmos 6 dB.

Exemplo resolvido

Porque é que a lapela ganha ao canhão num café

Na cena do café, o microfone de lapela fica a 20 cm da boca e o canhão, na vara, a 1 m. (a) Que diferença de nível de voz há entre os dois? (b) O ruído da máquina de café chega praticamente igual aos dois microfones: o que é que isso significa para a relação entre voz e ruído?

A razão entre as distâncias
Uniformizam-se as unidades: 1 m são 100 cm. A razão é 100 ÷ 20 = 5, ou seja, o canhão está cinco vezes mais longe da boca do que a lapela.
Converter a razão em decibéis
Aplicando a fórmula da queda de nível com a distância: 20 × log10(5) = 20 × 0,699 ≈ 14 dB de diferença a favor da lapela.
$\Delta L = 20 \log_{10} 5 \approx 14\ \text{dB}$
O que acontece ao ruído
O ruído da máquina e da rua não parte da boca: chega difuso, refletido por todo o espaço, e por isso atinge os dois microfones praticamente com o mesmo nível. A distância à boca não o atenua.
A conta que interessa
Se a voz da lapela está cerca de 14 dB acima e o ruído está ao mesmo nível nos dois, então a distância entre voz e ruído é cerca de 14 dB maior na lapela.

Resultado: A lapela entrega a voz cerca de 14 dB acima do canhão e, como o ruído difuso do café chega igual aos dois, ganha aproximadamente 14 dB de relação sinal-ruído. É esta a razão por que se aproxima o microfone em ambiente ruidoso — e é também a razão por que a lapela soa mais colada e menos natural: a proximidade que a limpa é a mesma que lhe retira o espaço.

Erros frequentes

Ligar a alimentação fantasma de 48 V à espera de que um microfone dinâmico « acorde »: o dinâmico não a usa. Quem fica mudo sem ela é o condensador.
Gravar com o nível encostado ao zero para « ficar bem alto »: em digital 0 dBFS corta a onda e a distorção é irreversível. Deixa-se margem na captação e sobe-se depois, na edição.
Contar com a redução de ruído para apagar a reverberação da sala. A reverberação é sinal, não ruído, e nenhuma ferramenta a separa da voz de forma limpa.
Apontar um supercardioide sem contar com o pequeno lóbulo traseiro e apanhar em cheio a fonte de ruído que se julgava excluída.
Arrumar o material sem ter gravado ambiente, e descobrir na montagem que não há com que colar os cortes.

Revisão ativa

Uma cena da tua curta passa-se num café, com ruído de máquina e trânsito na rua, e tem duas personagens sentadas frente a frente. (a) Escolhe os microfones e os padrões polares que levarias e desenha um pequeno esquema da colocação. (b) Indica quais deles precisam de alimentação fantasma. (c) Diz que nível de pico procuras e porquê. (d) Enumera o que gravas para além dos diálogos e para que serve cada registo na montagem.

Evocação ativa

Recorda os pontos-chave — depois revela.

Fontes: Aprendizagens Essenciais de Oficina de Multimédia B — 12.º ano (DGE) (Direção-Geral da Educação (DGE))

Formatos de áudio, débito binário e tamanho de ficheiro#

AprofundamentoAE-oficina-de-multimedia-b-12-som-digital

Os formatos de áudio repartem-se por três famílias, e trocá-las é o erro mais frequente da disciplina (Fig. 5). Sem compressão estão o WAV e o AIFF, que guardam as amostras tal como saíram do conversor, em PCM — modulação por impulsos codificados —, ocupando exatamente aquilo que os parâmetros mandam. Sem perdas estão o FLAC e o ALAC, que aplicam compressão reversível e arrumam o mesmo conteúdo em cerca de metade a dois terços do espaço, devolvendo na descodificação um ficheiro idêntico ao original, bit a bit. Com perdas estão o MP3, o AAC, o OGG Vorbis e o Opus, que descartam definitivamente informação que a psicoacústica considera inaudível — sobretudo sons mascarados por outros mais fortes e próximos em frequência — e conseguem por isso reduções da ordem de dez para um sem que a maioria dos ouvintes note.

Formatos de áudio por família de compressão

Fig. 5Fig. 5 — Os formatos de áudio arrumados pelas três famílias: sem compressão, sem perdas e com perdas.

O débito binário é a quantidade de dados que o áudio consome por segundo, medida em bit/s ou, mais comodamente, em kbit/s. Num ficheiro sem compressão sai diretamente dos parâmetros: multiplicam-se a taxa de amostragem, a profundidade em bits e o número de canais. É a conta que produz o número mais citado do áudio digital — um CD, a 44,1 kHz, 16 bits e dois canais, consome 44 100 × 16 × 2 = 1 411 200 bit/s, isto é, 1411,2 kbit/s. Num ficheiro com perdas o débito deixa de ser uma consequência e passa a ser uma escolha, feita no codificador — 128, 192, 256 ou 320 kbit/s no MP3 —, e é essa escolha que fixa ao mesmo tempo o tamanho e a qualidade (Fig. 4).

Um minuto de áudio em quatro débitos

Fig. 4Fig. 4 — Um minuto de áudio: 10,58 MB a 1411 kbit/s (WAV a 44,1 kHz, 16 bit, estéreo), 2,4 MB em MP3 a 320 kbit/s, 1,92 MB em AAC a 256 kbit/s e 0,96 MB em MP3 a 128 kbit/s. O tamanho é exatamente proporcional ao débito.

Essa escolha pode ser rígida ou elástica. No débito constante o codificador gasta o mesmo número de bits em cada segundo, precise ou não deles: o silêncio recebe tanto quanto a passagem mais densa. No débito variável reparte o orçamento conforme a dificuldade do material, poupando nos trechos simples para gastar onde a música se adensa, e o resultado é, à mesma qualidade percebida, um ficheiro mais pequeno. O constante mantém-se onde a previsibilidade importa mais do que a economia, como na transmissão em direto; para tudo o resto, o variável é hoje a escolha corrente.

Do débito ao tamanho vai um passo só: multiplica-se pela duração e divide-se por oito, porque o débito vem em bits e o tamanho conta-se em bytes. Convém aqui não confundir duas unidades parecidas — o megabyte (MB) vale 10⁶, um milhão de bytes, e é o que o cálculo e as lojas usam; o mebibyte (MiB) vale 2²⁰, isto é, 1 048 576 bytes, e é o que alguns sistemas mostram quando escrevem « MB ». O mebibyte é cerca de 4,9 % maior, o suficiente para que o mesmo ficheiro pareça ter dois tamanhos consoante o sítio onde se olhe, e para que valha a pena dizer sempre em que unidade se está a responder.

A compressão com perdas é irreversível, e daí decorre a regra de arquivo mais importante desta matéria: nunca se trabalha a partir de um ficheiro com perdas. Descodificar um MP3, editá-lo e voltar a codificá-lo aplica a compressão uma segunda vez sobre material já empobrecido, e as perdas acumulam-se de geração em geração, com artefactos metálicos que se tornam audíveis mais depressa do que se espera. O mestre de trabalho é sempre um ficheiro sem compressão ou sem perdas; a codificação com perdas é o último gesto do processo, feito uma única vez, na exportação para o suporte.

A escolha do formato faz-se, portanto, olhando para o destino. Para captar, montar e arquivar, WAV: o peso é irrelevante num disco de trabalho e a integridade é tudo. Para uma peça de vídeo, um sítio ou uma aplicação, AAC ou Opus, que ao mesmo débito soam melhor do que o MP3, com o Opus imbatível nos débitos baixos da voz. Para uma distribuição em que a compatibilidade universal pesa mais do que a eficiência, MP3, que ainda hoje toca em tudo. Para arquivar poupando espaço sem perder nada, FLAC. E há um critério que não é técnico e decide muitas vezes sozinho: o som de uma instalação que corre em ciclo durante horas não pode depender de um formato que o leitor da sala não abra.

D = f_a \times p \times n_{\text{canais}}

Débito binário de áudio sem compressão

D em bit/s, f_a em Hz, p em bits por amostra. O número de canais multiplica: o estéreo custa o dobro do mono. A fórmula só vale para áudio sem compressão — num formato com perdas, D é escolhido no codificador.

T_{\text{bytes}} = \frac{D \times t}{8}

Tamanho do ficheiro

t é a duração em segundos. Divide-se por oito para passar de bits a bytes. Para obter megabytes divide-se ainda por 10⁶; para mebibytes, por 2²⁰ = 1 048 576.

\text{taxa} = \frac{T_{\text{original}}}{T_{\text{comprimido}}}

Taxa de compressão

Um quociente de 7,35 escreve-se 7,35:1 e significa que o ficheiro ficou pouco mais de sete vezes menor do que o original sem compressão.

Exemplo resolvido

O débito e o peso da qualidade de CD

A norma do CD áudio grava a 44,1 kHz, com 16 bits por amostra e dois canais. (a) Qual é o débito binário, em bit/s e em kbit/s? (b) Quanto ocupam 3 minutos nessa qualidade, em MB e em MiB?

Multiplicar os três parâmetros
Aplica-se a fórmula do débito: 44 100 amostras por segundo, 16 bits cada, dois canais. Dá 1 411 200 bit/s.
$D = 44100 \times 16 \times 2 = 1411200\ \text{bit/s}$
Ler o valor em kbit/s
1 411 200 ÷ 1000 = 1411,2 kbit/s. É este o número que identifica a qualidade de CD e o termo de comparação de todos os formatos com perdas.
Contar os bits de três minutos
Três minutos são 180 segundos. 1 411 200 × 180 = 254 016 000 bits.
Passar a bytes
254 016 000 ÷ 8 = 31 752 000 bytes.
$T = \frac{1411200 \times 180}{8} = 31752000\ \text{bytes}$
Exprimir nas duas unidades
Em megabytes: 31 752 000 ÷ 1 000 000 = 31,752 MB, ou seja ≈ 31,75 MB. Em mebibytes: 31 752 000 ÷ 1 048 576 ≈ 30,28 MiB. É o mesmo ficheiro, medido em duas réguas diferentes.

Resultado: O débito é de 1 411 200 bit/s, isto é, 1411,2 kbit/s, e três minutos ocupam 31 752 000 bytes — cerca de 31,75 MB, que muitos sistemas mostrarão como ≈ 30,28 MiB. É este peso que a compressão vem resolver.

Exemplo resolvido

Quanto poupa o MP3

A mesma faixa de 3 minutos vai ser exportada em MP3 a 192 kbit/s para o sítio do ciclo. (a) Que tamanho terá? (b) Qual é a taxa de compressão face ao WAV de qualidade de CD?

Partir do débito escolhido
Num formato com perdas o débito não se deduz dos parâmetros: foi escolhido no codificador e vale 192 000 bit/s. Em 180 segundos: 192 000 × 180 = 34 560 000 bits.
Passar a bytes
34 560 000 ÷ 8 = 4 320 000 bytes, ou seja, 4,32 MB.
$T = \frac{192000 \times 180}{8} = 4320000\ \text{bytes}$
Comparar os dois tamanhos
A taxa de compressão é o quociente entre o original e o comprimido: 31 752 000 ÷ 4 320 000 = 7,35.
$\text{taxa} = \frac{31752000}{4320000} = 7{,}35$
Ler o resultado e testar o extremo
Escreve-se 7,35:1. A mesma conta a 128 kbit/s daria 2 880 000 bytes, isto é, 2,88 MB, e uma taxa de 11,03:1 — mais poupança, e já com perda audível em música.

Resultado: Em MP3 a 192 kbit/s a faixa passa a 4,32 MB, uma taxa de compressão de 7,35:1. Vale a pena reter a ordem de grandeza: a compressão com perdas trabalha correntemente entre 7:1 e 11:1, e é ela que torna o áudio transportável na Web sem que o ouvido corrente proteste.

Erros frequentes

Chamar « sem perdas » ao MP3 por soar bem: soar bem e conservar a informação são coisas diferentes. Sem perdas são o FLAC e o ALAC.
Aplicar a fórmula do débito a um ficheiro com perdas. Num MP3 o débito é escolhido no codificador, não deduzido da taxa de amostragem e da profundidade.
Esquecer a divisão por oito, ou fazê-la no sítio errado: o débito vem em bits por segundo e o tamanho conta-se em bytes.
Somar os canais em vez de os multiplicar: o estéreo duplica o débito, não lhe acrescenta uma parcela.
Reexportar em MP3 a partir de um MP3 e estranhar o resultado — cada geração acrescenta as suas perdas às da anterior.

Revisão ativa

A instalação sonora do teu grupo tem uma faixa de 8 minutos que corre em ciclo num leitor da sala. (a) Calcula o tamanho da faixa em WAV a 48 kHz, 24 bits e estéreo. (b) Calcula o tamanho da mesma faixa em AAC a 192 kbit/s. (c) Sabendo que o leitor lê os dois formatos e que o cartão disponível tem 2 GB, decide o formato de exportação e justifica a decisão em cinco linhas.

Evocação ativa

Recorda os pontos-chave — depois revela.

Edição, mistura e desenho sonoro para multimédia#

PadrãoAE-oficina-de-multimedia-b-12-som-digital

A cadeia do som, da fonte ao suporte

Fig. 6Fig. 6 — A cadeia do som, da fonte ao suporte: cada elo só pode preservar aquilo que o elo anterior lhe entregou, e é na mistura que as camadas se hierarquizam.

A edição começa por gestos simples que resolvem quase tudo. Corta-se e apara-se para deixar apenas o que serve, e o corte procura-se sempre num ponto em que a onda passa por zero: cortar a meio de uma oscilação deixa um degrau na forma de onda que se ouve como um estalido seco. O fade de entrada e de saída faz o som nascer e morrer em vez de aparecer e desaparecer, e poucos milissegundos bastam para limpar um corte. O cross-fade sobrepõe o fim de um trecho ao princípio do seguinte e é o que permite emendar duas partes da mesma frase sem que se ouça a costura — a montagem de som vive disto.

Vêm depois as ferramentas que trabalham o nível e o espetro, e importa não as confundir. A normalização aplica um ganho fixo a todo o trecho até o seu pico atingir um valor-alvo: torna tudo mais alto por igual, mas não altera nenhuma relação interna nem melhora a relação sinal-ruído, porque levanta o ruído exatamente na mesma medida. A equalização altera o equilíbrio entre graves, médios e agudos, e a boa prática é subtrativa antes de aditiva — retirar o que estorva soa quase sempre melhor do que acrescentar o que falta; numa voz, um filtro passa-alto por volta dos 80 Hz limpa o retumbo do tripé e do trânsito sem tocar na fala. A compressão dinâmica é ainda outra coisa: aproxima o mais forte do mais fraco, reduzindo a distância entre eles, e é o que dá a uma narração aquela presença firme que dispensa o espetador de mexer no volume.

Duas ferramentas exigem contenção. A redução de ruído aprende o perfil daquilo que é constante — o zumbido de um frigorífico, o sopro de um pré-amplificador — e subtrai-o; usada com moderação é notável, exagerada deixa a voz com um timbre aquoso e metálico, cheio de pequenos artefactos, e nesse ponto o remédio ficou pior do que a doença. A reverberação, pelo contrário, acrescenta: coloca a voz ou o efeito dentro de um espaço, e é uma das ferramentas expressivas mais fortes do desenho sonoro, porque decide se o espetador está numa sala pequena, numa igreja ou dentro da cabeça de uma personagem. O que não se faz é o inverso — retirar a reverberação já gravada, que é sinal e não ruído.

O som de um produto multimédia constrói-se por camadas, e cada uma tem uma função que a mistura tem de respeitar. A voz e o diálogo conduzem a informação e mandam em todas as outras. Os efeitos sonoros dão corpo e materialidade ao que se vê, e são também o que torna credível uma animação, onde nada foi gravado no local. A música orienta a emoção e sustenta a duração, e é a camada mais tentadora e mais perigosa, porque disputa à voz a mesma faixa de frequências. O ambiente, contínuo por baixo de tudo, cola as restantes e dá o lugar. Misturar é hierarquizar: quando a voz entra, a música cede — manualmente ou por um automatismo de atenuação —, e a diferença habitual situa-se entre 10 e 15 dB abaixo da voz.

A relação com a imagem tem regras próprias. Há pontos de sincronismo que não admitem desvio — uma porta a bater, um passo, uma boca a falar —, e o ouvido deteta desencontros de poucas dezenas de milissegundos, muito antes de o olho reparar em fosse o que fosse. Mas a montagem ganha justamente quando o som deixa de coincidir com o corte: fazer entrar o som do plano seguinte antes de a imagem mudar, ou prolongar o som do plano anterior por cima do novo, são os cortes em J e em L, e é o que dá continuidade a uma sequência que de outro modo soaria aos bocados. O som é, nesse sentido, a cola invisível da montagem.

Uma distinção organiza todo o desenho sonoro. O som diegético pertence ao mundo da história e as personagens podem ouvi-lo — a rádio do café, os passos, a chuva na janela —, ao passo que o som extradiegético vem de fora desse mundo e destina-se apenas ao espetador, como a música de fundo ou a voz de um narrador. O interesse está menos na etiqueta do que na fronteira: uma música que começa extradiegética e se revela vir de um rádio dentro da cena, ou o contrário, é um dos efeitos mais eficazes do cinema e está ao alcance de qualquer projeto de atelier. E o som que pertence ao mundo mas não está no plano — a rua que se ouve pela janela — é o som fora de campo, aquilo que faz o espetador acreditar que existe mundo para lá do enquadramento.

Nenhuma música é livre por estar acessível. Sobre uma canção incidem dois direitos distintos: o da obra, isto é, a composição e a letra, e o da gravação, que pertence a quem a produziu — usar uma faixa comercial numa curta exige, em rigor, autorização de ambos. As saídas legítimas são três: música original composta para a peça, bibliotecas de produção com licença adquirida, ou obras publicadas sob licenças Creative Commons, cujas condições se cumprem à letra, atribuição incluída. A proveniência e a licença de cada elemento sonoro documentam-se no dossiê do projeto — é matéria de avaliação e é, sobretudo, o modo de não ver um trabalho bloqueado no dia em que for publicado.

G_{\text{dB}} = L_{\text{alvo}} - L_{\text{pico}}

Ganho de normalização

O ganho a aplicar é a diferença entre o nível-alvo e o pico atual, ambos em dBFS. Por ser um ganho fixo, soma-se por igual a tudo o que está no trecho — sinal e ruído —, e é por isso que a normalização não melhora a relação sinal-ruído.

Exemplo resolvido

O que a normalização faz e o que não faz

A narração da curta tem picos a −9,5 dBFS e um ruído de fundo constante a −60 dBFS. Vais normalizá-la para um pico de −3 dBFS. (a) Que ganho é aplicado? (b) Em que nível fica o ruído de fundo? (c) A relação sinal-ruído melhorou?

Calcular o ganho
O ganho é a diferença entre o nível-alvo e o pico atual: −3 − (−9,5) = +6,5 dB.
$G_{\text{dB}} = -3 - (-9{,}5) = +6{,}5\ \text{dB}$
Aplicar esse ganho a tudo
A normalização é um ganho fixo, aplicado por igual a todas as amostras do trecho. O ruído de fundo sobe portanto os mesmos 6,5 dB: −60 + 6,5 = −53,5 dBFS.
Medir a relação sinal-ruído antes
Antes da operação, a distância entre o pico da voz e o ruído era −9,5 − (−60) = 50,5 dB.
E medi-la depois
Depois da operação: −3 − (−53,5) = 50,5 dB. Exatamente o mesmo valor, porque os dois níveis subiram juntos.
A conclusão prática
Para melhorar de facto a relação sinal-ruído há que agir na origem — aproximar o microfone, calar a sala, escolher a hora — ou, já em edição, atacar o ruído com uma ferramenta que o saiba distinguir do sinal. Subir o volume não é subir a qualidade.

Resultado: Aplica-se um ganho de +6,5 dB, o ruído sobe de −60 para −53,5 dBFS e a relação sinal-ruído mantém-se nos mesmos 50,5 dB. A normalização ajusta o nível de saída e nada mais: quem quiser uma gravação limpa tem de a conseguir na captação.

Erros frequentes

Confundir normalizar com comprimir: a normalização sobe tudo por igual e não altera a dinâmica, a compressão aproxima o forte do fraco. Normalizar não limpa uma gravação ruidosa, porque sobe o ruído na mesma proporção.
Cortar fora do zero da onda e ir depois procurar no equipamento a origem do estalido.
Deixar a música ao nível da voz por soar bem nos auscultadores de quem edita: no altifalante de um portátil ou de um telemóvel a fala desaparece.
Exagerar na redução de ruído até a voz ficar aquosa — o artefacto acaba por incomodar mais do que o ruído que se queria remover.
Montar sem ambiente por baixo e não perceber porque é que a sequência soa aos bocados a cada corte.
Usar uma faixa comercial « porque é só um trabalho de escola » e não documentar nada: os dois direitos continuam a existir e a peça fica impublicável.

Revisão ativa

Tens a montagem de imagem fechada de uma curta de 3 minutos e o som por fazer. (a) Constrói o mapa de pistas com as quatro camadas — diálogo, ambiente, efeitos e música — e diz o que entra em cada uma. (b) Escolhe dois momentos em que a música tem de ceder à voz e indica de quantos dB. (c) Encontra um corte em que o som do plano seguinte deva entrar antes da imagem e explica o efeito narrativo que isso produz. (d) Indica a proveniência e a licença da música que vais usar.

Evocação ativa

Recorda os pontos-chave — depois revela.

Referências e fontes

Fontes

Direção-Geral da Educação (DGE)

Som digital para multimédia

4 secções~35 min de leitura5 competênciasNível Padrão 2 · Aprofundamento 2

Som digital para multimédia

Pontos-chave

Que taxa para que agudos

Pontos-chave

Porque é que a lapela ganha ao canhão num café

Pontos-chave

O débito e o peso da qualidade de CD

Quanto poupa o MP3

Pontos-chave

O que a normalização faz e o que não faz

Fontes

Som digital para multimédia

Pontos-chave

Que taxa para que agudos

Pontos-chave

Porque é que a lapela ganha ao canhão num café

Pontos-chave

O débito e o peso da qualidade de CD

Quanto poupa o MP3

Pontos-chave

O que a normalização faz e o que não faz

Fontes