دیترینگ (Dithering) در صدا چیست؟

دیترینگ (Dithering) یکی از تکنیک‌های مهم در تولید صدای دیجیتال است که با وجود اهمیت آن، اغلب نادیده گرفته می‌شود. دیترینگ فرایندی است که در آن مقدار اندکی نویز تصادفی به سیگنال صوتی دیجیتال اضافه می‌شود تا دیستورشن ناشی از خطای کوانتیزاسیون  (Quantization Error) کاهش یابد. این تکنیک نقش مهمی در حفظ کیفیت صدا هنگام تبدیل سیگنال آنالوگ به دیجیتال دارد و می‌تواند کیفیت کلی صدای ضبط‌شده دیجیتال را بهبود بخشد.

در این مقاله، اصول اولیه دیترینگ، مزایای استفاده از آن و نکات کاربردی برای به‌کارگیری این تکنیک در فرایند تولید و پردازش صدا بررسی می‌شود.

دیترینگ صوتی (Audio Dithering) چیست؟

دیترینگ صوتی به فرایند افزودن عمدی مقدار کمی نویز با سطح پایین به فایل صوتی گفته می‌شود. این فرایند به کاهش دیستورشن کوانتیزاسیون (Quantization Distortion) کمک می‌کند؛ دیستورشنی که هنگام کاهش عمق بیت (Bit Depth) فایل صوتی ایجاد می‌شود.

دیترینگ معمولاً به‌عنوان آخرین مرحله در فرایند مسترینگ (Mastering) اعمال می‌شود؛ بااین‌حال، هر زمان که عمق بیت فایل صوتی کاهش می‌یابد، استفاده از آن نیز ضروری است. هنگام خروجی گرفتن از نسخه نهایی مستر (Master) با عمق بیت پایین‌تر، برای سازگاری با الزامات فرمت‌های مختلف پخش، باید از دیترینگ استفاده شود. برخی فرمت‌های پخش، مانند CD و تعدادی از سرویس‌های استریمینگ، از فایل‌های صوتی با حجم کمتر پشتیبانی می‌کنند؛ بنابراین، برای انطباق با محدودیت‌های این فرمت‌ها، به فایل صوتی با وضوح پایین‌تر نیاز است. بااین‌حال، کاهش عمق بیت صدا باعث ایجاد دیستورشن کوانتیزاسیون می‌شود که با اعمال دیترینگ می‌توان آن را کاهش داد.

برای درک بهتر عملکرد دیترینگ، ابتدا باید بررسی کرد که چرا در فرایند تبدیل سیگنال آنالوگ به دیجیتال (Analog-to-Digital Conversion) دیستورشن کوانتیزاسیون ایجاد می‌شود و دیترینگ چگونه به بهبود کیفیت کلی صدای ضبط‌شده دیجیتال کمک می‌کند.

 کوانتیزاسیون (Quantization) چیست؟

کوانتیزاسیون فرایندی است که طی آن سیگنال صوتی آنالوگ به سیگنال دیجیتال تبدیل می‌شود. در این فرایند، شکل موج پیوسته به مجموعه‌ای از سطوح مجزای دامنه تبدیل می‌شود تا اطلاعات صوتی در قالبی قابل پردازش توسط رایانه ذخیره شوند.

برای انجام این فرایند، مبدل آنالوگ به دیجیتال (Analog-to-Digital Converter یا ADC) در فواصل زمانی مشخص، نمونه‌هایی از سیگنال صوتی را ثبت می‌کند. این فواصل زمانی و تعداد سطوح قابل نمایش، به‌ترتیب با نرخ نمونه‌برداری (Sample Rate) و عمق بیت (Bit Depth) تعیین می‌شوند. هرچه نرخ نمونه‌برداری و عمق بیت بالاتر باشند، وضوح دیجیتال سیگنال صوتی بیشتر خواهد بود.

نمونه‌برداری صوتی را می‌توان با نحوه ثبت تصاویر در دوربین‌های فیلم‌برداری مقایسه کرد. دوربین فیلم‌برداری با ثبت هزاران تصویر متوالی در هر ثانیه که فریم (Frame) نامیده می‌شوند، امکان بازسازی حرکت پیوسته را فراهم می‌کند. هرچه نرخ فریم (Frame Rate) بالاتر باشد، ثبت حرکات سریع‌تر با جزئیات زمانی بیشتر و پیوستگی بالاتری امکان‌پذیر خواهد بود.

در حوزه صدا، نرخ نمونه‌برداری نشان‌دهنده تعداد دفعاتی است که دامنه شکل موج در هر ثانیه اندازه‌گیری و ثبت می‌شود. افزایش تعداد نمونه‌ها در هر ثانیه، امکان ثبت و بازسازی فرکانس‌های بالاتر را فراهم می‌کند.

بااین‌حال، در مرحله بعد با یک محدودیت مواجه می‌شویم: دامنه سیگنال آنالوگ در هر لحظه نمونه‌برداری می‌تواند هر مقدار پیوسته‌ای داشته باشد، اما در سیستم دیجیتال تنها تعداد مشخص و محدودی از سطوح دامنه برای ثبت این مقادیر در دسترس است. تعداد این سطوح به عمق بیت بستگی دارد؛ برای مثال، صدای ۸ بیتی دارای ۲۵۶ سطح و صدای ۲۴ بیتی دارای ۱۶٬۷۷۷٬۲۱۶ سطح مجزای دامنه است.

فرایند تعیین نزدیک‌ترین سطح دیجیتال به مقدار دامنه هر نمونه از سیگنال آنالوگ، کوانتیزاسیون (Quantization) نام دارد.

چرا نرخ نمونه‌برداری و عمق بیت صدا را کاهش می‌دهیم؟

هنگام میکس پروژه، اعمال افکت‌های صوتی و مسترینگ، بهتر است تا حد امکان از بالاترین نرخ نمونه‌برداری (Sample Rate) و عمق بیت (Bit Depth) قابل پشتیبانی توسط سیستم استفاده شود. این کار وضوح بیشتری در فرایند میکس و پردازش افکت‌ها فراهم می‌کند و احتمال بروز خطاهای گرد کردن (Rounding Errors) و آرتیفکت‌های صوتی (Audio Artifacts) را کاهش می‌دهد.

بااین‌حال، در برخی موارد لازم است نرخ نمونه‌برداری و عمق بیت فایل صوتی متناسب با فرمت موردنظر برای پخش تنظیم شوند تا فایل با الزامات فنی آن فرمت سازگار باشد.

کاهش عمق بیت فایل صوتی (Bit Depth Reduction) که به آن کاهش وضوح دیجیتال نیز گفته می‌شود، می‌تواند موجب بروز خطاهای کوانتیزاسیون (Quantization Errors) و در نتیجه دیستورشن صوتی (Audio Distortion) شود.

دیستورشن کوانتیزاسیون (Quantization Distortion) چیست؟

دیستورشن کوانتیزاسیون به نویز و اختلالی در سیگنال صوتی گفته می‌شود که در اثر اختلاف میان مقدار دامنه سیگنال آنالوگ و نزدیک‌ترین سطح کوانتیزاسیون به آن ایجاد می‌شود. با کاهش نرخ نمونه‌برداری (Sample Rate) و عمق بیت (Bit Depth) صدای دیجیتال، تعداد مقادیر قابل استفاده برای اندازه‌گیری دامنه هر نمونه نیز کاهش می‌یابد. به عبارت دیگر، تعداد سطوح موجود برای نمایش دامنه سیگنال و محدوده دینامیکی (Dynamic Range) کمتر می‌شود. در نتیجه، مقادیر دامنه‌ای که دیگر قابل نمایش نیستند، به نزدیک‌ترین سطح کوانتیزاسیون گرد می‌شوند؛ این مقادیر ممکن است به سمت بالا یا پایین گرد شوند.

برای مثال، هنگام تبدیل صدای ۲۴ بیتی به ۱۶ بیتی، تعداد سطوح قابل استفاده برای بازسازی مقادیر دامنه شکل موج اصلی کاهش می‌یابد. با کاهش عمق بیت به ۱۶ بیت، دیستورشن کوانتیزاسیون به‌تدریج در بخش‌هایی مانند دنباله ریورب (Reverb Tails)، قسمت‌های محوشونده صدا (Fade-outs) و لحظات کم‌صدای قطعه بیشتر قابل‌تشخیص می‌شود.

اما چگونه می‌توان خطاها و دیستورشن ناشی از کاهش عمق بیت را کنترل کرد؟ با استفاده از دیترینگ  (Dithering)

دیترینگ صوتی چه تأثیری دارد؟

دیترینگ با کاهش دیستورشن کوانتیزاسیون و جایگزین کردن آن با نویز سفید (White Noise)، کیفیت صدای دیجیتال با وضوح پایین‌تر را بهبود می‌بخشد. با افزودن نویز، دیترینگ دیستورشن شدید و غیرهارمونیک (Inharmonic Distortion) ناشی از خطاهای کوانتیزاسیون را به نویزی یکنواخت و کم‌سطح، شبیه به هیس آنالوگ (Analog-like Hiss)، تبدیل می‌کند.

نویز افزوده‌شده، مقادیر دامنه سیگنال اصلی را تا حدی تصادفی می‌کند. این فرایند ضمن کاهش دیستورشن ، امکان حفظ سیگنال‌هایی با سطح بسیار پایین را نیز فراهم می‌کند؛ سیگنال‌هایی که در غیر این صورت، در اثر کوانتیزاسیون به سکوت کامل تبدیل می‌شدند.

برای بررسی عملکرد دیترینگ، می‌توان این فرایند را در یک آزمایش عملی مشاهده کرد. در ویدئوی زیر، ابتدا یک موج سینوسی (Sine Wave) در نرم‌افزار iZotope RX تولید می‌شود که سطح آن به‌تدریج از ۸۴- تا ۱۲۰- دسی‌بل نسبت به مقیاس کامل دیجیتال (dBFS) کاهش می‌یابد. سپس این سیگنال بدون اعمال دیترینگ به عمق بیت ۱۶ بیتی تبدیل می‌شود.

در این حالت، مؤلفه‌های دیستورشن تونال (Tonal Distortion Products) به‌وضوح در سیگنال ظاهر می‌شوند. همچنین، زمانی که سطح سیگنال به کمتر از ۹۶- dBFS می‌رسد، خروجی به سکوت کامل تبدیل می‌شود؛ وضعیتی که عملاً به معنای از بین رفتن کامل سیگنال است.

در مرحله بعد، فرایند تبدیل به عمق بیت پایین‌تر بازگردانده می‌شود و این بار کاهش عمق بیت به ۱۶ بیت با استفاده از دیترینگ شکل‌دهی‌شده با نویز (Noise-Shaped Dither) انجام می‌گیرد.

در این حالت، به‌جای مؤلفه‌های دیستورشن تونال، کف نویز (Noise Floor) یکنواخت و همواری ایجاد می‌شود. علاوه بر این، سطح موج سینوسی حتی در مقادیر بسیار پایین، تا نزدیکی ۱۲۰- dBFS و بالاتر از کف نویز حفظ می‌شود. این نتیجه نشان‌دهنده ۲۴ دسی‌بل بهبود در حفظ سیگنال است.

چه زمانی باید از دیترینگ صوتی استفاده کرد؟

دیترینگ باید در حالت عادی غیرفعال باشد و تنها زمانی فعال شود که فایل صوتی با عمق بیت پایین‌تری خروجی گرفته می‌شود. در حالت ایده‌آل، دیترینگ باید فقط یک‌بار و در مرحله نهایی مسترینگ (Mastering) اعمال شود؛ یعنی هنگام خروجی گرفتن از فایل با عمق بیت پایین‌تر، برای مثال هنگام تبدیل فایل ۳۲ بیتی به ۲۴ بیتی یا فایل ۲۴ بیتی به ۱۶ بیتی.

با این حال، از آنجا که تقریباً تمام نرم‌افزارهای مدرن ایستگاه کاری صوتی دیجیتال (DAW) در پردازش‌های داخلی خود از ساختار ممیز شناور ۳۲ بیتی (32-bit Floating Point) یا بالاتر استفاده می‌کنند، هنگام خروجی گرفتن از فایل WAV با عمق بیت ۲۴ برای مسترینگ نیز باید دیترینگ اعمال شود.

به‌طور کلی، دیترینگ تنها هنگام خروجی گرفتن با عمق بیت ۲۴ یا کمتر ضرورت دارد. اگر فایل با فرمت ممیز شناور ۳۲ بیتی یا بالاتر خروجی گرفته شود، نیازی به اعمال دیترینگ نیست؛ زیرا وضوح این فرمت‌ها به‌اندازه‌ای بالاست که دیستورشن کوانتیزاسیون قابل‌شنیدن ایجاد نمی‌شود.

نکات تکمیلی درباره دیترینگ

پیش از پایان این بخش، لازم است به چند مورد خاص و همچنین برخی باورهای نادرست و رایج درباره دیترینگ پرداخته شود.

– دیترینگ خودکار (Self-Dither): گاهی ممکن است این ادعا مطرح شود که هنگام استفاده از برخی پلاگین‌ها، نیازی به اعمال دیترینگ به‌صورت جداگانه نیست؛ زیرا این پلاگین‌ها به‌طور خودکار فرایند دیترینگ را انجام می‌دهند. اگرچه این موضوع از نظر فنی در برخی شرایط بسیار خاص می‌تواند درست باشد، اما اتکا به چنین فرضی ریسک‌پذیر است. همه نویزها ویژگی یکسانی ندارند و هر نوع نویزی نمی‌تواند جایگزین دیترینگ مناسب شود. بنابراین، مگر اینکه دستگاه یا پلاگین مورد استفاده دارای تنظیمات اختصاصی دیترینگ باشد، هنگام کاهش عمق بیت باید دیترینگ را به‌صورت جداگانه اعمال کرد.

– عمق بیت ۲۴ و شکل‌دهی نویز (Noise Shaping): یکی از موضوعاتی که تاکنون به آن پرداخته نشده، شکل‌دهی نویز است. به‌طور خلاصه، این فرایند مانند اعمال اکولایزر (EQ) روی نویز دیترینگ عمل می‌کند تا میزان شنیده‌شدن آن کاهش یابد. شکل‌دهی نویز در عمق بیت‌های ۸ یا ۱۶ می‌تواند تأثیر قابل‌توجهی داشته باشد. اما در عمق بیت ۲۴، سطح نویز دیترینگ به‌اندازه‌ای پایین است که حتی بدون شکل‌دهی نویز و در سطوح معمول شنیداری نیز قابل‌شنیدن نیست.

با این حال، اعمال دیترینگ همچنان دیستورشن کوانتیزاسیون را کاهش می‌دهد؛ دیستورشنی که به دلیل ماهیت تونال خود، احتمال بیشتری برای شنیده‌شدن دارد. بنابراین، استفاده از دیترینگ با توزیع طیفی یکنواخت از نوع TPDF (Triangular Probability Density Function) برای عمق بیت ۲۴ کاملاً مناسب است.

رندر، فلت‌کردن و فریز کردن صدا (Bouncing, Flattening, Freezing): منظور از این اصطلاحات، روش‌های آماده‌سازی غذا نیست! نرم‌افزارهای مختلف ایستگاه کاری صوتی دیجیتال (DAW) عملکردهای متفاوتی دارند، اما بیشتر آن‌ها قابلیتی برای تبدیل زنجیره‌ای پیچیده از افکت‌های صوتی به یک فایل صوتی مستقل ارائه می‌کنند.

اگر تاکنون گزینه‌های مربوط به این فرایند را در نرم‌افزار DAW خود بررسی نکرده‌اید، بهتر است با قابلیت‌های آن آشنا شوید. در صورت امکان، خروجی با فرمت ممیز شناور ۳۲ یا ۶۴ بیتی (32-bit or 64-bit Floating Point) انتخاب مناسب‌تری است. اما اگر محدود به خروجی ۲۴ بیتی هستید، بررسی کنید که آیا امکان فعال‌سازی دیترینگ هنگام خروجی گرفتن وجود دارد یا خیر.

استفاده از دیترینگ در صدای دیجیتال را آغاز کنید

امید است این مطلب به درک اهمیت دیترینگ در صدای دیجیتال، نحوه عملکرد آن، دلایل استفاده و زمان مناسب برای اعمال آن کمک کرده باشد. هنگام کاهش عمق بیت، چه در تبدیل فرمت ممیز شناور ۶۴ یا ۳۲ بیتی به فرمت عدد صحیح ۲۴ بیتی (24-bit Fixed Point) و چه در کاهش عمق بیت از ۲۴ به هر مقدار پایین‌تر در قالب عدد صحیح، اعمال دیترینگ را فراموش نکنید. دیترینگ در چنین شرایطی معمولاً مزایای بیشتری نسبت به معایب احتمالی آن دارد.