Битовая глубина считывающего пера: 16 бит vs 24 бит vs 32 бит float для OEM аудио

Аудитория: Данное руководство предназначено для менеджеров OEM-продуктов, продюсеров голосового контента и инженеров QA по аудио, которые должны принимать решения о разрядности PCM для озвучивания OID-книг на устройствах B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 и Y6, где динамический диапазон, размер файла и запас DSP головного усилителя взаимодействуют неочевидным образом.

Программа K7 на 9 000 единиц для южнокорейского издателя была отгружена в 2025 году с озвучкой, мастеринг которой проводился в формате 24 бит, 48 кГц. Студия исходила из предположения, что большая разрядность означает более высокое качество, и выбор 24 бит был оборонительным решением. Издатель вернулся с тремя жалобами: OID-пакет был на 38% больше бюджета, OTA-обновление составляло 120 МБ (что нарушило потолок дельта-обновления в 100 МБ), а время автономной работы от батареи на литий-ионном элементе 14500 ёмкостью 800 мАч сократилось на 11 минут на цикл зарядки. Мы перемастерили материал в 16 бит, 22,05 кГц и отправили дельта-OTA объёмом 14 МБ. Слышимая разница на встроенном динамике была нулевой, а на аудиофильских наушниках за $400 — 1 дБ. Издатель сэкономил $0,42 на единицу продукции на выделении NAND и $0,18 на контракте за передачу данных OTA, что в сумме составило $5 400 на программу. Разрядность — это рычаг качества, который быстро даёт снижающуюся отдачу, и правильное число — это не максимальное число.

Данное руководство количественно оценивает 16-битный, 24-битный и 32-битный PCM с плавающей запятой для 11 SKU, динамический диапазон, который обеспечивает каждый формат, влияние на бюджет размера файла, запас DSP головного усилителя, который обеспечивает каждый формат, и стоимость OTA-трафика за типичный 3-летний контракт поддержки. Рекомендации основаны на более чем 47 000 отгруженных единиц, 86 выпусках прошивки и 47 развёртываниях в странах.

1. Почему разрядность имеет значение в считывающем устройстве

Разрядность определяет разрешение каждого аудиообразца и, следовательно, динамический диапазон и уровень шума тракта воспроизведения. Математика хорошо установлена:

• 16-битный PCM обеспечивает 96 дБ динамического диапазона (6,02 дБ на бит × 16 = 96,32 дБ).
• 24-битный PCM обеспечивает 144 дБ динамического диапазона.
• 32-битный PCM с плавающей запятой обеспечивает около 1500 дБ теоретического динамического диапазона, на практике ограниченного мантиссой примерно до 168 дБ.

Для детского считывающего устройства, воспроизводящего озвучку в окружающей среде с уровнем шума 70–75 дБ, выходной уровень звукового давления громкоговорителя составляет 80–85 дБ на расстоянии 10 см. Требуемый динамический диапазон для обработки самого тихого согласного звука до самого громкого крика составляет около 40 дБ. Это комфортно укладывается в бюджет 96 дБ 16-битного формата. Интуиция «больше бит — лучше» верна только тогда, когда записывающий тракт фактически фиксирует более 16 бит полезного динамического диапазона, что редко встречается в студийном голосовом выходе.

Совет покупателю: Прежде чем платить студии надбавку за поставку в 24 бит, запросите соотношение пиковой громкости (PLR) исходной записи. Если PLR ниже 14 дБ, 24-битный мастер не содержит больше информации, чем 16-битный мастер с пиком -3 дБFS.

2. Эталонный динамический диапазон для 11 SKU

11 SKU считывающих устройств используют различные ЦАП и усилители. Эффективный динамический диапазон воспроизведения ограничен самым слабым звеном в цепи. Мы измерили динамический диапазон воспроизведения на каждом SKU с использованием синусоиды 1 кГц -60 дБFS и анализатора Audio Precision:

16-битный источник никогда не превышает 96 дБ динамического диапазона. ЦАП моделей B1, B2 и P2 не могут разрешить больше. На L5, Q8, T2 и Y6 ЦАП могут разрешить до 112 дБ, но громкоговоритель ослабевает выше 14 кГц и ниже 350 Гц и не может воспроизвести динамический диапазон, закодированный в 24-битном источнике. Выходной сигнал определяется полезным динамическим диапазоном громкоговорителя в 65 дБ.

3. Бюджет размера файла по битовой глубине

Битрейт масштабируется линейно с битовой глубиной. Математика проста для PCM. Монофонический поток 22,05 кГц занимает:

• 16 бит = 352,8 кбит/с = 44,1 КБ/с.
• 24 бита = 529,2 кбит/с = 66,15 КБ/с.
• 32 бита float = 705,6 кбит/с = 88,2 КБ/с.

Для каталога из 480 OID-книг со средней продолжительностью озвучки 18 секунд на фразу стоимость хранения на один язык составляет:

• 16 бит = 3,2 МБ × 12 языков = 38,4 МБ.
• 24 бита = 4,8 МБ × 12 языков = 57,6 МБ.
• 32 бита float = 6,3 МБ × 12 языков = 75,6 МБ.

После MP3-кодирования со скоростью 64 кбит/с моно хранилище сокращается до 6,9 МБ независимо от битовой глубины источника (кодек фиксирован). Файлы источника до кодирования имеют значение только если OEM-программа использует lossless FLAC или отгружает несжатый WAV. Для программ с MP3 или AAC решение о битовой глубине влияет только на архив студии, а не на отгружаемый OID-пакет.

Вывод: если ваш формат отгрузки — MP3 или AAC, битовая глубина невидима для пользователя. Если ваш формат отгрузки — FLAC (редко для читающих ручек, но используется некоторыми премиальными K12-издателями), дельта примерно на 50% больше для 24 бит и на 100% больше для 32 бит float.

4. Стоимость полезной нагрузки OTA за 3-летний период поддержки

Наши 86 релизов прошивки поставляются с таблицами коэффициентов DSP, размер которых зависит от поддерживаемой битовой глубины. Текущая таблица DSP составляет 720 КБ для 16 бит, 880 КБ для 24 бит и 1,05 МБ для 32 бит float. Каждый цикл OTA включает дельта-обновление. Стоимость поддержки всех трёх битовых глубин в прошивке составляет около 320 КБ в полезной нагрузке OTA.

Для программы на 12 000 единиц с тремя циклами OTA в год в течение 3-летнего окна поддержки:

• Только 16 бит: 720 КБ × 9 циклов = 6,48 ГБ данных OTA по сотовой сети доставлено.
• 16 бит + 24 бита: 1 600 КБ × 9 циклов = 14,4 ГБ.
• 16 бит + 24 бита + 32 бита: 2 650 КБ × 9 циклов = 23,85 ГБ.

При $0,06 за МБ по нашему стандартному контракту 4G стоимость данных OTA только по сотовой сети составляет $1 431 для только 16 бит, $3 168 для 16+24 бита и $5 242 для полной многобитовой поддержки. Для программы на 50 000 единиц цифры масштабируются в 4 раза.

5. Запас по DSP и вопрос дизеринга

DSP аудио на каждом SKU применяет каскад усиления, компрессор и лимитер в указанном порядке. Компрессор работает при +6 дБFS для тихих фрагментов, чтобы сохранить разборчивость озвучки при низкой громкости. Лимитер работает при -1 дБFS для предотвращения клиппинга. Каскад усиления по умолчанию составляет +0 дБ, но может варьироваться от -12 до +12 дБ в зависимости от настройки громкости пользователя SKU.

Для 16-битного PCM каскад усиления должен применять дизеринг при ослаблении, поскольку математика теряет данные ниже бита. Для 24-битного PCM дизеринг также применяется, поскольку конечный выход конвертируется в 16 бит прошивкой. Для 32 бит float дизеринг не требуется на любом этапе, поскольку мантисса имеет 24 бита точности.

На практике наша прошивка применяет треугольный дизеринг (TPDF) в 1 LSB независимо от битовой глубины источника, поскольку цель воспроизведения всегда 16 бит на встроенном динамике. Слышимый результат идентичен для 16-битных, 24-битных и 32-битных float источников. Нет штрафа за качество при выборе 16 бит.

6. Почему 32-битный Float является избыточным

32-битный float существует в первую очередь для студийного производства, где промежуточным этапам нужна экстремальная динамика. Для готового OID-пакета, отгруженного в читающую ручку, 32-битный float предлагает:

• Нет преимущества по запасу: компрессор прошивки работает до конвертации float-to-fixed.
• Нет преимущества по шуму: встроенный динамик имеет динамический диапазон 65 дБ независимо от источника.
• Нет преимущества при создании: голосовые актёры записывают в 24-битные предусилители с фиксированной точкой в 99% студий, с которыми мы работаем.
• Штраф 100% по размеру файла: 32-битный float вдвое больше 16-битного фиксированного.

Мы ни разу не отгружали мастер в 32-битном float среди наших более чем 47 000 единиц. Мы не рекомендуем его.

7. Реальность студии записи

Реальная цепочка записи голоса производит около 18-22 бит полезного динамического диапазона. Ограничения цепочки:

• Собственный шум студийного микрофона: 12-15 дБ SPL (обычно -126 дБВ для Neumann TLM 102).
• EIN предусилителя (эквивалентный входной шум): -128 дБВ.
• Отношение сигнал/шум АЦП: 110-123 дБ.
• Финальный мастер с запасом 12 дБ для транзиентов.

16-битное фиксированное захватывание может разрешить 96 дБ. 24-битное захватывание разрешает 144 дБ. Эффективный динамический диапазон цепочки записи составляет около 100 дБ. 16-битный формат захватывает всё; 24-битный формат захватывает с запасом 48 дБ; 32-битный float захватывает с запасом 68 дБ.

Единственная причина создавать мастер в 24 бита — оставить место для постобработки (компрессия, эквализация, лимитирование) без потери оригинальной записи. Для OID-пакета, который уже прошёл мастеринг, преимущество 24 бит исчезает.

8. Антиалиасинг и реконструкция при 16 бит vs 24 бита

Реконструкционный фильтр на каждом SKU — это фильтр низких частот после ЦАП. Полоса затухания фильтра находится на уровне 0,45 × Fs независимо от битовой глубины. Битовая глубина не влияет на поведение полосы пропускания фильтра; она влияет только на уровень шума квантования внутри полосы пропускания.

Шум квантования для 16 бит составляет -96 дБFS. Для 24 бит — -144 дБFS. Оба значения ниже собственного шума встроенного динамика около -65 дБFS. Дополнительные 48 дБ запаса квантования 24 бит маскируются динамиком.

9. Рекомендации по моделям и вариантам использования

Матрица рекомендаций ниже предполагает, что формат поставки — MP3 или AAC с битрейтом 64 кбит/с моно. Если ваша программа использует FLAC или несжатый WAV, см. §10.

T2 и Y6 с ЦАП ESS — единственные артикулы, где запись в 24 бита обеспечивает измеримое преимущество, и только если программа включает дикторский текст с музыкальными инструментами с атакующими переходными процессами. Для чистой речи 16 бит всегда достаточно.

10. Пограничный случай: FLAC и lossless-поставка

Небольшое количество премиальных K12-издателей (менее 4% наших программ по количеству единиц) поставляют lossless FLAC для сохранения качества звука. Математика меняется:

• FLAC 16 бит / 22,05 кГц: ~1,5 МБ на язык.
• FLAC 24 бита / 22,05 кГц: ~2,3 МБ на язык.
• FLAC 32-бит float не является стандартным и не поддерживается.

Для каталога из 480 книг × 12 языков бюджет FLAC составляет:

• 16 бит = 18 МБ; 24 бита = 27,6 МБ.

Дельта в 9,6 МБ несущественна на 8 ГБ NAND, но значима на 128 МБ устаревшей NAND B1 / B2. Для программ FLAC наша рекомендация — 16 бит, если издатель специально не запрашивает 24 бита для полноты архивирования. За последние 18 месяцев ни один издатель не запрашивал FLAC 24 бита на B1 или B2.

Дополнительные материалы

• Частота дискретизации звука считывающей ручки 16 кГц vs 44,1 кГц
• Аудиокодек ручки-читалки и сжатие MP3
• Конструкция усилителя класса D для ручки-читалки
• Формат записи ручки-читалки: WAV против AMR против Opus
• Описание движка TTS (Text-to-Speech) для ручки-читалки
• Измерение THD и искажений в ручке-читалке
• Уровень шума и соотношение сигнал/шум ручки-читалки
• Ручки-читалки ODM — Краткое описание аудиоинженерии