Độ sâu bit bút đọc: 16-bit so với 24-bit so với 32-bit float cho âm thanh OEM

Đối tượng: Hướng dẫn này được viết cho các quản lý sản phẩm OEM, nhà sản xuất nội dung giọng nói và kỹ sư kiểm thử âm thanh (QA) cần quyết định độ sâu bit PCM cho lời kể sách OID trên các bút đọc B1, B2, F8, K7, KF1, L5, P2, Q6, Q8, T2 và Y6, nơi dải động, dung lượng tệp và khoảng trống DSP tương tác theo những cách không hiển nhiên.

Một đơn hàng K7 gồm 9.000 chiếc cho một nhà xuất bản Hàn Quốc đã được giao vào năm 2025 với phần lời kể được mastering ở 24-bit, 48 kHz. Phòng thu lúc đó giả định rằng độ sâu bit càng cao thì chất lượng càng cao, và 24-bit là lựa chọn an toàn. Nhà xuất bản phản hồi với ba khiếu nại: gói OID lớn hơn ngân sách 38%, bản cập nhật OTA nặng 120 MB (vượt trần cập nhật delta 100 MB), và thời lượng pin phát lại trên pin Li-ion 14500 800 mAh giảm 11 phút mỗi chu kỳ sạc. Chúng tôi đã mastering lại ở 16-bit, 22,05 kHz và giao bản OTA delta 14 MB. Sự khác biệt nghe được bằng 0 trên loa tích hợp và 1 dB trên tai nghe audiophile 400 USD. Nhà xuất bản tiết kiệm 0,42 USD mỗi chiếc cho dung lượng NAND và 0,18 USD cho hợp đồng dữ liệu OTA, tổng cộng 5.400 USD cho cả đơn hàng. Độ sâu bit là một nút chất lượng cho lợi nhuận giảm dần rất nhanh, và con số đúng không phải là con số cao nhất.

Hướng dẫn này định lượng PCM 16-bit, 24-bit và 32-bit float qua 11 SKU, dải động mà mỗi định dạng mang lại, tác động đến ngân sách dung lượng tệp, khoảng trống DSP mà mỗi định dạng cung cấp, và chi phí payload OTA trong một hợp đồng hỗ trợ 3 năm điển hình. Các khuyến nghị được neo theo hơn 47.000 đơn vị đã giao, 86 bản phát hành firmware và 47 quốc gia triển khai.

1. Tại sao độ sâu bit lại quan trọng trong bút đọc

Độ sâu bit quyết định độ phân giải của mỗi mẫu âm thanh và do đó quyết định dải động và sàn nhiễu của chuỗi phát lại. Phép tính đã được thiết lập rõ ràng:

• PCM 16-bit cho dải động 96 dB (6,02 dB mỗi bit × 16 = 96,32 dB).
• PCM 24-bit cho dải động 144 dB.
• PCM 32-bit float cho dải động lý thuyết khoảng 1.500 dB, bị giới hạn bởi phần định trị ở khoảng 168 dB trong thực tế.

Đối với bút đọc trẻ em phát lời kể trong môi trường ồn 70-75 dB, mức SPL đầu ra của loa là 80-85 dB ở khoảng cách 10 cm. Dải động cần thiết để xử lý từ phụ âm nhỏ nhất đến tiếng la lớn nhất là khoảng 40 dB. Con số đó nằm thoải mái trong ngân sách 96 dB của 16-bit. Bản năng "nhiều bit hơn thì tốt hơn" chỉ đúng khi chuỗi thu thực sự nắm bắt nhiều hơn 16 bit dải động khả dụng, điều hiếm gặp trong đầu ra phòng thu giọng nói.

Lời khuyên cho người mua: Trước khi trả phí cao hơn cho phòng thu để nhận bản giao 24-bit, hãy yêu cầu tỷ lệ đỉnh trên độ lớn (PLR) của bản thu gốc. Nếu PLR dưới 14 dB, bản master 24-bit không chứa nhiều thông tin hơn bản master 16-bit với đỉnh -3 dBFS.

2. Tiêu chuẩn dải động qua 11 SKU

11 SKU bút đọc sử dụng các DAC và bộ khuếch đại khác nhau. Dải động phát lại hiệu dụng bị giới hạn bởi mắt xích yếu nhất trong chuỗi. Chúng tôi đã đo dải động phát lại trên từng SKU bằng sóng sine 1 kHz -60 dBFS và máy phân tích Audio Precision:

Nguồn 16-bit không bao giờ vượt quá 96 dB dải động. Các DAC B1, B2 và P2 không thể phân giải hơn mức đó. Trên L5, Q8, T2 và Y6, DAC có thể phân giải tới 112 dB, nhưng loa bắt đầu suy giảm trên 14 kHz và dưới 350 Hz, không thể tái tạo dải động được mã hóa trong nguồn 24-bit. Đầu ra bị chi phối bởi dải động sử dụng được 65 dB của loa.

3. Ngân sách dung lượng tệp theo độ sâu bit

Tốc độ bit tỷ lệ thuận với độ sâu bit. Phép tính rất rõ ràng đối với PCM. Một luồng mono 22,05 kHz chiếm:

• 16-bit = 352,8 kbps = 44,1 KB/s.
• 24-bit = 529,2 kbps = 66,15 KB/s.
• 32-bit float = 705,6 kbps = 88,2 KB/s.

Đối với danh mục 480 cuốn sách OID có độ dài thuyết minh trung bình 18 giây mỗi cụm từ, chi phí lưu trữ trên mỗi ngôn ngữ là:

• 16-bit = 3,2 MB × 12 ngôn ngữ = 38,4 MB.
• 24-bit = 4,8 MB × 12 ngôn ngữ = 57,6 MB.
• 32-bit float = 6,3 MB × 12 ngôn ngữ = 75,6 MB.

Sau khi mã hóa MP3 ở 64 kbps mono, dung lượng lưu trữ giảm xuống còn 6,9 MB bất kể độ sâu bit nguồn (bộ mã hóa là cố định). Các tệp nguồn trước khi mã hóa chỉ có ý nghĩa nếu chương trình OEM sử dụng FLAC lossless hoặc xuất WAV không nén. Đối với các chương trình dùng MP3 hoặc AAC, quyết định độ sâu bit chỉ ảnh hưởng đến kho lưu trữ studio, không ảnh hưởng đến gói OID xuất xưởng.

Điểm rút ra: nếu định dạng xuất xưởng của bạn là MP3 hoặc AAC, độ sâu bit không hiển thị với người dùng. Nếu định dạng xuất xưởng là FLAC (hiếm gặp với bút đọc, nhưng một số nhà xuất bản K12 cao cấp vẫn dùng), mức chênh lệch vào khoảng lớn hơn 50% đối với 24-bit và lớn hơn 100% đối với 32-bit float.

4. Chi phí tải OTA qua cửa sổ hỗ trợ 3 năm

86 bản phát hành firmware của chúng tôi đi kèm bảng hệ số DSP có kích thước theo từng độ sâu bit được hỗ trợ. Bảng DSP hiện tại là 720 KB ở 16-bit, 880 KB ở 24-bit và 1,05 MB ở 32-bit float. Mỗi chu kỳ OTA bao gồm một bản cập nhật delta. Chi phí hỗ trợ cả ba độ sâu bit trong firmware là khoảng 320 KB trên toàn bộ tải OTA.

Đối với chương trình 12.000 thiết bị với ba chu kỳ OTA mỗi năm trong cửa sổ hỗ trợ 3 năm:

• Chỉ 16-bit: 720 KB × 9 chu kỳ = 6,48 GB dữ liệu OTA qua mạng di động được phân phối.
• 16-bit + 24-bit: 1.600 KB × 9 chu kỳ = 14,4 GB.
• 16-bit + 24-bit + 32-bit: 2.650 KB × 9 chu kỳ = 23,85 GB.

Ở mức 0,06 USD mỗi MB theo hợp đồng 4G tiêu chuẩn, chi phí dữ liệu OTA chỉ qua mạng di động là 1.431 USD cho chỉ 16-bit, 3.168 USD cho 16+24-bit và 5.242 USD cho hỗ trợ đầy đủ đa độ sâu bit. Đối với chương trình 50.000 thiết bị, các con số tăng gấp 4 lần.

5. Dư địa DSP và câu hỏi về dithering

Audio DSP trên mọi SKU áp dụng lần lượt một tầng khuếch đại, một bộ nén và một bộ giới hạn. Bộ nén hoạt động ở +6 dBFS cho các đoạn âm lượng nhỏ để giữ lời thuyết minh rõ ràng ở mức âm lượng thấp. Bộ giới hạn hoạt động ở -1 dBFS để tránh méo tiếng. Tầng khuếch đại mặc định là +0 dB nhưng có thể dao động từ -12 đến +12 dB tùy theo cài đặt âm lượng người dùng của SKU.

Đối với PCM 16-bit, tầng khuếch đại bắt buộc phải dither khi suy giảm, vì phép tính bị mất mát dưới mức bit. Đối với PCM 24-bit, dither cũng được áp dụng vì đầu ra cuối cùng được firmware chuyển đổi xuống 16-bit. Đối với 32-bit float, không cần dithering ở bất kỳ giai đoạn nào vì phần định trị có 24 bit độ chính xác.

Trên thực tế, firmware của chúng tôi áp dụng dither tam giác (TPDF) ở mức 1 LSB bất kể độ sâu bit nguồn, vì mục tiêu phát lại luôn là 16-bit trên loa tích hợp. Kết quả âm thanh nghe được là giống hệt nhau đối với nguồn 16-bit, 24-bit và 32-bit float. Không có bất kỳ suy giảm chất lượng nào khi chọn 16-bit.

6. Tại sao 32-bit Float là thừa

32-bit float tồn tại chủ yếu cho sản xuất studio, nơi các giai đoạn trung gian cần dải động cực lớn. Đối với một gói OID hoàn chỉnh xuất cho bút đọc, 32-bit float mang lại:

• Không lợi thế về dư địa: bộ nén firmware chạy trước khi chuyển đổi từ float sang fixed.
• Không lợi thế về nhiễu: loa tích hợp có dải động 65 dB bất kể nguồn.
• Không lợi thế về biên soạn: diễn viên lồng tiếng ghi vào tiền khuếch đại fixed-point 24-bit trong 99% các studio chúng tôi làm việc cùng.
• Mức phạt dung lượng tệp 100%: 32-bit float có kích thước gấp đôi 16-bit fixed.

Chúng tôi chưa từng xuất xưởng bản master 32-bit float trong bất kỳ thiết bị nào trong hơn 47.000 sản phẩm. Chúng tôi không khuyến nghị.

7. Thực tế phòng thu

Một chuỗi thu âm giọng nói thực tế tạo ra khoảng 18-22 bit dải động sử dụng được. Giới hạn của chuỗi:

• Tự nhiễu micrô phòng thu: 12-15 dB SPL (thường là -126 dBV đối với Neumann TLM 102).
• EIN (nhiễu đầu vào tương đương) của tiền khuếch đại: -128 dBV.
• SNR của ADC: 110-123 dB.
• Master cuối cùng với 12 dB dư địa cho các đỉnh tín hiệu thoáng qua.

Một bản thu fixed-point 16-bit có thể phân giải 96 dB. Một bản thu 24-bit phân giải 144 dB. Dải động hiệu dụng của chuỗi thu âm là khoảng 100 dB. Định dạng 16-bit ghi lại toàn bộ; định dạng 24-bit ghi lại với 48 dB dư địa thừa; 32-bit float ghi lại với 68 dB dư địa thừa.

Lý do duy nhất để biên soạn ở 24-bit là để chừa dư địa cho xử lý hậu kỳ (nén, EQ, giới hạn) mà không làm mất bản thu gốc. Đối với một gói OID đã được master xong, lợi thế 24-bit không còn nữa.

8. Chống răng cưa và tái tạo ở 16-bit so với 24-bit

Bộ lọc tái tạo trên mọi SKU là bộ lọc thông thấp sau DAC. Dải chặn của bộ lọc nằm ở 0,45 × Fs bất kể độ sâu bit. Độ sâu bit không ảnh hưởng đến hành vi dải thông của bộ lọc; nó chỉ ảnh hưởng đến sàn nhiễu lượng tử bên trong dải thông.

Nhiễu lượng tử đối với 16-bit là -96 dBFS. Đối với 24-bit là -144 dBFS. Cả hai đều nằm dưới tự nhiễu khoảng -65 dBFS của loa tích hợp. Phần dư địa lượng tử 48 dB thừa của 24-bit bị loa che lấp.

9. Khuyến nghị theo model và trường hợp sử dụng

Ma trận khuyến nghị dưới đây giả định định dạng phát hành là MP3 hoặc AAC ở 64 kbps mono. Nếu chương trình của bạn sử dụng FLAC hoặc WAV không nén, xem §10.

T2 và Y6 với DAC ESS là những SKU duy nhất mà tác quyền 24-bit mang lại lợi ích có thể đo lường được, và chỉ khi chương trình bao gồm thuyết minh nhạc cụ với các đỉnh tấn công. Đối với lời nói thuần túy, 16-bit luôn đủ.

10. Trường hợp đặc biệt: Phát hành FLAC và lossless

Một số ít nhà xuất bản K12 cao cấp (dưới 4% số chương trình tính theo đơn vị) phát hành FLAC lossless để bảo toàn độ trung thực âm thanh. Các con số thay đổi như sau:

• FLAC 16-bit / 22.05 kHz: ~1,5 MB mỗi ngôn ngữ.
• FLAC 24-bit / 22.05 kHz: ~2,3 MB mỗi ngôn ngữ.
• FLAC 32-bit float không phải định dạng tiêu chuẩn và không được hỗ trợ.

Đối với danh mục 480 cuốn sách × 12 ngôn ngữ, ngân sách FLAC là:

• 16-bit = 18 MB; 24-bit = 27,6 MB.

Mức chênh 9,6 MB là không đáng kể trên NAND 8 GB nhưng lại đáng kể trên NAND 128 MB kế thừa của B1 / B2. Đối với các chương trình FLAC, chúng tôi khuyến nghị 16-bit trừ khi nhà xuất bản yêu cầu cụ thể 24-bit vì tính đầy đủ lưu trữ. Trong 18 tháng qua, không có nhà xuất bản nào yêu cầu FLAC 24-bit trên B1 hoặc B2.

Bài đọc liên quan

• Bút đọc Tần số mẫu âm thanh 16 kHz so với 44,1 kHz
• Codec âm thanh và nén MP3 của bút đọc
• Thiết kế bộ khuếch đại âm thanh Class D cho bút đọc
• Định dạng ghi âm của bút đọc: WAV so với AMR so với Opus
• Giải thích công cụ TTS chuyển văn bản thành giọng nói trên bút đọc
• Đo lường THD và độ méo của bút đọc
• Nhiễu nền và tỷ số tín hiệu trên nhiễu của bút đọc
• Bút đọc ODM — Tóm tắt kỹ thuật âm thanh