* Enmascaramiento: Este es el principio central. Se basa en el hecho de que nuestras orejas son menos sensibles a los sonidos más tranquilos cuando los sonidos más fuertes están presentes simultáneamente. Los sonidos más fuertes "máscara" más tranquilos. Los códecs basados en percepción identifican frecuencias enmascaradas por las más fuertes y reducen su tasa de bits o las eliminan por completo. Esto es particularmente efectivo para reducir los datos necesarios para los componentes de alta frecuencia, que a menudo están enmascarados por frecuencias más bajas.
* Cuantización: Esto implica reducir la precisión de los datos de audio. En lugar de representar cada muestra con un número muy alto de bits, los códecs basados en percepción usan menos bits, particularmente para partes más perceptualmente importantes de la señal. El ruido de cuantización introducido a menudo está enmascarado por sonidos más fuertes.
* Modelos psicoacústicos: Estos son modelos matemáticos que simulan el sistema auditivo humano. Predicen qué partes de la señal de audio tienen más probabilidades de enmascararse y, por lo tanto, pueden comprimirse de manera más agresiva. Existen diferentes modelos con diferentes niveles de complejidad y precisión.
* Procesamiento de dominio de frecuencia: Muchos códecs basados en percepción funcionan en el dominio de frecuencia (utilizando transformaciones como la transformación de coseno discreta o la transformación de coseno discreto modificado), lo que facilita la identificación y manipulación de las frecuencias enmascaradas.
Ejemplos de códecs utilizando compresión perceptiva:
* mp3: Un ejemplo ampliamente utilizado. Es relativamente eficiente pero puede introducir artefactos notables a relaciones de compresión muy altas.
* AAC (codificación de audio avanzada): Generalmente considerado para proporcionar una mejor calidad que MP3 en la misma tasa de bits.
* opus: Un códec más moderno diseñado tanto para audio como para el habla, que ofrece alta calidad a bajas tasas de bits.
* vorbis: Otro códec de código abierto conocido por su buena calidad y compresión eficiente.
Limitaciones:
Si bien es altamente efectiva, la compresión perceptiva no es perfecta. En relaciones de compresión muy altas, los artefactos pueden volverse notables, particularmente como silbidos, zumbidos o confuso en el sonido. La calidad de la compresión también depende en gran medida de la complejidad del modelo psicoacústico utilizado y la implementación del códec.
En resumen, la compresión de audio basada en percepción reduce drásticamente los tamaños de los archivos explotando las limitaciones de la audición humana, ofreciendo un buen equilibrio entre la reducción de datos y la calidad de audio percibida. El éxito radica en su capacidad para descartar o reducir de manera inteligente la información que es menos probable que sea percibida por el oyente.