1. Por qué "Tom's Diner", una canción a capela, fue ideal para probar el MP3
La canción utilizada en las pruebas del MP3 fue "Tom's Diner" de Suzanne Vega. Era una pieza a capela, es decir, cantada solo con la voz, sin piano ni guitarra [1]. Entre las razones para elegir esta canción se mencionan que está compuesta casi enteramente por una sola voz y que tiene un gran rango de frecuencia (la amplitud entre los tonos más altos y los más bajos) [1].
Si hay una sola voz, la distorsión causada por la compresión no se mezcla con el sonido de otros instrumentos. Como contiene un rango amplio de sonidos, las anomalías producidas por la compresión son más fáciles de escuchar [1]. Pero, ¿qué es exactamente la compresión? Para entenderlo, primero debemos mirar qué tipo de "distorsión" se estaba probando.
2. Cómo el MP3 reduce el archivo a 1/11 del tamaño de un CD
El sonido de un CD musical se mide con una precisión de 44,100 veces por segundo, registrando 16 bits por medición en dos canales (izquierdo y derecho). Al calcularlo, esto equivale a aproximadamente 1,411,200 bits por segundo (o 1,411.2 kbit/s) [1]. La tasa de 128 kbit/s del MP3 es un valor que reduce esto a aproximadamente 1/11 [1].
Comparando los números para una canción de 3 minutos: en formato CD ocuparía unos 32 megabytes, mientras que como MP3 a 128 kbit/s ocuparía unos 2.9 megabytes [1]. Sin embargo, esta relación cambia si se ajusta la configuración del archivo. Se considera que, incluso reduciéndolo tanto, la calidad de sonido es suficiente para escuchar normalmente [1].
¿Qué se elimina entonces? El MP3 aprovecha los "descuidos" del oído humano para descartar componentes que se cree que la mayoría de las personas no pueden oír [1]. Un ejemplo principal de este descuido es el enmascaramiento auditivo.
3. Por qué no oímos un sonido suave junto a uno fuerte aunque llegue al oído
En un aula ruidosa, a veces no podemos entender lo que dice en voz baja el niño de al lado. Cerca de un sonido fuerte, es difícil escuchar uno suave. Esto es el enmascaramiento auditivo: un fenómeno donde la percepción de un sonido se ve obstaculizada por otro [3]. Hay dos tipos principales: el enmascaramiento de frecuencia, donde un sonido fuerte cercano en altura (frecuencia) oculta a uno pequeño; y el enmascaramiento temporal, donde un sonido puede ocultar a otro cercano en el tiempo [3].
Lo importante es que el sonido ocultado sigue existiendo en el aire y llega al oído. Si no nos damos cuenta de él, tiene poco sentido registrarlo con detalle. Esta es la idea inicial del MP3 [1]. Pero, ¿cómo se manejan realmente estos sonidos que no percibimos?
4. Cómo el MP3 reduce la precisión de los sonidos inaudibles en vez de borrarlos
Más que simplemente recortar componentes inaudibles, el MP3 ajusta la finura del registro. El codificador divide el sonido en varias bandas de frecuencia (bandas críticas) y estima qué volumen de sonido queda oculto en cada banda [2]. Luego asigna menos bits a las bandas donde el sonido se oculta fácilmente y más bits a las donde no se oculta tanto [2].
Con menos bits, el registro es más burdo y se genera un pequeño ruido (ruido de cuantización). Pero si ese ruido está por debajo del límite del enmascaramiento, el oído no lo nota. Es decir, más que "borrar sonidos inaudibles", se trata de "reducir la precisión del registro dentro de un rango donde el ruido no destaca" [2]. En algunos materiales educativos se explica dividiendo las bandas en aproximadamente 24 partes, pero este número varía según el diseño.
Aquí aparece una debilidad del método: si la estimación difiere de la realidad del oído, el ruido llega al oído sin estar oculto [2].
5. Por qué la voz se distorsionó en las pruebas y el equipo de Brandenburg rehizo el modelo
Se cuenta que el equipo de Karlheinz Brandenburg, desarrolladores del MP3, realizó pruebas con "Tom's Diner" alrededor de 1988 [4]. Sin embargo, al comprimir esta canción con el método MP3, la voz resultó terriblemente distorsionada. El modelo psicoacústico aún no era lo suficientemente preciso [4].
Como no había acompañamiento instrumental, no había otros sonidos que ocultaran la distorsión. La imprecisión de la estimación se manifestaba directamente al oído. El equipo rehizo el modelo y Brandenburg dijo que escuchó esta canción muchas veces [4]. Cabe señalar que las fechas de las pruebas varían según la fuente; algunos documentos dicen 1988 y otros años diferentes, sin coincidir.
Así refinado, el estándar ISO/IEC 11172-3 se publicó en 1993 y la extensión ".mp3" se decidió el 14 de julio de 1995 [5]. Es importante recordar que el MP3 no está ajustado solo a esta canción, sino que fue una de las pruebas.
6. Por qué el MP3 no puede recuperar la precisión perdida
Los métodos como el MP3, que reducen la precisión para hacer archivos pequeños, no pueden devolver exactamente el sonido original. Esto se llama compresión con pérdidas (irreversible). La información eliminada no se puede recuperar una vez perdida [1].
Existen métodos que pueden devolver completamente el original, como la compresión sin pérdidas (FLAC, por ejemplo). Sin embargo, en música, el dato suele reducirse a aproximadamente la mitad del original, dependiendo de la canción; no se reduce tanto como 1/11 como el MP3 [1]. Es decir, tienen objetivos distintos: el MP3 busca "hacerlo muy pequeño en un rango imperceptible al oído", mientras que la compresión sin pérdidas prefiere "mantener el original aunque la reducción sea moderada" [1].
El límite de usar los descuidos del oído radica también en las diferencias individuales y el entorno de escucha. A continuación, probaremos este fenómeno en casa.
7. Cómo comprobar en casa que el oído no percibe ciertos sonidos
Puedes comprobar cómo el oído descuida ciertos sonidos en casa. Pon música a volumen bajo y compara la misma parte de la canción en una habitación silenciosa y en una con ruido de un extractor o de un ventilador [3]. Si hay lugares donde el sonido de un instrumento pequeño o la respiración se vuelve difícil de escuchar detrás de otros ruidos, habrás experimentado el enmascaramiento. Que no sea difícil de escuchar no significa que hayas fallado.
Avísale a alguien de tu familia antes de hacerlo y no subas demasiado el volumen. Si usas máquinas para generar ruido, no las acerques a tus oídos [3]. Cambiar la canción o la habitación podría cambiar dónde se ocultan los sonidos.