ในงานสัมมนาครั้งนี้ ฟังใจได้เรียนเชิญพี่ก้อ ‘ณฐพล ศรีจอมขวัญ’ ศิลปิน นักดนตรี นักแต่งเพลง ซาวด์เอ็นจิเนียร์ และโปรดิวเซอร์ ที่เป็นสมาชิกของวงดนตรีอย่าง P.O.P, Groove Riders และล่าสุดมีผลงานกับพี่ ‘บอย’ ตรัย ภูมิรัตน ในนาม The BOYKOR มาบรรยายเกี่ยวกับเรื่องคุณภาพเสียงแบบไฮเรโซลูชัน (High Resolution) หรือเรียกสั้นๆ ว่าไฮเรส (Hi-Res) นั่นเอง

ผลงานเพลงของ The BOYKOR ได้ทำการบันทึกและผลิตออกมาในรูปแบบ Hi-Res พี่ก้อจึงมีความยินดีที่จะมาบรรยายให้แก่นักศึกษาที่เรียนทางด้านเทคโนโลยีทางดนตรี และผู้ที่สนใจ ในเรื่องทฤษฎีพื้นฐาน และวิธีการผลิตงานเพลงคุณภาพเสียงสูงแบบ Hi-Res ซึ่งเป็นเทรนด์การผลิตเพลงที่กำลังเป็นที่นิยมมากขึ้นเรื่อยๆ

จากสิ่งที่พี่ก้อได้สอนในงานสัมมนา ผู้เขียนขอนำเนื้อหาสาระสำคัญมาสรุปให้ทุกคนได้อ่านกัน ดังนี้

1. Hi-Res คืออะไร?

ในปัจจุบัน ไม่ว่าจะเป็นภาพหรือเสียง การบันทึกนั้นจะทำในรูปแบบดิจิตัล คือเป็นการเก็บข้อมูลด้วยตัวเลข 0 กับ 1 หลายๆตัว แล้วแปลงออกมาให้อยู่ในรูปแบบที่ตาและหูของคนสามารถตีความได้ ซึ่งหากผู้อ่านพอเข้าใจเรื่องรูปถ่ายดิจิตัลบ้าง ก็จะรู้ว่าภาพที่มีขนาดไฟล์ใหญ่ๆ หรือความละเอียดสูงๆ ก็จะยิ่งเห็นว่าชัด ซูมเข้าไปก็จะไม่แตก อย่างภาพดอกบัวข้างๆนี้ ว่าถ้าไฟล์ภาพมีความละเอียดน้อย ก็จะเห็นเป็นภาพแบบลางๆ ไม่ค่อยชัด อย่างรูปดอกบัวด้านขวา แต่ถ้าภาพมีความละเอียดมาก ก็จะเห็นเป็นภาพที่ชัดกว่า อย่างรูปดอกบัวด้านซ้าย

สำหรับเสียงก็เช่นกัน ถ้าเก็บข้อมูลเสียงที่มีความละเอียดของข้อมูลมากเท่าไร หรือไฟล์ใหญ่ๆ ก็จะยิ่งได้ยินเสียงที่มีความคมชัดมากขึ้นเท่านั้น

นิยามของ Hi-Res
คำว่า Hi-Res เป็นคำที่ใช้ในเชิงการตลาด มีนิยามง่ายๆ ให้คนทั่วไปเข้าใจกันว่าคือ คุณภาพเสียงที่ดีกว่า Audio CD ทั่วไปนั่นเอง ซึ่งหมายถึงไฟล์เสียงที่มี Sampling Rate สูงกว่า 44.1kHz และ Bit Depth สูงกว่า 16-bit

Sampling Rate (Bandwidth)

หมายถึง ความถี่หรือความละเอียดของการเก็บข้อมูลเสียงที่อิงกับหน่วยเวลา มีหน่วยเป็น Hertz (Hz) หรือครั้งต่อวินาที (kHz = 1,000 ครั้งต่อวินาที) จากในกราฟข้างบน จะเป็นแกนแนวนอน (แกน x) เพราะฉะนั้น ข้อมูลคลื่นเสียงที่เก็บนี้จะอิงกับความถี่ของคลื่นเสียงนั่นเอง

สำหรับ Sampling Rate ที่ใช้กันทั่วไปใน Audio CD ก็คือ 44.1kHz หากมีความละเอียดสูงกว่านั้น ถือว่าเป็น Hi-Res มีอย่างเช่น 48kHz, 96kHz, 192kHz และ 384kHz เป็นต้น

Bit Depth (Dynamic Range)

หมายถึง ความละเอียดของการเก็บข้อมูลเสียงที่อิงกับความดัง มีหน่วยเป็นจำนวนข้อมูล คือ Bit ที่สามารถแปลงเป็นหน่วยความดังได้ คือ เดซิเบล (dB) ได้ จากในกราฟข้างบน จะเป็นแกนแนวตั้ง (แกน y)

สำหรับ Bit Depth ที่ใช้กันทั่วไปใน Audio CD ก็คือ 16-Bit หากมีความละเอียดสูงกว่านั้น ถือว่าเป็น Hi-Res มีอย่างเช่น 24-Bit และ 32-Bit เป็นต้น

Format ของ Hi-Res

นอกจาก WAV ที่เป็น format เดียวกันกับ Audio CD ปรกติแล้ว ก็จะมี format อย่างเช่น FLAC (Free Lossless Audio Codec), ALAC (Apple Lossless Audio Codec), AIFF และ DSD เป็นต้น

สาเหตุที่ format ของ Audio CD ต้องเป็น 44.1kHz/16-Bit เป็นเพราะในยุค 1980’s บริษัทที่ผลิตเครื่องเล่นและแผ่นซีดีที่ได้รับความนิยมมากที่สุดก็คือ SONY ทำให้ผู้ผลิตซีดีต้องทำออกมาให้รองรับกับเครื่องเล่นของ SONY ซึ่งก็ส่งผลให้ทุกๆยี่ห้อยึด format เดียวกันนี้ตามๆกัน

ในการอัดเสียงในสตูดิโอ ปรกติแล้วจะตั้งค่าการอัดเสียงที่สูงว่าใน Audio CD ปรกติ อย่างเช่น 96kHz/24-Bit ซึ่งเหตุผลส่วนหนึ่งก็คือ ในกระบวนการอัดนั้น จะมีความสูญเสียของข้อมูลที่เกิดจากสัญญาณรบกวน หรือ Noise จากในตัว Hardware เอง หรือในกระบวนการแปลงข้อมูล หรือ Signal Processing อยู่ นอกจากนี้ การมีจำนวน Track เยอะๆ ก็ทำให้เกิดความสูญเสียของข้อมูลมากขึ้นเช่นกัน ซึ่งความละเอียดของการเก็บข้อมูลที่สูงขึ้นนี้ จะช่วยทำให้ข้อมูลที่เก็บมาได้ยังมีความละเอียดเพียงพอในการทำงานต่อได้นั่นเอง

แต่เนื่องจาก Audio CD นั้นมีความละเอียดเพียง 44.1kHz/16-Bit จึงต้องทำให้มีการแปลงข้อมูลจากความละเอียดสูงลงมาสู่ความละเอียดต่ำกว่า ซึ่งผลของการแปลงนั้นทำให้เกิดผลเสีย 2 อย่างด้วยกัน คือ

1) รายละเอียดเสียงบางอย่างหายไป
2) มีเสียงแปลกปลอมหรือผิดเพี้ยน

1) รายละเอียดเสียงบางอย่างหายไป

คลื่นเสียงที่คนเราได้ยินนั้น มีความถี่อยู่ระหว่าง 20 ถึง 20,000 Hz เสียงที่มีความถี่ต่ำกว่าหรือสูงกว่านั้นถือว่าไม่ได้ยิน แต่กระบวนการได้ยินของคนเรานั้นก็มีความพิเศษอยู่อย่างหนึ่งว่า คลื่นเสียงที่อยู่นอกย่านความถี่ที่ได้ยินนั้น จะมีผลกระทบต่อคลื่นเสียงที่ได้ยินอยู่ด้วย โดยเฉพาะพวกเสียงฮาร์โมนิกส์ (Harmonics) ดังจะเห็นได้จากภาพที่แสดงการรวมกันของคลื่นเสียงข้างล่าง

ในการแปลงไฟล์เสียงที่มีความละเอียดสูงลงมาให้ต่ำลง โดยเฉพาะในเรื่อง Sampling Rate ที่เป็นตัวเก็บและอ่านข้อมูลความถี่ของเสียง ง่ายๆแล้วคือจะเป็นการตัดเสียงสูงๆออกไปทั้งหมด ทำให้เสียงที่ควรจะได้ยินนั้นผิดเพี้ยนไปจากธรรมชาตินั่นเอง

2) มีเสียงแปลกปลอมหรือผิดเพี้ยน

เสียงแปลกปลอมหรือผิดเพี้ยน เกิดขึ้นจากการลดความละเอียดของ Bit Depth ทำให้ข้อมูลคลื่นเสียงที่ได้นั้น มีลักษณะเป็นขั้นบันได ไม่เป็นเส้นโค้งอย่างที่ควรเป็น ส่วน Sampling Rate ก็คล้ายๆกัน คือทำให้เส้นโค้งดูแข็งๆ ทำให้เสียงที่ออกมาไม่เป็นธรรมชาติเท่าใดนัก ดังจะเห็นได้จากภาพข้างล่าง

นอกจากนี้ การลด Sampling Rate จะทำให้คอมพิวเตอร์ตรวจจับข้อมูลผิด และทำให้เกิดคลื่นเสียงตัวใหม่ขึ้น ดังแสดงในรูปข้างล่าง

วิธีแก้ปัญหาเหล่านี้ มีอยู่ 2 อย่างด้วยกัน อย่างแรกคือให้ใช้เครื่องมือ EQ (Equilizer) โดย filter เสียงที่มีความถี่สูงกว่า 20,000 Hz ออกให้หมด จากนั้นให้ใช้เครื่องมือที่เรียกว่า Dither ซึ่งเป็นเทคนิคพิเศษที่ใส่ Noise ในระดับที่ต่ำมากๆ เข้าไปในคลื่นเสียง เพื่อหลอกให้หูรู้สึกว่าเสียงเป็นธรรมชาติมากขึ้น

หากต้องการศึกษาเรื่องเทคนิคการ Dither มากกขึ้น ให้ลองอ่านบทความนี้ดูได้ http://www.darkroommastering.com/blog/dithering-explained