Formatos de audio. La enciclopedia del PCM, DSD y DXD.

Hace 4 años el lanzamiento del reproductor PONO le descubrió a todo el mundo una cosa muy loca que los aficionados al sonido llevamos años sabiendo: existen formatos de audio técnicamente superiores al CD y MP3/AAC.

Esto se ha llamado “música HD” o “HD Audio” o “DSD Audio” y se vende como un sonido “con mayor emoción y cercanía al directo”. Normalmente es una grabación producida con los mismos procedimientos y estándares que un CD normal 16/44.1, pero exportada a una profundidad de bits y un muestreo superiores, de 24bits/96khz o incluso 24bits/192khz. En el caso del DSD funciona de otra manera y se graba a 1bit/88khz, pero la idea es similar: llevar al público el formato de alta resolución con el que se trabaja en estudio.

Venga, empiezo por el principio y os voy contando.

¿Estos formatos de audio son una novedad?

NO. Estos archivos llevan casi dos décadas siendo utilizados en formatos comerciales como el SACD o el DVD-A, que por cierto no han tenido mucho éxito, y por los aficionados en sus equipos tanto estacionarios como en los mejores reproductores MP3 portátiles.

PONO no supone nada nuevo. Ni en el uso de los formatos de audio de alta resolución ni en poder hacerlo de forma portátil.

¿El DSD o el HD Audio suenan realmente mejor?

Responder a esto es más complicado. Así que ya sabes, si sientes curiosidad por saber si realmente has estado escuchando música en “baja calidad” toda tu vida, tendrás que seguir leyendo.

Antecedentes de los formatos de audio DSD y HD Audio

Cuando todo era analógico, la diferencia de calidad de sonido y durabilidad entre unos discos y otros estaban determinadas por la calidad de la impresión y del vinilo. Parecido con el casete, la calidad de la cinta determinaba la calidad de sonido y su durabilidad.

Los famosos vinilos de 180gr o las cintas de tipo IV (metal) ofrecían una gran mejora física sobre sus parientes pobres, lo que se traducía en mejor sonido y mayor resistencia al uso.

La llegada del CD uniformiza la calidad del soporte, obligando a los departamentos de marketing a introducir nuevas “variables” en la ecuación. La coexistencia de los procedimientos analógicos (A) con los nuevos medios digitales (D) hizo que de repente importasen mucho las siglas que aparecían en la trasera de los CDs: AAD, ADD y DDD, referidas a la tecnología en la que se había hecho el proceso de grabación. máster y soporte. Un CD con la DDD molaba más que uno AAD.

La implantación de la tecnología digital en todo el proceso de creación musical unida a la migración del CD hacia los archivos digitales hizo que la vieja discusión analógico vs digital se olvidase unos años en pos de otras nuevas como formatos de audio comprimidos vs lossless, comprimidos con MP3 vs comprimidos AAC, bitrates fijos vs bitrates variables, etc. FLAC, wav, ape, alac, mp3, ogg, aac, wma…

Hay que reconocer que tanta variedad de formatos y sus diferencias dan mucha cancha a los cuñados del audio, también conocidos como ingenieros de sonido de barra de bar.

En este sentido, durante los últimos años y a raíz de la salida del SACD, el DVD-A, la digitalización de vinilos (vinyl rip en 24/96) y los formatos de audio digitales HD Audio… el CD (16/44,1) ha dejado de ser el estándar y ha pasado a ser comparado con los formatos en alta resolución. Por supuesto, todos estos temas también han dado pie a elevadas discusiones audiófilas.

En la actualidad parece que el formato DSD, utilizado originalmente por los SACD, a duras penas trata de convertirse en una alternativa al formato estándar actual que es el PCM. Sus resultados podrían calificarse como tibios, tanto en la industria como entre los aficionados.

La tozuda realidad es que en los últimos 30 años ningún formato físico ha logrado desplazar al CD como principal soporte físico para música estéreo. Y eso que todos acreditan características técnicas muy superiores. Recordemos que los SACD o DVD-A son capaces de contener hasta 6 canales de audio, cosa que tampoco ha triunfado mucho.

Y no solo el CD resiste la embestida de los formatos de alta resolución. Los formatos de audio comprimidos con pérdida, como MP3 o AAC, siguen siendo los reyes del mambo en las tiendas de música online (iTunes, Amazon…) y en los servicios de streaming (Spotify, Soundcloud…).

Entonces la pregunta es: si la industria del audio lleva 30 años vendiendo CDs y nadie se ha quejado de “falta de calidad de sonido”, ¿la popularización del DSD, DXD y PCM HD tiene alguna base o simplemente es un invento del marketing?

Ahora te cuento. Esto que viene es bastante técnico y un poco peñazo, pero dentro de 10 minutos los formatos de audio no tendrán secretos para ti.

Veamos, los formatos de audio digitales tienen 2 características importantes:

Frecuencia de muestreo

“Frecuency rate” en inglés, es el número de muestras por unidad de tiempo que se toman de una señal continua para producir una señal discreta durante el proceso necesario para convertirla de analógica en digital. En una señal analógica la onda de sonido es continua, así que cuando la convertimos en digital “marcamos puntos” en ella para poder replicarla. Si hablamos de 44,1 khz o 192 khz, significa que en cada segundo de audio se han marcado 44100 o 192000 “puntos” como si fuese un enorme “dibuja siguiendo la linea”.

Segmento de una pista en 16bits/44.1khz vista con un detalle de cienmilésimas de segundo:

Mismo segmento de la misma pista en 24bits/192khz vista con un detalle de cienmilésimas de segundo:

Viendo estas gráficas la intuición indica que cuantos más puntos de referencia tenga la grabación, más precisa será la reproducción y mejor se oirá ¿no? Y si además en todas las revistas te enseñan esta gráfica, pues más claro aún, ¿verdad?

Pues mira, no.

También he leído por ahí que la razón de que no se note diferencia es que con 44.100 muestras por segundo ya tienes suficientes muestras y no eres capaz de notarlas.

Pues tampoco, zoquete. Además esto es un error de bulto. Y aquí es donde entra en juego nuestro amigo Nyquist con tu teorema.

“El teorema de Nyquist demuestra que la reconstrucción exacta de una señal periódica continua en banda base a partir de sus muestras, es matemáticamente posible si la señal está limitada en banda y la tasa de muestreo es superior al doble de su ancho de banda.”

Nyquist explica la relación que existe entre la frecuencia de muestreo y el rango de frecuencias que una pista puede contener (mayor frecuencia de muestreo -> mayor rango de frecuencias) y por ello tiene dos implicaciones importantes:

A – El  umbral superior de una grabación en formatos de audio digital alcanzará como máximo la mitad de su frecuencia de muestreo. De este modo, si la grabación está en calidad CD, 44.100 hz, las frecuencias más altas de esta llegarán a 22.050 kHz, lo que en principio supone quedar 2050 hz por encima la capacidad humana y bastante por encima de las posibilidades de la gran mayoría de equipos de sonido, ya sean auriculares o altavoces.

Al final, debido a un filtro de paso alto bajo que se pone en las grabaciones, se acaba limitando a los 20khz efectivos, que aún así supone quedar en el límite superior del umbral de audición de los humanos más jóvenes y afortunados.

B – “La información completa de la señal analógica original que cumple el criterio anterior está descrita por la serie total de muestras que resultaron del proceso de muestreo.”

En cristiano: con sonidos de hasta 22.050 hz, con un muestreo de 44.100 hz vas a lograr EXACTAMENTE los mismos resultados que uno de 192.000 hz.

Como comentaba al principio, no es un tema de notar o no notar. Una vez la señal cumple el criterio de Nyquist, su reconstrucción es completa. 

Repito: en sonidos de hasta 22.050hz, una frecuencia de muestreo de 44.1khz, 96khz, 192khz o 384khz reconstruyen EXACTAMENTE la misma curva. En las gráficas de arriba, tanto la de 16bit/44.1kHz como la de 24bit/96kHz reconstruyen la gráfica original.

O sea, que esto es FALSO.

Si queréis profundizar un poco más, os dejo este vídeo que explica Nyquist de forma accesible para profanos (vía Andrés Camacho, UPV).

Sobre los sonidos por encima de 20Khz que quedan fuera de las capacidades del formato 16/44.1Khz, el espectro audible humano va de 20hz-20kHz (20hz-20000hz), no es constante en toda la escala y con la edad se reduce sobre todo por arriba. De hecho, los adultos tenemos serias dificultades para escuchar la undécima octava (16khz-20khz). Así que yo no me preocuparía mucho por los ultrasonidos por encima de 20kHz.

Resumen: una mayor frecuencia de muestreo no va a conseguir que la música suene mejor.

Profundidad del bits en los formatos de audio

Bit depth en inglés, es la información que contiene cada muestra, su “profundidad”. También se define como el número de variaciones de una onda de sonido. Una muestra de 8 bits tiene 256 niveles (2 elevado a 8), una señal de 16 bits tiene 65536 niveles (2 elevado a 16) y así sucesivamente.

Lo que nos interesa de la profundidad de bits es su relación con el rango dinámico.

El rango dinámico es, en este caso, la horquilla que hay entre el nivel de ruido de fondo y el nivel pico. Una grabación con alto rango dinámico se escucha con un sonido más natural y real, con más pegada y más vivo.

Como se da la circunstancia que a mayor profundidad de bits mayor rango dinámico teórico, parece una buena idea.

En una orquesta los sonidos más débiles (pianísimo, ppp) rondan los 30dB, mientras que los más fuertes (fortísimo, fff) alcanzan los 110dB, por tanto, el rango dinámico en este caso es de 80dB. Nuestro oído es capaz de percibir sonidos con una intensidad de hasta 130 dB, que es el umbral del dolor.

El CD (16 bits) tiene un rango dinámico máximo de 96dB, mientras un DVD-A o un SACD (24 bits) tienen un máximo teórico de 144dB.

Para ponernos en contexto, un buen vinilo puede alcanzar los 75dB, un casete los 55dB, un DAC como el ODAC ronda los 110dB y los mejores DACs actuales alcanzan, una vez montados en un aparato funcional, como máximo a los 120 o 125db. Lo que significa que en realidad no alcanzan los 24 bits, sino que se quedan en unos 20 bits “reales”.

Si consideramos que el ruido base, la referencia de lo que sería el ruido ambiente en un estudio de grabación, es de unos 30dB, y que el umbral del dolor se sitúa en torno a los 130-140dB (a partir de 120dB el oído ya sufre daños), nos sale un rango dinámico máximo de 100-110dB.

Así que es posible en uso real superar el máximo de 96dB que tiene el CD. El estudio de Beyer y Moran  “Audibility of a CD-Standar A/DA/A Loop Inserted into High-Resolution Audio Playback” citado por NwAvGuy en su artículo “Noise and Dynamic Range” concluye que la “barrera” de los 96dB del CD se puede llegar a percibir solo por ciertas personas en algunas grabaciones concretas y escuchando la música a volúmenes “muy elevados y poco realistas”. Así que sí, es cierto que la mayor profundidad de bits se sostiene sobre una base real… pero muy improbable.

Resumen: en condiciones extraordinarias una tasa de bits superior a 16 bits sí que puede suponer una mejora audible. Aunque solo ciertas personas escuchando grabaciones muy bien producidas a un volumen similar al despegue de un avión pueden apreciarlo.

(Actualización) El forero AgaporniPower nos hace dos acertados comentarios. El primero es que mediante técnicas de noise shapping, utilizadas por algunos sellos como Pentatone, es posible bajar el suelo de ruido en un CD y aumentar así el rango dinámico hasta más allá de 100dB en las frecuencias por debajo de 15khz. El otro es que los DACs no funcionan literalmente sobre el teorema de Nyquist-Shannon, sino que hacen una pequeña trampa llamada oversampling. Esto consiste en que entre la entrada digital y la salida analógica el chip DAC aumenta la frecuencia de muestreo mediante interpolación por ejemplo al doble, de 44.100hz a 88.200hz. El motivo de hacer esto es abaratar el DAC simplificando su operativa, ya que le permite usar filtros más sencillos y económicos. Nuestros lectores nos ponen las cosas difíciles. En todo caso, esta puntualización técnica no cambia en absoluto las conclusiones.

Diferencias entre formatos de audio: PCM y DSD

Todo la información que hemos dado hasta ahora se centra en el sistema de modulación PCM, que es el más común, pero existen otros sistemas alternativos. Quizá el más conocido por los aficionados es el DSD.

El formato DSD es un sistema propietario de Sony y Philips  basado en la modulación por densidad de impulsos (PDM). Ha sido utilizado sobre soporte físico en los SACD y en los últimos tiempos ha resurgido en formato archivo digital. El DSD, a diferencia del PCM, se basa en una profundidad de bits muy baja de tan solo 1 bit y una frecuencia de muestreo enorme de 28.224 mhz.

El principal “fallito” del DSD es que debido a que las operaciones DSP en un entorno de 1 bit son técnicamente muy complejas y que la mayoría de sistemas de edición de audio profesional, como Pro Tools, trabajan exclusivamente en PCM, gran parte de discos en DSD producidos con edición multipista (casi todos los grupos graban por separado y mezclan después) están procesados en PCM y convertidos solo en última instancia a DSD, por lo que básicamente son archivos PCM a los que al final de todo se les ha cambiado el formato.

Esta falta de herramientas para trabajar en DSD junto al pensamiento de que se trata de un formato más encaminado a digitalizar antiguas grabaciones desde analógico que a producir nuevo material, ha llevado a que muchos de los discos que podemos encontrar en SACD y DSD sean precisamente digitalizaciones de antiguas grabaciones o directos que estaban en cinta magnética.

Otro problema importante del DSD es el hecho de que una cuantificación de 1 bit genera una cantidad de ruido brutal, por lo que es necesario el uso de técnicas de modelado de ruido para desplazar todo ese ruido más allá del umbral de audición.

Esto supone una desventaja frente a formatos basados en PCM, que partiendo de resoluciones 24/96 o 24/192 no tienen ningún problema para contener información más allá de ese umbral. Esto es fácil de ver en la siguiente gráfica.

La opinión más extendida entre los técnicos y entre marcas de prestigio como Linn o Benchmark es que el DSD era un buen invento en 1999 cuando surgió. En aquel momento ofrecía una mejora técnica sobre el CD (PCM 16/44.1), pero que con la generalización en usos profesionales del PCM 24/96 y 24/192 y la increíble mejora de los DACs que trabajan en PCM, el DSD no tiene ningún sentido ni en la edición profesional ni en su uso como formato comercial.

A este respecto me ha parecido muy interesante este artículo en HD Real, tanto por el proceso de test que han llevado a cabo como por la anécdota del ingeniero de Sony: “Después de un largo camino nos dimos cuenta de que el DSD era en cierta manera un error, pero ya habíamos invertido demasiado dinero en él.“ Conociendo a Sony, su largo historial de formatos fracasados y su desigual éxito de los últimos años, es fácil creerle.

Por otro lado, y como no podía ser menos, han surgido numerosas iniciativas dirigidas a comparar los distintos formatos de audio digitales y analógicos con el DSD.

Quizá la que ha tenido más repercusión ha sido el “Proyecto K622”, lanzado por la revista Stereophile, de la que se hizo eco el foro español Matrix Hifi. Esta serie de pruebas junto a otros estudios parece coincidir con que el PCM a alta resolución y DSD son en la práctica indistinguibles uno del otro.

Por otro lado, no es difícil encontrar por ahí reviews y análisis en diversos foros y revistas que defienden que el DSD es muy superior al PCM. Al final, como la gran mayoría de reproductores HIFI y DACs actuales ofrecen decodificación DSD, todos vamos a poder comprobar este extremo fácilmente con nuestros propios oídos.

En formatos de audio, el tamaño importa

Seamos claros, si ahora estamos hablando de HD Audio es porque la capacidad de almacenamiento y la banda ancha nunca habían sido tan accesibles ni tan baratas. Hoy en día por 80€ tienes un disco duro de 4tb y cualquiera puede tener un conexión a internet de 20mb en su casa. En estas circunstancias, conseguir y almacenar formatos de audio de alta resolución no supone una gran diferencia a hacerlo con cualquier otro formato. Aún así, aún queda un reducto donde la capacidad de almacenamiento es limitada y cara: los reproductores portátiles.

Estos son los tamaños de archivo generados por el formato PCM es sus variantes más habituales.

Hay que tener en cuenta que mediante compresión sin pérdida, como puede hacerse con FLAC, es posible reducir estos archivos en un 50% o incluso 60%. De todos modos, las pistas en 16/44.1 seguirán ocupando tres veces menos que en 24/96.

Si consideramos una media de 60 minutos por disco, cada disco en formato 16/44.1 comprimido en FLAC ocuparía unas 300mb mientras que en 24/96 (HD Audio) hablaríamos de casi un giga. Esto, trasladado a una tarjeta de 64gb cambia de llevar 60 discos a llevar 180.

En algunos reproductores que tienen doble bahía microSD y contando con las nuevas tarjetas de 128gb y 200gb, la capacidad potencial se amplía hasta las 250gb-400gb, pero al mismo tiempo el coste, tanto del reproductor como de las memorias, se dispara.

Llegados a este punto y viendo las ventajas y desventajas de cada formato, parece que la opción más lógica para los que quieren llevar gran cantidad de música y desechan la opción de la compresión con pérdida (MP3, AAC, OGG…) sigue siendo el FLAC en 16bits/44.1khz y no formatos DSD o HD Audio.

Teorías a favor de los formatos de audio de alta resolución

Hasta ahora hemos expuesto los argumentos científicos, objetivos, oficiales o llámale como quieras.

Pero claro, como el mundo del audio sin discusiones sería aburridísimo, vamos a exponer también algunas de las teorías y argumentos a favor del DSD o el HD Audio que corren por ahí. Así, si hacéis pruebas con vuestros equipos os podéis entretener un rato.

1.- Los estudios audiométricos y psicoacústicos demuestran que la mayoría de humanos tenemos un rango audible limitado, el consabido 20hz-20khz. A esto se suma que gran parte de los sistemas de grabación y reproducción de audio, a excepción de algunos de muy alta gama, ni siquiera cubren con solvencia ese rango. Pero también es cierto que se han dado casos de personas con un oído extraordinario capaces de oír sonidos bastante por encima de 20khz.

Además, al igual que si alcanzan suficiente presión sonora (SPL) podemos sentir las infrafrecuencias de hasta 5hz mediante el tacto, existen teorías que apuntan a que somos capaces de sentir frecuencias ultrasónicas por encima de nuestra capacidad auditiva. De hecho se han realizado controvertidos estudios que apoyan esta idea.

El problema es que otros estudios y pruebas, sobre todo pruebas ABX, rechazan todo lo anterior. Obviamente todo esto ha dado pie a acaloradas discusiones entre los que consideran que las frecuencias ultrasónicas se pueden oír, sentir, ambas cosas o ninguna de las dos.

El caso es que existen grabaciones con sonidos registrados por encima de los 20khz e incluso los 30khz  y que formatos  de audio como el disco de vinilo y en mayor medida el DVD-A son capaces de contener esta información mientras que el CD no.

Del mismo modo, también existen altavoces y auriculares capaces de reproducirlos, por lo que hay terreno para la experimentación, las pruebas y las opiniones. Si de todos modos (como yo) no notas diferencia, siempre puedes probar una solución radical, comprar este gadget o tirar de un poco de, ya sabes… ayuda externa.

2.- El sentido del oído humano no escucha todas las frecuencias de forma lineal, sino que es más eficiente con unas frecuencias que con otras. Curiosamente (por pura evolución) lo que mejor escuchamos son los medios, donde se centran las voces. En la práctica el oído discrimina las frecuencias más altas y en mayor medida las bajas. Esto se nota claramente cuando escuchamos música a bajo volumen, mientras que los medios y medios agudos se siguen escuchando bien, los graves y subgraves prácticamente desaparecen.

Sobre esta base hay gente que propone que si bien el rango dinámico de un CD es suficiente para las frecuencias medias, un incremento del rango dinámico puede llegar a ser percibido en las bajas frecuencias debido a su efecto “compensatorio” en la discriminación que nuestro oído hace de ellas, sobre todo a volúmenes elevados. Este argumento pretende explicar el mayor “cuerpo”, “emoción” o “graves más profundos” que algunos aficionados dicen encontrar en las grabaciones en alta resolución.

Este mismo argumento de la discriminación de frecuencias lo he leído alguna vez para tratar de explicar el famoso tópico de “el vinilo suena mejor”.

Los defensores de esta tesis dicen que si bien el rango dinámico absoluto del vinilo es inferior al del CD debido a su suelo de ruido más alto, su rango dinámico en las frecuencias que escuchamos mejor, las medias, sería superior. Esto trata de explicar la percepción que tienen algunas personas de que los vinilos tienen mejores medios mientras que los CD tienen mejores graves.

En este sentido, la mayoría de explicaciones van más por el lado de que el vinilo, con un mayor ruido de fondo y distorsión, en su imperfección resulta más natural, más parecido a la forma imperfecta en que escuchamos la música en directo, mientras que el CD, en su perfección y nitidez, resulta frío y poco natural. Esto, al fin y al cabo, es un tema de gustos y de la educación musical que haya tenido cada uno.

Para los que tengan ganas de profundizar en este tema hay una serie de artículos de Christine Tham para Audioholics que han sido bastante comentados:

Dynamic Comparison of CD, DVD-A, SACD – Part 1 / Dynamic Comparison of CD, DVD-A, SACD – Part 2 / Dynamic Comparison of CD, DVD-A, SACD – Part 3 / Dynamic Comparison of LPs vs CDs – Part 4 / Dynamic Comparison SACD vs CD – Part 5

Resulta también especialmente interesante el wiki de HydrogenAudio sobre los vinilos.

3.- La música digital “normal” genera estrés, mientras que la música HD Audio y en especial el formato DSD, al acercarse en opinión de los defensores de esta idea a ciertas características de los formatos de audio analógicos, generan un sonido “menos digital” y más placentero.

Todo esto, al igual que otros muchos postulados similares, viene de una presentación en la Audio Engineering Society realizada por el Dr John Diamond en 1980, llamada Human Stress Provoked by Digitalized Recordings. Como en la wikipedia hay una extensa explicación sobre el tema y la discusión analógico vs digital está más que tratada, no voy a explayarme sobre ello. Ahí están ambos formatos de audio para que cada cual pruebe todo lo que quiera y se quede con lo que más le guste.

Como contrapunto a estas ideas y a otras que tienen bastante proyección entre algunos audiófilos, resulta curioso leer esta presentación de Thomas D. Kite, que ya en 2001 rebatía muchas de estas tesis, lo que demuestra que la controversia que rodea al HD Audio viene de lejos y no tiene visos de acabar en breve.

Conclusión

A lo largo de este artículo he dejado claro que para mí, después de haber probado e investigado mucho, el DSD, HD Audio o cualquiera de los formatos de audio considerados de alta resolución no significan una mejora audible sobre el CD. Al menos no lo suficiente para pasar test ABX de forma consistente.

Por otro lado, estoy convencido que si a nivel comercial funciona, acabaremos disfrutando de mejores grabaciones. Básicamente porque de alguna manera tendrán que justificar que los nuevos formatos de audio suenan mejor que los antiguos, y eso pasa necesariamente por mejorar las masterizaciones.

Al final cada uno decide si prefiere tener su música en DSD, FLAC, AAC o lo que sea. Pero si se mejora la grabación, producción y masterización de discos, aunque sea para colarnos los nuevos formatos de audio, nos beneficiaremos todos.