Độ sâu bit 16/24/32-bit trong âm thanh số: dải động, nhiễu lượng tử hóa và xử lý DSP

Độ sâu bit (bit depth) là số bit dùng để biểu diễn biên độ của mỗi mẫu âm thanh số: càng nhiều bit, bậc thang biên độ càng mịn, nhiễu lượng tử hóa càng thấp và dải động lý thuyết càng rộng. Nhưng con số 16, 24 hay 32-bit chỉ có ý nghĩa khi đặt đúng vai trò: 16-bit là chuẩn phát hành đã đủ tốt cho người nghe cuối, còn 24-bit và 32-bit tỏa sáng ở khâu thu âm và xử lý nội bộ. Bài viết giải thích bằng công thức, số liệu và ví dụ trên ESP32 để bạn không còn nhầm bit depth với sample rate (tần số lấy mẫu).

Nền tảng về luồng xử lý số trên ESP32 nằm ở bài trụ cột ESP32 xử lý âm thanh số: kiến trúc và giới hạn thực tế. Nếu bạn đang thu âm bằng micro 24-bit, bài thu âm bằng micro I2S INMP441 với ESP32 là ví dụ thực tế gần nhất của những con số trong bài này.

Lượng tử hóa là gì và nhiễu lượng tử hóa sinh ra thế nào?

Lấy mẫu (sampling) rời rạc hóa tín hiệu theo thời gian, còn lượng tử hóa (quantization) rời rạc hóa theo biên độ: mỗi mẫu analog được làm tròn về bậc thang gần nhất trong số 2 mũ N bậc mà N bit biểu diễn được. Sai số làm tròn này, khi nghe, trở thành nhiễu lượng tử hóa (quantization noise). Bước lượng tử (khoảng cách giữa hai bậc kề nhau) càng nhỏ, sai số càng nhỏ. Giả định kinh điển để tính toán là tín hiệu đủ phức tạp để sai số phân bố đều trong khoảng cộng trừ nửa bước lượng tử; dither (thêm nhiễu rất nhỏ có chủ đích) được dùng khi giảm xuống 16-bit để tránh méo tương quan.

Về số bậc thang: 16-bit có 65.536 bậc, 24-bit có 16.777.216 bậc (gấp 256 lần), 32-bit nguyên có hơn 4,29 tỉ bậc. Bậc càng mịn, sàn nhiễu lý thuyết càng thấp.

Công thức dải động: 6,02 dB mỗi bit cộng 1,76 dB

Với bộ lượng tử hóa lý tưởng và tín hiệu sin toàn thang, tỉ số tín hiệu trên nhiễu lượng tử hóa được tính bằng công thức kinh điển:

SNR lý thuyết (dB) = 6,02 × N + 1,76

Trong đó N là số bit, 6,02 dB đến từ 20 × log10(2) (mỗi bit thêm vào nhân đôi số bậc, tương đương khoảng 6 dB), và 1,76 dB đến từ hệ số dạng sóng sin và công suất nhiễu của sai số đều. Đây là kết quả tính toán lý thuyết cho lượng tử hóa lý tưởng, không phải kết quả đo của bất kỳ DAC hay ADC cụ thể nào; thiết bị thật luôn thấp hơn vì còn nhiễu nhiệt, jitter (rung pha clock) và méo analog. Thay số:

Lưu ý quan trọng: 32-bit float (số thực dấu phẩy động) trong xử lý âm thanh không tuân theo đúng con số 194 dB theo cùng cách hiểu đơn giản, vì nó gồm bit dấu, số mũ và phần định trị 24-bit; lợi thế của float là dải động tổng thể cực rộng và gần như không clipping khi cộng dồn.

Ví dụ: một bit thêm vào thay đổi sàn nhiễu ra sao trên số thật?

Ví dụ: xét file nhạc có đoạn rất nhỏ ở mức -70 dBFS (decibel so với toàn thang số). Ở 16-bit, sàn nhiễu lượng tử lý thuyết nằm ở khoảng -98 dBFS, nên đoạn nhỏ này chỉ cách sàn nhiễu 28 dB: vẫn nghe được, nhưng bất kỳ lần giảm bit hay xử lý nào nữa cũng dễ làm lộ nhiễu và méo lượng tử. Cùng đoạn đó ở 24-bit, sàn nhiễu lý thuyết ở khoảng -146 dBFS, cách tín hiệu tới 76 dB: khoảng cách an toàn lớn hơn 48 dB, đúng bằng 8 bit chênh lệch nhân 6,02 dB. Con số 48 dB này chính là ngân sách bạn có để thu nhỏ, chỉnh EQ và cộng dồn nhiều lần trong phòng thu mà bản 16-bit không có.

Vì sao 16-bit vẫn là chuẩn phát hành?

Vì 98 dB dải động lý thuyết đã vượt nhu cầu của hầu hết phòng nghe gia đình, nơi ồn nền phòng, ampli, loa và ngưỡng nghe thu hẹp dải động khả dụng xuống thấp hơn nhiều. CD Audio dùng 16-bit/44,1 kHz và nhạc phát hành vẫn chủ yếu ở 16-bit: nút thắt chất lượng nằm ở khâu thu, trộn và master.

Dung lượng cũng là lý do thực tế: file 24-bit lớn gấp 1,5 lần và 32-bit gấp đôi file 16-bit ở cùng sample rate, trong khi lợi ích nghe được ở khâu phát hành rất nhỏ.

Vì sao thu âm và xử lý nội bộ cần 24-bit và 32-bit?

Câu chuyện đổi hẳn ở khâu sản xuất. Khi thu âm, bạn không biết trước đỉnh tín hiệu lớn nhất, nên phải để headroom (khoảng dự phòng biên độ trước khi xén ngọn) để tránh clipping (xén ngọn gây vỡ tiếng). Thu ở 24-bit, bạn có thể đặt đỉnh danh nghĩa ở -20 dBFS mà sàn nhiễu vẫn còn cách xa khoảng 126 dB theo lý thuyết: tha hồ dự phòng mà không đánh đổi độ sạch. Thu ở 16-bit với cùng mức dự phòng -20 dB, dải động còn lại chỉ khoảng 78 dB và phần tín hiệu nhỏ chỉ còn dùng hiệu quả khoảng 13 bit.

Ở khâu xử lý, mỗi phép biến đổi đều tiêu hao độ chính xác: giảm volume số (digital volume) làm mất bit hiệu dụng ở đầu thấp, EQ (cân bằng tần số) cộng và trừ nhiều mẫu lọc, trộn nhiều track cộng dồn biên độ và có thể vượt toàn thang, limiter và compressor thay đổi biên độ liên tục. Xử lý nội bộ ở 32-bit (nguyên hoặc float) giữ sai số của từng bước nằm sâu dưới ngưỡng nghe, để chỉ một lần lượng tử hóa duy nhất ở bước xuất file cuối cùng quyết định chất lượng. Đây là lý do pipeline trên ESP32 và DSP chuyên dụng đều ưu tiên khung 32-bit cho I2S và tính toán float/fixed-point 32-bit.

Ví dụ: giảm volume số 20 dB làm mất bao nhiêu bit?

Ví dụ: bạn giảm volume số 20 dB trong ESP32 trước khi đưa ra DAC. 20 dB tương đương khoảng 20 / 6,02 = 3,32 bit: tín hiệu bị dịch xuống hơn 3 bit. Nếu dữ liệu đang ở 16-bit, phần tín hiệu sau khi giảm chỉ còn dùng hiệu quả khoảng 12,7 bit, dải động còn khoảng 78 dB và nhiễu lượng tử tăng tương ứng. Nếu dữ liệu đang ở khung 24-bit hoặc xử lý 32-bit, sau khi giảm 20 dB bạn vẫn còn khoảng 20,7 bit hiệu dụng ở định dạng 24-bit, dải động vẫn trên 126 dB theo lý thuyết: giảm volume thoải mái mà không nghe thấy suy giảm. Kịch bản kiểm tra: giảm volume lần lượt ở pipeline 16-bit và 32-bit rồi nghe sàn nhiễu ở khoảng lặng.

Ví dụ: cộng hai nguồn và bài toán tràn số trên ESP32

Ví dụ: trên bàn DIY, bạn trộn tiếng micro INMP441 ở mức đỉnh -8 dBFS với nhạc nền ở đỉnh -10 dBFS để phát ra cùng một DAC. Nếu cộng trực tiếp hai mẫu 16-bit có dấu, tổng ở những đỉnh trùng pha có thể vượt giá trị lớn nhất 32.767 và tràn số, gây tiếng nổ lách tách rất đặc trưng. Xử lý đúng là nâng cả hai lên 32-bit (hoặc float chuẩn hóa -1,0 đến 1,0), cộng trong miền rộng, nhân hệ số giảm tổng ví dụ 0,5 (tức -6 dB) để đưa đỉnh về dưới toàn thang, rồi mới chuyển đổi xuống định dạng đầu ra của DAC ở bước cuối. Toàn bộ headroom cho phép thao tác này đến từ 16 bit dự phòng thêm của miền 32-bit so với 16-bit: khoảng 96 dB không gian tính toán mà pipeline 16-bit thuần túy không có.

Phân biệt bit depth với sample rate

Hai thông số này độc lập hoàn toàn. Sample rate quyết định trục thời gian và tần số cao nhất tái tạo được (theo định lý Nyquist, bằng một nửa sample rate: 44,1 kHz lấy mẫu cho băng thông tới 22,05 kHz). Bit depth quyết định trục biên độ: độ mịn bậc thang, sàn nhiễu lượng tử và dải động. Tăng sample rate từ 48 kHz lên 96 kHz không làm dải động tăng thêm 1 dB nào; tăng bit depth từ 16 lên 24-bit không mở rộng đáp tần thêm 1 Hz nào. Một file 24-bit/48 kHz và một file 16-bit/48 kHz có cùng đáp tần lý thuyết, chỉ khác nhau ở sàn nhiễu và khả năng xử lý tiếp.

Trên đường I2S, hai thông số này gặp nhau ở công thức BCLK = sample rate × số bit mỗi slot × số kênh, được giải thích chi tiết ở bài I2S là gì: vai trò của BCLK, WS và DATA. Hiểu công thức này giúp bạn thấy vì sao đổi từ slot 16-bit lên 32-bit ở cùng 48 kHz lại nhân đôi BCLK dù sample rate không đổi.

Chọn bit depth thế nào cho dự án ESP32/DSP?

• Phát nhạc ra DAC: giữ nguyên bit depth gốc, truyền slot 32-bit nếu DAC yêu cầu.
• Thu micro 24-bit: đọc khung 32-bit, dịch phải 8 bit, xử lý 32-bit/float.
• EQ, crossover, trộn nguồn: xử lý nội bộ 32-bit float; giảm gain tổng trước bước xuất để tránh clipping.
• Xuất file phát hành/chia sẻ: 16-bit kèm dither ở bước cuối là đủ và tương thích rộng nhất.

Câu hỏi thường gặp

File 24-bit có nghe hay hơn hẳn 16-bit không?

Ở khâu phát hành, chênh lệch thường rất nhỏ, vì 16-bit đã cho khoảng 98 dB lý thuyết. Lợi thế của 24-bit nằm ở khâu thu và xử lý.

32-bit float khác 32-bit nguyên thế nào?

32-bit nguyên mịn bậc thang theo đúng công thức 6,02 dB/bit. 32-bit float có phần định trị 24-bit nhưng số mũ cho dải động tổng thể cực rộng và chống tràn khi cộng dồn, nên được ưa dùng làm định dạng xử lý nội bộ.

Giảm volume số có làm hỏng chất lượng không?

Có hao hụt nếu xử lý ở 16-bit, vì giảm 20 dB mất khoảng 3,3 bit hiệu dụng. Ở pipeline 24/32-bit, hao hụt này nằm sâu dưới ngưỡng nghe thông thường.

Bit depth cao hơn có cần sample rate cao hơn không?

Không. Hai thông số độc lập: bit depth lo biên độ, sample rate lo tần số. Chọn từng thông số theo nhu cầu riêng của dự án.

Vì sao DAC ghi 32-bit nhưng tai nghe không thấy khác 16-bit?

Vì 32-bit thường là độ rộng dữ liệu vào/xử lý nội bộ, còn sàn nhiễu analog của mạch ra và ampli/loa mới là giới hạn cuối.

Bạn đang chọn DAC, micro I2S hoặc cấu hình xử lý cho loa DIY và phân vân giữa các định dạng 16, 24 và 32-bit? Tham khảo linh kiện và tài liệu kỹ thuật tại Cimo để đối chiếu đúng thông số datasheet trước khi quyết định, thay vì chỉ nhìn con số bit trên vỏ hộp.