1
00:00:08,124 --> 00:00:10,742
Estações de trabalho e bons computadores pessoais têm sido capazes de
2
00:00:10,742 --> 00:00:14,749
manipular áudio digital bastante facilmente há uns 15 anos.
3
00:00:14,749 --> 00:00:17,470
Faz apenas uns 5 anos que uma estação de trabalho decente é capaz de
4
00:00:17,470 --> 00:00:21,643
lidar com dados não-compactados de vídeo sem o auxílio de hardware especializado e caro.
5
00:00:21,643 --> 00:00:25,400
Mas hoje até os PCs caseiros mais baratos têm o poder de processamento
6
00:00:25,400 --> 00:00:28,092
e o espaço de armazenamento necessários para realmente jogar dados não-compactados de vídeo pra cá e pra lá,
7
00:00:28,092 --> 00:00:30,479
pelo menos o suficiente para fazê-lo sem um esforço demasiado.
8
00:00:30,479 --> 00:00:33,579
Por isso, agora que todo mundo possui este equipamento barato e com este potencial,
9
00:00:33,579 --> 00:00:36,651
mais gente, como seria de se esperar, quer fazer coisas
10
00:00:36,651 --> 00:00:39,908
interessantes com mídias digitais, especialmente streaming.
11
00:00:39,908 --> 00:00:44,017
YouTube foi o primeiro enorme sucesso, e agora todo mundo quer entrar nessa.
12
00:00:44,017 --> 00:00:47,413
Mas isso é ótimo! Porque estas coisas são muito divertidas!
13
00:00:48,250 --> 00:00:51,179
Não é difícil encontrar consumidores para mídias digitais.
14
00:00:51,179 --> 00:00:54,649
Mas aqui eu gostaria de me dirigir aos engenheiros, aos matemáticos,
15
00:00:54,649 --> 00:00:57,869
aos hackers, às pessoas que estão interessadas em descobrir
16
00:00:57,869 --> 00:01:01,302
e fazer coisas e construir a própria tecnologia.
17
00:01:01,302 --> 00:01:03,282
Pessoas assim como eu.
18
00:01:04,250 --> 00:01:08,723
Imagina-se que assuntos relacionados a mídias digitais, especialmente compressão, são super-elitistas,
19
00:01:08,723 --> 00:01:12,822
de algum modo incrivelmente mais difíceis do que qualquer outra coisa em ciência da computação.
20
00:01:12,822 --> 00:01:15,700
Os grandes industriais do ramo não se incomodam nem um pouco com esta percepção;
21
00:01:15,700 --> 00:01:19,734
isso ajuda a justificar a quantidade escalante de patentes muito elementares que eles mantêm.
22
00:01:19,734 --> 00:01:23,870
Eles gostam da imagem de que pesquisadores de mídia são os melhores dentre os melhores,
23
00:01:23,870 --> 00:01:27,738
tão mais inteligentes que todo o resto que suas ideias brilhantes não
24
00:01:27,738 --> 00:01:29,903
podem sequer ser compreendidas por meros mortais.
25
00:01:30,625 --> 00:01:33,716
Isso é besteira.
26
00:01:35,205 --> 00:01:38,900
Áudio e vídeo digitais e streaming e compressão
27
00:01:38,900 --> 00:01:42,738
oferecem infindáveis desafios mentais profundos e estimulantes,
28
00:01:42,738 --> 00:01:44,662
assim como qualquer outra disciplina.
29
00:01:44,662 --> 00:01:47,929
Se eles parecem elitistas é porque tão pouca gente se envolveu com isso.
30
00:01:47,929 --> 00:01:51,223
Mas talvez tão pouca gente se envolveu porque tão pouca gente
31
00:01:51,223 --> 00:01:54,665
podia bancar o tipo de equipamento especializado e caro requerido.
32
00:01:54,665 --> 00:01:58,792
Mas hoje praticamente qualquer pessoa que está vendo este vídeo possui um computador
33
00:01:58,792 --> 00:02:03,317
de uso geral e barato, com poder de processamento suficiente para brincar como gente grande.
34
00:02:05,926 --> 00:02:11,108
Existem batalhas sendo travadas hoje acerca do padrão HTML5 e browsers
35
00:02:11,108 --> 00:02:13,671
e vídeo e aberto versus fechado.
36
00:02:13,671 --> 00:02:17,048
Por isso agora é um momento bastante bom para se envolver.
37
00:02:17,048 --> 00:02:20,000
Provavelmente o lugar mais fácil de começar é entender
38
00:02:20,000 --> 00:02:22,619
a tecnologia que nós temos neste exato momento.
39
00:02:23,500 --> 00:02:25,071
Essa é uma introdução.
40
00:02:25,071 --> 00:02:28,180
Por ser uma introdução, vamos passar batido por uma série de detalhes
41
00:02:28,180 --> 00:02:30,882
de tal maneira que o panorama geral fique um pouco mais visível.
42
00:02:30,882 --> 00:02:33,908
Vários espectadores estarão muito à frente dos assuntos
43
00:02:33,908 --> 00:02:36,378
que eu estarei falando, pelo menos por enquanto.
44
00:02:36,378 --> 00:02:39,293
Por outro lado, eu provavelmente irei muito rápido para aqueles que são realmente
45
00:02:39,293 --> 00:02:44,558
principiantes em tudo isso, mas se tudo o que eu falar for realmente novidade, relaxe.
46
00:02:44,558 --> 00:02:48,629
O importante é selecionar ideias que se agarrem à sua imaginação.
47
00:02:48,629 --> 00:02:52,497
Preste atenção especialmente à terminologia em volta destas ideias,
48
00:02:52,479 --> 00:02:56,078
porque com estes termos, e com o Google e a Wikipedia, você poderá mergulhar
49
00:02:56,078 --> 00:02:57,753
tão fundo quanto for o seu interesse.
50
00:02:57,753 --> 00:03:00,094
Assim sendo, e sem mais delongas,
51
00:03:00,094 --> 00:03:03,351
bem-vindos a um baita de um novo hobby.
52
00:03:10,291 --> 00:03:13,030
O som é a propagação de ondas de pressão pelo ar,
53
00:03:13,030 --> 00:03:16,981
que se espalham de uma fonte como as ondulações que vemos ao jogar uma pedra em um lago.
54
00:03:16,981 --> 00:03:19,489
Um microfone, ou o ouvido humano se você preferir,
55
00:03:19,489 --> 00:03:22,876
transformam essas ondulações de pressão em um sinal elétrico.
56
00:03:22,876 --> 00:03:25,800
Tá certo, isso parece aula de ciências do colegial, todo mundo se lembra disso.
57
00:03:25,800 --> 00:03:26,771
Indo em frente.
58
00:03:27,465 --> 00:03:32,527
Este sinal de áudio é uma função unidimensional, um valor que varia com o tempo.
59
00:03:32,527 --> 00:03:34,248
Se desacelerarmos o osciloscópio um pouco...
60
00:03:36,450 --> 00:03:38,190
deve ficar um pouco mais fácil de perceber.
61
00:03:38,190 --> 00:03:40,688
Alguns outros aspectos do sinal são importantes.
62
00:03:40,688 --> 00:03:43,418
Ele é contínuo tanto no valor da função quanto no tempo;
63
00:03:43,418 --> 00:03:46,813
ou seja, em qualquer instante do tempo ele pode assumir qualquer valor real,
64
00:03:46,813 --> 00:03:50,228
e há um valor variando suavemente em qualquer instante do tempo.
65
00:03:50,228 --> 00:03:52,439
Não importa o quanto aumentarmos o zoom,
66
00:03:54,068 --> 00:03:58,510
não há descontinuidades ou singularidades, não há saltos instantâneos
67
00:03:58,510 --> 00:04:01,285
ou pontos onde o sinal deixe de existir.
68
00:04:03,247 --> 00:04:08,475
Ele está definido em toda parte. A matemática contínua clássica funciona muito bem nestes sinais.
69
00:04:11,001 --> 00:04:15,378
Um sinal digital, por outro lado, é discreto tanto no valor quanto no tempo.
70
00:04:15,378 --> 00:04:19,107
No sistema mais simples e mais comum, chamado de Pulse Code Modulation (Modulação por Código de Pulsos),
71
00:04:19,107 --> 00:04:24,058
um valor dentre um número finito de valores possíveis representa a amplitude instantânea do sinal
72
00:04:24,058 --> 00:04:30,165
em pontos do tempo espaçados de uma distância fixa. O resultado final é uma sequência de dígitos.
73
00:04:30,674 --> 00:04:35,309
Agora isso se parece bastante com isso.
74
00:04:35,309 --> 00:04:38,964
Parece intuitivo que pudéssemos de alguma maneira transformar rigorosamente
75
00:04:38,964 --> 00:04:44,683
uma representação na outra, e a boa nova é que o Teorema da Amostragem diz que podemos e nos diz como fazê-lo.
76
00:04:44,683 --> 00:04:48,477
Publicado na sua forma mais reconhecível por Claude Shannon em 1949
77
00:04:48,477 --> 00:04:52,409
e construído a partir do trabalho de Nyquist, Hartley, e muitos outros,
78
00:04:52,409 --> 00:04:56,138
o teorema da amostragem diz que não apenas podemos ir de um lado para o outro entre as representações
79
00:04:56,138 --> 00:05:00,913
analógica e digital, mas também estabelece um conjunto de condições sob as quais a conversão
80
00:05:00,913 --> 00:05:06,779
não tem perdas e as duas representações se tornam equivalentes e intercambiáveis.
81
00:05:06,779 --> 00:05:10,601
Quando as condições para a conversão sem perda não são verificadas, o teorema da amostragem nos diz
82
00:05:10,601 --> 00:05:14,247
quanta informação é perdida ou corrompida, e como isso acontece.
83
00:05:14,900 --> 00:05:21,270
Até bem recentemente, a tecnologia analógica era a base para praticamente tudo o que era feito com áudio,
84
00:05:21,270 --> 00:05:25,267
e isso não se deve ao fato de que a maior parte do áudio vem de uma fonte originalmente analógica.
85
00:05:25,267 --> 00:05:28,450
Você deve imaginar que, visto que os computadores são relativamente recentes,
86
00:05:28,450 --> 00:05:31,643
a tecnologia de sinais analógicos deve ter vindo primeiro.
87
00:05:31,643 --> 00:05:34,428
Não. A tecnologia digital é na realidade mais velha.
88
00:05:34,428 --> 00:05:37,611
O telégrafo precede o telefone em meio século
89
00:05:37,611 --> 00:05:41,951
e já era completamente mecanizado por volta de 1860, enviando sinais digitais
90
00:05:41,951 --> 00:05:46,476
codificados e multiplexados a longas distâncias. Você sabe... código-morse.
91
00:05:46,476 --> 00:05:50,427
Harry Nyquist dos Laboratórios Bell estava pesquisando a transmissão de pulsos pelo telégrafo
92
00:05:50,427 --> 00:05:53,027
quando ele publicou sua descrição do que viria a ser conhecido posteriormente
93
00:05:53,027 --> 00:05:57,219
como a frequência de Nyquist, o conceito fundamental no teorema da amostragem.
94
00:05:57,219 --> 00:06:01,642
Bom, é verdade que o telégrafo transmitia informação simbólica, texto,
95
00:06:01,642 --> 00:06:06,883
não um sinal analógico digitalizado, mas com o advento do telefone e do rádio
96
00:06:06,883 --> 00:06:12,000
a tecnologia de sinais analógicos e digitais progrediu rapidamente e lado-a-lado.
97
00:06:12,699 --> 00:06:18,732
Áudio sempre foi manipulado como um sinal analógico porque, puxa, é tão mais fácil.
98
00:06:18,732 --> 00:06:23,257
Um filtro passa-baixas de segunda-ordem, por exemplo, requer dois componentes passivos.
99
00:06:23,257 --> 00:06:26,505
Uma transformada de Fourier de tempo reduzido (STFT) completamente analógica, poucas centenas.
100
00:06:26,505 --> 00:06:30,752
Bom, talvez uns mil se você quiser construir algo realmente caprichado.
101
00:06:31,844 --> 00:06:35,989
Processar sinais digitalmente requer entre milhões e bilhões de transistores
102
00:06:35,989 --> 00:06:40,366
funcionando em frequências de micro-ondas, hardware de apoio para digitalizar
103
00:06:40,366 --> 00:06:43,836
e reconstruir os sinais analógicos, um ecossistema completo de software
104
00:06:43,836 --> 00:06:47,362
para programar e controlar aquele monstrengo de um bilhão de transistores,
105
00:06:47,362 --> 00:06:51,091
armazenamento digital para se por acaso você quiser guardar alguns daqueles bits para depois...
106
00:06:51,091 --> 00:06:56,171
E assim a gente chega à conclusão de que a forma analógica é a única maneira prática de fazer alguma coisa com áudio...
107
00:06:56,171 --> 00:07:07,019
bom, a menos que você tenha por acaso um bilhão de transistores e todas essas outras coisas dando sopa.
108
00:07:07,850 --> 00:07:12,660
E já que nós temos, o processamento de sinais digitais se torna muito atrativo.
109
00:07:13,363 --> 00:07:18,906
Uma das razões é que componentes analógicos simplesmente não têm a flexibilidade de um computador de uso geral.
110
00:07:18,906 --> 00:07:21,182
Acrescentar uma funcionalidade a este animal...
111
00:07:22,191 --> 00:07:24,578
é, acho que não vai rolar.
112
00:07:24,578 --> 00:07:26,567
Em um processador digital no entanto...
113
00:07:28,668 --> 00:07:34,127
... é só escrever um novo programa. Escrever software não é trivial, mas é bem mais fácil.
114
00:07:34,127 --> 00:07:39,550
Talvez a diferença mais importante é que todo componente analógico é uma aproximação.
115
00:07:39,550 --> 00:07:44,352
Não existe um transistor perfeito, ou um indutor perfeito, ou um capacitor perfeito.
116
00:07:44,352 --> 00:07:51,569
No domínio analógico, todo componente acrescenta ruído e distorção, normalmente não muito, mas eles se acumulam.
117
00:07:51,569 --> 00:07:55,669
Apenas por transmitir um sinal digital, especialmente sobre longas distâncias,
118
00:07:55,669 --> 00:08:00,434
progressivamente, mensuravelmente e irrecuperavelmente o corrompe.
119
00:08:00,434 --> 00:08:06,513
Além disso, todos aqueles componentes analógicos mono-funcionais ocupam um monte de espaço.
120
00:08:06,513 --> 00:08:09,946
Duas linhas de código neste bilhão de transistores aqui
121
00:08:09,946 --> 00:08:14,702
podem implementar um filtro que iria requerer um indutor do tamanho de uma geladeira.
122
00:08:14,702 --> 00:08:17,941
Sistemas digitais não têm estes inconvenientes.
123
00:08:17,941 --> 00:08:24,335
Sinais digitais podem ser armazenados, copiados, manipulados e transmitidos sem acrescentar ruído ou distorção.
124
00:08:24,335 --> 00:08:26,889
Às vezes a gente usa algoritmos com perdas,
125
00:08:26,889 --> 00:08:31,284
mas os únicos passos não-ideais e inevitáveis são a digitalização e a reconstrução,
126
00:08:31,284 --> 00:08:35,929
onde o digital tem que interagir com toda aquela bagunça analógica.
127
00:08:35,929 --> 00:08:40,750
Bagunçadas ou não, as etapas de conversão atualmente são muito, muito boas.
128
00:08:40,750 --> 00:08:45,849
Pelo padrão de nossos ouvidos, podemos igualmente considerá-las como praticamente sem-perdas.
129
00:08:45,849 --> 00:08:50,429
Então com um um pouco de hardware adicional, que hoje em dia é em geral pequeno e barato
130
00:08:50,429 --> 00:08:55,379
devido à nossa infra-estrutura industrial moderna, o áudio digital é claramente o vencedor sobre o analógico.
131
00:08:55,379 --> 00:09:00,857
Vamos assim nos ocupar de armazená-lo, copiá-lo, manipulá-lo e transmiti-lo.
132
00:09:04,956 --> 00:09:08,639
PCM (Pulse Code Modulation) é a representação mais comum para dados não-compactados de áudio.
133
00:09:08,639 --> 00:09:13,867
Outras representações práticas existem, por exemplo a codificação Sigma-Delta usada pelo SACD,
134
00:09:13,867 --> 00:09:16,625
que é uma forma de modulação por densidade de pulsos (Pulse Density Modulation).
135
00:09:16,625 --> 00:09:19,687
Isto posto, a codificação PCM é disparadamente o padrão dominante,
136
00:09:19,687 --> 00:09:22,158
principalmente porque ela é tão conveniente matematicamente.
137
00:09:22,158 --> 00:09:26,350
Um engenheiro de áudio pode passar sua carreira inteira sem encontrar nada diferente.
138
00:09:26,350 --> 00:09:29,135
A codificação PCM pode ser caracterizada por três parâmetros,
139
00:09:29,135 --> 00:09:34,187
facilitando de forma abençoada a explicação de qualquer variante PCM sem confusões.
140
00:09:34,187 --> 00:09:36,426
O primeiro parâmetro é a taxa de amostragem.
141
00:09:36,426 --> 00:09:40,886
A frequência mais alta que uma codificação permite representar é chamada de Frequência de Nyquist.
142
00:09:40,886 --> 00:09:45,124
A Frequência de Nyquist da codificação PCM é exatamente metade da taxa de amostragem.
143
00:09:45,124 --> 00:09:51,389
Portanto a taxa de amostragem determina diretamente a frequência mais alta possível no sinal digitalizado.
144
00:09:51,389 --> 00:09:56,515
Sistemas de telefone analógicos tradicionalmente limitavam a banda de frequências dos canais de voz a pouco menos de 4kHz,
145
00:09:56,515 --> 00:10:02,224
e então a telefonia digital e a maior parte das técnicas clássicas de processamento de voz usam um taxa de amostragem de 8kHz,
146
00:10:02,224 --> 00:10:07,277
que é a mínima taxa de amostragem necessária para representar toda a largura de banda de um canal de 4kHz.
147
00:10:07,227 --> 00:10:14,263
É assim que soa uma taxa de amostragem de 8kHz --- um pouco abafado, mas a voz é perfeitamente inteligível.
148
00:10:14,263 --> 00:10:18,149
Esta é a taxa de amostragem mais baixa que é amplamente usada na prática.
149
00:10:18,149 --> 00:10:23,322
A partir dela, com o crescimento do poder computacional, da memória e do espaço em disco, o hardware dos computadores
150
00:10:23,322 --> 00:10:29,642
passaram a oferecer 11, depois 16, depois 22, e depois 32kHz de taxa de amostragem.
151
00:10:29,642 --> 00:10:33,491
A cada aumento da taxa de amostragem e da frequência de Nyquist,
152
00:10:33,491 --> 00:10:38,302
é óbvio que a parte mais aguda torna-se mais clara e o som mais natural.
153
00:10:38,301 --> 00:10:44,576
O Compact Disc (CD) usa uma taxa de amostragem de 44.1kHz, que mais uma vez é um pouco melhor do que 32kHz,
154
00:10:44,576 --> 00:10:46,788
mas o ganho vai ficando menos discernível.
155
00:10:46,788 --> 00:10:52,053
44.1kHz é uma escolha meio bizarra, especialmente dado que ela nunca foi usada para nada
156
00:10:52,053 --> 00:10:56,559
antes do compact disc, mas o imenso sucesso do CD tornou-a uma taxa de amostragem comum.
157
00:10:56,559 --> 00:11:01,195
A taxa de amostragem de alta-fidelidade mais comum fora a do CD é a de 48kHz.
158
00:11:05,710 --> 00:11:08,597
Não há virtualmente nenhuma diferença audível entre as duas.
159
00:11:08,597 --> 00:11:13,640
Este vídeo, ou pelo menos a versão original dele, foi rodada e produzida com áudio de 48kHz,
160
00:11:13,640 --> 00:11:18,545
que por acaso é o padrão original para áudio de alta-fidelidade combinado com vídeo.
161
00:11:18,545 --> 00:11:25,100
Taxas de amostragem de super-alta-fidelidade tais como 88, 96, e 192kHz também apareceram.
162
00:11:25,100 --> 00:11:30,888
A razão para as taxas de amostragem acima de 48kHz não é estender mais ainda a faixa de frequências audíveis.
163
00:11:30,888 --> 00:11:32,489
É por outra razão.
164
00:11:32,896 --> 00:11:37,319
Voltando para trás um segundinho, o matemático Francês Jean Baptiste Joseph Fourier
165
00:11:37,319 --> 00:11:42,353
mostrou que podemos pensar em sinais como áudio como um conjunto de frequências componentes.
166
00:11:42,353 --> 00:11:45,841
Esta representação no domínio da frequência é equivalente à representação temporal;
167
00:11:45,841 --> 00:11:49,719
o sinal é exatamente o mesmo, só estamos olhando-o de uma forma diferente.
168
00:11:49,719 --> 00:11:56,131
Aqui nós vemos a representação no domínio da frequência de um sinal analógico hipotético que pretendemos amostrar digitalmente.
169
00:11:56,131 --> 00:11:59,888
O teorema da amostragem nos conta duas coisas essenciais sobre o processo de amostragem.
170
00:11:59,888 --> 00:12:04,727
Primeiro, que um sinal digital não é capaz de representar nenhuma frequência acima da frequência de Nyquist.
171
00:12:04,727 --> 00:12:10,640
Segundo, e essa é a parte nova, se não removermos aquelas frequências com um filtro passa-baixas antes de amostrar o sinal,
172
00:12:10,640 --> 00:12:16,414
o processo de amostragem irá rebater estas frequências para a faixa de frequências representáveis numa forma de distorção conhecida como aliasing.
173
00:12:16,414 --> 00:12:20,069
Aliasing, sendo curto e grosso, soa mal pra caramba,
174
00:12:20,069 --> 00:12:25,242
e por isso é essencial remover quaisquer frequências acima da frequência de Nyquist antes da amostragem e depois da reconstrução do sinal.
175
00:12:25,871 --> 00:12:31,265
Considera-se que a percepção humana de frequências de áudio se estende até uns 20kHz.
176
00:12:31,265 --> 00:12:37,548
Nas taxas de 44.1 ou 48kHz, a banda de transição do filtro passa-baixas antes da etapa de amostragem tem que ser extremamente abrupta
177
00:12:37,548 --> 00:12:42,101
para evitar o corte de quaisquer frequências audíveis abaixo dos 20kHz
178
00:12:42,101 --> 00:12:49,439
mas ao mesmo tempo não permitir que frequências acima da de Nyquist vazem através do processo de amostragem.
179
00:12:49,439 --> 00:12:55,342
Esse é um filtro muito difícil de construir, e nenhum filtro é completamente bem-sucedido na prática.
180
00:12:55,342 --> 00:13:00,024
Se a taxa de amostragem é de 96kHz ou 192kHz por outro lado,
181
00:13:00,024 --> 00:13:07,223
o passa-baixas tem uma ou duas oitavas a mais para a banda de transição. Este é um filtro muito mais fácil de construir.
182
00:13:07,223 --> 00:13:14,348
Taxas de amostragem além de 48kHz são na realidade uma das concessões àquela bagunça da etapa analógica.
183
00:13:15,014 --> 00:13:20,844
O segundo parâmetro fundamental da PCM é o formato das amostras, ou seja, o formato digital de cada número.
184
00:13:20,844 --> 00:13:26,285
Um número é um número, mas um número pode ser representado em bits de inúmeras maneiras.
185
00:13:26,942 --> 00:13:30,902
Os primeiros exemplos de PCM usavam codificação linear de oito bits na forma de bytes sem sinal.
186
00:13:30,902 --> 00:13:37,028
A faixa dinâmica é limitada a aproximadamente 50dB e o ruído de quantização, como você pode ouvir, é bem sério.
187
00:13:37,028 --> 00:13:39,970
Áudio de 8 bits está praticamente desaparecendo hoje em dia.
188
00:13:41,007 --> 00:13:47,484
A telefonia digital usa tipicamente uma dentre duas codificações não-lineares de 8 bits relacionadas, chamadas A-law e mu-law.
189
00:13:47,484 --> 00:13:51,287
Estes formatos permitem codificar uma faixa dinâmica de quase 14 bits usando apenas 8 bits
190
00:13:51,287 --> 00:13:54,674
aumentando o espaço entre os valores de amplitude mais altos.
191
00:13:54,674 --> 00:13:59,226
A-law e mu-law obviamente aperfeiçoam o ruído de quantização em comparação à codificação linear de 8-bits,
192
00:13:59,226 --> 00:14:03,557
e especialmente os harmônicos da voz escondem bem o resto do ruído de quantização.
193
00:14:03,557 --> 00:14:08,248
Todas estas três codificações de oito bits, linear, A-law, e mu-law, aparecem tipicamente ao lado
194
00:14:08,248 --> 00:14:13,328
da taxa de amostragem de 8kHz, apesar de eu as estar demonstrando aqui em 48kHz.
195
00:14:13,328 --> 00:14:18,491
A maioria das codificações PCM modernas usam inteiros de 16 ou 24 bits com sinal usando complemento de 2 para codificar
196
00:14:18,491 --> 00:14:23,858
a faixa de menos infinito até zero decibéis com precisão de 16 ou 24 bits.
197
00:14:23,858 --> 00:14:27,800
O maior valor absoluto corresponde a zero decibéis.
198
00:14:27,800 --> 00:14:31,584
Como em todos os formatos de amostra até agora, sinais além dos 0 dB
199
00:14:31,584 --> 00:14:35,619
e portanto além da máxima faixa representada são cortados (clipados).
200
00:14:35,619 --> 00:14:41,199
Na mixagem e masterização, não é incomum o uso de números em ponto flutuante ao invés de inteiros para a representação PCM.
201
00:14:41,199 --> 00:14:47,222
Um número em ponto flutuante de 32 bits no padrão IEEE754, que é o tipo normal de ponto flutuante que você vê em computadores atuais,
202
00:14:47,222 --> 00:14:52,793
possui uma resolução de 24 bits, mas um expoente de 7 bits aumenta a faixa de valores representáveis.
203
00:14:52,793 --> 00:14:57,040
Na representação em ponto flutuante costuma-se associar zero decibéis a +/-1.0,
204
00:14:57,040 --> 00:15:00,547
e já que números em ponto flutuante podem obviamente representar valores muito além destes,
205
00:15:00,547 --> 00:15:05,220
passar de zero decibéis temporariamente durante um processo de mixagem não causa clipping.
206
00:15:05,220 --> 00:15:11,077
PCM em ponto flutuante ocupa mais espaço, e por isso ela tende a ser usada apenas como um formato intermediário de produção.
207
00:15:11,077 --> 00:15:15,796
Finalmente, a maioria dos computadores de uso geral ainda leem e escrevem dados em bytes de oito bits,
208
00:15:15,796 --> 00:15:18,489
então é importante lembrar que amostras de mais de oito bits
209
00:15:18,489 --> 00:15:22,838
podem estar tanto na ordem big endian quanto little endian, e os dois tipos de ordenação são comuns.
210
00:15:22,838 --> 00:15:28,751
Por exemplo, arquivos Microsoft WAV são little endian, e arquivos Apple AIFC tendem a ser big endian.
211
00:15:28,751 --> 00:15:30,139
Fique atento a isto.
212
00:15:30,870 --> 00:15:34,071
O terceiro parâmetro da PCM é o número de canais.
213
00:15:34,071 --> 00:15:38,485
A convenção em PCM puro é codificar múltiplos canais através do entrelaçamento das amostras
214
00:15:38,485 --> 00:15:43,398
de cada canal em um único stream (fluxo) de dados. Simples, direto e extensível.
215
00:15:43,398 --> 00:15:47,701
E isso é tudo! Isso descreve qualquer representação PCM que houver.
216
00:15:47,701 --> 00:15:51,578
Feito. Áudio digital é tão simples!
217
00:15:51,578 --> 00:15:56,436
Evidentemente há mais a ser feito, mas neste ponto já temos um volume legal e útil de dados de áudio,
218
00:15:56,436 --> 00:15:58,092
então vamos pegar um pouco de vídeo também.
219
00:16:02,571 --> 00:16:08,798
Dá pra pensar em vídeo como sendo parecido com áudio mas com duas dimensões espaciais adicionais, X e Y,
220
00:16:08,798 --> 00:16:12,787
além da dimensão do tempo. Isso é matematicamente consistente.
221
00:16:12,787 --> 00:16:19,097
O teorema da amostragem se aplica a todas as três dimensões do vídeo, exatamente como no caso da dimensão única (temporal) do áudio.
222
00:16:19,097 --> 00:16:25,815
Áudio e vídeo são obviamente bem diferentes na prática. Pra começar, comparado ao áudio, vídeo é enorme.
223
00:16:25,815 --> 00:16:29,294
Áudio de CD não-compactado tem aproximadamente 1.4 megabits por segundo.
224
00:16:29,294 --> 00:16:33,958
Vídeo HD 1080i não-compactado tem mais de 700 megabits por segundo.
225
00:16:33,958 --> 00:16:40,056
Isso é mais do que 500 vezes mais dados para capturar, processar e armazenar por segundo.
226
00:16:40,056 --> 00:16:43,711
Pela lei de Moore... isso dá... vamos ver... aproximadamente oito duplicações vezes dois anos,
227
00:16:43,711 --> 00:16:47,838
então é isso mesmo, a estimativa de que os computadores precisariam de uns 15 anos a mais para poderem
228
00:16:47,838 --> 00:16:51,252
manipular vídeo não-compactado depois de conseguirem fazer o mesmo com áudio estava mais ou menos certo.
229
00:16:51,252 --> 00:16:55,425
Vídeo básico é também simplesmente mais complicado do que áudio básico.
230
00:16:55,425 --> 00:16:58,599
O mero volume de dados atualmente torna necessária uma representação
231
00:16:58,599 --> 00:17:02,106
mais eficiente do que a PCM linear usada para o áudio.
232
00:17:02,106 --> 00:17:06,705
Além disso, vídeo eletrônico vem quase exclusivamente da televisão aberta,
233
00:17:06,705 --> 00:17:13,423
e os comitês de padronização que governam a teledifusão estiveram sempre muito preocupados com a compatibilidade reversa.
234
00:17:13,423 --> 00:17:17,559
Até o ano passado, nos Estados Unidos, uma televisão preto-e-branco de sessenta anos de idade
235
00:17:17,559 --> 00:17:21,038
ainda podia exibir uma transmissão analógica normal.
236
00:17:21,038 --> 00:17:23,879
Isso é na realidade um truque bem caprichado.
237
00:17:23,879 --> 00:17:28,718
O lado ruim da compatibilidade reversa é que no momento que um detalhe se converte em um padrão,
238
00:17:28,718 --> 00:17:30,985
você realmente nunca mais pode jogá-lo fora.
239
00:17:30,985 --> 00:17:37,305
O vídeo eletrônico nunca pôde começar do zero do jeito que o áudio fez múltiplas vezes.
240
00:17:37,305 --> 00:17:43,958
Sessenta anos de gambiarras engenhosas mas obsoletas, feitas necessárias por causa das tecnologias de eras passadas
241
00:17:43,958 --> 00:17:50,102
se acumularam em uma pilha e tanto, e como os padrões digitais também vêm da televisão aberta,
242
00:17:50,102 --> 00:17:54,664
todas estas gambiarras esquisitas também foram trazidas para dentro dos padrões digitais.
243
00:17:54,664 --> 00:18:00,022
Pra resumir, há um bocado a mais de detalhes em relação ao vídeo digital do que havia no áudio.
244
00:18:00,022 --> 00:18:05,592
Não há a menor chance de cobri-los todos completamente aqui, então vamos cobrir os aspectos mais fundamentais.
245
00:18:06,036 --> 00:18:10,857
Os parâmetros mais óbvios do vídeo são a largura e altura da imagem em pixels.
246
00:18:10,857 --> 00:18:15,882
Por mais simples que possa parecer, só as dimensões em pixels não especificam na realidade as verdadeiras
247
00:18:15,882 --> 00:18:22,016
largura e altura da imagem, já que a maioria dos vídeos derivados da teledifusão não usam pixels quadrados.
248
00:18:22,016 --> 00:18:25,005
O número de linhas de varredura em uma imagem televisionada era fixado,
249
00:18:25,005 --> 00:18:29,021
mas o número efetivo de pixels na horizontal era uma função da largura de banda do canal.
250
00:18:29,021 --> 00:18:31,945
A resolução horizontal efetiva podia resultar em pixels que eram
251
00:18:31,945 --> 00:18:35,489
mais estreitos ou mais largos que o espaçamento entre as linhas de varredura.
252
00:18:35,489 --> 00:18:38,395
Os padrões em geral especificam que o vídeo amostrado digitalmente
253
00:18:38,395 --> 00:18:41,902
deve refletir a resolução real da fonte original analógica,
254
00:18:41,902 --> 00:18:45,566
então uma grande quantidade de vídeo digital também usa pixels não-quadrados.
255
00:18:45,566 --> 00:18:49,924
Por exemplo, um DVD NTSC de aspecto normal 4:3 é tipicamente codificado
256
00:18:49,924 --> 00:18:55,374
com uma resolução de tela de 704 por 480, uma razão maior do que 4:3.
257
00:18:55,374 --> 00:18:59,640
Neste caso, aos próprios pixels é atribuída uma razão de aspecto de 10:11,
258
00:18:59,640 --> 00:19:04,553
tornando-os mais altos do que largos e estreitando a imagem horizontalmente até o aspecto correto.
259
00:19:04,553 --> 00:19:09,800
Uma tal imagem precisa ser reamostrada para ser exibida corretamente em um monitor digital com pixels quadrados.
260
00:19:10,253 --> 00:19:15,287
O segundo parâmetro óbvio do vídeo é a frequência dos quadros, o número de quadros exibidos por segundo.
261
00:19:15,287 --> 00:19:19,655
São vários os padrões de quadros por segundo em uso corrente. O vídeo digital, em uma de suas muitas formas,
262
00:19:19,655 --> 00:19:23,689
pode usar qualquer um deles. Ou qualquer outra frequência. Ou mesmo frequências variáveis
263
00:19:23,689 --> 00:19:27,113
onde o número de quadros por segundo muda adaptativamente ao longo do vídeo.
264
00:19:27,113 --> 00:19:32,998
Quanto maior o número de quadros por segundo, mais suave o movimento e isso, infelizmente, nos traz ao interlacing.
265
00:19:32,998 --> 00:19:37,967
Nos primórdios do vídeo televisionado, os engenheiros buscavam o maior número possível de quadros por segundo
266
00:19:37,967 --> 00:19:42,075
para suavizar o movimento e minimizar o flickering em tubos de raios catódicos à base de fósforo.
267
00:19:42,075 --> 00:19:45,277
Eles também eram pressionados a usar a menor largura de banda possível
268
00:19:45,277 --> 00:19:48,182
com a melhor resolução e o maior número de quadros possíveis.
269
00:19:48,182 --> 00:19:51,208
A solução deles foi intercalar o vídeo onde as linhas pares
270
00:19:51,208 --> 00:19:54,826
são mandadas em um passo e as linhas ímpares no seguinte.
271
00:19:54,826 --> 00:19:59,961
Cada passo é chamado de um field e dois fields meio que produzem um quadro completo.
272
00:19:59,961 --> 00:20:05,319
"Meio que", porque os fields par e ímpar não vêm do mesmo quadro original.
273
00:20:05,319 --> 00:20:10,797
Em um vídeo de 60 fields por segundo, o número de quadros por segundo original é na realidade 60 quadros completos por segundo,
274
00:20:10,797 --> 00:20:15,386
e metade de cada quadro, linha sim linha não, é simplesmente descartado.
275
00:20:15,386 --> 00:20:20,272
É por isso que não podemos desintercalar um vídeo simplesmente combinando dois fields dentro de um quadro;
276
00:20:20,272 --> 00:20:23,039
eles na realidade não são de um mesmo quadro, pra começo de conversa.
277
00:20:24,047 --> 00:20:29,683
O tubo de raios catódicos era a única tecnologia de monitores disponível durante a maior parte da história do vídeo eletrônico.
278
00:20:29,683 --> 00:20:32,949
A intensidade luminosa de saída de um tubo de raios catódicos é não-linear, aproximadamente igual
279
00:20:32,949 --> 00:20:36,585
à voltagem de controle da entrada elevada à potência 2.5.
280
00:20:36,585 --> 00:20:43,821
Este expoente, 2.5, era representado pela letra gama, e por isso nos referimos frequentemente a ele como o fator gama de um monitor.
281
00:20:43,821 --> 00:20:50,493
Câmeras, no entanto, são lineares, e se você enviar um sinal linear a um tubo de raios catódicos a saída se parece um pouco com isso.
282
00:20:51,270 --> 00:20:56,637
Como originalmente havia muito poucas câmeras, que eram fantasticamente caras de qualquer modo,
283
00:20:56,637 --> 00:21:01,634
e desejavelmente muitos e muitos aparelhos de televisão, idealmente o mais baratos o possível,
284
00:21:01,634 --> 00:21:08,222
os engenheiros decidiram adicionar os circuitos necessários para a correção gama às câmeras ao invés de aos aparelhos de TV.
285
00:21:08,222 --> 00:21:13,062
Sinais de vídeo transmitidos pelo ar teriam assim uma intensidade não-linear usando o inverso
286
00:21:13,062 --> 00:21:18,271
do expoente gama do aparelho, de forma que no momento que um sinal da câmera fosse finalmente exibido no tubo de raios catódicos,
287
00:21:18,271 --> 00:21:23,305
a resposta total do sistema da câmera ao aparelho seria linear de novo.
288
00:21:23,777 --> 00:21:25,118
Quase.
289
00:21:30,393 --> 00:21:33,113
Havia também duas outras gambiarras.
290
00:21:33,113 --> 00:21:40,442
Uma câmera de televisão na realidade usava na realidade um expoente gama que era o inverso de 2.2, não de 2.5.
291
00:21:40,442 --> 00:21:43,754
Essa era simplesmente uma correção para a visão em ambientes mal iluminados.
292
00:21:43,754 --> 00:21:48,279
Além disso, a curva exponencial se tornava uma rampa linear próximo do preto.
293
00:21:48,279 --> 00:21:52,360
Essa é só uma velha gambiarra para abafar o ruído dos sensores na câmera.
294
00:21:54,941 --> 00:21:57,347
A correção gama afortunadamente também trouxe um benefício.
295
00:21:57,347 --> 00:22:02,214
Acontece que o olho humano tem um gama perceptual de aproximadamente 3.
296
00:22:02,214 --> 00:22:05,962
Isso é relativamente próximo do gama de 2.5 das TVs.
297
00:22:05,962 --> 00:22:10,607
Uma imagem usando correção gama dedica uma resolução maior às intensidades mais baixas,
298
00:22:10,607 --> 00:22:14,336
onde por acaso o olho humano tem a mais fina discriminação de intensidade,
299
00:22:14,336 --> 00:22:18,222
e portanto usa a escala de resolução disponível mais eficientemente.
300
00:22:18,222 --> 00:22:22,784
Apesar de que os tubos de raios catódicos estão atualmente desaparecendo, um monitor de computador padrão sRGB
301
00:22:22,784 --> 00:22:28,419
ainda usa uma curva de intensidade não-linear parecida com a da televisão, com uma rampa linear próximo do preto,
302
00:22:28,419 --> 00:22:32,491
seguida por uma curva exponencial com um expoente gama de 2.4.
303
00:22:32,491 --> 00:22:36,636
Isso permite a codificação de uma faixa linear de 16 bits usando apenas 8 bits.
304
00:22:37,580 --> 00:22:41,790
O olho humano possui três canais de cor aparentes, vermelho, verde e azul,
305
00:22:41,790 --> 00:22:47,407
e a maioria dos monitores usam estas três cores como componentes primárias aditivas para produzir uma paleta completa de cores na saída.
306
00:22:49,258 --> 00:22:54,190
Os pigmentos primários em impressão são ciano, magenta e amarelo pela mesma razão;
307
00:22:54,190 --> 00:22:59,381
pigmentos são subtrativos, e cada um destes pigmentos subtrai uma cor pura da luz refletida.
308
00:22:59,381 --> 00:23:05,682
O ciano subtrai o vermelho, magenta subtrai verde e amarelo subtrai azul.
309
00:23:05,682 --> 00:23:10,919
Vídeo pode e às vezes é representado com canais de cores vermelha, verde e azul,
310
00:23:10,919 --> 00:23:17,211
mas vídeo RGB é atípico. O olho humano é muito mais sensível à luminosidade do que à cor,
311
00:23:17,211 --> 00:23:21,329
e o RGB tende a espalhar a energia de uma imagem pelos três canais de cor.
312
00:23:21,329 --> 00:23:25,326
Ou seja, o plano vermelho se parece com uma versão vermelha da imagem original,
313
00:23:25,326 --> 00:23:28,769
o plano verde se parece com uma versão verde da imagem original,
314
00:23:28,769 --> 00:23:32,063
e o plano azul se parece com uma versão azul da imagem original.
315
00:23:32,063 --> 00:23:35,705
Preto e branco vezes três. Ineficiente.
316
00:23:35,706 --> 00:23:39,438
Por estas razões e porque, quem diria, a televisão por acaso começou sendo
317
00:23:39,438 --> 00:23:45,017
preto-e-branco mesmo, vídeo é normalmente representado como um canal de luma de alta resolução,
318
00:23:45,017 --> 00:23:51,041
o perto & branco, junto com canais de croma adicionais, frequentemente de resolução mais baixa, para a cor.
319
00:23:51,041 --> 00:23:57,074
O canal luma, Y, é produzido ponderando e somando os sinais separados vermelho, verde e azul.
320
00:23:57,074 --> 00:24:01,867
Os canais de croma U e V são então produzidos subtraindo o sinal luma do azul
321
00:24:01,867 --> 00:24:04,070
e o sinal luma do vermelho respectivamente.
322
00:24:04,070 --> 00:24:11,750
Quando o sinal YUV sofre mudanças de escala, translação e quantização para o vídeo digital, ele é mais corretamente denominado Y'CbCr,
323
00:24:11,750 --> 00:24:15,238
mas o termo mais genérico YUV é amplamente usado para descrever
324
00:24:15,238 --> 00:24:18,301
todas as variantes analógicas e digitais deste modelo de cor.
325
00:24:18,912 --> 00:24:22,983
Os canais de croma U e V podem ter a mesma resolução do canal Y,
326
00:24:22,983 --> 00:24:28,674
mas dado que o olho humano possui muito menos resolução espacial para cor do que resolução espacial para luminosidade,
327
00:24:28,674 --> 00:24:34,346
a resolução do croma é normalmente dividida por dois ou mesmo por quatro na direção horizontal ou na direção vertical,
328
00:24:34,346 --> 00:24:39,528
ou mesmo em ambas, normalmente sem qualquer impacto significativo na qualidade aparente da imagem.
329
00:24:39,528 --> 00:24:43,942
Praticamente todas as possíveis variantes de sub-amostragem foram usadas em algum momento,
330
00:24:43,942 --> 00:24:46,875
mas as escolhas comuns hoje em dia são
331
00:24:46,875 --> 00:24:51,187
vídeo 4:4:4, que na realidade não é sub-amostrado,
332
00:24:51,187 --> 00:24:56,711
vídeo 4:2:2 no qual a resolução horizontal dos canais U e V é dividida por dois,
333
00:24:56,711 --> 00:25:02,587
e o mais comum de todos, o vídeo 4:2:0 no qual tanto a resolução horizontal quanto a vertical
334
00:25:02,587 --> 00:25:08,897
dos canais croma são divididas por dois, resultando em planos U e V que ocupam cada um deles um quarto do tamanho de Y.
335
00:25:08,897 --> 00:25:17,096
Os termos 4:2:2, 4:2:0, 4:1:1 e assim por diante não são descrições completas da sub-amostragem do croma.
336
00:25:17,096 --> 00:25:21,186
Há múltiplas maneiras possíveis de posicionar os pixels de croma em relação ao luma,
337
00:25:21,096 --> 00:25:24,776
e mais uma vez, inúmeras variantes são atualmente usadas para cada sub-amostragem.
338
00:25:24,776 --> 00:25:32,502
Por exemplo, motion JPEG, vídeos MPEG-1 e MPEG-2, DV, Theora e WebM todos usam
339
00:25:32,502 --> 00:25:38,137
ou podem usar a sub-amostragem 4:2:0, mas eles posicionam os pixels croma de três maneiras diferentes.
340
00:25:38,498 --> 00:25:43,023
Motion JPEG, vídeo MPEG1, Theora e WebM todos posicionam os pixels croma
341
00:25:43,023 --> 00:25:46,345
entre os pixels luma tanto horizontalmente quanto verticalmente.
342
00:25:46,345 --> 00:25:51,989
MPEG2 posiciona os pixels croma entre as linhas, mas alinhados horizontalmente com os pixels luma, um sim e um não.
343
00:25:51,989 --> 00:25:57,106
Os modos intercalados complicam as coisas um tanto, resultando em um arranjo de posicionamento que é um pouquinho bizarro.
344
00:25:57,106 --> 00:26:00,909
E finalmente o PAL-DV, que é sempre intercalado, posiciona os pixels croma
345
00:26:00,909 --> 00:26:04,398
na mesma posição que os pixels luma pares na direção horizontal,
346
00:26:04,398 --> 00:26:07,303
e verticalmente alterna os canais croma a cada linha.
347
00:26:07,683 --> 00:26:12,282
Isso é só para o vídeo 4:2:0. Vou deixar as outras sub-amostragens como lição de casa para o espectador.
348
00:26:12,282 --> 00:26:14,882
Vocês pegaram a ideia geral, vamos em frente.
349
00:26:15,511 --> 00:26:21,128
Em áudio, nós sempre representamos múltiplos canais em um stream PCM entrelaçando as amostras
350
00:26:21,128 --> 00:26:26,383
de cada canal em ordem. Em vídeo são usados tanto formatos em pacotes que entrelaçam os canais de cor,
351
00:26:26,383 --> 00:26:30,584
quanto formatos planares que mantêm juntos os pixels de cada canal em planos separados
352
00:26:30,584 --> 00:26:35,415
empilhados em ordem no quadro. Existem no mínimo 50 formatos diferentes nestas duas grandes categorias
353
00:26:35,415 --> 00:26:41,549
sendo possivelmente 10 ou 15 comumente usados. Cada sub-amostragem do croma e nível de quantização diferente requer
354
00:26:41,549 --> 00:26:46,574
um empacotamento diferente, assim como um formato de pixel diferente. Para cada sub-amostragem,
355
00:26:46,574 --> 00:26:50,858
existem normalmente vários formatos equivalentes que consistem em reordenações e re-empacotamentos
356
00:26:50,858 --> 00:26:55,966
triviais dos canais de cor devido ou à conveniência de um algum hardware em particular
357
00:26:55,966 --> 00:27:00,352
de tempos idos ou simplesmente devido ao bom e velho rancor.
358
00:27:00,352 --> 00:27:04,692
Formatos de pixels são descritos por uma denominação unívoca ou por um código de 4 caracteres.
359
00:27:04,692 --> 00:27:08,115
Existem um monte desses e não faz sentido passar por cada um deles agora.
360
00:27:08,115 --> 00:27:13,704
O Google é seu amigo. Fique atento ao fato de que códigos de 4 caracteres para vídeo não-compactado especificam a ordem dos pixels
361
00:27:13,704 --> 00:27:20,339
e a sub-amostragem do croma, mas em geral não subentendem nada seguro acerca do posicionamento do croma ou do espaço de cores.
362
00:27:20,339 --> 00:27:25,807
Vídeo YV12, pra dar um exemplo, pode usar posicionamento do croma do JPEG, MPEG-2 ou DV,
363
00:27:25,807 --> 00:27:28,991
e qualquer um das várias definições de espaço de cor YUV.
364
00:27:29,472 --> 00:27:33,913
Isso conclui nosso não tão curto e ainda assim muito incompleto tour pelos padrões de vídeo.
365
00:27:33,913 --> 00:27:38,651
O lado bom é que nós já podemos fazer um monte de coisas de verdade apenas com esta visão panorâmica.
366
00:27:38,651 --> 00:27:42,528
Em inúmeras situações um quadro de dados de vídeo é apenas um quadro de dados de vídeo.
367
00:27:42,528 --> 00:27:46,451
Os detalhes importam, e bastante, quando chega a hora de escrever software,
368
00:27:46,452 --> 00:27:52,086
mas neste momento eu estou contente que o estimado espectador está bastante consciente das questões relevantes.
369
00:27:55,640 --> 00:27:59,230
Então. Já temos dados de áudio. Já temos dados de vídeo.
370
00:27:59,230 --> 00:28:03,246
O que falta são outros dados mais familiares (não sinais) e engenharia correta
371
00:28:03,246 --> 00:28:07,410
que desenvolvedores de software estão acostumados. E bastante!
372
00:28:07,928 --> 00:28:11,768
Porções de dados de áudio e vídeo não possuem nenhuma estrutura externa visível,
373
00:28:11,768 --> 00:28:15,173
mas eles vêm frequentemente em tamanhos uniformes. Poderíamos simplesmente costurá-los
374
00:28:15,173 --> 00:28:18,097
em uma ordem rígida e pré-definida para transmissão e armazenamento,
375
00:28:18,097 --> 00:28:21,040
e alguns sistemas simples fazem aproximadamente isso.
376
00:28:21,040 --> 00:28:24,195
Quadros compactados por outro lado não têm necessariamente um tamanho previsível,
377
00:28:24,195 --> 00:28:29,405
e normalmente queremos ter flexibilidade para usar um certo número de tipos de dados diferentes em streams.
378
00:28:29,405 --> 00:28:34,281
Se costurarmos dados aleatórios e amorfos, perderemos as fronteiras que separam os quadros
379
00:28:34,281 --> 00:28:37,871
e não saberemos quais dados pertencem a quais streams.
380
00:28:37,871 --> 00:28:42,192
Um stream precisa de uma estrutura genérica para ser útil em geral.
381
00:28:42,192 --> 00:28:46,606
Além dos nossos dados dos sinais, temos também os parâmetros do PCM e do vídeo.
382
00:28:46,606 --> 00:28:49,752
Provavelmente há uma série de outros meta-dados que gostaríamos de incluir também,
383
00:28:49,752 --> 00:28:55,415
como informações sobre o áudio, ou capítulos e legendas do vídeo, todos componentes essenciais de mídias ricas em conteúdo.
384
00:28:55,415 --> 00:29:01,633
Faz sentido guardar estes meta-dados, ou seja, dados sobre os dados, dentro da própria mídia.
385
00:29:01,633 --> 00:29:06,445
Armazenar e estruturar dados amorfos e meta-dados díspares é a função de um contêiner.
386
00:29:06,445 --> 00:29:09,221
Contêineres fornecem enquadramentos para os grupos de dados,
387
00:29:09,221 --> 00:29:12,015
intercalam e identificam múltiplos streams de dados,
388
00:29:12,015 --> 00:29:15,337
fornecem informação temporal, e armazenam os meta-dados necessários
389
00:29:15,337 --> 00:29:19,140
para permitir a análise, navegação, manipulação e apresentação da mídia.
390
00:29:19,140 --> 00:29:22,222
Em geral, um contêiner pode guardar qualquer tipo de dado.
391
00:29:22,222 --> 00:29:24,970
E dados podem ser colocados em qualquer contêiner.
392
00:29:28,801 --> 00:29:32,391
Nos últimos trinta minutos nós cobrimos áudio digital, vídeo,
393
00:29:32,391 --> 00:29:35,435
um tanto de história, um tanto de matemática e um pouco de engenharia.
394
00:29:35,435 --> 00:29:39,377
Nós mal arranhamos a superfície, mas é hora de uma merecida pausa.
395
00:29:41,107 --> 00:29:45,373
Há muito mais sobre o que falar, então espero vê-los de novo no nosso próximo episódio.
396
00:29:45,373 --> 00:29:47,159
Até lá --- Saúde!