Digitaalinen ääni

Mikrofoni muuntaa ilmavärähtelyn sähköiseksi analogiseksi vaihtojännitteksi - tietokoneen äänikortin AD (Analogi-Digitaali) -muunnin muuntaa vaihtojännitteen tietokoneen ymmärtämäksi digitaaliseksi dataksi.

Digitoinnissa alukuperäisestä signaalista otetaan näytteitä ja saadut luvut pyöristetään (kvantisoidaan) tietokoneen ymmärtämiksi binääriluvuiksi (ykkösten ja nollien sarjoiksi). Koska vaihtosähkönä tietokoneeseen tulevassa analogisessa äänessä on sekä positiivinen että negatiivinen vaihe yhden värähdysjakson aikana, on näyte ehdittävä ottaa molemmista. Digitoinnissa näytteenottotaajuuden on siis oltava kaksinkertainen korkeimpaan haluttuun digitoitavaan taajuuteen nähden.

Korkeatasoinen musiikkitallenne on digitoitava 44 kHz:n taajuudella, puheen näytteenottotaajuudeksi riittäisi periaatteessa 22 kHz - puheen korkeimmat taajuudethan ovat noin 10 000 Hz (s-äänne). Mitä korkeampi näytteenottotaajuus, sitä enemmän ääni vie tilaa digitaalisessa muodossa.

Ääntä tallennetaan tietokoneissa tavallisesti nykyään 16 bitin tarkkuudella eli näytteenotolla saadut luvut pyöristetään 2¹⁶ = 65536 lukuarvoon. Aiemmin (viime vuosituhannella) käytettiin myös 8-bittistä äänentallennusta, jolloin lukuarvoja oli käytössä vain 2⁸ = 256. 16-bittinen tallenne suhisee ja kohisee 8-bittistä vähemmän, mutta vie samalla tilaa kaksi kertaa 8-bittistä enemmän.

1 minuutti stereofonista (kaksikanavaista) ääntä 16-bitin tallennusresoluutiolla ja 44 kHz näytteenottotaajuudella vie tilaa noin 10 MT minuutissa. Vastaavasti 1 minuutti monofonista (yksikanavaista) ääntä 16-bitin tallennusresoluutiolla ja 22 kHz näytteenottotaajuudella vie tilaa 2,5 MT / minuutissa.

Ääni kuvataan tietokoneen ruudulla yleensä verhokäyränä, jossa vaaka-akselina on aika ja pystyakselina äänen voimakkuus: