Tổng quan nghiên cứu

Trải qua gần 74 năm hình thành và phát triển từ ngày 07/09/1945, Đài Tiếng nói Việt Nam đang quản lý một kho tư liệu âm thanh lịch sử đồ sộ với gần 41.000 giờ phát thanh quý giá cần được bảo tồn dài hạn. Trong bối cảnh chuyển đổi số ngành truyền thông, công tác dàn dựng, sản xuất và truyền dẫn phát sóng tại các cơ quan phát thanh vẫn chủ yếu sử dụng định dạng âm thanh không nén tiêu chuẩn WAVE. Việc sử dụng định dạng này gây ra sự lãng phí tài nguyên công nghệ thông tin nghiêm trọng, khi một tệp âm thanh WAVE thời lượng 1 phút tiêu tốn hơn 10MB dung lượng, khiến mỗi luồng phát sóng tiêu hao gần 15GB ổ cứng mỗi ngày. Tình trạng này dẫn đến chi phí lưu trữ phần cứng gia tăng nhanh chóng, đồng thời gây nghẽn băng thông mạng nội bộ khi trao đổi dữ liệu giữa các hệ phát thanh và cơ quan thường trú như VOV Cần Thơ.

Trước yêu cầu cấp thiết về việc hiện đại hóa hạ tầng và chuẩn bị lộ trình áp dụng toàn diện công nghệ phát thanh số mặt đất DRM và DAB trước năm 2020, nghiên cứu được triển khai nhằm đạt các mục tiêu cụ thể:

  • Hệ thống hóa cơ sở lý thuyết xử lý tín hiệu và mã hóa nén âm thanh cảm quan.
  • Thử nghiệm áp dụng thực tế hai chuẩn nén phổ biến là MP3 và AAC trên kho dữ liệu của đài.
  • Xác định bộ tham số kỹ thuật tối ưu nhất nhằm cân bằng giữa tỷ lệ nén và chất lượng âm thanh phát sóng.

Phạm vi nghiên cứu bao quát các chương trình thực tế của Đài Tiếng nói Việt Nam trong giai đoạn 2018 - 2019. Kết quả đề tài mang lại ý nghĩa then chốt khi giúp giảm thiểu trên 80% dung lượng lưu trữ, tiết kiệm hơn 70% thời gian xử lý và truyền tải tệp, tạo tiền đề khoa học vững chắc cho chiến lược số hóa phát thanh quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng của lý thuyết xử lý tín hiệu số, định lý lấy mẫu Nyquist-Shannon và mô hình tâm lý thính giác con người. Hệ thống thính giác của người có khả năng cảm nhận dải tần số từ 20 Hz đến 20.000 Hz, phân biệt khoảng 130 mức thanh áp khác nhau với độ nhạy cao nhất tập trung ở dải tần 2.000 Hz đến 5.000 Hz. Về mặt sinh lý, ốc tai đóng vai trò như một giàn lọc sinh học gồm 25 dải tới hạn. Dựa trên cơ chế này, kỹ thuật mã hóa cảm quan tập trung loại bỏ những thành phần tín hiệu nằm dưới ngưỡng nghe tuyệt đối hoặc bị che lấp bởi các âm thanh khác.

Hai hiện tượng tâm lý âm học cốt lõi được ứng dụng gồm:

  • Hiệu ứng che tần số: Âm thanh có năng lượng mạnh hơn sẽ làm biến dạng và nâng cao ngưỡng nghe của âm thanh yếu hơn ở tần số lân cận.
  • Hiệu ứng che thời gian: Tai người không thể phân biệt được âm thanh yếu xuất hiện ngay trước hoặc ngay sau một âm thanh mạnh.

Hai chuẩn nén được phân tích chuyên sâu gồm chuẩn MP3 thuộc MPEG-1 Layer 3 và chuẩn AAC thuộc MPEG-2. Chuẩn MP3 sử dụng giàn lọc 32 băng con kết hợp biến đổi DCT và mã hóa entropy Huffman, xử lý khung tín hiệu 1.152 mẫu. Chuẩn AAC là bước tiến vượt bậc với giàn lọc biến đổi cô-sin rời rạc hiệu chỉnh MDCT lên đến 2.048 mẫu, tích hợp công cụ định hình nhiễu thời gian TNS và khả năng hỗ trợ tới 48 kênh âm thanh ở tần số lấy mẫu lên đến 96 kHz.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được trích chọn trực tiếp từ kho lưu trữ của Đài Tiếng nói Việt Nam thường trú Cần Thơ, bao gồm 18 tệp âm thanh gốc chuẩn WAVE 16 bit stereo với tổng dung lượng 5.546MB, tương đương hơn 8 giờ phát sóng liên tục.

Phương pháp chọn mẫu có chủ đích phân tầng được áp dụng nhằm đảm bảo tính đại diện cho mọi dạng tín hiệu phát thanh thực tế, phân chia thành 3 nhóm thể loại chính:

  • Tiếng nói: Bản tin thời sự, phóng sự, đọc truyện.
  • Âm nhạc: Khúc hòa tấu, ca khúc dân ca và nhạc nhẹ.
  • Hỗn hợp: Chương trình phát thanh tổng hợp có nhạc nền xen kẽ lời bình.

Phương pháp phân tích kết hợp giữa đo kiểm khách quan và đánh giá chủ quan:

  • Đo kiểm khách quan: Sử dụng thuật toán tính toán tỷ số lỗi bình phương trung bình MSE giữa tín hiệu giải nén và tín hiệu nguyên bản tại hai mức tần số lấy mẫu là 44.1 kHz và 22.05 kHz.
  • Đánh giá chủ quan: Thực hiện thử nghiệm nghe thử mù kép trên 24 đoạn âm thanh mẫu có thời lượng trung bình 20 giây. Cỡ mẫu đánh giá gồm 35 tình nguyện viên tham gia chấm điểm chất lượng theo thang điểm chuẩn quốc tế 5.0.

Lý do lựa chọn phương pháp phân tích kết hợp này là nhằm đối chiếu chính xác giữa độ lệch tín hiệu toán học và mức độ cảm nhận thực tế của thính giả, bảo đảm dữ liệu có độ tin cậy tuyệt đối. Toàn bộ quá trình thực nghiệm được triển khai từ năm 2018 đến đầu năm 2019 trong điều kiện phòng kiểm thính tiêu chuẩn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đo kiểm hiệu năng và chất lượng nén trên bộ dữ liệu 5.546MB đã mang lại những phát hiện quan trọng:

  • Hiệu quả nén và tiết kiệm dung lượng: Cả hai chuẩn nén đều giảm thiểu kích thước tệp đáng kể so với định dạng WAVE 1.411 kbps. Ở tần số lấy mẫu 44.1 kHz, chuẩn AAC đạt tỷ lệ nén từ 75% đến 91% khi thiết lập tốc độ dòng bit từ 128 kbps xuống 64 kbps. Tệp âm thanh 10MB ban đầu được rút gọn chỉ còn khoảng 0,9MB đến 1,2MB cho mỗi phút ghi âm, đồng thời tốc độ thực thi mã hóa nhanh gấp 3 đến 5 lần thời gian phát thực tế.
  • Chất lượng kỹ thuật khách quan: Giá trị sai số bình phương trung bình MSE của chuẩn AAC luôn thấp hơn từ 15% đến 25% so với chuẩn MP3 ở cùng mức tốc độ dòng bit. Khi hạ tần số lấy mẫu từ 44.1 kHz xuống 22.05 kHz, giá trị MSE tăng gấp 2 lần do hiện tượng mất mát các dải phổ tần cao, khẳng định tần số 44.1 kHz là cấu hình chuẩn hóa tối ưu.
  • Điểm đánh giá cảm quan chủ quan: Qua kết quả chấm điểm của 35 thính giả trên 24 đoạn âm thanh, chuẩn AAC ở mức tốc độ bit 128 kbps đạt điểm chất lượng trung bình 4.62/5.0 đối với thể loại tiếng nói và 4.54/5.0 đối với thể loại âm nhạc, tiệm cận hoàn hảo chất lượng của tệp WAVE gốc. Ngược lại, chuẩn MP3 phải cần tốc độ tối thiểu 192 kbps mới đạt được điểm số trên 4.5/5.0.

Thảo luận kết quả

Sự vượt trội của chuẩn AAC so với MP3 bắt nguồn từ cấu trúc giải thuật hiện đại. Trong khi MP3 bị giới hạn bởi giàn lọc 32 băng con cố định, AAC sử dụng bộ biến đổi MDCT với khả năng chuyển đổi linh hoạt giữa khối dài 2.048 mẫu để tăng độ phân giải tần số và khối ngắn 256 mẫu để kiểm soát hiện tượng méo âm trước. Đồng thời, công cụ định hình nhiễu thời gian TNS giúp AAC nén sạch các tín hiệu chuyển tiếp có tính xung động mạnh như tiếng gõ nhạc cụ hay âm bật của giọng nói.

Trong thực tiễn nghiên cứu, toàn bộ ma trận dữ liệu được tổng hợp chi tiết qua các bảng so sánh hiệu năng theo từng dải tốc độ từ 64 kbps đến 320 kbps. Dữ liệu sai số MSE cũng được mô tả trực quan qua các biểu đồ phân bố phổ tần số, giúp các kỹ sư dễ dàng nhận diện ngưỡng suy hao âm thanh ở từng phân đoạn cụ thể.

Đối với hệ thống Đài Tiếng nói Việt Nam, kết quả này khẳng định chuẩn AAC ở mức 128 kbps đến 192 kbps là phương án thay thế hoàn hảo cho chuẩn WAVE. Giải pháp này giúp giải phóng hơn 80% không gian lưu trữ cho 41.000 giờ tư liệu, đồng thời triệt tiêu tình trạng tắc nghẽn đường truyền mạng khi truyền phát dữ liệu giữa các đài khu vực.

Đề xuất và khuyến nghị

Dựa trên các kết quả thực nghiệm, bốn giải pháp trọng tâm được đề xuất nhằm ứng dụng kỹ thuật mã hóa nén tại Đài Tiếng nói Việt Nam:

  1. Chuyển đổi định dạng lưu trữ dài hạn cho 41.000 giờ tư liệu phát thanh quý giá sang chuẩn mã hóa AAC ở mức tốc độ bit 192 kbps và tần số lấy mẫu 44.1 kHz. Target metric: Cắt giảm 85% dung lượng lưu trữ trên hệ thống máy chủ trung tâm mà vẫn bảo toàn độ trung thực của âm thanh lịch sử. Timeline: Hoàn thành trong 12 đến 18 tháng. Chủ thể thực hiện: Trung tâm Kỹ thuật Phát thanh VOV chủ trì phối hợp cùng Ban Quản lý Tư liệu.
  2. Thiết lập quy trình chuẩn hóa định dạng trao đổi chương trình giữa VOV trung ương và các cơ quan thường trú khu vực bằng định dạng MP3 128 kbps hoặc AAC 96 kbps. Target metric: Rút ngắn 75% thời gian truyền tải tệp tin qua mạng nội bộ, loại bỏ hoàn toàn hiện tượng chậm trễ phát sóng. Timeline: Triển khai ngay trong quý 1 năm 2020. Chủ thể thực hiện: Phòng Công nghệ Thông tin và Truyền dẫn.
  3. Tích hợp chuẩn nén âm thanh thế hệ mới AAC-LC và HE-AAC vào các ứng dụng phát thanh Internet và di động như VOV Media, VOVTV và VTC Now. Target metric: Tiết kiệm 50% băng thông máy chủ và dữ liệu di động 3G/4G cho người dùng, đảm bảo luồng phát mượt mà với độ trễ dưới 2 giây. Timeline: Thực hiện trong 6 tháng. Chủ thể thực hiện: Ban Biên tập Đa phương tiện và Đài Truyền hình Kỹ thuật số VTC.
  4. Triển khai phát sóng thử nghiệm công nghệ phát thanh số mặt đất tiêu chuẩn DRM và DAB sử dụng lõi nén MPEG-4 AAC với tốc độ dòng bit từ 20 kbps đến 48 kbps trên các băng tần dưới 30 MHz. Target metric: Mở rộng diện tích phủ sóng chất lượng cao đến 100% các vùng sâu, vùng xa và khu vực biển đảo. Timeline: Thử nghiệm diện rộng trong 24 tháng. Chủ thể thực hiện: Ban Kỹ thuật phối hợp cùng các Trung tâm Phát sóng Quốc gia.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của luận văn là tài liệu tham khảo có giá trị cao cho 4 nhóm đối tượng chuyên môn:

  • Đội ngũ kỹ sư âm thanh và chuyên viên kỹ thuật truyền dẫn phát thanh: Khai thác trực tiếp các bộ thông số nén tối ưu về bit rate và sampling rate để cấu hình các thiết bị xử lý âm thanh số, nâng cao chất lượng phát sóng thực tế tại các đài phát thanh và truyền hình trên cả nước.
  • Cán bộ quản lý hạ tầng công nghệ thông tin và lưu trữ tư liệu: Vận dụng mô hình tính toán hiệu năng và tỷ lệ nén để xây dựng chiến lược số hóa, tối ưu hóa chi phí đầu tư phần cứng lưu trữ cho các kho dữ liệu quy mô hàng chục nghìn giờ phát thanh.
  • Nhà phát triển phần mềm ứng dụng di động và nền tảng streaming âm thanh: Ứng dụng các nguyên lý mã hóa cảm quan và phân tích so sánh giữa AAC và MP3 nhằm tối ưu hóa thuật toán nén luồng trực tuyến, giảm chi phí băng thông mạng cho các ứng dụng OTT hiện đại.
  • Giảng viên, học viên cao học và sinh viên ngành Kỹ thuật Điện tử - Viễn thông: Sử dụng luận văn làm tài liệu nghiên cứu chuyên sâu về xử lý tín hiệu âm thanh số, thuật toán biến đổi MDCT và ứng dụng mô hình tâm lý thính giác trong thực tế kỹ thuật.

Câu hỏi thường gặp

Tại sao Đài Tiếng nói Việt Nam không tiếp tục sử dụng định dạng WAVE không nén?

Định dạng WAVE tiêu tốn hơn 10MB dung lượng cho mỗi phút âm thanh, làm tiêu hao gần 15GB ổ cứng mỗi ngày cho một kênh phát sóng đơn lẻ. Với quy mô phát sóng liên tục của nhiều kênh, việc lưu trữ chuẩn WAVE làm cạn kiệt tài nguyên máy chủ và gây nghẽn băng thông nghiêm trọng khi truyền tải tệp tin giữa các phòng sản xuất.

Chuẩn nén AAC vượt trội hơn chuẩn MP3 ở những điểm kỹ thuật nào?

Chuẩn AAC sử dụng biến đổi MDCT với số mẫu phân tích lên tới 2.048 điểm, kết hợp thuật toán định hình nhiễu thời gian TNS và dự đoán tuyến tính. Nhờ đó, AAC đạt chất lượng âm thanh tương đương chuẩn CD ở mức 128 kbps với điểm đánh giá trên 4.5/5.0, giúp tiết kiệm thêm 20% đến 30% dung lượng so với MP3.

Phương pháp đo sai số bình phương trung bình MSE đóng vai trò gì trong nghiên cứu?

Chỉ số MSE là công cụ đo lường toán học khách quan giúp định lượng mức độ sai lệch biên độ giữa tín hiệu giải nén và tín hiệu gốc WAVE. Giá trị MSE càng nhỏ chứng minh thuật toán mã hóa bảo toàn càng trọn vẹn thông tin phổ tần của âm thanh ban đầu mà không phụ thuộc vào cảm tính người nghe.

Thử nghiệm nghe thử đánh giá chủ quan được tiến hành với quy mô như thế nào?

Thử nghiệm được thực hiện trên 35 tình nguyện viên độc lập, sử dụng tai nghe kiểm âm chuyên dụng trong không gian cách âm tiêu chuẩn. Thính giả tiến hành chấm điểm mù kép trên 24 đoạn âm thanh mẫu có thời lượng 20 giây thuộc đầy đủ 3 thể loại tiếng nói, âm nhạc và hỗn hợp theo thang điểm chất lượng 5.0.

Kết quả nghiên cứu có khả năng tương thích với các chuẩn phát thanh số DRM và DAB không?

Kết quả nghiên cứu hoàn toàn tương thích và có thể ứng dụng trực tiếp, bởi các hệ thống phát thanh số hiện đại như DRM và Eureka 147 (DAB) đều sử dụng các chuẩn nén thuộc họ MPEG, đặc biệt là MPEG-4 AAC và MPEG-1/2 Layer 2 ở dải tốc độ dòng bit linh hoạt từ 8 kbps đến 48 kbps.

Kết luận

  • Luận văn đã hệ thống hóa hoàn chỉnh cơ sở lý thuyết về xử lý tín hiệu âm thanh số, kỹ thuật PCM và các mô hình tâm lý thính giác ứng dụng trong mã hóa cảm quan.
  • Triển khai thành công chuỗi thực nghiệm đo kiểm hiệu năng và chất lượng nén trên tập dữ liệu 5.546MB gồm 18 tệp âm thanh thực tế với hơn 8 giờ thời lượng.
  • Khẳng định chuẩn AAC ở mức tốc độ dòng bit 128 kbps đến 192 kbps tại tần số 44.1 kHz là giải pháp kỹ thuật tối ưu nhất, giúp cắt giảm trên 80% dung lượng lưu trữ mà vẫn đảm bảo chất lượng phát sóng tương đương chuẩn đĩa CD.
  • Đóng góp kết quả học thuật giá trị thông qua công trình công bố tại Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ XII tại Huế vào tháng 6 năm 2019.
  • Tạo nền tảng kỹ thuật vững chắc phục vụ lộ trình hiện đại hóa và chuyển đổi số toàn diện công nghệ phát thanh DRM giai đoạn 2020 - 2025 của Đài Tiếng nói Việt Nam.

Lộ trình tiếp theo trong giai đoạn 2020 - 2022 đòi hỏi các đơn vị kỹ thuật mở rộng thử nghiệm phát thanh số diện rộng trên các máy phát sóng công suất lớn và hoàn thiện quy chuẩn mã hóa âm thanh đồng bộ trên toàn quốc. Các tổ chức phát thanh và chuyên gia công nghệ quan tâm có thể liên hệ trực tiếp với Trung tâm Kỹ thuật Đài Tiếng nói Việt Nam để tiếp cận chi tiết bộ thông số thực nghiệm và hợp tác triển khai giải pháp số hóa âm thanh chuyên nghiệp.