MP3 হল কমপ্রেসড অডিও ফরম্যাট, যা ডিজিটাল মিউজিককে বহনযোগ্য করেছে। এর পূর্ণ নাম MPEG-1 Audio Layer III। এটি জার্মানির Fraunhofer Institute for Integrated Circuits-এ বছরের পর বছর গবেষণা থেকে, বিশ্ববিদ্যালয় ও ইন্ডাস্ট্রি পার্টনারদের সহযোগিতায় তৈরি হয়, এবং ১৯৯০ দশকের শুরুর দিকে Moving Picture Experts Group দ্বারা MPEG-1 স্ট্যান্ডার্ডের অংশ হিসেবে প্রকাশিত হয়। ঐ স্ট্যান্ডার্ডের তিনটি অডিও লেয়ারের মধ্যে Layer III ছিল সবচেয়ে উন্নত, এবং এটি একটি গানের আকার এতটাই ছোট করত যে ডায়াল-আপ কানেকশনেও পাঠানো যেত। কয়েক বছরের মধ্যেই এই এক্সটেনশন একটি মিউজিক ফাইল বোঝানোর শর্টহ্যান্ড হয়ে যায়, এবং আজও তাই আছে।
একটি MP3 কীভাবে শব্দ সংরক্ষণ করে
MP3lossy। অর্থাৎ এনকোডার ফাইল ছোট করার জন্য স্থায়ীভাবে রেকর্ডিংয়ের কিছু অংশ ফেলে দেয়, এবং কোনও প্লেয়ারই তা আর ফিরিয়ে আনতে পারে না। এটি অডিওকে ছোট ছোট ওভারল্যাপিং ব্লকে কেটে, প্রতিটি ব্লককে ওয়েভফর্ম থেকে ফ্রিকোয়েন্সির সেটে রূপান্তর করে কাজ করে। এরপর একটি সাইকোঅ্যাকুস্টিক মডেল বিচার করে কোন ফ্রিকোয়েন্সিগুলো মানুষের কানে তেমন শোনা যাবে না, সাধারণত পাশের জোরালো সাউন্ডে ঢেকে যাওয়ার কারণে, এবং সেগুলিকে খুব কম বিট দেয়। ফলে যে আউটপুট হয় তা সোর্সের সঙ্গে হুবহু মেলে না, শুধু এতটাই কাছাকাছি থাকে যে বেশিরভাগ মানুষ কোনও পার্থক্য শোনে না।
ফাইলটি নিজে আসলে ফ্রেমের একটি সরল চেইন। প্রতিটি ফ্রেমে নির্দিষ্ট সংখ্যক স্যাম্পল থাকে, সাধারণ MPEG-1 ভ্যারিয়েন্টে ১১৫২টি, যা CD স্যাম্পল রেটে প্রায় ২৬ মিলিসেকেন্ডের সাউন্ড। প্রতিটি ফ্রেম নিজস্ব একটি ছোট হেডার দিয়ে শুরু হয়, যেখানে বিটরেট, স্যাম্পল রেট এবং চ্যানেল মোড লেখা থাকে। এই কারণেই আপনি MP3 যেকোনো জায়গা থেকে কাটলেও বাকি অংশ চালানো যায়, এবং ভ্যারিয়েবল বিটরেট ফাইল কাজ করে: এনকোডার ঘন অংশে বেশি ডেটা খরচ করতে পারে এবং নীরব অংশে প্রায় কিছুই না।
একটি MP3 কী মেটাডাটা বহন করে
অডিও ফ্রেমে গানের শিরোনামের জন্য কোনও জায়গা থাকে না, তাই MP3 মেটাডেটা ফাইলের সঙ্গে যুক্ত আলাদা ট্যাগে থাকে। এর দু ধরনের ট্যাগ আছে, এবং একটি ফাইলে দুটোই থাকতে পারে।ID3v1পুরনোটি: ফাইলের শেষ ১২৮ বাইট, যেখানে নির্দিষ্ট প্রস্থের ঘরে থাকে শিরোনাম, শিল্পী, অ্যালবাম, মন্তব্য, চার অঙ্কের বছর এবং একটি জেনার নাম্বার। এর চেয়ে বড় কিছু হলে সেটা কেটে যায়।ID3v2সামনে থাকে এবং অনেক সমৃদ্ধ। এটি চার অক্ষরের নামে ফ্রেম দিয়ে তৈরি, যেগুলোকে একটি মেটাডেটা রিপোর্ট সাধারণত আপনার জন্য শব্দে রূপান্তর করে দেখায়।
আপনি যেসব ফিল্ড সবচেয়ে বেশি দেখেন সেগুলো হল TIT2 (শিরোনাম), TPE1 (শিল্পী), TALB (অ্যালবাম), TRCK (ট্র্যাক নম্বর), TCON (জেনার), একটি রেকর্ডিং তারিখ, COMM (ফ্রি-টেক্সট মন্তব্য), APIC (এমবেড করা কভার ইমেজ) এবং TXXX, যা যে কোনও প্রোগ্রামকে নিজের নামে একটি কাস্টম ফিল্ড বানাতে দেয়। রিপিং ও ট্যাগিং সফটওয়্যার সাধারণত এগুলোর বেশিরভাগই পূরণ করে দেয়, তাই আপনি যা পান তা প্রায়ই সংগীতের মতোই সফটওয়্যারকেও বর্ণনা করে।
এর কিছু অংশ ব্যক্তিগত। TENC ফাইলটি কে বা কী এনকোড করেছে তা রেকর্ড করে এবং TSSE এনকোডারের সেটিংস, যাতে একটি রিপোর্ট ব্যবহৃত সুনির্দিষ্ট প্রোগ্রামের নাম দেখাতে পারে। কখনও কখনও কমেন্ট ফ্রেমে থাকে আসল নাম, ইমেইল ঠিকানা বা এমন একটি নোট যা প্রেরক ভুলে গেছে। TOWN এবং TPUB একটি লাইসেন্সধারী ও প্রকাশকের নাম দেয়, PRIV ফ্রেমে কোনও নির্দিষ্ট অ্যাপ্লিকেশন লিখে রাখা প্রাইভেট ডেটা থাকে, এবং স্টোর থেকে কেনা কোনও ট্র্যাকে অ্যাকাউন্ট বা অর্ডার আইডেন্টিফায়ার থাকতে পারে। বেশিরভাগ এনকোডার প্রথম ফ্রেমের ভেতরে লুকানো Xing বা LAME হেডারও লেখে, যা এনকোডারের ভার্সন, তার সেটিংস এবং মাপা পিক লেভেল প্রকাশ করে। অবস্থান বা ডিভাইসের জন্য MP3-তে কোনও স্ট্যান্ডার্ড ফিল্ড নেই, তাই ফোনে করা রেকর্ডিং সাধারণত জায়গার বদলে অ্যাপের নাম আর টাইমস্ট্যাম্প জানিয়ে দেয়।
কখন MP3 ব্যবহার করবেন
যখন এমন অডিও চান যা গাড়ির স্টেরিও থেকে শুরু করে দশ বছর আগের ফোনেও প্রশ্ন ছাড়াই চলে, তখন MP3 বেছে নিন। এমন পরিসর আর কোনও ফরম্যাটের নেই। যদি আকার সামঞ্জস্যতার চেয়ে বেশি গুরুত্বপূর্ণ হয়, তাহলে AAC এবং Opus ছোট ফাইলে প্রায় একই গুণমান দেয়, কারণ এগুলো পরে, উন্নত পদ্ধতিতে ডিজাইন হয়েছে। যদি অডিওর গুণমান আকারের চেয়ে বেশি গুরুত্বপূর্ণ হয়, তবে FLAC এবং WAV প্রতিটি স্যাম্পল অক্ষত রাখে। আর মনে রাখুন, lossy কমপ্রেশন জমতে থাকে: MP3 এডিট করে আবার সেভ করলে সেটি আবার এনকোড হয়, তাই সবসময় আপনার কাছে থাকা সেরা অরিজিনাল ফাইল নিয়ে কাজ করুন এবং শেষে MP3 তে এক্সপোর্ট করুন।