MP3 เป็นรูปแบบไฟล์เสียงแบบบีบอัดที่ทำให้ดนตรีดิจิทัลพกพาได้ ชื่อเต็มคือ MPEG-1 Audio Layer III รูปแบบนี้เกิดจากงานวิจัยหลายปีที่ Fraunhofer Institute for Integrated Circuits ในเยอรมนี ร่วมกับมหาวิทยาลัยและพันธมิตรในอุตสาหกรรม และถูกเผยแพร่เป็นส่วนหนึ่งของมาตรฐาน MPEG-1 โดยกลุ่ม Moving Picture Experts Group ตั้งแต่ต้นทศวรรษ 1990 Layer III เป็นเลเยอร์เสียงที่ซับซ้อนที่สุดในบรรดา 3 เลเยอร์ของมาตรฐานนี้ และช่วยย่อขนาดเพลงให้เล็กพอที่การเชื่อมต่อแบบ dial-up จะโอนย้ายได้ ภายในไม่กี่ปี นามสกุลไฟล์นี้ก็กลายเป็นคำเรียกย่อสำหรับไฟล์เพลง และยังคงเป็นเช่นนั้นมาจนถึงปัจจุบัน
MP3 เก็บข้อมูลเสียงอย่างไร
MP3 เป็นรูปแบบที่ สูญเสียข้อมูลบางส่วน (lossy) ซึ่งหมายความว่าโปรแกรมเข้ารหัสจะลบส่วนหนึ่งของเสียงต้นฉบับออกไปอย่างถาวรเพื่อให้ไฟล์เล็กลง และไม่มีโปรแกรมเล่นใดสามารถกู้คืนกลับมาได้ วิธีการทำงานคือแบ่งเสียงออกเป็นบล็อกสั้น ๆ ที่ซ้อนทับกัน แล้วแปลงแต่ละบล็อกจากรูปคลื่นให้กลายเป็นชุดของความถี่ จากนั้นโมเดลทางจิตอะคูสติกจะประเมินว่าความถี่ใดที่หูมนุษย์แทบจะไม่ได้ยินอยู่แล้ว มักเป็นเพราะมีเสียงที่ดังใกล้เคียงกลบอยู่ และจัดสรรบิตให้น้อยลงมาก ผลลัพธ์ที่ได้จึงไม่เหมือนต้นฉบับทุกจุด แต่ใกล้เคียงพอที่คนส่วนใหญ่จะแยกไม่ออก
ตัวไฟล์ประกอบด้วยเฟรมที่เรียงต่อกันอย่างง่าย ๆ แต่ละเฟรมเก็บจำนวนตัวอย่างเสียงคงที่ 1152 ตัวอย่างในรูปแบบ MPEG-1 ที่ใช้กันทั่วไป คิดเป็นเวลาประมาณ 26 มิลลิวินาทีที่อัตราสุ่มตัวอย่างระดับซีดี ทุกเฟรมเริ่มต้นด้วยส่วนหัวขนาดเล็กของตัวเองที่ระบุบิตเรต อัตราสุ่มตัวอย่าง และโหมดช่องสัญญาณ นี่คือเหตุผลที่คุณสามารถตัดไฟล์ MP3 ตรงจุดใดก็ได้โดยที่ส่วนที่เหลือยังเล่นต่อได้ และเป็นเหตุผลว่าทำไมไฟล์ที่ใช้บิตเรตแปรผันจึงทำงานได้ เพราะตัวเข้ารหัสสามารถใช้ข้อมูลมากขึ้นกับช่วงที่เสียงหนาแน่น และใช้น้อยมากกับช่วงที่เงียบ
MP3 มีเมทาดาทาอะไรบ้าง
เฟรมเสียงไม่มีพื้นที่สำหรับเก็บชื่อเพลง ดังนั้นเมทาดาทาของ MP3 จึงถูกเก็บไว้ในแท็กแยกต่างหากที่ผูกกับไฟล์ มีอยู่สองประเภท และไฟล์หนึ่งไฟล์อาจมีทั้งคู่ได้ ID3v1 เป็นแบบเก่ากว่า อยู่ที่ 128 ไบต์สุดท้ายของไฟล์ โดยมีช่องความกว้างคงที่สำหรับชื่อเพลง ศิลปิน อัลบั้ม คอมเมนต์ ปีเป็นตัวเลขสี่หลัก และหมายเลขประเภทเพลงหนึ่งค่า ข้อความที่ยาวกว่านั้นจะถูกตัดออกไปเฉย ๆ ID3v2 อยู่ด้านหน้าสุดและยืดหยุ่นกว่ามาก โครงสร้างภายในประกอบด้วยเฟรมที่ตั้งชื่อตามตัวอักษรสี่ตัว ซึ่งรายงานเมทาดาทามักจะแปลออกมาเป็นคำที่อ่านเข้าใจได้ให้คุณ
ฟิลด์ที่พบได้บ่อยที่สุดคือ TIT2 (ชื่อเพลง), TPE1 (ศิลปิน), TALB (อัลบั้ม), TRCK (หมายเลขแทร็ก), TCON (ประเภทเพลง), วันที่บันทึกเสียง, COMM (คอมเมนต์แบบข้อความอิสระ), APIC (ภาพปกที่ฝังในไฟล์) และ TXXX ซึ่งเปิดให้โปรแกรมใด ๆ สร้างฟิลด์แบบมีชื่อตามต้องการได้ ซอฟต์แวร์ริปและใส่แท็กมักจะกรอกฟิลด์เหล่านี้ให้ส่วนใหญ่ ดังนั้นสิ่งที่คุณเห็นจึงบ่งบอกถึงตัวซอฟต์แวร์พอ ๆ กับตัวเพลงเอง
ข้อมูลบางส่วนเป็นเรื่องส่วนตัว TENC จะบันทึกว่าใครหรืออะไรเป็นตัวเข้ารหัสไฟล์นี้ และ TSSE จะเก็บการตั้งค่าของตัวเข้ารหัส เพื่อให้รายงานระบุชื่อโปรแกรมที่ใช้ได้อย่างชัดเจน เฟรมคอมเมนต์บางครั้งอาจมีชื่อจริง ที่อยู่อีเมล หรือโน้ตที่ผู้ส่งลืมไปแล้ว TOWN และ TPUB ใช้ระบุผู้ได้รับสิทธิ์และผู้จัดพิมพ์ PRIV จะเก็บข้อมูลส่วนตัวที่เขียนโดยแอปหนึ่งแอปใดโดยเฉพาะ และแทร็กที่ซื้อจากร้านออนไลน์อาจมีตัวระบุบัญชีหรือหมายเลขคำสั่งซื้ออยู่ด้วย ตัวเข้ารหัสส่วนใหญ่ยังเขียนส่วนหัวแบบซ่อนที่ชื่อ Xing หรือ LAME ลงในเฟรมแรก เผยให้เห็นเวอร์ชันตัวเข้ารหัส การตั้งค่า และระดับสัญญาณสูงสุดที่วัดได้ MP3 ไม่มีฟิลด์มาตรฐานสำหรับตำแหน่งหรืออุปกรณ์ ดังนั้นการบันทึกด้วยโทรศัพท์จึงมักบอกได้แค่ว่าใช้แอปอะไรและเวลาที่บันทึก มากกว่าระบุสถานที่
ควรใช้ MP3 เมื่อใด
เลือกใช้ MP3 เมื่อต้องการไฟล์เสียงที่เล่นได้ทุกที่โดยไม่ต้องกังวลเรื่องความเข้ากันได้ ตั้งแต่อุปกรณ์เล่นในรถไปจนถึงโทรศัพท์อายุเป็นสิบปี ยังไม่มีรูปแบบอื่นที่รองรับอุปกรณ์ได้กว้างเท่านี้ หากขนาดไฟล์สำคัญกว่าความเข้ากันได้ AAC และ Opus ให้คุณภาพใกล้เคียงกันในไฟล์ที่เล็กกว่า เพราะออกแบบมาภายหลังด้วยเทคโนโลยีที่ดีกว่า หากคุณภาพเสียงสำคัญกว่าขนาดไฟล์ FLAC และ WAV จะเก็บข้อมูลทุกตัวอย่างไว้ครบ และอย่าลืมว่าการบีบอัดแบบสูญเสียข้อมูลจะสะสมผลกระทบไปเรื่อย ๆ การแก้ไขไฟล์ MP3 แล้วบันทึกใหม่คือการเข้ารหัสซ้ำ ดังนั้นควรทำงานจากไฟล์ต้นฉบับที่ดีที่สุดที่มี และแปลงออกเป็น MP3 เป็นขั้นตอนสุดท้าย