รูปแบบการเข้ารหัสเสียง [ ^{1 ]}หรือรูปแบบการบีบอัดเสียงคือรูปแบบการเข้ารหัส^{เสียง}ดิจิทัลเช่น ในโทรทัศน์ดิจิทัลวิทยุดิจิทัลและในไฟล์เสียงและวิดีโอ ตัวอย่างของรูปแบบการเข้ารหัสเสียง ได้แก่MP3 , AAC , Vorbis , FLACและOpusการใช้งานซอฟต์แวร์หรือฮาร์ดแวร์เฉพาะที่สามารถบีบอัดและคลายการบีบอัดเสียงไป/กลับจากรูปแบบการเข้ารหัสเสียงเฉพาะเรียกว่าตัวแปลง สัญญาณเสียง ตัวอย่างของตัวแปลงสัญญาณเสียงคือLAMEซึ่งเป็นหนึ่งในตัวแปลงสัญญาณหลายตัวที่ใช้ในการเข้ารหัสและถอดรหัสเสียงใน รูปแบบการเข้ารหัสเสียง MP3ในซอฟต์แวร์

รูปแบบการเข้ารหัสเสียงบางรูปแบบมีการบันทึกไว้ใน เอกสาร ข้อกำหนดทางเทคนิค โดยละเอียด ซึ่งเรียกว่าข้อกำหนดการเข้ารหัสเสียงข้อกำหนดดังกล่าวบางส่วนได้รับการเขียนและอนุมัติโดยองค์กรมาตรฐานในฐานะมาตรฐานทางเทคนิคและจึงเรียกว่ามาตรฐานการเข้ารหัสเสียงคำว่า "มาตรฐาน" บางครั้งก็ใช้สำหรับมาตรฐานโดยพฤตินัยเช่นเดียวกับมาตรฐานที่เป็นทางการด้วย

เนื้อหาเสียงที่เข้ารหัสในรูปแบบการเข้ารหัสเสียงเฉพาะมักจะถูกห่อหุ้มไว้ภายในรูปแบบคอนเทนเนอร์ดังนั้นโดยปกติแล้วผู้ใช้จะไม่มี ไฟล์ AAC ดิบ แต่จะมีไฟล์เสียง . m4a แทน ซึ่งเป็น คอนเทนเนอร์ MPEG-4 Part 14ที่มีเสียงที่เข้ารหัส AAC คอนเทนเนอร์ยังประกอบด้วยเมตาเดตาเช่น ชื่อเรื่องและแท็กอื่นๆ และอาจมีดัชนีสำหรับการค้นหาอย่างรวดเร็ว^{[ 2 ]}ข้อยกเว้นที่สำคัญคือ ไฟล์ MP3ซึ่งเป็นการเข้ารหัสเสียงดิบโดยไม่มีรูปแบบคอนเทนเนอร์ มาตรฐานโดยพฤตินัยสำหรับการเพิ่มแท็กเมตาเดตา เช่น ชื่อเรื่องและศิลปินลงใน MP3 เช่นID3เป็นวิธีแก้ปัญหาชั่วคราวที่ทำงานโดยการเพิ่มแท็กเข้าไปใน MP3 จากนั้นอาศัยเครื่องเล่น MP3 ในการจดจำส่วนนั้นว่าเป็นการเข้ารหัสเสียงที่ผิดรูปแบบและข้ามไป ในไฟล์วิดีโอที่มีเสียง เนื้อหาเสียงที่เข้ารหัสจะถูกรวมเข้ากับวิดีโอ (ในรูปแบบการเข้ารหัสวิดีโอ ) ภายในรูปแบบคอนเทนเนอร์มัลติมีเดีย

รูปแบบการเข้ารหัสเสียงไม่ได้กำหนดอัลกอริธึม ทั้งหมด ที่ใช้โดยตัวแปลงสัญญาณที่ใช้รูปแบบนั้น ส่วนสำคัญของการบีบอัดเสียงแบบสูญเสียข้อมูลคือการกำจัดข้อมูลในลักษณะที่มนุษย์ไม่สามารถได้ยิน ตามแบบจำลองทางจิตวิทยาการได้ยิน ผู้พัฒนาตัวเข้ารหัสมีอิสระในการเลือกข้อมูลที่จะลบออก (ตามแบบจำลองทางจิตวิทยาการได้ยินของตน)

รูป แบบการเข้ารหัสเสียง แบบไม่สูญเสียข้อมูล (Lossless audio coding format) ช่วยลดปริมาณข้อมูลทั้งหมดที่จำเป็นในการแสดงเสียง แต่สามารถถอดรหัสกลับไปเป็นรูปแบบดั้งเดิมที่ไม่ถูกบีบอัดได้ ส่วนรูป แบบการเข้ารหัสเสียงแบบสูญเสียข้อมูล (Lossy audio coding format) จะลดความละเอียดของบิตเสียงลงไปอีก นอกเหนือจากการบีบอัด ซึ่งส่งผลให้ได้ข้อมูลน้อยลงมาก แต่ต้องแลกมาด้วยการสูญเสียข้อมูลอย่างถาวร

โดยส่วนใหญ่แล้ว เสียงที่ส่งผ่าน (สตรีมมิ่ง) จะถูกบีบอัดโดยใช้ตัวแปลงสัญญาณเสียงแบบสูญเสียข้อมูล (lossy audio codecs) เนื่องจากขนาดไฟล์ที่เล็กลงนั้นสะดวกต่อการเผยแพร่มากกว่า รูปแบบการเข้ารหัสเสียงที่ใช้กันอย่างแพร่หลายที่สุดคือMP3และAdvanced Audio Coding (AAC) ซึ่งทั้งสองเป็นรูปแบบแบบสูญเสียข้อมูลที่ใช้การแปลงโคไซน์แบบไม่ต่อเนื่องที่ดัดแปลง (MDCT) และ อัลกอริธึม การเข้ารหัสแบบรับรู้ (perceptual coding )

รูปแบบการเข้ารหัสเสียงแบบไม่สูญเสียคุณภาพ เช่นFLACและApple Losslessอาจมีให้ใช้งานในบางครั้ง แต่จะทำให้ไฟล์มีขนาดใหญ่ขึ้น

รูปแบบ เสียงที่ไม่บีบอัดเช่นการเข้ารหัสแบบพัลส์ (PCM หรือ .wav) ก็ถูกนำมาใช้บ้างเช่นกัน โดย PCM เป็นรูปแบบมาตรฐานสำหรับแผ่นเสียงดิจิทัลแบบคอมแพค (CDDA)

ในปี พ.ศ. 2493 Bell Labsได้ยื่นจดสิทธิบัตรเกี่ยวกับการปรับรหัสพัลส์แบบดิฟเฟอเรนเชียล (DPCM) ^{[ 3 ]} Adaptive DPCM (ADPCM) ได้รับการแนะนำโดย P. Cummiskey, Nikil S. JayantและJames L. Flanaganที่Bell Labsในปี พ.ศ. 2516 ^{[ 4 ] [ 5 ]}

การเข้ารหัสการรับรู้ถูกนำมาใช้ครั้งแรกสำหรับ การบีบอัด การเข้ารหัสเสียงพูดโดยใช้การเข้ารหัสทำนายเชิงเส้น (LPC) ^{[ 6 ]}แนวคิดเริ่มต้นของ LPC ย้อนกลับไปถึงงานของFumitada Itakura ( มหาวิทยาลัยนาโกย่า ) และ Shuzo Saito ( บริษัทโทรศัพท์และโทรเลขญี่ปุ่น ) ในปี 1966 ^{[ 7 ]}ในช่วงทศวรรษ 1970 Bishnu S. AtalและManfred R. Schroederที่Bell Labsได้พัฒนา LPC รูปแบบหนึ่งที่เรียกว่าการเข้ารหัสทำนายแบบปรับตัว (APC) ซึ่งเป็นอัลกอริทึมการเข้ารหัสการรับรู้ที่ใช้ประโยชน์จากคุณสมบัติการบดบังของหูมนุษย์ ตามมาด้วย อัลกอริทึม การทำนายเชิงเส้นแบบกระตุ้นรหัส (CELP) ในช่วงต้นทศวรรษ 1980 ซึ่งบรรลุอัตราส่วนการบีบอัดที่สำคัญสำหรับยุคนั้น^{[ 6 ]} การเข้ารหัสการ รับ รู้ถูกใช้โดยรูปแบบการบีบอัดเสียงสมัยใหม่ เช่นMP3 ^{[ 6 ]}และAAC

การแปลงโคไซน์แบบไม่ต่อเนื่อง (DCT) ซึ่งพัฒนาโดยNasir Ahmed , T. Natarajan และKR Raoในปี 1974 ^{[ 8 ]}เป็นพื้นฐานสำหรับการแปลงโคไซน์แบบไม่ต่อเนื่องที่ดัดแปลง (MDCT) ที่ใช้โดยรูปแบบการบีบอัดเสียงสมัยใหม่ เช่น MP3 ^{[ 9 ]}และ AAC MDCT ได้รับการเสนอโดย JP Princen, AW Johnson และ AB Bradley ในปี 1987 ^{[ 10 ]}ตามผลงานก่อนหน้านี้ของ Princen และ Bradley ในปี 1986 ^{[ 11 ] MDCT ถูกใช้โดยรูปแบบการ บีบ}อัดเสียงสมัยใหม่ เช่นDolby Digital [ ^{12 ] [ 13 ]} MP3 [ ^{9 ]}และAdvanced Audio Coding ⁽ AAC) ^{[ 14 ]}

• การเข้ารหัสทำนายเชิงเส้น (LPC)
  • การเข้ารหัสทำนายแบบปรับตัว (APC)
  • การทำนายเชิงเส้นแบบกระตุ้นด้วยรหัส (CELP)
  • การทำนายเชิงเส้นที่กระตุ้นด้วยรหัสพีชคณิต (ACELP)
  • การทำนายเชิงเส้นแบบผ่อนคลายที่กระตุ้นด้วยรหัส (RCELP)
  • CELP ที่มีความล่าช้าต่ำ (LD-CELP)
  • อัตราความเร็วหลายระดับแบบปรับได้ (ใช้ในระบบ GSMและ3GPP )
  • โคเดค 2 (โดดเด่นในเรื่องไม่มีข้อจำกัดด้านสิทธิบัตร)
  • Speex (ซึ่งขึ้นชื่อเรื่องไม่มีข้อจำกัดด้านสิทธิบัตร)
• การแปลงโคไซน์แบบไม่ต่อเนื่องที่ปรับปรุงแล้ว (MDCT)
  • เอเอซี-แอลดี
  • การแปลงพลังงานแบบซ้อนทับที่มีข้อจำกัด (CELT)
  • Opus (ส่วนใหญ่ใช้สำหรับแอปพลิเคชันแบบเรียลไทม์)

• Apple Lossless (ALAC – Apple Lossless Audio Codec)
• การเข้ารหัสเสียงแบบปรับเปลี่ยนได้ (ATRAC)
• การเข้ารหัสเสียงแบบไม่สูญเสียคุณภาพ (หรือที่รู้จักกันในชื่อ MPEG-4 ALS)
• การถ่ายโอนสตรีมโดยตรง (DST)
• ดอลบี้ ทรูเอช
• ดีทีเอสเอช มาสเตอร์ ออดิโอ
• ตัวแปลงสัญญาณเสียงแบบไม่สูญเสียคุณภาพ (FLAC) ฟรี
• การแปลงโคไซน์แบบไม่สูญเสียข้อมูล (LDCT)
• เมริเดียน แอลแอลพี (MLP)
• Monkey's Audio (Monkey's Audio APE)
• MPEG-4 SLS (หรือที่รู้จักกันในชื่อ HD-AAC)
• OptimFROG
• คุณภาพเสียงต้นฉบับ (OSQ)
• RealPlayer (RealAudio Lossless)
• ย่อ (SHN)
• TTA (True Audio Lossless)
• WavPack (WavPack lossless)
• WMA Lossless (Windows Media Lossless)

• การเปรียบเทียบรูปแบบการเข้ารหัสเสียง
• การบีบอัดข้อมูล #เสียง
• รูปแบบไฟล์เสียง
• รายชื่อรูปแบบการบีบอัดเสียง