อะแดปเตอร์ PCMคืออุปกรณ์ที่เข้ารหัสเสียงดิจิทัลเป็นสัญญาณวิดีโอเพื่อบันทึกในเครื่องบันทึกวิดีโอเทปอะแดปเตอร์นี้ยังสามารถถอดรหัสสัญญาณวิดีโอกลับเป็นเสียงดิจิทัลเพื่อเล่นได้อีกด้วย ระบบเสียงดิจิทัลนี้ถูกใช้ในการสร้างแผ่นซีดีรุ่นแรกๆ

สัญญาณเสียงแบบ PCM ( Pulse-Code Modulation ) คุณภาพสูงนั้นต้องการแบนด์วิดท์ ที่กว้างกว่า สัญญาณเสียงอนาล็อกทั่วไปอย่างมาก ตัวอย่างเช่น สัญญาณ PCM 16 บิต ต้องการแบนด์วิดท์อนาล็อกประมาณ 1-1.5  เมกะเฮิร์ตซ์ในขณะที่สัญญาณเสียงอนาล็อกทั่วไปต้องการแบนด์วิดท์อนาล็อกประมาณ 15-20  กิโลเฮิร์ตซ์ เครื่องบันทึกเสียงอนาล็อกมาตรฐานไม่สามารถตอบสนองความต้องการนี้ได้ หนึ่งในวิธีแก้ปัญหาที่คิดค้นขึ้นในช่วงต้นทศวรรษ 1980 คือการใช้เครื่องบันทึกวิดีโอเทป ซึ่งสามารถบันทึกสัญญาณที่มีแบนด์วิดท์สูงกว่าได้

จำเป็นต้องมีวิธีการแปลงเสียงดิจิทัลให้เป็นรูปแบบวิดีโอ ระบบบันทึกเสียงดังกล่าวประกอบด้วยอุปกรณ์สองอย่าง ได้แก่ ตัวแปลง PCM ซึ่งแปลงเสียงเป็นสัญญาณเสมือนวิดีโอ และเครื่องบันทึกวิดีโอเทป ตัวแปลง PCM ทำการแปลงสัญญาณอนาล็อกเป็นดิจิทัลโดยสร้างชุดตัวเลขไบนารี ซึ่งจะถูกเข้ารหัสและปรับเปลี่ยนเป็น สัญญาณวิดีโอ ขาวดำปรากฏเป็นลวดลายตารางหมากรุกที่สั่นไหว จากนั้นสามารถบันทึกเป็นสัญญาณวิดีโอได้

อะแดปเตอร์ PCM แบบวิดีโอส่วนใหญ่บันทึกเสียงที่ 14 หรือ 16 บิตต่อตัวอย่าง โดยมีความถี่สุ่มตัวอย่าง 44.1 kHz สำหรับPALหรือNTSC ขาวดำ หรือ 44.056 kHz สำหรับ NTSC สี บางรุ่นก่อนหน้านี้ เช่น Sony PCM-100 บันทึกที่ 16 บิตต่อตัวอย่าง แต่ใช้เพียง 14 บิตสำหรับเสียง โดยอีก 2 บิตที่เหลือใช้สำหรับการแก้ไขข้อผิดพลาดในกรณีที่ภาพขาดหายหรือมีความผิดปกติอื่นๆ เกิดขึ้นในวิดีโอเทป

การใช้ภาพวิดีโอสำหรับอะแดปเตอร์ PCM ช่วยอธิบายถึงการเลือกความถี่สุ่มตัวอย่างสำหรับซีดี เนื่องจากจำนวนเส้นวิดีโอ อัตราเฟรม และบิตต่อเส้น จะเป็นตัวกำหนดความถี่สุ่มตัวอย่างที่สามารถทำได้ ดังนั้นจึงเลือกใช้ความถี่สุ่มตัวอย่าง44.1 kHzสำหรับแผ่นซีดีเนื่องจากในขณะนั้น ไม่มีวิธีอื่นใดที่ใช้งานได้จริงในการจัดเก็บข้อมูลเสียงดิจิทัล นอกจากการใช้อะแดปเตอร์ PCM และเครื่องบันทึกวิดีโอเทป

วิธีที่ง่ายที่สุดคือการใช้จำนวนเส้นเท่ากันในแต่ละฟิลด์ และที่สำคัญคือได้ตัดสินใจเลือกใช้ค่าอัตราการสุ่มตัวอย่างที่สามารถใช้ได้ทั้งบนอุปกรณ์ PAL และ NTSC ขาวดำ เนื่องจาก NTSC ขาวดำมีอัตราฟิลด์ 60 Hz และ PAL มีอัตราฟิลด์ 50 Hz ดังนั้นตัวคูณร่วมน้อยที่สุด ของทั้งสอง ระบบคือ 300 Hz และด้วยจำนวนตัวอย่าง 3 ตัวอย่างต่อเส้น จะได้อัตราการสุ่มตัวอย่างที่เป็นตัวคูณของ 900 Hz สำหรับระบบภาพขาวดำ NTSC อัตราการสุ่มตัวอย่างคือ 5m × 60 × 3 โดยที่ 5m คือจำนวนเส้นที่ใช้งานต่อฟิลด์ ซึ่งต้องเป็นพหุคูณของ 5 (ส่วนที่เหลือใช้สำหรับการซิงโครไนซ์) และสำหรับระบบภาพ PAL อัตราการสุ่มตัวอย่างคือ 6n × 50 × 3 โดยที่6nคือจำนวนเส้นที่ใช้งานต่อฟิลด์ ซึ่งต้องเป็นพหุคูณของ 6 อัตราการสุ่มตัวอย่างที่ตรงตามข้อกำหนดเหล่านี้ – อย่างน้อย 40 kHz (เพื่อเข้ารหัสเสียงได้ถึง 20 kHz) ไม่เกิน 46.875 kHz (ต้องการไม่เกิน 3 ตัวอย่างต่อเส้นใน PAL) และเป็นพหุคูณของ 900 Hz (เพื่อให้สามารถเข้ารหัสได้ทั้งใน NTSC และ PAL) จึงได้แก่ 40.5, 41.4, 42.3, 43.2, 44.1, 45, 45.9 และ 46.8 kHz ตามลำดับ ความถี่ต่ำถูกตัดออกเนื่องจากตัวกรองความถี่ต่ำต้องการแถบการเปลี่ยนผ่าน ในขณะที่ความถี่สูงถูกตัดออกเนื่องจากจำเป็นต้องมีเส้นบางเส้นสำหรับช่วงว่างแนวตั้ง โดยความถี่ที่ใช้งานได้สูงสุดคือ 44.1 kHz และในที่สุดก็ถูกเลือกใช้

ความถี่ในการสุ่มตัวอย่างที่ 44.1 และ 44.056 kHz จึงเป็นผลมาจากความจำเป็นในการใช้งานร่วมกับรูปแบบวิดีโอขาวดำ 25 เฟรม (ประเทศที่ใช้ระบบ PAL) และ 30 เฟรม (ประเทศที่ใช้ระบบ NTSC) ซึ่งใช้สำหรับการจัดเก็บสัญญาณเสียงในขณะนั้น

ตัวอย่างเสียงจะถูกบันทึกเสมือนว่าอยู่บนเส้นของการสแกนแบบแรสเตอร์ของวิดีโอ ดังนี้: มาตรฐานวิดีโอแบบอนาล็อกแสดงวิดีโอที่อัตราฟิลด์ 60 เฮิรตซ์ ( NTSC , อเมริกาเหนือ – หรือ 60/1.001 เฮิรตซ์ ≈ 59.94 เฮิรตซ์ สำหรับ NTSC สี) หรือ 50 เฮิรตซ์ ( PAL , ยุโรป) ซึ่งสอดคล้องกับอัตราเฟรม 30 เฟรมต่อวินาที (เฟรม/วินาที) หรือ 25 เฟรม/วินาที – แต่ละฟิลด์คือครึ่งหนึ่งของเส้นในภาพแบบอินเตอร์เลซ (สลับเส้นคี่และเส้นคู่) แต่ละฟิลด์เหล่านี้ประกอบด้วยเส้นอีกที – เฟรมมี 625 เส้นสำหรับ PAL และ 525 เส้นสำหรับ NTSC แม้ว่าบางเส้นจะใช้สำหรับการซิงโครไนซ์สัญญาณ และฟิลด์ประกอบด้วยครึ่งหนึ่งของเส้นที่มองเห็นได้ในการสแกนแนวตั้งหนึ่งครั้ง จากนั้นตัวอย่างเสียงดิจิทัลจะถูกเข้ารหัสตามแต่ละบรรทัด ทำให้สามารถนำวงจรการซิงโครไนซ์ที่มีอยู่มาใช้ซ้ำได้ – ในรูปแบบวิดีโอ ภาพที่ได้จะมีลักษณะเป็นเส้นจุดขาวดำ (หรือสีเทา) แบบไบนารีตามแต่ละเส้นสแกนความถี่ของเส้น (เส้นต่อวินาที) คือ 15,625 Hz สำหรับ PAL (625 × 50/2), 15,750 Hz สำหรับ NTSC 60 Hz (ขาวดำ) (525 × 60/2) และ 15,750/1.001 Hz (ประมาณ 15,734.26 Hz) สำหรับ NTSC 59.94 Hz (สี) ดังนั้นการบันทึกเสียงที่ความถี่มากกว่า 40 kHz ที่ต้องการ จำเป็นต้องเข้ารหัสตัวอย่างหลายตัวต่อบรรทัด โดย 3 ตัวอย่างต่อบรรทัดก็เพียงพอแล้ว ทำให้ได้จำนวนตัวอย่างสูงสุด 15,625 × 3 = 46,875 สำหรับ PAL และ 15,750 × 3 = 47,250 สำหรับ NTSC เป็นที่พึงปรารถนาที่จะลดจำนวนตัวอย่างต่อบรรทัดให้น้อยที่สุด เพื่อให้แต่ละตัวอย่างมีพื้นที่มากขึ้น ทำให้ง่ายต่อการมีความลึกของบิต ที่สูงขึ้น (เช่น 16 บิต แทนที่จะเป็น 14 หรือ 12 บิต) และทนต่อข้อผิดพลาดได้ดีขึ้น และในทางปฏิบัติ สัญญาณเป็นแบบสเตอริโอซึ่งต้องใช้ 3 × 2 = 6 ตัวอย่างต่อบรรทัด อย่างไรก็ตาม บางบรรทัดเหล่านี้ใช้สำหรับการซิงโครไนซ์ (แนวตั้ง) โดยเฉพาะอย่างยิ่ง บรรทัดในช่วงเวลาว่างแนวตั้ง (VBI) ไม่สามารถใช้งานได้ ดังนั้นจึงสามารถใช้บรรทัดได้สูงสุด 490 บรรทัดต่อเฟรม (245 บรรทัดต่อฟิลด์) ในระบบ NTSC และประมาณ 588 บรรทัดต่อเฟรม (294 บรรทัดต่อฟิลด์) ในระบบ PAL (โปรดทราบว่า ในวิดีโอ ระบบ PAL มีบรรทัดที่มองเห็นได้ (สูงสุด) 575 บรรทัด^{[ 1 ]}ในขณะที่ระบบ NTSC มีสูงสุด 485 บรรทัด)

Sony PCM-1600 เป็นเครื่องบันทึกวิดีโอ 16 บิตเชิงพาณิชย์เครื่องแรก รุ่น 1600 (และรุ่นต่อมาคือ 1610 และ 1630) ใช้ เครื่องเล่นวิดีโอ VCR รูปแบบ U-matic พิเศษ ที่ Sony จัดหาให้สำหรับการขนส่งเช่น BVU-200B (รุ่นแรกของ VCR ที่ได้รับการปรับให้เหมาะสมสำหรับการทำงานและจำหน่ายพร้อมกับ PCM-1600 ในปี 1979) ^{[ 2 ]} BVU-800DA, VO-5630DA และ DMR-2000 และ DMR-4000 ในภายหลัง ซึ่งมีพื้นฐานมาจากเครื่องวิดีโออุตสาหกรรม VO-5850 และเครื่องวิดีโอออกอากาศ BVU-800 ตามลำดับ โดยพื้นฐานแล้ว เครื่องบันทึกวิดีโอ Sony U-Matic เหล่านี้เป็นรุ่นดัดแปลงจากรุ่นเดิม โดยปรับให้ใช้งานร่วมกับตัวแปลงซีรีส์ 1600 ได้ด้วยการปิดใช้งานวงจรชดเชยสีและสัญญาณขาดหายของเครื่องบันทึกวิดีโอ ซึ่งหากเปิดใช้งานไว้ จะขัดขวางการบันทึกข้อมูลเสียงดิจิทัลแบบขาวดำจากตัวแปลงซีรีส์ 1600 อย่างถูกต้อง นอกจากนี้ BVU-200B ที่มาพร้อมกับ PCM-1600 ยังได้รับการดัดแปลงให้จุดสลับหัววิดีโอไปอยู่ที่ช่วงว่างแนวตั้งของสัญญาณวิดีโอที่มีเสียงดิจิทัลที่กำลังบันทึก เพื่อป้องกันข้อผิดพลาดหรือการรบกวนข้อมูลเสียงดิจิทัล การตัดต่อทำได้โดยใช้ตัวแปลงซีรีส์ 1600 และเครื่องบันทึกวิดีโอเหล่านี้สองเครื่องขึ้นไป ร่วมกับตัวควบคุมการตัดต่อ DAE-1100 หรือ DAE-3000 ระบบซีรีส์ 1600 เป็นระบบแรกๆ ที่ค่ายเพลงรายใหญ่หลายแห่งใช้ในการทำมาสเตอร์แผ่นเสียงซีดีในช่วงต้นทศวรรษ 1980 โดยเทปเสียงดิจิทัลในรูปแบบ U-matic 1600 จะถูกส่งไปยังโรงงานผลิตซีดีเพื่อบันทึกลงบน แผ่น แม่แบบแก้วที่ใช้ในการผลิตซีดี

นอกจากนี้ Sony ยังได้ออกอะแดปเตอร์ PCM รุ่นกึ่งมืออาชีพ/สำหรับผู้บริโภคอีกหลายรุ่น:

• Sony PCM-1 (เปิดตัวในปี 1977) ^{[ 3 ]}
• โซนี่ พีซีเอ็ม-10 (1979)
• Sony PCM-F1 (ปี 1982 ซึ่งเป็นรุ่นแรกที่วางจำหน่ายในตลาดผู้บริโภค โดยขายพร้อมกับ เครื่องเล่นวิดีโอแบบ Betamaxรุ่น Sony SL-2000, SL-F1 หรือ SL-F1E สำหรับการบันทึกและการเล่น) ^{[ 4 ]}
• โซนี่ พีซีเอ็ม-701อีเอส (1983)
• โซนี่ พีซีเอ็ม-501อีเอส (1985)
• Sony PCM-553ESD/PCM-601ESD (ปี 1985, มีอินพุตและเอาต์พุตเสียงดิจิทัลS/PDIF )

Technicsยังผลิตอะแดปเตอร์ PCM แบบพกพาที่ใช้พลังงานจากแบตเตอรี่ รุ่น SV-100, อะแดปเตอร์ส่วนประกอบไฮไฟ รุ่น SV-110 และรุ่นที่มีตัว เล่น วิดีโอเทปVHS ในตัว รุ่น SV-P100 อะแดปเตอร์ PCM ของ Technics (Panasonic) ทั้งหมดจำกัดความละเอียดไว้ที่ 14 บิต ยี่ห้อและรุ่นอื่นๆ ของอะแดปเตอร์ PCM ที่วางจำหน่ายในตลาด ได้แก่Nakamichi DMP-100, JVC VP-100, Sharp RX-3, Sansui PC-X1 และHitachi PCM-V300 ^{[ 5 ]}

บริษัท dbx, Inc.ยังผลิตอะแดปเตอร์วิดีโอเทียมรุ่น Model 700อีกด้วย ซึ่งแตกต่างจากรุ่นที่กล่าวมาข้างต้นตรงที่ไม่ได้ใช้ PCM แต่ใช้การมอดูเลชั่นแบบเดลต้า-ซิกมา แทน ส่งผลให้ได้การบันทึกดิจิทัลที่ มีคุณภาพสูงกว่า และมีช่วงไดนามิก ที่กว้างกว่า การมอดูเลชั่น PCM มาตรฐาน เช่นเดียวกับอะแดปเตอร์ PCM มาตรฐาน รุ่น Model 700 ก็ใช้เครื่องเล่นวิดีโอ (VCR) เป็นตัวส่งข้อมูลด้วย

ในปี 1987 ไม่กี่ปีหลังจากที่โซนี่ได้เปิดตัวอะแดปเตอร์ PCM โซนี่ก็ได้แนะนำรูปแบบใหม่สำหรับการบันทึกเสียงดิจิทัลแบบใช้เทปคาสเซ็ตต์ เรียกว่าDigital Audio Tape (DAT) เนื่องจาก DAT ไม่จำเป็นต้องใช้เครื่องบันทึกวิดีโอคาสเซ็ตต์แยกต่างหาก จึงเป็นรูปแบบที่พกพาสะดวกและใช้งานง่ายกว่าระบบที่ใช้อะแดปเตอร์ PCM มาก เครื่องบันทึก DAT มีระบบขับเคลื่อนในตัวโดยใช้เทปคาสเซ็ตต์ขนาดเล็กเฉพาะรูปแบบนี้ DAT ใช้เทปที่มีความกว้าง 4 มิลลิเมตร (0.16 นิ้ว) บรรจุอยู่ในคาสเซ็ตต์ขนาด 73 มม. × 54 มม. × 10.5 มม. (2.87 นิ้ว x 2.12 นิ้ว x 0.41 นิ้ว) ข้อมูลเสียงจะถูกบันทึกไปยังเทปโดยใช้ การบันทึก แบบเฮลิคอลสแกนเช่นเดียวกับที่เครื่องบันทึกวิดีโอคาสเซ็ตต์ที่เชื่อมต่อกับอะแดปเตอร์ PCM จะบันทึกไปยังวิดีโอเทป โดยสรุปแล้ว DAT คือระบบที่ใช้อะแดปเตอร์ PCM ที่ได้รับการปรับปรุงให้ทันสมัย ​​​​รวมเข้าด้วยกัน และย่อส่วนลง

เช่นเดียวกับตัวแปลง PCM, DAT สามารถบันทึกเสียงได้เพียงสองแทร็กในแต่ละครั้ง แต่ขนาดที่เล็กกว่าของอุปกรณ์และสื่อ รวมถึงความสามารถในการรับอัตราการสุ่มตัวอย่างหลายอัตราและความยืดหยุ่นอื่นๆ^{[ a ]}ทำให้ DAT มีข้อได้เปรียบมากมายเหนือระบบที่ใช้ตัวแปลง PCM

เครื่องบันทึกเสียงดิจิทัลที่สามารถบันทึกหลายแทร็กได้^{[ b ]}เช่น รูปแบบ ProDigiของMitsubishiและ รูปแบบ DASHของSonyก็เริ่มวางจำหน่ายในตลาดเครื่องเสียงระดับมืออาชีพในช่วงเวลาเดียวกับการเปิดตัวอะแดปเตอร์ PCM ระบบบันทึกเสียงดิจิทัลแบบใช้เทปอื่นๆ ได้เอาชนะปัญหาที่ทำให้เครื่องบันทึกเสียงอนาล็อกทั่วไปไม่สามารถตอบสนองความต้องการแบนด์วิดท์ (ช่วงความถี่) ของการบันทึกดิจิทัลได้ ด้วยการผสมผสานระหว่างความเร็วเทปที่สูงขึ้น ช่องว่างหัวอ่านที่แคบลงซึ่งใช้ร่วมกับเทปสูตรโลหะ และการกระจายข้อมูลไปยังแทร็กคู่ขนานหลายแทร็ก

แม้ว่าแผ่น DVD หรือ Blu-ray จะล้าสมัยไปแล้ว แต่ผู้ที่ชื่นชอบงานอดิเรกยังคงสามารถใช้แผ่น DVD หรือ Blu-ray ในปัจจุบันเป็นสื่อกลางในการเข้ารหัสวิดีโอสำหรับสตรีมเสียงดิจิทัลได้