ഓഡിയോ ഫോര്മാറ്റുകള് ഏതെന്ന് ചോദിക്കുമ്പോള് എ.പി.ത്രീ. അടക്കമുള്ള വലിയൊരു പട്ടിക പറയാനുണ്ടാവും പലര്ക്കും. എന്നാല് മറ്റു പല കംപ്യൂട്ടര് ഫയലുകളില്നിന്നും വ്യത്യസ്തമാണ് മള്ട്ടിമീഡിയ ഫയലുകള്. ഇവയുടെ കാര്യത്തില് കണ്ടെയ്നര് ഫോര്മാറ്റ്, കോഡിങ് ഫോര്മാറ്റ് എന്നിങ്ങനെ രണ്ടു തലമുണ്ട്.
ഓഡിയോ ഡേറ്റ ഡിജിറ്റലായി പ്രതിനിധാനം ചെയ്യാനും (represent) കംപ്രസ് ചെയ്യാനുമെല്ലാം ഉപയോഗിക്കുന്ന ഫോര്മാറ്റുകളാണ് ഓഡിയോ കോഡിങ് ഫോര്മാറ്റുകള്/സ്റ്റാന്ഡേഡുകള്. MP3, AAC, Vorbis, FLAC എന്നിവയെല്ലാം കോഡിങ് ഫോര്മാറ്റുകളാണ്. ഫയല്സൈസും ശബ്ദത്തിന്റെ ഗുണമേന്മയുമെല്ലാം തീരുമാനിക്കുന്നത് കോഡിങ് ഫോര്മാറ്റുകളാണെന്നുപറയാം. കോഡിങ്, ഡീകോഡിങ് പ്രക്രിയ നടത്തുന്ന പ്രോഗ്രാമുകളാണ് കോഡക്കുകള് (codecs).
കോഡിങ് ഫോര്മാറ്റ് ഉപയോഗിച്ച് എന്കോഡ് ചെയ്ത ഓഡിയോ ഡേറ്റ പിന്നീട് ഒരു ഓഡിയോ കണ്ടെയ്നര് ഫോര്മാറ്റിലോ വീഡിയോ കണ്ടെയ്നര് ഫോര്മാറ്റിലോ പൊതിയുന്നു. ഇത്തരം ഫയലുകളാണ് .m4a (കോഡിങ്: AAC), .mp4 (ഓഡിയോ കോഡിങ്: AAC, ALAC), .ogg (ഓഡിയോ കോഡിങ്: Vorbis, Theora, Opus, FLAC, വീഡിയോ കോഡിങ്: Theora) തുടങ്ങിയവ. ഇതുകൊണ്ടാണ് ഫയല് എക്സ്റ്റന്ഷന് നോക്കിമാത്രം ഗുണനിലവാരം പറയാനാവില്ലെന്നു പറയുന്നത്. കണ്ടെയ്നറിന്റേതായിരിക്കും എക്സ്റ്റന്ഷന്. ഉള്ളില് മറ്റൊരു ഫോര്മാറ്റുണ്ട്.
എന്നാല് ഇതില്നിന്നു വിഭിന്നമാണ് എം.പി.ത്രീ. അതിന് പ്രത്യേകിച്ച് കണ്ടെയ്നര് ഫോര്മാറ്റില്ല.
ഓഡിയോ ഫയലുകളുമായി ബന്ധപ്പെട്ട ഒരു പ്രധാനസങ്കേതമാണ് കംപ്രഷന്. ഫയല്സൈസ് കുറയ്ക്കാന് ചെയ്യുന്ന ഈ പ്രക്രിയ രണ്ടുതരത്തിലുണ്ട്: ലോസി (Lossy - ഗുണനിലവാരം കുറയുന്നു), ലോസ്ലെസ് (Lossless - ഗുണം കുറയാതെ സൈസ് കുറയ്ക്കുന്നു). ഒരു തരത്തിലുമുള്ള കംപ്രഷന് ഇല്ലാത്ത ഡേറ്റ അറിയപ്പെടുന്നത് റോ (Raw) അഥവാ അണ്കംപ്രസ്ഡ് എന്നാണ്.
ഇനി ചില പ്രധാനപ്പെട്ട ഫോര്മാറ്റുകള് പരിശോധിക്കാം.
- വേവ് (WAVE/WAV) -- മൈക്രോസോഫ്റ്റും ഐ.ബി.എമ്മും ചേര്ന്ന് വികസിപ്പിച്ചെടുത്ത ഫോര്മാറ്റാണിത്. 1991-ല് പുറത്തിറങ്ങി. ഫയല് സൈസ് കുറയ്ക്കാന് ലോസി (lossy) കംപ്രഷന് ചെയ്യുന്നില്ല എന്നതിനാല് പരമാവധി ഗുണമേന്മ നല്കാന് ഇതിനാകും (അപൂര്വമായി വേവിനൊപ്പം കംപ്രഷന് ഉപയോഗിക്കാറുണ്ട്). കംപ്രഷന്റെ സങ്കീര്ണപ്രക്രിയകള് ഒഴിവാക്കി നേരിട്ടെഴുതാമെന്നതിനാല് തത്സമയം റെക്കോഡിങ്ങും നടക്കും. അതുകൊണ്ടുതന്നെ ശബ്ദലേഖന-പ്രക്ഷേപണ മേഖലകളില് വേവ് ഫോര്മാറ്റിന് പ്രിയമേറെയാണ്. എന്നാല് ഫയല്സൈസ് കൂടുതലായതിനാല് ഇന്റര്നെറ്റ്, പേഴ്സണല് കംപ്യൂട്ടിങ് രംഗങ്ങളില് ഈ ഫോര്മാറ്റിന് പ്രാധാന്യമില്ല.
- എം.പി.ത്രീ. (MP3) -- ഫയല്സൈസ് പരമാവധി കുറഞ്ഞുകിട്ടുന്ന ഓഡിയോ ഫോര്മാറ്റാണിത്. ഇന്റര്നെറ്റിലും മറ്റും പ്രചാരമേറെ. കംപ്രസ് ചെയ്യുമ്പോള് ഗുണമേന്മ കുറയുന്നുണ്ട്. സംപ്രേഷണത്തിനും മറ്റും ഇത് പ്രശ്നമാണെങ്കിലും നമ്മുടെ ചെവിയ്ക്ക് ഇതത്രവലിയ വിഷയമല്ല. ഓഡിറ്ററി മാസ്കിങ് എന്ന തത്വമുപയോഗിച്ചാണ് എം.പി.ത്രീ. കംപ്രഷന് സാദ്ധ്യമാക്കുന്നത്. നമ്മുടെ ശ്രദ്ധയില്പ്പെടാത്ത വിശദാംശങ്ങള് ഒഴിവാക്കി സൈസ് കുറയ്ക്കലാണ് ഇവിടെ ചെയ്യുന്നത്.
- എ.എ.സി. (AAC) -- അഡ്വാന്സ്ഡ് ഓഡിയോ കോഡിങ്. എ.പി.ത്രീ.യ്ക്ക് സമാനമായ ഫയല്സൈസില് കൂടുതല് നിലവാരമുള്ള ശബ്ദം സൂക്ഷിക്കാന് ഇതിനാകും. യൂട്യൂബിലും ഒട്ടേറെ വിനോദോപകരണങ്ങളിലും ഇതിനാണ് ഇപ്പോള് പ്രാമുഖ്യം.
- ഓഗ്ഗ് (Ogg) -- പേറ്റന്റ് നൂലാമാലകളില്ലാത്ത ഒരു കണ്ടെയ്നര് ഫോര്മാറ്റാണിത്. ലോസി ഓഡിയോ കംപ്രഷന് Vorbis, ലോസ്സെല് ഓഡിയോ കംപ്രഷന് FLAC (Free Lossless Audio Codec), ലോസി വീഡിയോ കംപ്രഷന് Theora എന്നിങ്ങനെ വ്യത്യസ്ത കോഡക്കുകളെ ഇത് പിന്തുണയ്ക്കുന്നു.