Содержание статьи +
Опубликовано: 2026-06-05 · Время чтения: 19 мин · Автор: Николай Сапунов, CEO Фора Софт
Коротко
Выбор аудиокодека – не поиск «самого качественного», а процесс отбора по четырём ключевым вопросам: где воспроизводится звук, реальное ли это время или запись, сколько каналов и какой у вас бюджет на лицензии. Ответив на них, из тринадцати кодеков останется один-два очевидных варианта: Opus – для реального времени и открытого веба, AAC-LC – как универсальная база для видео по запросу, xHE-AAC – для адаптивного мобильного стриминга, E-AC-3 или AC-4 – для объёмного звука и Atmos, LC3 – для последнего Bluetooth-участка, FLAC или ALAC – для мастер-записей без потерь. Порядок вопросов важен: возможность декодирования на целевом устройстве – жёсткий барьер, который перекрывает любые аргументы о качестве. В статье – дерево решений, четыре вопроса в правильном порядке и пять разобранных сценариев, чтобы вы могли обосновать свой выбор инженеру или подрядчику.
Почему это важно
Выбор кодека наобум превращается в тикет в поддержку: браузер воспроизводит тишину, iPhone отклоняет поток, на конференц-звонке расходуется лишний мобильный трафик, а фильм проигрывается без объёмного микса. Эта статья – пошаговая процедура принятия решения, которая превращает сложный ландшафт кодеков в один чёткий ответ для вашего продукта. Она адресована продакт-менеджеру, основателю или операционному руководителю, которому нужно принять решение, поставить задачу инженеру или проверить рекомендацию подрядчика. Знаний в области аудио не требуется – каждый термин объясняется до его появления. Если вы уже ознакомились с таблицей сравнения аудиокодеков 2026, эта статья – метод, превращающий эти справочные данные в конкретное решение; если нет – её можно читать независимо.
Одно правило, которое идёт перед деревом решений
Перед любой ветвью дерева держите в голове одно правило – оно важнее всего остального: декодируемость важнее качества. Кодек (от «кодер-декодер») – это согласованный способ сжать звук на одном конце канала и восстановить его на другом. Он полезен только тогда, когда устройство на другом конце может превратить его обратно в звук. Кодек, который звучит на пять процентов лучше, но работает лишь у восьмидесяти процентов вашей аудитории, для массового продукта хуже, чем кодек, который звучит просто достаточно хорошо и воспроизводится везде.
Это самая частая ошибка команд. Они проводят слепой тест на одном битрейте, выбирают победителя и выпускают его – а потом треть пользователей получает тишину, потому что у победившего кодека нет декодера на целевом устройстве. Дерево решений ниже построено так, что декодируемость – первый барьер, а не последний. Право оптимизировать качество вы получаете только после того, как убедились, что звук вообще воспроизведётся.
Четыре вопроса по порядку
Любой выбор кодека – это ответ на четыре вопроса, задаваемых в строгом порядке. Этот порядок не случаен: каждый вопрос отсекает варианты, которые иначе пришлось бы пересматривать на следующем этапе. Задайте их вразнобой – и вы будете ходить по кругу.
Вопрос 1 – Где звук должен воспроизводиться? Это барьер декодируемости. Перечислите все конечные точки: какие браузеры, какие телефоны, какие смарт-ТВ, какие приставки, какие встроенные плееры. Самое узкое и старое устройство в этом списке задаёт ваш нижний предел. Если в аудитории есть смарт-ТВ 2019 года, именно он определяет, каким может быть базовый кодек – независимо от того, насколько современен остальной парк устройств.
Вопрос 2 – Звук в реальном времени или в записи? Живой разговор и просмотр фильма позже – это разные инженерные задачи, требующие разных кодеков. Для звука в реальном времени задержка кодека – его latency, неизбежное запаздывание, возникающее из-за обработки аудио по фрагментам и измеряемое в миллисекундах, – должна быть минимальной, поскольку собеседники не переносят значительной задержки. Записанный звук не чувствителен к задержке кодека: файл полностью обрабатывается до нажатия «воспроизвести», поэтому оптимизация ведётся в первую очередь под эффективность сжатия.
Вопрос 3 – Сколько каналов? Канал – это один независимый поток звука: один для моно, два для стерео, шесть для 5.1 и десятки для иммерсивных объектных форматов, таких как Dolby Atmos. Стерео – наиболее распространённый случай, и его поддерживает практически любой кодек. Как только требуется объёмный звук или Atmos, выбор сужается до нескольких кодеков, способных передавать эти каналы, и большинство из них являются лицензируемыми.
Вопрос 4 – Какой бюджет на лицензии? Часть кодеков бесплатна (royalty-free) – за их использование не нужно платить. Часть требует патентных отчислений (patent pool), которые взимаются с устройства или потока через лицензирующую организацию. На нескольких тысячах устройств это практически не заметно; на десяти миллионах единиц – уже существенная статья расходов, способная повлиять на ответ на Вопрос 1. Читайте эту колонку в самом начале проекта, а не на этапе юридической проверки за неделю до запуска.
Обратите внимание на цепочку зависимостей. Вопрос 1 задаёт жёсткие рамки. Вопрос 2 разделяет реальное время и стриминг. Вопрос 3 сужает работу с многоканальным звуком. Вопрос 4 разрешает спорные случаи и выявляет неожиданные расходы. Вы проходите их сверху вниз – один раз.
Дерево решений
Дерево ниже – это те же четыре вопроса, представленные в виде ветвей. Начните сверху, следуйте по ветви, соответствующей вашему продукту, и прочитайте кодек в листе. Дерево намеренно неглубокое – не более четырёх уровней, – потому что реальное решение редко требует большего.
Дерево мгновенно реагирует на типичные случаи. Ниже по разделам каждая ветвь объясняется простым языком с обоснованием – чтобы вы могли гибко применять выбор, когда продукт оказывается между двумя листами. А такое происходит чаще, чем может показаться, если смотреть только на само дерево.
Разбор ветвей
Ветвь 1 – Разговор в реальном времени
Если ваш продукт – видеозвонок, живая конференция, телемедицинская консультация или сессия контакт-центра, ответ – Opus, и обоснование простое. Opus – это кодек, который поставляется в каждом браузере для WebRTC (технологии, с помощью которой браузеры передают звук и видео в реальном времени); он бесплатен по IETF RFC 6716; и автоматически переключается между режимом речи и режимом музыки, поэтому без дополнительных настроек одинаково хорошо работает как с говорящей головой, так и с фоновой музыкой.
Правильность Opus для разговорной связи обеспечивается математикой задержки. Кодек Opus кодирует звук кадрами длиной от 2,5 мс (поддерживаемые размеры кадра – 2,5, 5, 10, 20, 40 и 60 мс, согласно RFC 6716). Для комфортного живого разговора суммарная односторонняя задержка – от рта до уха – должна оставаться примерно ниже 150 мс, что соответствует предпочтительному диапазону по Рекомендации ITU-T G.114. Диапазон от 150 до 400 мс ещё допустим, но качество ухудшается, а при задержке выше 400 мс разговор воспринимается как нарушенный. Кодек – лишь один из компонентов общего бюджета задержки, но если бы он сам по себе добавлял, например, 130 мс (как некоторые эффективные стриминговые кодеки), он почти полностью исчерпал бы допустимый лимит ещё до попадания пакета в сеть. Opus же практически не расходует этот ресурс.
Когда звонок переходит в телефонную сеть, звук переключается на G.711 или EVS. Вы не выбираете эти кодеки – решение принимает сама сеть, – но вы можете увидеть их в логах, и теперь знаете, что это такое. Подробный разбор – в Opus: открытый кодек, который захватил WebRTC; четыре ключевых идеи сжатия звука под любым кодеком, включая Opus, – в как работает сжатие звука.
Ветвь 2 – Запись, стерео: видео по запросу
Если ваш продукт воспроизводит записанное видео – платформа курсов, OTT-приложение, медиабиблиотека – и звук моно или стерео, начните с AAC-LC как базового формата. AAC-LC появился в 1997 году, и именно его возраст – его главное преимущество: каждый браузер, каждый смартфон и каждый телевизор с поддержкой смарт-ТВ, выпущенный с эпохи iPod, декодируют его аппаратно. Этот формат используется по умолчанию на YouTube, Netflix, Apple и Disney+. Выбирая AAC-LC, вы можете быть уверены: не найдётся устройства, которое не сможет воспроизвести ваш звук.
Если ваша аудитория в основном использует мобильные устройства и работает в нестабильных сетях, добавьте xHE-AAC как второй рендишн. Расширение «x» в AAC позволяет плавно регулировать битрейт – от примерно 12 кбит/с и выше, – поэтому даже при слабом соединении слушатель получает непрерывный звук. Начиная с Android 17, вышедшего в 2026 году, кодирование и декодирование xHE-AAC включены в платформу по умолчанию, дополняя давно существующую поддержку в iOS, macOS и Windows: Safari декодирует его нативно, а Chrome – внутри потоков HLS.
Причина предлагать оба формата – AAC-LC и xHE-AAC, а не только xHE-AAC, – в большом количестве старых устройств, которые поддерживают AAC-LC, но не xHE-AAC: таким устройствам вы отдаёте базовый поток, а современным – даёте возможность выбрать более эффективный рендишн. Полное семейство кодеков представлено в семействе AAC, а компромисс по объёму хранения – в адаптивных лестницах битрейта для аудио.
Ветвь 3 – Запись, объёмный звук или Atmos
Если у вас звук 5.1 или Dolby Atmos в гостиной, стриминговый формат выбора – E-AC-3, он же Dolby Digital Plus. Он поддерживает до 15.1 каналов и с помощью технологии Joint Object Coding упаковывает полный микс Atmos внутрь совместимого с 5.1 битстрима – именно так Netflix, Disney+ и Apple TV+ передают Atmos сегодня. Подробный разбор – в AC-3 и E-AC-3.
Для эфирного вещания нового поколения используется кодек AC-4 (или MPEG-H 3D Audio в Корее) – оба стандарта предусмотрены в ATSC 3.0. Теперь AC-4 выходит и на стриминг: на выставке CES в январе 2026 года Peacock от NBCUniversal объявил, что станет первым сервисом стриминга, передающим ТВ и фильмы в формате AC-4 (раскрутка начнётся позже в 2026 году), а Dolby заявляет, что AC-4 на 50% эффективнее своих предыдущих кодеков. Amazon Music и Tidal уже применяют AC-4 для пространственного звука в наушниках. См. AC-4 и MPEG-H 3D Audio. Все три формата – E-AC-3, AC-4 и MPEG-H 3D Audio – лицензируемые, и здесь начинает играть роль Вопрос 4: на уровне массового вещания плата за устройство – это часть бизнес-модели, а не мелочь.
Ветвь 4 – Последний Bluetooth-участок
Для Bluetooth кодирование звука происходит не вручную – этим занимается операционная система телефона слушателя. Однако именно кодек на последнем беспроводном участке определяет качество и задержку, которые пользователь реально слышит, поэтому его необходимо учитывать в вашей модели. Этот кодек – LC3, Low Complexity Communication Codec, используемый в Bluetooth LE Audio. LC3 обеспечивает лучшее качество по сравнению со старым SBC примерно при половине битрейта, с длительностью кадров 7,5 или 10 мс. Он лежит в основе вещательного звука Auracast и нового поколения слуховых аппаратов на базе LE Audio. Если ваш продукт – телемедицинское или конференц-приложение, ваш пользователь, скорее всего, слушает через наушники с использованием LC3, и эта задержка добавляется к общей задержке вашей системы. Подробности – в LC3 и LC3plus.
Ветвь 5 – Архивный мастер
Если нужно хранить идеальный мастер-файл или добиваться максимального качества звука, вопрос смещается с «что звучит достаточно хорошо» на «как сохранить каждый бит». Используйте FLAC для открытого кросс-платформенного хранения или ALAC, если вы в экосистеме Apple. Оба формата – без потерь (lossless): при декодировании они воспроизводят побитовую копию оригинала, поэтому звучат идентично друг другу и источнику, хотя занимают в пять–семь раз больше места, чем lossy-файлы. Выбор между ними определяется платформой, а не качеством: FLAC используется в Tidal, Qobuz и Amazon Music, а ALAC – в Apple Music Lossless. Не стоит стримить lossless-аудио обычным слушателям через динамики телефона: они не услышат разницы, а вы потратите в разы больше трафика без пользы. Подробный разбор трёх lossless-форматов – в статье FLAC, ALAC, WavPack.
Математика, превращающая Вопрос 4 в число
Вопрос 4 – лицензирование и битрейт кодека – вместе определяют ваш ежемесячный счёт. Вот конкретный расчёт, чтобы компромисс стал цифрой в таблице, а не смутным беспокойством.
Представим, что вы управляете платформой курсов, транслируете часовую лекцию в стерео для 50 000 учащихся в месяц и решаете, стоит ли добавить кодек xHE-AAC (48 кбит/с) к базовому AAC-LC (128 кбит/с) для мобильной аудитории, составляющей 60 процентов.
Данные на один поток за час – это произведение битрейта на длительность:
AAC-LC: 128 кбит/с × 3 600 с = 460 800 кбит ÷ 8 = 57 600 кБ ≈ 57,6 МБ
xHE-AAC: 48 кбит/с × 3 600 с = 172 800 кбит ÷ 8 = 21 600 кБ ≈ 21,6 МБДля 30 000 мобильных учащихся отдавать xHE-AAC вместо AAC-LC – это 21,6 МБ вместо 57,6 МБ на каждого, экономия 36 МБ на учащегося в час, или около 1 080 ГБ за месяц. На CDN с тарифом порядка нескольких центов за гигабайт это реальные деньги каждый месяц – за кодек, который ваша современная мобильная аудитория уже умеет декодировать. Подвох – и причина оставить базу AAC-LC, а не убирать её, – доля десктопов и старых устройств, которые декодируют AAC-LC, но не xHE-AAC. Поэтому решение не «переключить», а «добавить второй рендишн и направить на него современные устройства» – это паттерн адаптивного битрейта из адаптивных лестниц битрейта для аудио.
Лицензионная сторона этого расчёта такова: AAC и xHE-AAC оба требуют патентных отчислений, поэтому добавление второго кодека не меняет ваш лицензионный статус – вы уже являетесь лицензиатом AAC. Переход на бесплатный кодек вроде Opus полностью устранил бы плату, но Opus не подходит для широкого видео по запросу, поскольку аппаратное декодирование для него не является универсальным. Урок в том, что Вопрос 4 редко меняет ответ Ветви 2, но доминирует в Ветви 3, где все варианты лицензируемые.
Пять разобранных сценариев
Дерево решений работает с чёткими случаями. Реальные продукты находятся между ветвями. Вот пять распространённых форм и план кодеков, на которые каждая из них указывает.
Сценарий 1 – Телемедицинская платформа с браузерными и мобильными клиентами
Реальное время, стерео, браузер и нативная мобильная поддержка – клиническая чёткость речи. Ответ – Opus везде: каждый браузер поставляет его для WebRTC, а нативные приложения могут легко интегрировать. Ожидайте, что сеть переключится на G.711 или EVS при плохом соединении – это решение сети, а не ваше. Встроенная в Opus обработка потерь пакетов сохраняет разборчивость речи до восстановления связи. Лицензирование не проблема: Opus бесплатен.
Сценарий 2 – OTT-приложение для онлайн-обучения, mobile-first, глобальная аудитория
Запись в стерео, совместимость с широким парком устройств – включая старые телефоны и смарт-ТВ. Используйте кодек AAC-LC как базовую передачу, чтобы никто не остался без звука, и добавьте xHE-AAC для большинства мобильных устройств – это позволит существенно сократить трафик, как в разобранном примере. Оба формата лицензируются из семейства AAC, так что вы остаётесь в рамках одной лицензионной модели. Направляйте устройства по их возможностям: современные мобильные устройства получают xHE-AAC, всё остальное – AAC-LC.
Сценарий 3 – Премиальный кино-сервис с поддержкой Atmos на телевизорах
Запись, иммерсивный звук, телевизоры в гостиной и мобильные устройства. Используйте E-AC-3, чтобы передавать Atmos через Joint Object Coding для стриминга на телевизоры и современные смартфоны, и оставьте стерео-рендеринг AAC-LC в качестве универсальной резервной опции для устройств без поддержки Atmos. Это осознанный выбор двух кодеков – объёмный звук для гостиной, стерео – для всех остальных. Заложите лицензию Dolby на вашем уровне масштабирования устройств заранее.
Сценарий 4 – Стример живого спорта, планирующий звук нового поколения
Живой или почти живой, иммерсивный и ориентированный в будущее. Сегодня безопасный объёмный кодек – E-AC-3; кодек, на который стоит планировать переход, – AC-4, который уже внедряется в стриминг через запуск Peacock в 2026 году и официально утверждён для вещания ATSC 3.0. Практичный подход – использовать E-AC-3 сейчас и рассматривать AC-4 как дополнительный рендеринг на 2026–2027 годы, а не как замену по принципу «снести и построить заново». Следите за поддержкой декодирования на устройствах, прежде чем устанавливать его по умолчанию.
Сценарий 5 – Музыкально-видеоприложение с уровнем без потерь
Смесь форматов: lossy-стерео для бесплатного уровня, lossless – для премиального, реальное время – для любых социальных функций. Используйте AAC-LC для бесплатного стримингового уровня, FLAC или ALAC – для уровня без потерь (FLAC для кросс-платформенной совместимости, ALAC – если приоритет у экосистемы Apple) и Opus – для любых функций живого совместного прослушивания или звонков. Три кодека, каждый решает свою задачу – что вполне нормально для продукта, охватывающего разные сценарии.
Частые ошибки при выборе кодека
Первая и самая дорогая ошибка – та, о которой говорит вступительное правило: относиться к выбору как к состязанию по качеству. Декодируемость – жёсткий барьер; качество – это оптимизация, которую вы получаете уже после. Команда, выпустившая кодек, победивший в слепом тесте на одном битрейте, но не проверившая его поддержку на реальном парке устройств, отправит часть пользователей в тишину.
Вторая – откладывать лицензирование на конец. Opus и FLAC бесплатны; всё семейство AAC облагается патентными отчислениями через Via LA; кодеки Dolby (AC-3, E-AC-3, AC-4) требуют лицензии от Dolby. На нескольких тысячах устройств это незаметно, но на десяти миллионах единиц может кардинально изменить ваш ответ. Задавайте Вопрос 4 на первой неделе.
Третья – использовать один кодек там, где продукту нужны два. У сервиса, который стримит фильмы на ТВ и поддерживает живой чат, не одна, а две проблемы с кодеками: объёмный звук для телевизора и речь в реальном времени – и у них разные требования. Когда продукту одновременно нужен качественный объёмный звук в гостиной и чёткая речь на телефоне в одной сессии, правильный ответ – использовать два кодека, а не идти на компромисс, который не удовлетворяет ни одному из случаев.
Четвёртая – путать задержку реального времени и стриминга. Кодек, настроенный под фильм, который смотрят позже, оптимизирует эффективность и допускает задержку в десятки миллисекунд при обработке; та же задержка делает живой звонок похожим на плохую телефонную линию. Opus существует именно потому, что хорошо справляется и с тем, и с другим; большинство кодеков делают что-то одно, и выбор стримингового кодека для продукта реального времени – тихий способ испортить звонок.
Где здесь Фора Софт
Мы работаем со звуком в видеопродуктах с 2005 года – видеоконференции, OTT и интернет-ТВ, онлайн-обучение, телемедицина, видеонаблюдение и AR/VR – и на каждом проекте наши инженеры начинают с процедуры из четырёх вопросов. В продуктах реального времени мы стандартизируемся на Opus с адекватными сетевыми запасными вариантами; в стриминге используем AAC-LC в качестве основы и при необходимости добавляем xHE-AAC или объёмный звук Dolby, если это оправдано аудиторией и содержанием. Главный вывод из реализованных проектов – тот самый принцип, с которого начинается статья: кодек, соответствующий вашей цели доставки и бюджету на лицензии, побеждает кодек, победивший в тестах по битрейту. Если один продукт должен передавать и речь в реальном времени, и объёмный звук в гостиной, мы с самого начала проектируем два кодека, а не пытаемся заставить один плохо справляться с обеими задачами.
Главное
- Отбирайте решения по ключевым критериям: реальное время или нет, количество каналов, бюджет.
- Декодируемость – жёсткий барьер: оптимизируйте качество только после обеспечения стабильного воспроизведения.
- Opus – для реального времени и открытого веба; AAC-LC – универсальная основа для видео по запросу.
- xHE-AAC – современное адаптивное дополнение: Android 17 (2026) использует его по умолчанию.
- Объёмный звук и Atmos реализуются через E-AC-3 сейчас, в будущем – через AC-4; все иммерсивные кодеки лицензируемые.
- Продуктам, работающим в реальном времени и поддерживающим объёмный звук, обычно требуется два кодека, а не один.