MP3

MP3 (formalmente MPEG-1 Audio Layer III o MPEG-2 Audio Layer III) es un formato de codificación para audio digital desarrollado en gran medida por la Sociedad Fraunhofer en Alemania bajo la dirección de Karlheinz Brandenburg, con el apoyo de otros científicos digitales en los Estados Unidos y otros lugares. Definido originalmente como el tercer formato de audio del estándar MPEG-1, se retuvo y amplió aún más, definiendo tasas de bits adicionales y soporte para más canales de audio, como el tercer formato de audio del estándar MPEG-2 posterior. Una tercera versión, conocida como MPEG 2.5, ampliada para soportar mejor las tasas de bits más bajas, se implementa comúnmente, pero no es un estándar reconocido.

MP3 (o mp3) como formato de archivo comúnmente designa archivos que contienen un flujo elemental de datos codificados de audio MPEG-1 o MPEG-2, sin otras complejidades de el estándar MP3.

Con respecto a la compresión de audio (el aspecto del estándar más evidente para los usuarios finales y por el cual es más conocido), MP3 usa compresión de datos con pérdida para codificar datos usando aproximaciones inexactas y el descarte parcial de datos. Esto permite una gran reducción en el tamaño de los archivos en comparación con el audio sin comprimir. La combinación de tamaño pequeño y fidelidad aceptable condujo a un auge en la distribución de música a través de Internet a mediados y finales de la década de 1990, con MP3 sirviendo como tecnología habilitadora en un momento en que el ancho de banda y el almacenamiento aún eran escasos. El formato MP3 pronto se asoció con controversias en torno a la infracción de derechos de autor, la piratería de música y los servicios de extracción/compartición de archivos MP3.com y Napster, entre otros. Con la llegada de los reproductores multimedia portátiles, una categoría de productos que también incluye teléfonos inteligentes, la compatibilidad con MP3 sigue siendo casi universal.

La compresión de MP3 funciona al reducir (o aproximar) la precisión de ciertos componentes del sonido que se consideran (según el análisis psicoacústico) más allá de las capacidades auditivas de la mayoría de los humanos. Este método se conoce comúnmente como codificación perceptiva o modelado psicoacústico. Luego, la información de audio restante se graba de manera eficiente en el espacio, utilizando algoritmos MDCT y FFT. En comparación con el audio digital con calidad de CD, la compresión de MP3 normalmente puede lograr una reducción del tamaño del 75 al 95%. Por ejemplo, un MP3 codificado a una tasa de bits constante de 128 kbit/s daría como resultado un archivo de aproximadamente el 9 % del tamaño del CD de audio original. A principios de la década de 2000, los reproductores de discos compactos adoptaron cada vez más la compatibilidad con la reproducción de archivos MP3 en CD de datos.

El grupo de expertos en imágenes en movimiento (MPEG) diseñó MP3 como parte de sus estándares MPEG-1 y, posteriormente, MPEG-2. MPEG-1 Audio (MPEG-1 Parte 3), que incluía MPEG-1 Audio Layer I, II y III, fue aprobado como borrador del comité para un estándar ISO/IEC en 1991, finalizado en 1992 y publicado en 1993 como ISO /CEI 11172-3:1993. En 1995 se publicó como ISO/IEC 13818-3:1995 una extensión de audio MPEG-2 (MPEG-2 Parte 3) con tasas de bits y de muestreo más bajas. Requiere solo modificaciones mínimas a los decodificadores MPEG-1 existentes (reconocimiento del bit MPEG-2 en el encabezado y adición de nuevas tasas de muestreo y bits más bajas).

Historia

Antecedentes

El algoritmo de compresión de datos de audio con pérdida de MP3 aprovecha una limitación perceptiva de la audición humana llamada enmascaramiento auditivo. En 1894, el físico estadounidense Alfred M. Mayer informó que un tono podía volverse inaudible por otro tono de menor frecuencia. En 1959, Richard Ehmer describió un conjunto completo de curvas auditivas relacionadas con este fenómeno. Entre 1967 y 1974, Eberhard Zwicker trabajó en las áreas de sintonización y enmascaramiento de bandas de frecuencia críticas, lo que a su vez se basó en la investigación fundamental en el área de Harvey Fletcher y sus colaboradores en Bell Labs.

La codificación perceptiva se utilizó por primera vez para la compresión de codificación de voz con codificación predictiva lineal (LPC), que tiene su origen en el trabajo de Fumitada Itakura (Universidad de Nagoya) y Shuzo Saito (Nippon Telegraph and Telephone) en 1966. En 1978, Bishnu S Atal y Manfred R. Schroeder de Bell Labs propusieron un códec de voz LPC, denominado codificación predictiva adaptativa, que utilizaba un algoritmo de codificación psicoacústica que aprovechaba las propiedades de enmascaramiento del oído humano. Posteriormente, en un artículo de 1979, se informó una mayor optimización por parte de Schroeder y Atal con JL Hall. Ese mismo año, M. A. Krasner también propuso un códec de enmascaramiento psicoacústico, quien publicó y produjo hardware para voz (no utilizable como compresión de bits de música), pero la publicación de sus resultados en un informe técnico del laboratorio Lincoln relativamente oscuro no influyó de inmediato. la corriente principal del desarrollo de códecs psicoacústicos.

La transformada de coseno discreta (DCT), un tipo de codificación de transformada para compresión con pérdida, propuesta por Nasir Ahmed en 1972, fue desarrollada por Ahmed con T. Natarajan y K. R. Rao en 1973; publicaron sus resultados en 1974. Esto condujo al desarrollo de la transformada de coseno discreta modificada (MDCT), propuesta por J. P. Princen, A. W. Johnson y A. B. Bradley en 1987, siguiendo el trabajo anterior de Princen y Bradley en 1986. La MDCT más tarde se convirtió en un parte central del algoritmo MP3.

Ernst Terhardt y otros colaboradores construyeron un algoritmo que describía el enmascaramiento auditivo con gran precisión en 1982. Este trabajo se sumó a una variedad de informes de autores que se remontan a Fletcher y al trabajo que inicialmente determinaba las proporciones críticas y los anchos de banda críticos.

En 1985, Atal y Schroeder presentaron la predicción lineal excitada por código (CELP), un algoritmo de codificación de voz perceptual basado en LPC con enmascaramiento auditivo que logró una relación de compresión de datos significativa para su época. El Journal on Selected Areas in Communications del IEEE informó sobre una amplia variedad de algoritmos de compresión de audio (principalmente perceptivos) en 1988. El "Codificación de voz para comunicaciones" La edición publicada en febrero de 1988 informó sobre una amplia gama de tecnologías de compresión de bits de audio establecidas y en funcionamiento, algunas de las cuales utilizan enmascaramiento auditivo como parte de su diseño fundamental y varias muestran implementaciones de hardware en tiempo real.

Desarrollo

La génesis de la tecnología MP3 se describe completamente en un artículo del profesor Hans Musmann, quien presidió el grupo ISO MPEG Audio durante varios años. En diciembre de 1988, MPEG solicitó un estándar de codificación de audio. En junio de 1989, se presentaron 14 algoritmos de codificación de audio. Debido a ciertas similitudes entre estas propuestas de codificación, se agruparon en cuatro grupos de desarrollo. El primer grupo fue ASPEC, de Fraunhofer Gesellschaft, AT&T, France Telecom, Deutsche y Thomson-Brandt. El segundo grupo fue MUSICAM, de Matsushita, CCETT, ITT y Philips. El tercer grupo fue ATAC (Codificación ATRAC), de Fujitsu, JVC, NEC y Sony. Y el cuarto grupo fue SB-ADPCM, de NTT y BTRL.

Los predecesores inmediatos de MP3 fueron "Codificación óptima en el dominio de la frecuencia" (OCF) y codificación de transformación perceptual (PXFM). Estos dos códecs, junto con las contribuciones de conmutación de bloques de Thomson-Brandt, se fusionaron en un códec llamado ASPEC, que se envió a MPEG y ganó la competencia de calidad, pero que fue rechazado por error por ser demasiado complejo de implementar. La primera implementación práctica de un codificador de percepción de audio (OCF) en hardware (el hardware de Krasner era demasiado engorroso y lento para un uso práctico), fue una implementación de un codificador de transformación psicoacústica basado en chips Motorola 56000 DSP.

Otro predecesor del formato y la tecnología MP3 se encuentra en el códec perceptivo MUSICAM, basado en un banco de filtros de 32 subbandas de aritmética entera, impulsado por un modelo psicoacústico. Fue diseñado principalmente para Digital Audio Broadcasting (radio digital) y TV digital, y sus principios básicos fueron divulgados a la comunidad científica por CCETT (Francia) e IRT (Alemania) en Atlanta durante una conferencia IEEE-ICASSP en 1991, después de haber trabajado en MUSICAM con Matsushita y Philips desde 1989.

Este códec incorporado en un sistema de transmisión que usa modulación COFDM se demostró en el aire y en el campo con Radio Canada y CRC Canada durante el programa NAB (Las Vegas) en 1991. La implementación de la parte de audio de este sistema de transmisión se basó en en un codificador de dos chips (uno para la transformación de subbanda, otro para el modelo psicoacústico diseñado por el equipo de G. Stoll (IRT Alemania), más tarde conocido como modelo psicoacústico I) y un decodificador en tiempo real que utiliza un chip Motorola 56001 DSP que se ejecuta un software de aritmética entera diseñado por Y.F. Equipo de Dehery (CCETT, Francia). La sencillez del decodificador correspondiente junto con la alta calidad de audio de este códec que utiliza por primera vez una frecuencia de muestreo de 48 kHz, un formato de entrada de 20 bits/muestra (el estándar de muestreo más alto disponible en 1991, compatible con el estándar digital profesional AES/EBU) estándar de estudio de entrada) fueron las razones principales para adoptar más tarde las características de MUSICAM como las funciones básicas para un códec de compresión de música digital avanzada.

Durante el desarrollo del software de codificación MUSICAM, el equipo de Stoll y Dehery hizo un uso completo de un conjunto de material de evaluación de audio de alta calidad seleccionado por un grupo de profesionales del audio de la Unión Europea de Radiodifusión y luego utilizado como referencia para la evaluación de códecs de compresión de música. Se encontró que la técnica de codificación de subbanda es eficiente, no solo para la codificación perceptual de los materiales de sonido de alta calidad, sino especialmente para la codificación de materiales de sonido de percusión críticos (batería, triángulo,...), debido al efecto de enmascaramiento temporal específico. del banco de filtros de sub-banda MUSICAM (siendo esta ventaja una característica específica de las técnicas de codificación de transformadas cortas).

Como estudiante de doctorado en la Universidad alemana de Erlangen-Nuremberg, Karlheinz Brandenburg comenzó a trabajar en la compresión de música digital a principios de la década de 1980, centrándose en cómo la gente percibe la música. Completó su trabajo de doctorado en 1989. MP3 desciende directamente de OCF y PXFM, lo que representa el resultado de la colaboración de Brandenburg, trabajando como investigador postdoctoral en AT&T-Bell Labs con James D. Johnston ("JJ&# 34;) de AT&T-Bell Labs, con el Instituto Fraunhofer de Circuitos Integrados, Erlangen (donde trabajó con Bernhard Grill y otros cuatro investigadores: "The Original Six"), con contribuciones relativamente menores del Rama MP2 de codificadores de sub-banda psicoacústica. En 1990, Brandenburg se convirtió en profesor asistente en Erlangen-Nuremberg. Mientras estuvo allí, continuó trabajando en la compresión de música con científicos del Instituto Heinrich Herz de la Sociedad Fraunhofer. En 1993, se unió al personal de Fraunhofer HHI. La canción "Tom's Diner" de Suzanne Vega fue la primera canción utilizada por Karlheinz Brandenburg para desarrollar el formato MP3. Brandenburg adoptó la canción con fines de prueba, escuchándola una y otra vez cada vez que refinaba el esquema, asegurándose de que no afectara negativamente la sutileza de la voz de Vega. En consecuencia, apodó a Vega la "Madre del MP3".

Estandarización

En 1991, había dos propuestas disponibles que fueron evaluadas para un estándar de audio MPEG: MUSICAM (Mpatrón de pregunta adaptado Uuniversal S ubband Integrated Coding Aand Multiplexing) y ASPEC (Adaptive Spectral Perceptual Entropía Coding). La técnica MUSICAM, propuesta por Philips (Holanda), CCETT (Francia), el Institute for Broadcast Technology (Alemania) y Matsushita (Japón), fue elegida por su sencillez y robustez ante errores, así como por su alto nivel de capacidad computacional. eficiencia. El formato MUSICAM, basado en la codificación de subbandas, se convirtió en la base del formato de compresión de audio MPEG, incorporando, por ejemplo, su estructura de cuadro, formato de cabecera, frecuencias de muestreo, etc.

Si bien gran parte de la tecnología y las ideas de MUSICAM se incorporaron a la definición de MPEG Audio Layer I y Layer II, el banco de filtros por sí solo y la estructura de datos basada en 1152 muestras (formato de archivo y flujo orientado a bytes) de MUSICAM permanecieron en el Formato de capa III (MP3), como parte del banco de filtros híbridos computacionalmente ineficiente. Bajo la presidencia del profesor Musmann de la Universidad Leibniz de Hannover, la edición de la norma se delegó a Leon van de Kerkhof (Países Bajos), Gerhard Stoll (Alemania) e Yves-François Dehery (Francia), quienes trabajaron en Layer I y Layer II. ASPEC fue la propuesta conjunta de AT&T Bell Laboratories, Thomson Consumer Electronics, Fraunhofer Society y CNET. Proporcionó la mayor eficiencia de codificación.

Un grupo de trabajo formado por van de Kerkhof, Stoll, Leonardo Chiariglione (vicepresidente de medios de CSELT), Yves-François Dehery, Karlheinz Brandenburg (Alemania) y James D. Johnston (Estados Unidos) tomó ideas de ASPEC, integró el filtro bank de Layer II, agregaron algunas ideas propias, como la codificación estéreo conjunta de MUSICAM, y crearon el formato MP3, que fue diseñado para lograr la misma calidad a 128 kbit/s que MP2 a 192 kbit/s.

Los algoritmos para MPEG-1 Audio Layer I, II y III fueron aprobados en 1991 y finalizados en 1992 como parte de MPEG-1, el primer conjunto de estándares de MPEG, que resultó en el estándar internacional ISO/IEC 11172-3 (también conocido como MPEG-1 Audio o MPEG-1 Part 3), publicado en 1993. Los archivos o flujos de datos que cumplan con este estándar deben manejar muestras velocidades de 48k, 44100 y 32k y siguen siendo compatibles con los reproductores y decodificadores de MP3 actuales. Por lo tanto, la primera generación de MP3 definió 14 × 3 = 42 interpretaciones de estructuras de datos de marcos MP3 y diseños de tamaño.

En 1994 se finalizaron más trabajos sobre audio MPEG como parte del segundo conjunto de estándares MPEG, MPEG-2, más formalmente conocido como estándar internacional ISO/IEC 13818-3 (también conocido como MPEG-2 Parte 3 o MPEG-2 Audio compatible con versiones anteriores o MPEG-2 Audio BC), publicado originalmente en 1995. MPEG-2 Parte 3 (ISO /IEC 13818-3) definió 42 velocidades de bits y frecuencias de muestreo adicionales para MPEG-1 Audio Layer I, II y III. Las nuevas frecuencias de muestreo son exactamente la mitad de las definidas originalmente en MPEG-1 Audio. Esta reducción en la frecuencia de muestreo sirve para reducir a la mitad la fidelidad de frecuencia disponible y, al mismo tiempo, reduce la tasa de bits en un 50 %. MPEG-2 Parte 3 también mejoró el audio MPEG-1 al permitir la codificación de programas de audio con más de dos canales, hasta 5.1 multicanal. Un MP3 codificado con MPEG-2 da como resultado la mitad del ancho de banda de reproducción de MPEG-1 apropiado para piano y canto.

Una tercera generación de "MP3" Los flujos de datos de estilo (archivos) ampliaron las ideas y la implementación de MPEG-2, pero se denominaron audio MPEG-2.5, ya que MPEG-3 ya tenía un significado diferente. Esta extensión fue desarrollada en Fraunhofer IIS, los titulares de patentes registrados de MP3, al reducir el campo de sincronización de cuadros en el encabezado de MP3 de 12 a 11 bits. Al igual que en la transición de MPEG-1 a MPEG-2, MPEG-2.5 agrega frecuencias de muestreo adicionales, exactamente la mitad de las disponibles con MPEG-2. Por lo tanto, amplía el alcance de MP3 para incluir el habla humana y otras aplicaciones, pero requiere solo el 25% del ancho de banda (reproducción de frecuencia) posible utilizando las tasas de muestreo de MPEG-1. Si bien no es un estándar reconocido por ISO, MPEG-2.5 es ampliamente compatible con reproductores de audio digital chinos y de marca de bajo costo, así como codificadores de MP3 (LAME), decodificadores (FFmpeg) y reproductores (MPC) basados en software de computadora que agregan 3 × 8 = 24 tipos de fotogramas MP3 adicionales. Cada generación de MP3 admite 3 frecuencias de muestreo exactamente la mitad que la generación anterior para un total de 9 variedades de archivos de formato MP3. La tabla de comparación de frecuencias de muestreo entre MPEG-1, 2 y 2.5 se proporciona más adelante en el artículo. MPEG-2.5 es compatible con LAME (desde 2000), Media Player Classic (MPC), iTunes y FFmpeg.

MPEG-2.5 no fue desarrollado por MPEG (ver arriba) y nunca fue aprobado como estándar internacional. MPEG-2.5 es, por lo tanto, una extensión no oficial o propietaria del formato MP3. No obstante, es omnipresente y especialmente ventajoso para aplicaciones de voz humana de baja tasa de bits.

• El estándar ISO/IEC 11172-3 (a.k.a. MPEG-1 Audio) definió tres formatos: el MPEG-1 Audio Layer I, Layer II y Layer III. El estándar ISO/IEC 13818-3 (a.k.a. MPEG-2 Audio) definió la versión ampliada del MPEG-1 Audio: MPEG-2 Audio Capa I, Capa II y Capa III. MPEG-2 Audio (MPEG-2 Parte 3) no debe confundirse con MPEG-2 AAC (MPEG-2 Parte 7 – ISO/IEC 13818-7).

La eficiencia de compresión de los codificadores generalmente se define por la tasa de bits, ya que la tasa de compresión depende de la profundidad de bits y la tasa de muestreo de la señal de entrada. Sin embargo, las relaciones de compresión se publican a menudo. Pueden usar los parámetros del disco compacto (CD) como referencia (44,1 kHz, 2 canales a 16 bits por canal o 2 × 16 bits) o, a veces, los parámetros SP de la cinta de audio digital (DAT) (48 kHz, 2 × 16 bits). Las relaciones de compresión con esta última referencia son más altas, lo que demuestra el problema con el uso del término relación de compresión para codificadores con pérdidas.

Karlheinz Brandenburg usó una grabación en CD de la canción "Tom's Diner" de Suzanne Vega. para evaluar y refinar el algoritmo de compresión de MP3. Se eligió esta canción por su naturaleza casi monofónica y su amplio contenido espectral, lo que facilita escuchar las imperfecciones en el formato de compresión durante las reproducciones. Esta pista en particular tiene una propiedad interesante en el sentido de que los dos canales son casi, pero no completamente, iguales, lo que lleva a un caso en el que la depresión del nivel de enmascaramiento binaural provoca el desenmascaramiento espacial de los artefactos de ruido a menos que el codificador reconozca correctamente la situación y aplique correcciones similares a las detallada en el modelo psicoacústico MPEG-2 AAC. Algunos extractos de audio más críticos (glockenspiel, triángulo, acordeón, etc.) fueron tomados del disco compacto de referencia EBU V3/SQAM y han sido utilizados por ingenieros de sonido profesionales para evaluar la calidad subjetiva de los formatos de audio MPEG. LAME es el codificador de MP3 más avanzado. LAME incluye una codificación de tasa de bits variable VBR que utiliza un parámetro de calidad en lugar de un objetivo de tasa de bits. Las versiones posteriores (2008+) admiten un objetivo de calidad n.nnn que selecciona automáticamente las frecuencias de muestreo MPEG-2 o MPEG-2.5 según corresponda para las grabaciones de voz humana que solo necesitan una resolución de ancho de banda de 5512 Hz.

Hacerse público

Una implementación de software de simulación de referencia, escrita en lenguaje C y más tarde conocida como ISO 11172-5, fue desarrollada (en 1991–1996) por los miembros del comité ISO MPEG Audio para producir archivos de audio MPEG compatibles con bits (capa 1, capa 2, capa 3). Fue aprobado como borrador de comité del informe técnico de ISO/IEC en marzo de 1994 e impreso como documento CD 11172-5 en abril de 1994. Fue aprobado como borrador de informe técnico (DTR/DIS) en noviembre de 1994, finalizado en 1996 y publicado como estándar internacional ISO/IEC TR 11172-5:1998 en 1998. El software de referencia en lenguaje C se publicó más tarde como un estándar ISO disponible gratuitamente. Trabajando en tiempo no real en varios sistemas operativos, pudo demostrar la primera decodificación de hardware en tiempo real (basada en DSP) de audio comprimido. Algunas otras implementaciones en tiempo real de codificadores y decodificadores de audio MPEG estaban disponibles para la transmisión digital (radio DAB, televisión DVB) hacia receptores de consumo y decodificadores.

El 7 de julio de 1994, la Fraunhofer Society lanzó el primer software codificador de MP3, llamado l3enc. El equipo de Fraunhofer eligió la extensión de nombre de archivo .mp3 el 14 de julio de 1995 (anteriormente, los archivos se llamaban .bit). Con el primer reproductor de MP3 de software en tiempo real WinPlay3 (lanzado el 9 de septiembre de 1995), muchas personas pudieron codificar y reproducir archivos MP3 en sus PC. Debido a los discos duros relativamente pequeños de la época (≈500–1000 MB), la compresión con pérdida era esencial para almacenar varios álbumes. valor de música en una computadora doméstica como grabaciones completas (a diferencia de la notación MIDI o archivos de seguimiento que combinan la notación con grabaciones breves de instrumentos que tocan notas individuales).

Implementación de ejemplo de Fraunhofer

Un hacker llamado SoloH descubrió el código fuente de "dist10" Implementación de referencia MPEG poco después del lanzamiento en los servidores de la Universidad de Erlangen. Desarrolló una versión de mayor calidad y la difundió en Internet. Este código inició la extracción generalizada de CD y la distribución de música digital como MP3 a través de Internet.

Distribución por Internet

En la segunda mitad de la década de 1990, los archivos MP3 comenzaron a difundirse en Internet, a menudo a través de redes clandestinas de canciones pirateadas. El primer experimento conocido de distribución por Internet fue organizado a principios de la década de 1990 por Internet Underground Music Archive, más conocido por el acrónimo IUMA. Después de algunos experimentos con archivos de audio sin comprimir, este archivo comenzó a entregar en la Internet de baja velocidad mundial nativa algunos archivos de audio MPEG comprimidos usando el formato MP2 (Capa II) y más tarde usó archivos MP3 cuando el estándar se completó por completo. La popularidad de los MP3 comenzó a aumentar rápidamente con la llegada del reproductor de audio Winamp de Nullsoft, lanzado en 1997. En 1998, el primer reproductor portátil de audio digital de estado sólido MPMan, desarrollado por SaeHan Information Systems, con sede en Seúl, Corea del Sur, fue lanzado y el Rio PMP300 fue vendido posteriormente en 1998, a pesar de los esfuerzos de supresión legal por parte de la RIAA.

En noviembre de 1997, el sitio web mp3.com ofrecía miles de archivos MP3 creados por artistas independientes de forma gratuita. El pequeño tamaño de los archivos MP3 permitió el intercambio generalizado de archivos entre pares de música extraída de CD, lo que antes hubiera sido casi imposible. La primera gran red de intercambio de archivos entre pares, Napster, se lanzó en 1999. La facilidad para crear y compartir archivos MP3 resultó en una infracción generalizada de los derechos de autor. Las principales compañías discográficas argumentaron que este intercambio gratuito de música reducía las ventas y lo llamaron "piratería musical". Reaccionaron entablando demandas contra Napster, que finalmente se cerró y luego se vendió, y contra usuarios individuales que compartían archivos.

El uso compartido no autorizado de archivos MP3 continúa en las redes punto a punto de próxima generación. Algunos servicios autorizados, como Beatport, Bleep, Juno Records, eMusic, Zune Marketplace, Walmart.com, Rhapsody, la reencarnación aprobada por la industria discográfica de Napster y Amazon.com venden música sin restricciones en formato MP3.

Diseño

Estructura de archivos

Diagrama de la estructura de un archivo MP3 (versión MPEG 2.5 no compatible, por lo tanto 12 en lugar de 11 bits para MP3 Sync Word).

Un archivo MP3 se compone de fotogramas MP3, que constan de un encabezado y un bloque de datos. Esta secuencia de tramas se denomina flujo elemental. Debido al "reservorio de bits", los marcos no son elementos independientes y, por lo general, no se pueden extraer en límites de marco arbitrarios. Los bloques de datos MP3 contienen la información de audio (comprimida) en términos de frecuencias y amplitudes. El diagrama muestra que el encabezado MP3 consta de una palabra de sincronización, que se utiliza para identificar el comienzo de un cuadro válido. A esto le sigue un bit que indica que este es el estándar MPEG y dos bits que indican que se usa la capa 3; por lo tanto, MPEG-1 Audio Layer 3 o MP3. Después de esto, los valores serán diferentes, dependiendo del archivo MP3. ISO/IEC 11172-3 define el rango de valores para cada sección del encabezado junto con la especificación del encabezado. La mayoría de los archivos MP3 actuales contienen metadatos ID3, que preceden o siguen a los fotogramas MP3, como se indica en el diagrama. El flujo de datos puede contener una suma de comprobación opcional.

El estéreo conjunto se realiza solo cuadro a cuadro.

Codificación y decodificación

El algoritmo de codificación de MP3 generalmente se divide en cuatro partes. La parte 1 divide la señal de audio en partes más pequeñas, llamadas cuadros, y luego se aplica un filtro de transformada de coseno discreto modificado (MDCT) en la salida. La parte 2 pasa la muestra a una transformada rápida de Fourier (FFT) de 1024 puntos, luego se aplica el modelo psicoacústico y se realiza otro filtro MDCT en la salida. La Parte 3 cuantifica y codifica cada muestra, conocida como asignación de ruido, que se ajusta para cumplir con los requisitos de enmascaramiento de sonido y tasa de bits. La parte 4 formatea el flujo de bits, llamado cuadro de audio, que se compone de 4 partes, el encabezado, la verificación de errores, los datos de audio y los datos auxiliares.

El estándar MPEG-1 no incluye una especificación precisa para un codificador de MP3, pero proporciona ejemplos de modelos psicoacústicos, bucles de velocidad y similares en la parte no normativa del estándar original. MPEG-2 duplica la cantidad de frecuencias de muestreo admitidas y MPEG-2.5 agrega 3 más. Cuando se escribió esto, las implementaciones sugeridas estaban bastante anticuadas. Se suponía que los implementadores del estándar diseñarían sus propios algoritmos adecuados para eliminar partes de la información de la entrada de audio. Como resultado, muchos codificadores de MP3 diferentes estuvieron disponibles, cada uno produciendo archivos de diferente calidad. Las comparaciones estaban ampliamente disponibles, por lo que era fácil para un posible usuario de un codificador buscar la mejor opción. Algunos codificadores que dominaban la codificación a velocidades de bits más altas (como LAME) no eran necesariamente tan buenos con velocidades de bits más bajas. Con el tiempo, LAME evolucionó en el sitio web de SourceForge hasta convertirse en el codificador MP3 CBR de facto. Más tarde se agregó un modo ABR. El trabajo avanzó en la tasa de bits variable real utilizando un objetivo de calidad entre 0 y 10. Eventualmente, los números (como -V 9.600) podrían generar una codificación de voz de baja tasa de bits de excelente calidad a solo 41 kbit/s utilizando las extensiones MPEG-2.5.

Durante la codificación, se toman 576 muestras en el dominio del tiempo y se transforman en 576 muestras en el dominio de la frecuencia. Si hay un transitorio, se toman 192 muestras en lugar de 576. Esto se hace para limitar la dispersión temporal del ruido de cuantificación que acompaña al transitorio (ver psicoacústica). La resolución de frecuencia está limitada por el pequeño tamaño de la ventana de bloque largo, lo que disminuye la eficiencia de codificación. La resolución de tiempo puede ser demasiado baja para señales altamente transitorias y puede causar manchas en los sonidos de percusión.

Debido a la estructura de árbol del banco de filtros, los problemas previos al eco empeoran, ya que la respuesta de impulso combinada de los dos bancos de filtros no proporciona, y no puede proporcionar, una solución óptima en resolución de tiempo/frecuencia. Además, la combinación de los dos bancos de filtros' las salidas crean problemas de alias que deben ser manejados parcialmente por la "compensación de alias" etapa; sin embargo, eso crea un exceso de energía para codificar en el dominio de la frecuencia, lo que reduce la eficiencia de la codificación.

La decodificación, por otro lado, está cuidadosamente definida en el estándar. La mayoría de los decodificadores son "compatibles con flujo de bits", lo que significa que la salida descomprimida que producen a partir de un archivo MP3 dado será la misma, dentro de un grado específico de tolerancia de redondeo, que la salida especificada matemáticamente en ISO/IEC. documento de alto estándar (ISO/IEC 11172-3). Por lo tanto, la comparación de decodificadores generalmente se basa en cuán eficientes computacionalmente son (es decir, cuánta memoria o tiempo de CPU usan en el proceso de decodificación). Con el tiempo, esta preocupación se ha convertido en un problema menor a medida que las velocidades de reloj de la CPU pasaron de MHz a GHz. El retraso general del codificador/descodificador no está definido, lo que significa que no existe una disposición oficial para la reproducción sin pausas. Sin embargo, algunos codificadores como LAME pueden adjuntar metadatos adicionales que permitirán a los reproductores que puedan manejarlos ofrecer una reproducción perfecta.

Calidad

Al realizar una codificación de audio con pérdida, como la creación de un flujo de datos MP3, existe un equilibrio entre la cantidad de datos generados y la calidad del sonido de los resultados. La persona que genera un MP3 selecciona una tasa de bits, que especifica cuántos kilobits por segundo de audio desea. Cuanto mayor sea la tasa de bits, mayor será el flujo de datos MP3 y, en general, más parecido a la grabación original sonará. Con una tasa de bits demasiado baja, los artefactos de compresión (es decir, sonidos que no estaban presentes en la grabación original) pueden escucharse en la reproducción. Algunos audios son difíciles de comprimir debido a su aleatoriedad y ataques bruscos. Cuando se comprime este tipo de audio, generalmente se escuchan artefactos como timbres o ecos previos. Una muestra de aplausos o un instrumento triangular con una tasa de bits relativamente baja son buenos ejemplos de artefactos de compresión. La mayoría de las pruebas subjetivas de códecs de percepción tienden a evitar el uso de este tipo de materiales de sonido, sin embargo, los artefactos generados por los sonidos de percusión son apenas perceptibles debido a la función de enmascaramiento temporal específico del banco de filtros de 32 subbandas de la capa II en el que se basa el formato..

Además de la tasa de bits de una pieza de audio codificada, la calidad del sonido codificado en MP3 también depende de la calidad del algoritmo del codificador, así como de la complejidad de la señal codificada. Como el estándar MP3 permite bastante libertad con los algoritmos de codificación, los diferentes codificadores presentan una calidad bastante diferente, incluso con tasas de bits idénticas. Por ejemplo, en una prueba de escucha pública con dos codificadores de MP3 antiguos configurados a aproximadamente 128 kbit/s, uno obtuvo una puntuación de 3,66 en una escala de 1 a 5, mientras que el otro obtuvo solo 2,22. La calidad depende de la elección del codificador y los parámetros de codificación.

Esta observación provocó una revolución en la codificación de audio. Al principio, la tasa de bits era la principal y única consideración. En ese momento, los archivos MP3 eran del tipo más simple: usaban la misma tasa de bits para todo el archivo: este proceso se conoce como codificación de tasa de bits constante (CBR). El uso de una tasa de bits constante hace que la codificación sea más simple y menos intensiva para la CPU. Sin embargo, también es posible optimizar el tamaño del archivo mediante la creación de archivos en los que la tasa de bits cambia a lo largo del archivo. Estos se conocen como tasa de bits variable. El depósito de bits y la codificación VBR eran en realidad parte del estándar MPEG-1 original. El concepto detrás de ellos es que, en cualquier pieza de audio, algunas secciones son más fáciles de comprimir, como el silencio o la música que contiene solo unos pocos tonos, mientras que otras serán más difíciles de comprimir. Por lo tanto, la calidad general del archivo se puede aumentar utilizando una tasa de bits más baja para los pasajes menos complejos y una más alta para las partes más complejas. Con algunos codificadores de MP3 avanzados, es posible especificar una calidad determinada y el codificador ajustará la tasa de bits en consecuencia. Usuarios que desean una "configuración de calidad" particular; que sea transparente para sus oídos puede usar este valor al codificar toda su música y, en general, no necesita preocuparse por realizar pruebas de escucha personales en cada pieza de música para determinar la tasa de bits correcta.

La calidad percibida puede verse afectada por el entorno de escucha (ruido ambiental), la atención del oyente y la formación del oyente y, en la mayoría de los casos, por el equipo de audio del oyente (como tarjetas de sonido, altavoces y auriculares). Además, se puede lograr una calidad suficiente mediante una configuración de menor calidad para conferencias y aplicaciones de habla humana y se reduce el tiempo y la complejidad de la codificación. Una prueba realizada a los nuevos estudiantes por el profesor de música de la Universidad de Stanford, Jonathan Berger, mostró que la preferencia de los estudiantes por la música con calidad MP3 ha aumentado cada año. Berger dijo que los estudiantes parecen preferir el 'sizzle' sonidos que los MP3 aportan a la música.

Un estudio en profundidad de la calidad de audio MP3, el proyecto del artista de sonido y compositor Ryan Maguire "The Ghost in the MP3" aísla los sonidos perdidos durante la compresión MP3. En 2015, lanzó la canción "moDernisT" (un anagrama de "Tom's Diner"), compuesto exclusivamente a partir de los sonidos eliminados durante la compresión MP3 de la canción "Tom's Diner", la pista utilizada originalmente en la formulación del estándar MP3. En las Actas de la Conferencia Internacional de Música por Computadora de 2014 se publicó una descripción detallada de las técnicas utilizadas para aislar los sonidos eliminados durante la compresión de MP3, junto con la motivación conceptual del proyecto.

Velocidad de bits

La tasa de bits es el producto de la tasa de muestreo y la cantidad de bits por muestra utilizados para codificar la música. El audio del CD es de 44100 muestras por segundo. El número de bits por muestra también depende del número de canales de audio. CD es estéreo y 16 bits por canal. Entonces, multiplicar 44100 por 32 da 1411200, la tasa de bits del audio digital de CD sin comprimir. MP3 fue diseñado para codificar estos datos de 1411 kbit/s a 320 kbit/s o menos. Como los algoritmos de MP3 detectan pasajes menos complejos, se pueden emplear tasas de bits más bajas. Cuando se usa MPEG-2 en lugar de MPEG-1, MP3 solo admite frecuencias de muestreo más bajas (16000, 22050 o 24000 muestras por segundo) y ofrece opciones de velocidad de bits tan bajas como 8 kbit/s pero no superiores a 160 kbit/s. Al reducir la frecuencia de muestreo, la capa III de MPEG-2 elimina todas las frecuencias por encima de la mitad de la nueva frecuencia de muestreo que puede haber estado presente en la fuente de audio.

Como se muestra en estas dos tablas, se permiten 14 velocidades de bits seleccionadas en el estándar MPEG-1 Audio Layer III: 32, 40, 48, 56, 64, 80, 96, 112, 128, 160, 192, 224, 256 y 320 kbit/s, junto con las 3 frecuencias de muestreo más altas disponibles de 32, 44,1 y 48 kHz. MPEG-2 Audio Layer III también permite 14 tasas de bits algo diferentes (y en su mayoría más bajas) de 8, 16, 24, 32, 40, 48, 56, 64, 80, 96, 112, 128, 144, 160 kbit/s con frecuencias de muestreo de 16, 22,05 y 24 kHz que son exactamente la mitad de MPEG-1. Los fotogramas MPEG-2.5 Audio Layer III están limitados a solo 8 velocidades de bits de 8, 16, 24, 32, 40, 48, 56 y 64 kbit/s con 3 frecuencias de muestreo aún más bajas de 8, 11,025 y 12 kHz. En sistemas anteriores que solo admiten el estándar MPEG-1 Audio Layer III, los archivos MP3 con una tasa de bits inferior a 32 kbit/s pueden reproducirse acelerados y mejorados.

Los sistemas anteriores también carecen de controles de reproducción de avance rápido y rebobinado en MP3.

Los fotogramas MPEG-1 contienen la mayor cantidad de detalles en el modo de 320 kbit/s, la configuración de velocidad de bits más alta permitida, con silencio y tonos simples que aún requieren 32 kbit/s. Los fotogramas MPEG-2 pueden capturar reproducciones de sonido de hasta 12 kHz necesarias hasta 160 kbit/s. Los archivos MP3 creados con MPEG-2 no tienen un ancho de banda de 20 kHz debido al teorema de muestreo de Nyquist-Shannon. La reproducción de frecuencia siempre es estrictamente inferior a la mitad de la frecuencia de muestreo, y los filtros imperfectos requieren un mayor margen de error (nivel de ruido frente a nitidez del filtro), por lo que una frecuencia de muestreo de 8 kHz limita la frecuencia máxima a 4 kHz, mientras que un muestreo de 48 kHz rate limita un MP3 a una reproducción de sonido máxima de 24 kHz. MPEG-2 usa la mitad y MPEG-2.5 solo una cuarta parte de las frecuencias de muestreo de MPEG-1.

Para el campo general de la reproducción del habla humana, un ancho de banda de 5512 Hz es suficiente para producir excelentes resultados (para voz) utilizando la frecuencia de muestreo de 11025 y la codificación VBR de un archivo WAV de 44100 (estándar). Los angloparlantes tienen un promedio de 41–42 kbit/s con una configuración de -V 9.6, pero esto puede variar según la cantidad de silencio grabado o la velocidad de entrega (ppm). El remuestreo a 12000 (ancho de banda de 6K) se selecciona mediante el parámetro LAME -V 9.4. Del mismo modo, -V 9.2 selecciona una frecuencia de muestreo de 16000 y un filtrado de paso bajo de 8K resultante. Para obtener más información, consulte Nyquist - Shannon. Las versiones anteriores de LAME y FFmpeg solo admiten argumentos enteros para el parámetro de selección de calidad de tasa de bits variable. El parámetro de calidad n.nnn (-V) está documentado en lame.sourceforge.net, pero solo se admite en LAME con el selector de calidad de velocidad de bits variable VBR de nuevo estilo, no la velocidad de bits promedio (ABR).

Suele utilizarse una frecuencia de muestreo de 44,1 kHz para la reproducción de música, ya que también se utiliza para el audio de CD, la principal fuente utilizada para crear archivos MP3. En Internet se utiliza una gran variedad de velocidades de bits. Se suele utilizar una tasa de bits de 128 kbit/s, con una relación de compresión de 11:1, lo que ofrece una calidad de audio adecuada en un espacio relativamente pequeño. A medida que aumenta la disponibilidad del ancho de banda de Internet y el tamaño de los discos duros, se generalizan las velocidades de bits más altas de hasta 320 kbit/s. El audio sin comprimir almacenado en un CD de audio tiene una tasa de bits de 1411,2 kbit/s (16 bits/muestra × 44 100 muestras/segundo × 2 canales/1000 bits/kilobit), por lo que las tasas de bits son 128, 160 y 192 kbit/s representan relaciones de compresión de aproximadamente 11:1, 9:1 y 7:1 respectivamente.

Se pueden lograr velocidades de bits no estándar de hasta 640 kbit/s con el codificador LAME y la opción de formato libre, aunque pocos reproductores de MP3 pueden reproducir esos archivos. De acuerdo con el estándar ISO, solo se requieren decodificadores para poder decodificar flujos de hasta 320 kbit/s. Los primeros codificadores MPEG Layer III usaban lo que ahora se llama tasa de bits constante (CBR). El software solo pudo usar una tasa de bits uniforme en todos los fotogramas de un archivo MP3. Más tarde, los codificadores de MP3 más sofisticados pudieron usar el depósito de bits para apuntar a una tasa de bits promedio seleccionando la tasa de codificación para cada cuadro en función de la complejidad del sonido en esa parte de la grabación.

Un codificador de MP3 más sofisticado puede producir audio con tasa de bits variable. El audio MPEG puede usar la conmutación de tasa de bits por cuadro, pero solo los decodificadores de capa III deben admitirlo. VBR se utiliza cuando el objetivo es lograr un nivel fijo de calidad. El tamaño de archivo final de una codificación VBR es menos predecible que con una tasa de bits constante. La tasa de bits promedio es un tipo de VBR implementado como un compromiso entre los dos: se permite que la tasa de bits varíe para una calidad más consistente, pero se controla para permanecer cerca de un valor promedio elegido por el usuario, para tamaños de archivo predecibles. Aunque un decodificador MP3 debe ser compatible con VBR para cumplir con los estándares, históricamente algunos decodificadores tienen errores con la decodificación VBR, particularmente antes de que los codificadores VBR se generalizaran. El codificador LAME MP3 más evolucionado admite la generación de formatos VBR, ABR e incluso los formatos CBR MP3 más antiguos.

El audio de capa III también puede usar un 'depósito de bits', la capacidad de un fotograma parcialmente completo para contener parte de los datos de audio del siguiente fotograma, lo que permite cambios temporales en la tasa de bits efectiva, incluso en una transmisión de tasa de bits constante. El manejo interno del depósito de bits aumenta el retraso de codificación. No hay una banda de factor de escala 21 (sfb21) para frecuencias superiores a aproximadamente 16 kHz, lo que obliga al codificador a elegir entre una representación menos precisa en la banda 21 o un almacenamiento menos eficiente en todas las bandas por debajo de la banda 21, lo que genera una tasa de bits desperdiciada en la codificación VBR.

Datos auxiliares

El campo de datos auxiliares se puede utilizar para almacenar datos definidos por el usuario. Los datos auxiliares son opcionales y el número de bits disponibles no se indica explícitamente. Los datos auxiliares se encuentran después de los bits de código de Huffman y van hasta donde apunta main_data_begin del siguiente cuadro. El codificador mp3PRO usó datos auxiliares para codificar información adicional que podría mejorar la calidad del audio cuando se decodificara con su propio algoritmo.

Metadatos

Una "etiqueta" en un archivo de audio es una sección del archivo que contiene metadatos como el título, el artista, el álbum, el número de pista u otra información sobre el contenido del archivo. Los estándares de MP3 no definen formatos de etiquetas para archivos MP3, ni existe un formato de contenedor estándar que admita metadatos y evite la necesidad de etiquetas. Sin embargo, existen varios estándares de facto para formatos de etiquetas. A partir de 2010, los más extendidos son ID3v1 e ID3v2, y el más reciente APEv2. Estas etiquetas normalmente están incrustadas al principio o al final de los archivos MP3, separadas de los datos reales del marco MP3. Los decodificadores de MP3 extraen información de las etiquetas o simplemente las tratan como datos no deseados que no son de MP3 y que se pueden ignorar.

El software de reproducción y edición a menudo contiene la funcionalidad de edición de etiquetas, pero también hay aplicaciones de edición de etiquetas dedicadas a este propósito. Además de los metadatos relacionados con el contenido de audio, las etiquetas también se pueden usar para DRM. ReplayGain es un estándar para medir y almacenar el volumen de un archivo MP3 (normalización de audio) en su etiqueta de metadatos, lo que permite que un reproductor compatible con ReplayGain ajuste automáticamente el volumen de reproducción general de cada archivo. MP3Gain se puede usar para modificar archivos de forma reversible en función de las mediciones de ReplayGain, de modo que se pueda lograr una reproducción ajustada en reproductores sin capacidad ReplayGain.

Concesión de licencias, propiedad y legislación

La tecnología básica de decodificación y codificación de MP3 está libre de patentes en la Unión Europea, donde todas las patentes expiraron en 2012 a más tardar. En los Estados Unidos, la tecnología quedó sustancialmente libre de patentes el 16 de abril de 2017 (ver más abajo). Las patentes de MP3 vencieron en los EE. UU. entre 2007 y 2017. En el pasado, muchas organizaciones reclamaron la propiedad de patentes relacionadas con la decodificación o codificación de MP3. Estos reclamos dieron lugar a una serie de amenazas y acciones legales de una variedad de fuentes. Como resultado, la incertidumbre sobre qué patentes deben haber sido licenciadas para crear productos MP3 sin cometer una infracción de patente en países que permiten patentes de software fue una característica común de las primeras etapas de adopción de la tecnología.

El estándar MPEG-1 inicial casi completo (partes 1, 2 y 3) estuvo disponible públicamente el 6 de diciembre de 1991 como ISO CD 11172. En la mayoría de los países, las patentes no se pueden presentar después de que se haya hecho público el estado de la técnica y las patentes caducan 20 años después de la fecha de presentación inicial, que puede ser hasta 12 meses más tarde para presentaciones en otros países. Como resultado, las patentes requeridas para implementar MP3 expiraron en la mayoría de los países en diciembre de 2012, 21 años después de la publicación de ISO CD 11172.

Estados Unidos es una excepción, donde las patentes en vigor pero presentadas antes del 8 de junio de 1995 caducan después de 17 años a partir de la fecha de emisión o 20 años a partir de la fecha de prioridad, lo que suceda más tarde. Un proceso prolongado de tramitación de patentes puede dar lugar a la emisión de una patente mucho más tarde de lo que normalmente se espera (ver patentes de submarinos). Las diversas patentes relacionadas con MP3 vencieron en fechas que van desde 2007 hasta 2017 en los Estados Unidos. Las patentes para cualquier cosa divulgada en ISO CD 11172 presentada un año o más después de su publicación son cuestionables. Si solo se consideran las patentes conocidas de MP3 presentadas en diciembre de 1992, entonces la decodificación de MP3 ha estado libre de patentes en los EE. UU. desde el 22 de septiembre de 2015, cuando U.S. La patente 5.812.672, que tenía una presentación PCT en octubre de 1992, expiró. Si se toma como medida la patente de más larga duración mencionada en las referencias antes mencionadas, entonces la tecnología MP3 quedó libre de patente en los Estados Unidos el 16 de abril de 2017, cuando U.S. La patente 6.009.399, propiedad y administración de Technicolor, expiró. Como resultado, muchos proyectos de software libre y de código abierto, como el sistema operativo Fedora, han decidido comenzar a ofrecer compatibilidad con MP3 de forma predeterminada, y los usuarios ya no tendrán que recurrir a la instalación de paquetes no oficiales mantenidos por repositorios de software de terceros para MP3. reproducción o codificación.

Technicolor (anteriormente llamado Thomson Consumer Electronics) afirmaba controlar las licencias de MP3 de las patentes de Capa 3 en muchos países, incluidos Estados Unidos, Japón, Canadá y países de la UE. Technicolor había estado haciendo cumplir activamente estas patentes. Los ingresos por licencias de MP3 de la administración de Technicolor generaron alrededor de 100 millones de euros para la Sociedad Fraunhofer en 2005. En septiembre de 1998, el Instituto Fraunhofer envió una carta a varios desarrolladores de software de MP3 en la que les indicaba que se requería una licencia para "distribuir y/o vender decodificadores y/o codificadores". La carta afirmaba que los productos sin licencia “vulneran los derechos de patente de Fraunhofer y Thomson”. Para fabricar, vender o distribuir productos utilizando el estándar [MPEG Layer-3] y, por lo tanto, nuestras patentes, debe obtener una licencia de nuestras patentes bajo estas patentes." Esto llevó a la situación en la que el proyecto del codificador LAME MP3 no podía ofrecer a sus usuarios binarios oficiales que pudieran ejecutarse en su computadora. La posición del proyecto era que, como código fuente, LAME era simplemente una descripción de cómo podría implementarse un codificador de MP3. Extraoficialmente, los binarios compilados estaban disponibles de otras fuentes.

Sisvel S.p.A., una empresa con sede en Luxemburgo, administra las licencias de patentes que se aplican a MPEG Audio. Ellos, junto con su subsidiaria estadounidense Audio MPEG, Inc., demandaron previamente a Thomson por infracción de patente en tecnología MP3, pero esas disputas se resolvieron en noviembre de 2005 con Sisvel otorgando a Thomson una licencia para sus patentes. Motorola siguió poco después y firmó con Sisvel para otorgar licencias de patentes relacionadas con MP3 en diciembre de 2005. Excepto por tres patentes, las patentes estadounidenses administradas por Sisvel habían expirado todas en 2015. Las tres excepciones son: U.S. Patente 5.878.080, vencida en febrero de 2017; EE.UU. Patente 5.850.456, vencida en febrero de 2017; y EE.UU. Patente 5.960.037, vencida el 9 de abril de 2017.

En septiembre de 2006, funcionarios alemanes incautaron reproductores de MP3 del stand de SanDisk en la feria IFA de Berlín después de que una firma de patentes italiana obtuviera una orden judicial en nombre de Sisvel contra SanDisk en una disputa sobre derechos de licencia. La medida cautelar fue posteriormente revocada por un juez de Berlín, pero esa revocación a su vez fue bloqueada el mismo día por otro juez del mismo tribunal, "trayendo la patente Wild West a Alemania" en palabras de un comentarista. En febrero de 2007, Texas MP3 Technologies demandó a Apple, Samsung Electronics y Sandisk en un tribunal federal del este de Texas, alegando la infracción de una patente de reproductor MP3 portátil que Texas MP3 dijo que le había sido asignada. Apple, Samsung y Sandisk resolvieron los reclamos en su contra en enero de 2009.

Alcatel-Lucent ha hecho valer varias patentes de codificación y compresión de MP3, presuntamente heredadas de AT&T-Bell Labs, en litigio propio. En noviembre de 2006, ante las empresas' fusión, Alcatel demandó a Microsoft por presuntamente infringir siete patentes. El 23 de febrero de 2007, un jurado de San Diego otorgó a Alcatel-Lucent 1520 millones de dólares estadounidenses por daños y perjuicios por la infracción de dos de ellos. Sin embargo, el tribunal revocó posteriormente el laudo al determinar que no se había infringido una patente y que la otra no era propiedad de Alcatel-Lucent; era copropiedad de AT&T y Fraunhofer, quien le había otorgado la licencia a Microsoft, dictaminó el juez. Ese juicio de la defensa fue confirmado en apelación en 2008. Consulte Alcatel-Lucent v. Microsoft para obtener más información.

Tecnologías alternativas

Comparación entre MP3 y Vorbis

El primero es un archivo WAV no comprimido. El segundo es un archivo Vorbis codificado a 48kbit/s, y el tercero es un MP3 codificado a 48kbit/s utilizando LAME.

---

¿Problemas para jugar este archivo? Vea la ayuda de los medios.

Existen otros formatos con pérdida. Entre estos, Advanced Audio Coding (AAC) es el más utilizado y fue diseñado para ser el sucesor de MP3. También existen otros formatos con pérdida como mp3PRO y MP2. Son miembros de la misma familia tecnológica que MP3 y dependen de modelos psicoacústicos y algoritmos MDCT aproximadamente similares. Mientras que MP3 utiliza un enfoque de codificación híbrido que es en parte MDCT y en parte FFT, AAC es puramente MDCT, lo que mejora significativamente la eficiencia de la compresión. Muchas de las patentes básicas subyacentes a estos formatos pertenecen a Fraunhofer Society, Alcatel-Lucent, Thomson Consumer Electronics, Bell, Dolby, LG Electronics, NEC, NTT Docomo, Panasonic, Sony Corporation, ETRI, JVC Kenwood, Philips, Microsoft y NTT..

Cuando el mercado de los reproductores de audio digital estaba despegando, el MP3 fue ampliamente adoptado como estándar, de ahí el nombre popular de "reproductor de MP3". Sony fue una excepción y usó su propio códec ATRAC tomado de su formato MiniDisc, que Sony afirmó que era mejor. Tras las críticas y las ventas de Walkman inferiores a las esperadas, en 2004, Sony introdujo por primera vez la compatibilidad nativa con MP3 en sus reproductores Walkman.

También hay formatos de compresión abiertos como Opus y Vorbis que están disponibles de forma gratuita y sin restricciones de patente conocidas. Algunos de los formatos de compresión de audio más nuevos, como AAC, WMA Pro y Vorbis, están libres de algunas limitaciones inherentes al formato MP3 que ningún codificador de MP3 puede superar.

Además de los métodos de compresión con pérdida, los formatos sin pérdida son una alternativa importante al MP3 porque proporcionan contenido de audio sin alteraciones, aunque con un tamaño de archivo mayor en comparación con la compresión con pérdida. Los formatos sin pérdida incluyen FLAC (Free Lossless Audio Codec), Apple Lossless y muchos otros.