Психоакустические корни, институциональный заказ и борьба проектов
В 1980–1990-е годы несжатый поток компакт-диска (1411,2 кбит/с, 16 бит, 44,1 кГц) делал передачу музыки по сетям и хранение фонотек на компьютерах практически невозможными. Решение выросло из синтеза психоакустики — изучения слуховой маскировки от работ Альфреда Майера (1894), Харви Флетчера и Ричарда Эмера (1959) до моделей Эберхарда Цвиккера и Эрнста Терхардта (1967–1982) — и математических преобразований (дискретного косинусного преобразования Насира Ахмеда 1972–1974 годов и модифицированного ДКП Принсена, Джонсона и Брэдли 1986–1987 годов).
В декабре 1988 года рабочая группа MPEG (ISO/IEC) под руководством профессора Ганса Мусманна и Леонардо Кьярильоне объявила конкурс на единый стандарт цифрового сжатия аудио. Четырнадцать заявок 1989 года сгруппировались вокруг четырёх направлений, среди которых выделились два финалиста: простой и помехоустойчивый кодек MUSICAM (Philips, французский CCETT Ив-Франсуа Деэри, немецкий IRT Герхарда Штоля и Matsushita), ориентированный на цифровое радио DAB и телевидение, и более эффективный, но вычислительно сложный ASPEC, созданный командой Института Фраунгофера IIS под началом Карлхайнца Бранденбурга (вместе с Бернхардом Гриллем на базе разработок OCF и PXFM), AT&T Bell Labs (Джеймс Джонстон), Thomson и CNET. В порядке компромисса MUSICAM лёг в основу Layer I и Layer II (MP2), а для Layer III (MP3) объединили 32-полосный банк фильтров Layer II с психоакустикой ASPEC. Для калибровки искажений голоса Бранденбург многократно тестировал акапельную песню Сюзанны Веги «Tom’s Diner» (прозванной «матерью MP3») и эталонные треки Европейского вещательного союза (треугольник, аккордеон, колокольчики). Проект утвердили в 1991–1992 годах и издали в 1993 году как ISO/IEC 11172-3 (дополнив в 1995-м MPEG-2 Part 3 и позже неофициальным расширением MPEG-2.5 для речи).
Перцептивное кодирование и структура элементарного потока
MP3 использует перцептивное сжатие с потерями. Звук разбивается на перекрывающиеся фреймы по 1152 отсчёта (по две гранулы из 576 отсчётов с переключением на короткие 192-отсчётные блоки при резких атаках для подавления эффекта «предэха») и проходит через 32-полосный полифазный фильтр, модифицированное ДКП и 1024-точечное быстрое преобразование Фурье. Психоакустическая модель отбрасывает или огрубляет гармоники ниже порога слышимости и слабые частоты, замаскированные более громкими соседними тонами, а остаток упаковывается кодами Хаффмана с использованием общего «резервуара бит» и режимов совместного стерео (Mid/Side и Intensity Stereo).
Поскольку стандарт задаёт формат декодера, но оставляет простор для алгоритмов кодирования, качество разных программ сильно различалось (ранние кодеры на 128 кбит/с набирали в слепых тестах от 2,22 до 3,66 балла из 5). Стандарт MPEG-1 поддерживает частоты 32, 44,1 и 48 кГц и битрейт 32–320 кбит/с (в MPEG-2 добавили 16, 22,05 и 24 кГц, а в MPEG-2.5 — 8, 11,025 и 12 кГц при битрейтах от 8 кбит/с). Из-за общего резервуара бит фреймы не являются полностью независимыми, а отсутствие встроенной синхронизации пауз без дополнительных метаданных (например, в кодере LAME) мешало бесшовному воспроизведению. При 128 кбит/с объём CD сжимался примерно в 11 раз (достигая качества MP2 при 192 кбит/с), а появление переменного битрейта VBR и тегов ID3 превратило MP3 в гибкий стандарт, хотя для прозрачности звучания на качественной аппаратуре требовалось 192–256 кбит/с.
Утечка кода, победа над конкурентами и крушение экономики альбомов
Поначалу вещатели выбирали MP2, Sony развивала проприетарный ATRAC для MiniDisc, а Институт Фраунгофера монетизировал технологию через платный софт и лицензии, выпустив кодировщик l3enc (июль 1994 года), расширение .mp3 (14 июля 1995 года вместо .bit) и программный плеер WinPlay3 (сентябрь 1995 года). Взрывную популярность обеспечила утечка: хакер под ником SoloH обнаружил эталонный C-код dist10 на серверах Университета Эрлангена, снабдил его графическим интерфейсом и выложил в интернет. С 1996 года начался массовый риппинг незащищённых CD-Audio (первым громким сценовым файлом стала песня Metallica «Until It Sleeps» 10 августа 1996 года), идеально совпавший с эпохой модемов, интернет-архива IUMA и жёстких дисков объёмом 500–1000 МБ.
Выход бесплатного плеера Winamp (Nullsoft, 1997), поддержка в Windows Media Player 5.2 (1998), сервис независимых музыкантов MP3.com и первые портативные флеш-плееры MPMan и Diamond Rio PMP300 (1998, выстоявшие в судах с ассоциацией RIAA) закрепили формат. В 1999 году пиринговая сеть Napster превратила MP3 в глобальную систему бесплатного файлообмена. И хотя иски RIAA закрыли прежний Napster, модель продажи музыки дорогими физическими альбомами была сломана: слушатели перешли к поштучным покупкам на авторизованных платформах вроде Amazon.com, eMusic и обновлённого Napster, а в России 2000-х годов массово распространились контрафактные CD-сборники по сотне MP3-треков на диске.
Патентные споры, технологическая замена и наследие стандарта
К концу 2000-х проявились технические ограничения стандарта: поддержка лишь двух каналов, предел частоты в 48 кГц и искажения вроде «предэха» на ударных или аплодисментах. В вещании, мобильной связи и стриминге на смену пришли кодеки AAC, свободные Ogg Vorbis и Opus, а также сжатие без потерь FLAC. Тем не менее из-за колоссального парка совместимой техники MP3 десятилетиями оставался форматом по умолчанию, пережив многолетние лицензионные требования Thomson, Fraunhofer и Alcatel-Lucent. После истечения последних патентов 23 апреля 2017 года Институт Фраунгофера прекратил сбор отчислений, зафиксировав историческую роль MP3 как технологии, окончательно отделившей музыку от материального носителя.
