Guide: Audio nei PC

[Filippo1974]

PARTE I: SUONI ANALOGICI E SUONI DIGITALI

Rivediamo rapidamente com'è che un segnale audio viene "trattato" da un computer.

In origine, i suoni appartengono al mondo cosiddetto analogico: ciò che noi percepiamo come suono è il risultato di vibrazioni, piccolissime variazioni della pressione nell'aria che ci circonda, che si propagano nello spazio ad una velocità che in prima approssimazione possiamo ricondurre al ben noto valore di circa 300 metri/sec. Possiamo ricondurci al classico esempio del sasso lanciato in uno specchio d'acqua per figurarci un po' quello che avviene con la propagazione del suono: all'inizio vi è la quiete; il sasso gettato nell'acqua rappresenta la produzione di un suono, e le onde che vengono generate sulla superficie dell'acqua sono il nostro suono che si propaga. Le oscillazioni delle onde che si propagano dalla sorgente del suono possono essere più o meno ravvicinate nel tempo, ovvero sono caratterizzate da una FREQUENZA DI OSCILLAZIONE. Frequenze alte daranno luogo a suoni più acuti; frequenze basse sono invece proprie dei suoni più gravi. Il tutto scorre con continuità nel tempo e nello spazio: questo è il mondo analogico.

Se non capite come questo discorso sulle frequenze abbia a che fare con le schede audio del PC, non preoccupatevi: ci servirà tra poco.

Ora, chiaramente un computer non può "digerire" i segnali tipici del mondo analogico: per sua costituzione, un PC sarà in grado solamente di riconoscere ed elaborare dati visti come sequenze di numeri, numeri che a loro volta saranno rappresentati da una quantità più o meno elevata di bit (cifre binarie). Ci troviamo quindi ad operare in un ambiente dove non c'è affatto continuità, né nel tempo (un computer non "vede" il tempo in modo continuo, bensì come una sequenza discreta di istanti stabilita da un "metronomo" che è il clock interno del computer) né nello spazio (qualunque grandezza numerica viene rappresentata con una certa quantità di bit, che per quanto grande, implica sempre un limite di precisione e di valori rappresentabili). Siamo nel mondo digitale, totalmente opposto a quello analogico.

La trasformazione tra mondo analogico e digitale implica una serie di conversioni, che nel suo complesso prende il nome di DAC (Digital to Analog Conversion) o ADC (Analog to Digital Conversion), a seconda che avvenga partendo dal dominio digitale per passare a quello analogico o viceversa. La conversione analogico -> digitale richiede fondamentalmente due passaggi: un'operazione di CAMPIONAMENTO e una di QUANTIZZAZIONE.

Il campionamento consiste nel prendere l'audio analogico ed effettuarne quella che si può definire una sorta di "sequenza di istantanee" a intervalli regolari nel tempo. In altre parole, da un segnale definito con continuità nel tempo si passa ad un nuovo segnale i cui valori sono noti solo in una successione discreta di istanti. Il numero di "istantanee" del segnale analogico che vengono fatte in un secondo per ricavarne i valori nel tempo discreto è definita FREQUENZA DI CAMPIONAMENTO.
La domanda che sorge spontanea è ovviamente questa: ma questa operazione è distruttiva, nel senso che passando da un tempo continuo ad uno discreto si perdono informazioni? La risposta, sorprendentemente, è NO, purchè siano rispettate determinate condizioni. Per chi non è familiare con la terminologia dei segnali audio può essere un po' difficoltoso capire queste condizioni, ma proviamo a spiegarle lo stesso. Tutto ha origine nel fatto che un suono qualsiasi, dal più semplice al più complicato, è comunque sempre rappresentabile come una sovrapposizione di tanti suoni elementari, ciascuno caratterizzato da una specifica frequenza (ecco che ritorna il discorso delle frequenze che facevamo sopra). La rappresentazione di un suono in termini dei suoi costituenti elementari e delle loro frequenze è quello che si definisce SPETTRO. Ora, a noi interessa la più alta tra le frequenze dei suoni elementari che fanno parte del suono che vogliamo "far entrare" nel nostro computer: mezzo secolo fa, un signore di nome Shannon scoprì che il campionamento NON fa perdere alcuna informazione, purché la frequenza di campionamento sia almeno DOPPIA della più alta frequenza dei suoni elementari costituenti il nostro suono da campionare. Così, grazie a questa scoperta, sappiamo che se campioniamo un suono con una frequenza di campionamento di (esempio) 10 kHz, saremo sicuri che i suoni le cui componenti non superino i 5 kHz verranno rappresentati fedelmente.
Gli effetti di una bassa frequenza di campionamento sono percepibili come l'attenuazione più o meno forte dei toni più acuti del suono: un segnale audio con una frequenza di campionamento bassa ci apparirà cupo e ovattato.

A questo punto interviene la quantizzazione: dalle istantanee del suono ricavate durante il campionamento dobbiamo ottenere numero che ne indichi il valore, in modo da arrivare alla famosa sequenza di numeri che è il tipo di dato che il computer può digerire. Ogni "istantanea" del suono campionato viene quindi convertita in una equivalente rappresentazione numerica, tramite un algoritmo che suona più o meno così: se il valore di ampiezza del suono è compreso tra x e y, allora associa il numero N; e così via, considerando un numero di intervalli più o meno grande. Maggiore il numero di intervalli confrontati, migliore la precisione della conversione. La quantizzazione, al contrario del campionamento, per quanto precisa è comunque un'operazione distruttiva nei confronti del suono originale, perché per ogni intervallo di ampiezze considerato, tutti i valori di quell'intervallo vengono mappati in uno stesso numero. La rappresentazione risultante non è quindi più continua nelle ampiezze, bensì è "a scalini": ogni scalino sarà un numero. E questo numero sarà rappresentato con una certa quantità di bit: se per assurdo avessimo a disposizione 1 solo bit, potremmo rappresentare solo 2 numeri, e quindi 2 intervalli. La nostra precisione sarebbe quindi estremamente scadente. Con 2 bit potremmo usare 4 numeri (e quindi 4 intervalli), con 3 bit avremmo 8 numeri, e così via. La quantità di bit che andremo ad impiegare si definisce NUMERO DI BIT PER CAMPIONE, o RISOLUZIONE, o PRECISIONE.
L'uso di un numero di bit eccessivamente basso, e quindi un'approssimazione eccessiva nel rappresentare le ampiezze, viene percepito dall'orecchio umano come un soffio, simile al rumore che sentiamo quando sintonizziamo male una trasmissione radio o TV. Questo soffio è tecnicamente definito RUMORE DI QUANTIZZAZIONE, e per quanto dicevamo prima, non è possibile eliminarlo: tutt'al più possiamo attenuarlo aumentando il numero di bit per campione. Per la cronaca, il numero di bit per campione minimo necessario per assicurarsi che il rumore di quantizzazione non venga più percepito dall'orecchio umano è di 20 bit per campione.

Morale della favola: da un suono analogico, continuo nel tempo e nelle ampiezze, siamo passati ad una sequenza di numeri, ciascuno dei quali è rappresentato da una certa quantità di bit. Da una grandezza analogica, caratterizzata da un certo spettro, siamo passati ad una rappresentazione digitale, che porta come grandezze caratteristiche la frequenza di campionamento e il numero di bit per campione. Questa rappresentazione digitale dei suoni viene comunemente definita CODIFICA PCM, dove PCM sta per Pulse Code Modulation.

[Filippo1974]

PARTE II: STORIA DELLE SCHEDE AUDIO


Ora che sappiamo cosa vuol dire frequenza di campionamento e bit per campione, possiamo anche apprezzare alcune specifiche dei sistemi di riproduzione dell'audio digitale. Il più celebre di tutti è sicuramente il CD audio: in esso i suoni vengono campionati con una frequenza di 44,1 kHz e utilizzando 16 bit per campione. Il risultato è che un suono in un CD audio può avere componenti fino a circa 20 kHz (soglia che grossomodo coincide con il limite percepibile dall'orecchio umano medio), ma la risoluzione non è sulla carta sufficiente a garantire che il rumore di quantizzazione non verrà mai percepito. Se abbiamo un impianto di amplificazione di alta qualità, e alziamo per bene il volume, potremo forse sentire il rumore di quantizzazione quando l'intensità del suono vero e proprio è molto bassa (un classico test è quello della musica classica, che in molti punti può utilizzare un'intensità molto tenue degli strumenti).

Ma vediamo specificamente come è cresciuto e maturato il mondo dell'audio nel PC, dagli albori fino ai giorni nostri.

In principio era il famigerato PC Speaker, ovvero un rudimentale generatore di segnali audio elementari (le cosiddette onde quadre) collegato ad un piccolo speaker direttamente sulla scheda madre. Grazie a questo marchingegno, incredibilmente ancora oggi presente nelle motherboard per compatibilità (e come strumento diagnostico), il PC è in grado di emettere i classici "beep", ma nulla più, almeno ufficialmente. Esistevano infatti applicazioni (soprattutto giochi) che, in assenza di soluzioni audio più raffinate, riuscivano a far fare dei veri e propri miracoli al PC Speaker, consentendogli addirittura, seppur con una qualità chiaramente pietosa, di suonare vere e proprie canzoni. Qualche geniale smanettone era perfino riuscito a rendere disponibili emulatori Soundblaster per Windows 3.x, che utilizzavano il PC Speaker per produrre i suoni emulati.

Con il proliferare dei giochi per PC, la raffinatezza dell'audio sui computer è andata rapidamente crescendo, fino alle odierne soluzioni con audio multicanale ed estensioni ambientali.

La prima scheda audio ad incontrare una certa popolarità fu la AdLib. Prodotta a partire dal 1987, adottava un chip audio Yamaha grazie al quale era in grado di suonare fino a 9 voci simultanee. I suoni riproducibili da ciascuna di queste voci erano ottenuti tramite una tecnica definita "Sintesi FM", che permetteva di creare artificialmente suoni caratterizzati da spettri vagamente simili a quelli dei classici strumenti musicali, ottenendo così timbri somiglianti a quelli dei veri strumenti, anche se rimaneva chiaramente percepibile la natura artificiale dei suoni. Questa scheda audio non supportava la codifica PCM descritta in precedenza. La scheda AdLib vide poi qualche anno dopo l'uscita di una versione migliorata, l'AdLib Gold, che permetteva consistenti miglioramenti: le voci riproducibili con la sintesi FM raddoppiavano, passando da 9 a 18, ma soprattutto era finalmente disponibile una (rudimentale) capacità di riproduzione PCM a 12 bit per campione (frequenza di campionamento non nota, forse 11 kHz?), solamente monofonica (niente stereo). Purtroppo, la AdLib Gold arrivava troppo tardi sul mercato, perché da qualche tempo c'era già un prodotto che stava rapidamente riscuotendo un enorme successo: la Soundblaster.

La prima Soundblaster nasceva nel 1987, essenzialmente come un clone della prima AdLib (erano infatti contemporanee). La Soundblaster offriva totale compatibilità software con la AdLib, ma in più aveva il supporto PCM (frequenza di campionamento a 11 kHz e 8 bit per campione in registrazione, fino a 22 kHz e 8 bit per campione in riproduzione, solamente in monofonia), una porta MIDI (per controllare strumenti musicali esterni dotati anch'essi di una porta MIDI) e una porta Joystick. Poiché il prezzo di vendita era paragonabile a quello della AdLib ma le funzionalità erano molte di più, chiaramente la Soundblaster spazzò in fretta la AdLib fuori dal mercato. E, come detto, la AdLib Gold sarebbe arrivata troppo tardi per contrastare il dilagante successo della Soundblaster.

Con la Soundblaster Pro, uscita nel 1991, si migliorava il supporto PCM: fino a 22 kHz di frequenza di campionamento in registrazione (solo mono), mentre in riproduzione erano supportati 22 kHz (stereo) o 44,1 kHz (mono), sempre con 8 bit per campione. Come la AdLib e la stessa Soundblaster, la SB Pro supportava la Sintesi FM, con le stesse capacità della AdLib Gold. Infine, la scheda contemplava anche un controller integrato Matsushita-Panasonic per collegarvi un lettore CD-ROM (purché dotato dell'interfaccia Matsushita, che presto sarebbe scomparsa, soppiantata dall'emergente ATAPI). Da notare che nel tempo sarebbero nate anche varianti della SB Pro con controller ATAPI.

La Soundblaster 16 vide la luce nel 1992 e introduceva per la prima volta il supporto alla codifica PCM con 16 bit per campione (da cui il nome della scheda), utilizzabile sia in registrazione che in riproduzione, assieme ad una frequenza di campionamento di 44,1 kHz valida in ambo i casi. Per il resto, le caratteristiche erano le stesse della Soundblaster Pro. Come opzione, era possibile installare un modulo che permetteva la cosiddetta Sintesi Wavetable: rispetto alla Sintesi FM delle precedenti Soundblaster, i timbri degli strumenti erano finalmente ricavati da suoni convertiti dall'analogico con codifica PCM, e il realismo della musica così prodotta era decisamente superiore. Veniva anche in questo caso proposta l'interfaccia Matsushita-Panasonic per i lettori CD-ROM MKE.

Con le successive Soundblaster AWE32 (1994) e AWE64 (1996), la sintesi Wavetable diveniva di serie, con 32 voci simultanee (64 voci nella AWE64, di cui 32 direttamente supportate in hardware come nella AWE32, e ulteriori 32 emulate in software tramite il driver). Per il resto, era sempre presente il supporto alla codifica PCM, con le stesse capacità della Soundblaster 16.

La rivoluzione sarebbe tuttavia arrivata nel 1997 con l'arrivo dei chip audio Vortex di Aureal Semiconductors. L'innovazione di questi prodotti consisteva nel supporto del cosiddetto audio posizionale, tramite una tecnologia proprietaria Aureal denominata A3D. Non solo il Vortex era in grado di ricreare, nei limiti del possibile, un ambiente sonoro tridimensionale anche con sole due casse a disposizione (mentre per avere una vera riproduzione dell'audio posizionale erano richieste quattro casse), ma poteva anche attingere ai dati di una scena 3D per poter calcolare in tempo reale la propagazione dei suoni nell'ambiente rappresentato da quella scena. Grazie a questa funzione, un gioco 3D poteva ricreare il comportamento del suono in un ambiente, dando all'utente una sensazione di immersione impossibile altrimenti.

Nel 1998 la Creative cercò di controbattere l'innovazione di Aureal con le nuove Soundblaster Live!, caratterizzate dal supporto ad una tecnologia proprietaria di suono posizionale/ambientale, denominata EAX (Environmental Audio eXtensions), che doveva competere con A3D. La prima versione delle EAX, la 1.0, rispetto alla tecnologia Aureal era inferiore (le riflessioni del suono, a differenza della tecnologia A3D, non erano basate sulla reale forma dell'ambiente tridimensionale, bensì erano un semplice effetto di riverbero), ma nel giro di poco tempo Aureal sarebbe andata incontro a difficoltà finanziarie e sarebbe quindi stata rilevata da Creative, che avrebbe inglobato le caratteristiche di A3D nelle successive versioni delle EAX.

Attualmente le EAX sono strutturate come una estensione al componente DirectSound3D, che è parte delle librerie DirectX. Le versioni più recenti delle EAX (dalla 3.0 in poi) non sono di pubblico dominio, e come tali sono supportate solamente dalle schede Soundblaster. Le revisioni più "anziane" delle EAX, invece (quindi fino alla 2.0 inclusa), sono invece state rese pubbliche da Creative, e gli altri produttori di schede audio hanno potuto così includerne il supporto nei propri modelli (attualmente, praticamente qualunque soluzione audio anche non Creative, sia in forma di scheda dedicata che di audio on-board, supporta le EAX 2.0).

Concludiamo questo excursus con un breve cenno all'immediato futuro: con l'arrivo di Windows Vista, l'architettura dell'audio nel mondo Windows ha subìto un brusco cambiamento (di fatto, è stata riprogettata da zero): la conseguenza più importante è la cessazione della possibilità di accelerare le funzioni audio in hardware, comprese le estensioni proprietarie (quindi le EAX) alle DirectX. Su Windows Vista, l'unico modo di sfruttare un'eventuale accelerazione hardware per l'audio è sfruttare OpenAL, una libreria pubblicamente disponibile con supporto sia al mondo Windows che Mac e UNIX/Linux per l'implementazione dei sottosistemi audio di giochi e applicazioni in genere. Creative ha già percorso questa via, non solo favorendo il supporto dell'audio OpenAL nei giochi di nuova generazione, ma soprattutto dando vita al progetto "ALchemy", un software per Windows Vista in grado di convertire le vecchie funzioni DirectSound e DirectSound3D nelle equivalenti OpenAL per poter così continuare ad avere il supporto hardware disponibile.

Nella terza parte di questa guida parleremo un po' delle soluzioni audio on-board, una rarità (quasi un lusso) fino a qualche anno fa, ma comunissime ai giorni nostri (praticamente non esiste più una motherboard che non offra un minimo di audio on-board).

[Filippo1974]

PARTE III: L'AUDIO ON-BOARD


In questa puntata rivediamo un po' quali sono le caratteristiche, e che prestazioni ci si può attendere, dalle soluzioni audio on-board ormai onnipresenti in qualunque motherboard.

Le implementazioni dell'audio on-board seguono due grossi filoni: in uno (il più diffuso nei primi tempi in cui le mobo offrivano l'audio integrato) il supporto audio è totalmente affidato a una sezione a parte, esattamente come se nella mobo fosse installata una scheda audio dedicata, con l'unica differenza che questa sezione è fisicamente residente nella scheda madre; l'altra alternativa vede invece la presenza delle principali funzionalità di supporto all'audio direttamente nel chipset della scheda madre, con un chip esterno che si occupa della parte lasciata "scoperta" dal chipset (che è tipicamente la parte di conversione analogico->digitale e viceversa, quindi in sostanza la parte di input/output audio).

Nella prima soluzione (quella con supporto all'audio gestito da una sezione dedicata nella motherboard) la realizzazione consiste di solito nell'installare semplicemente nella motherboard un chip audio uguale a quelli che troverebbero posto in una scheda audio dedicata. Così facendo, dal punto di vista del software che gira poi sul nostro PC, una soluzione di audio on-board di questo tipo è a tutti gli effetti equivalente alla presenza di una scheda audio dedicata, con tuttavia il vantaggio di un costo complessivo minore: la maggior spesa di acquisto di una scheda madre che offre una simile soluzione di audio on-board è comunque più contenuta di quanto si dovrebbe sborsare per una scheda audio a parte. In questo senso, possiamo certamente dire che la seconda soluzione, ovvero il supporto audio direttamente nel chipset, è un'estremizzazione della precedente, consentendo ulteriori abbattimenti dei costi. Le funzioni di I/O e conversione analogico/digitale sono comunque destinate a rimanere separate dal chipset, principalmente per questioni di qualità: il chipset infatti è un componente molto "rumoroso" dal punto di vista elettromagnetico, a causa dell'enorme quantità di segnali elettrici che vi transita, e integrare al suo interno anche la parte di I/O audio avrebbe avuto come risultato un audio estremamente disturbato.

Proprio il fatto che le soluzioni audio on-board abbiano come svantaggio principale il dover convivere con i disturbi elettromagnetici tipici di una circuiteria complessa com'è appunto quella presente in una scheda madre ha alimentato la convinzione comune che l'audio on-board sia in ogni caso una soluzione di fascia molto bassa, da evitare come la peste per utilizzi un minimo "seri". Non ha certo aiutato a cambiare questa opinione il fatto che comunemente i chip audio delle soluzioni on-board non brillano certo per prestazioni, né per qualità e purezza dell'audio che producono. Nonostante questo, non sono mancati alcuni esempi notevoli di implementazione audio on-board: è probabilmente rimasto unico il caso della AOpen, un produttore di motherboard che in taluni modelli di fascia alta (come ad esempio la AX4B-533, una motherboard per CPU Intel Pentium 4 dotata del chipset Intel i845E) aveva inserito uno stadio di amplificazione audio a valvole, soluzione che oggigiorno si trova solamente nei dispositivi audio destinati agli utenti audiofili più esigenti.

Con il diffondersi della multimedialità nei PC (si pensi solamente al fatto di volersi gustare un DVD sul proprio computer, operazione questa divenuta assolutamente comune al giorno d'oggi) si è sentita la necessità di "mettere un po' d'ordine" nel mondo dell'audio on-board, per evitare che esso rimanesse una soluzione puramente di facciata, dalle prestazioni così scarse da risultare inutilizzabile per qualunque altro scopo che non fosse il semplice sentire i suoni di sistema di Windows (o di qualunque sistema operativo che li usasse).

Per questo motivo nacque, nel 1997 per iniziativa di Intel, lo standard "AC'97", dove AC sta per Audio CODEC. Questo standard poneva per la prima volta dei paletti sulle funzionalità minime in termini di frequenze di campionamento, bit per campione e numero di suoni PCM riproducibili simultaneamente; oltre a ciò, lo standard AC'97 stabiliva un punto di riferimento anche dal punto di vista dell'architettura e delle interfacce hardware, cosicché anche la realizzazione fisica di soluzioni conformi a questo standard diveniva omogenea per tutti i produttori.

Una soluzione audio on-board conforme alle specifiche AC'97 può registrare e riprodurre suoni PCM fino a 20 bit per campione e fino a 96 kHz di frequenza di campionamento (per audio stereo) o 48 kHz (per audio multicanale), e supporta fino a 5 diffusori + subwoofer (la configurazione comunemente definita 5.1). Con la revisione v2.3 delle specifiche AC'97 si è introdotta la tecnologia cosiddetta "Jack sensing". Si trattava in pratica di una sorta di "plug'n'play" per dispositivi audio: non appena l'utente inserisce un cavetto analogico in una delle connessioni audio presenti sulla motherboard, il sistema è in grado di proporre immediatamente all'utente una scelta su che tipo di periferica audio è presente sulla connessione appena stabilita (casse, cuffie, microfono o altro), e in alcuni casi addirittura riconoscerla automaticamente.

Con il progredire molto rapido delle funzionalità (e delle richieste degli utenti), le specifiche AC'97 sono divenute obsolete nel giro di alcuni anni. Per questo motivo, nel 2004 Intel ha rilasciato l'evoluzione di queste specifiche, definita "HD Audio". Con queste nuove specifiche, una soluzione audio on-board deve essere in grado di riprodurre audio multicanale fino a 192 kHz di frequenza di campionamento e 32 bit per campione e supportare fino a 7 diffusori + subwoofer. Inoltre, lo standard HD Audio implementa un sistema di qualità del servizio, negoziando con il sistema una prestazione minima garantita in modo da evitare problemi di audio gracchiante o a strappi tipici della mancanza di banda o latenze eccessive. Ultimo ma non ultimo, l'HD Audio prevede la possibilità di riprodurre simultaneamente due o più suoni PCM e redirezionarne l'uscita su connessioni distinte. Così, ad esempio, l'audio di una conversazione via chat può essere destinato alle cuffie, mentre l'output di una canzone viene inviato alle casse di un impianto audio nella stanza.
Alcune soluzioni di audio conforme allo standard HD Audio offrono, in aggiunta alle classiche connessioni analogiche, anche delle altre connessioni di tipo digitale: grazie ad esse, è possibile eliminare alla radice qualunque problema di degrado di qualità audio dovuto a interferenze elettromagnetiche, dato che il segnale audio rimane digitale anche in uscita dal PC, restando quindi del tutto insensibile alla presenza dei disturbi e dei rumori elettromagnetici generati dal PC stesso.

In presenza di un audio on-board così sofisticato, di fatto l'unico fattore di differenziazione tra una soluzione audio on-board e una scheda audio dedicata sarebbero le funzionalità accessorie. Come si accennava nella parte precedente della guida, implementare funzioni extra nell'hardware è supportato fino a Windows XP incluso; a partire da Windows Vista, l'architettura audio totalmente rivista non consente più la presenza di funzioni hardware "personalizzate", rendendo necessario l'uso di sistemi alternativi (come le librerie OpenAL) per poter proseguire nell'uso di hardware avanzato.