Cómo la compresión MP3 reduce los archivos de audio: psicoacústica, MDCT y Huffman

MP3 (MPEG-1 Layer III) logra una reducción de tamaño del 75–95 % frente a WAV de calidad CD al desechar datos que tus oídos no pueden escuchar. Es con pérdida—la forma de onda original no se puede reconstruir perfectamente.

El canal de cuatro etapas

1. Modelo psicoacústico (El "modelo del oído")

El codificador analiza marcos cortos (576 muestras ≈ 12 ms @ 44.1 kHz). Calcula umbrales de enmascaramiento: un tono fuerte a 1 kHz enmascara sonidos más silenciosos en frecuencias cercanas (enmascaramiento simultáneo) y ligeramente después (enmascaramiento temporal). Cualquier cosa por debajo del umbral se marca como "inaudible."

2. Banco de filtros → MDCT (Dominio de frecuencia)

Muestras del dominio del tiempo → Transformada coseno discreta modificada (ventana superpuesta 50 %). Salida: 576 coeficientes de frecuencia por gránulo (18 subbandas de frecuencia × 32 líneas). Esto separa la señal en contenedores de frecuencia donde funciona el enmascaramiento.

3. Cuantificación (Pérdida de precisión controlada)

Cada coeficiente de frecuencia se divide por un factor de escala (por subbanda) y se redondea a un entero. Mayor factor de escala = cuantificación más gruesa = más ruido—pero el modelo psicoacústico garantiza que el ruido se mantenga por debajo del umbral de enmascaramiento en cada banda. Aquí es donde se ahorran bits.

4. Codificación Huffman (Codificación de entropía sin pérdida)

Coeficientes cuantificados + factores de escala + información lateral → códigos de longitud variable. Los valores comunes reciben códigos cortos (por ejemplo, "0" → 0), los valores raros reciben códigos largos. Sin pérdida de calidad—compresión puramente estadística (~20–30 % de reducción adicional).

Control de bitrate

  • CBR (Bitrate constante): Tamaño de marco fijo. Simple, tamaño predecible. Desperdicia bits en silencio, priva pasajes complejos.
  • VBR (Bitrate variable): Calidad objetivo (V0–V9 en LAME). Asigna bits donde el enmascaramiento es más difícil. Mejor calidad/tamaño.
  • ABR (Bitrate promedio): VBR con objetivo de promedio a largo plazo. Bueno para búferes de streaming.

Resultados típicos

ConfiguraciónBitrateTamaño/MinCalidad perceptiva
CD (WAV)1,411 kbps10.6 MBTransparente (referencia)
MP3 V0 (LAME -V0)~245 kbps promedio1.8 MBTransparente para la mayoría en equipos de gama alta
MP3 V2 (LAME -V2)~190 kbps promedio1.4 MBExcelente, "archivo" para muchos
MP3 128 kbps CBR128 kbps0.96 MBArtefactos audibles (pre-eco, warble)

Conclusión clave: MP3 no "comprime" como ZIP—codifica perceptualmente. Los bits que permanecen representan lo que tu cerebro realmente escucha.