متادیتا و آرشیو دیجیتال صدا
چکیده
با توجه به پیشرفت روز افزون فناوری اطلاعات و تحولات ناشی از آن، استفاده از تجهیزات دیجیتال و سیستمهای کامپیوتری در عرصه رسانههای صوتی و تصویری در حال گسترش بوده و با توجه به عدم تولید و ارائه تجهیزات ذخیره سازی آنالوگ، تجهیزات مدرن و دیجیتال برای ارائه هر نوع اطلاعات و دادهها جایگزین تجهیزات سنتی و آنالوگ شده است. در سیستمهای دیجیتال، منابع صوتی و تصویری به صورت فایلهای کامپیوتری در حافظههای مغناطیسی، نوری و یا الکترونیکی ذخیره میشود و از آنجاییکه مراجعه به محتوا و متن منابع رسانهای توسط سیستمهای کامپیوتری پر هزینه و در برخی مواقع غیر ممکن است، برای دسترسی به منابع آرشیوی رسانهای و در نهایت انتخاب منبع مورد نظر از اطلاعات جانبی و متادیتای آنها استفاده میشود. در این نوشته با توجه خاص به منابع دیجیتال صوتی و روشهای پیاده سازی اطلاعات جانبی آنها در حوزه رسانهای بحث شده و روش پنهان سازی متادیتا یا فراداده در فایلهای صوتی استاندارد مورد توجه خاص قرار گرفته است.
مقدمه
با ورود به دنیای دیجیتال، با توجه به ارزان شدن حافظههای کامپیوتری در حین افزایش گنجایش آنها و گسترس فرهنگ استفاده از سیستمهای کامپیوتری و همچنین برای استفاده از تواناییهای خاص سیستمهای دیجیتال مثل سرعت، انعطافپذیری، یکپارچگی، علاوه بر کاهش زمان دسترسی به منابع، موجب افزایش بهرهوری، کاهش چشمگیر هزینهها، سرعت بخشیدن به تولید و انتقال اطلاعات و دانش شود. سرعت انتقال محتوا و افزایش تبادل منابع از ویژگیهای خاص سازمانها و مراکز رسانهای امروز میباشد.
برای حضور رسانهای در فضای به وجود آمده حاصل از تغییرات تکنولوژی مستلزم تبدیل منابع صوتی و تصویری از رسانههای آنالوگ به رسانههای دیجیتال میباشد که در این راستا موضوعات و مسایلی مثل فرمت و ساختار فایلهای دیجیتال شده، رسانه ذخیره سازی و نحوه نگهداری آنها و مهمتر از همه چگونگی سازماندهی و دسترسی به منابع مطرح میشود که برای هر کدام از مسایل طرح شده، استانداردهای مختلف و متناسب با کاربری آنها توسط نهادها و سازمانهای مربوطه تعریف شده و یا میشود.
برای دسترسی مؤثر و کارآمد به منابع و همچنین به منظور تبادل الکترونیکی منابع دیجیتال به اطلاعات توصیفی مناسبی احتیاج میباشد. سازمانهای رسانهای برای این منظور روشهای مختلفی برای همراه کردن متادیتا با منابع صوتی و تصویری معرفی کردهاند و علی رغم ایجاد همگرایی نسبی ولی همچنان پراکندگی زیادی در نحوه ارائه اطلاعات وجود دارد که تبادل محتوا را به چالش میکشاند. این موضوع زمانی شکل مشکل جدی به خود میگیرد که تبادل محتوای رسانهای کامپیوتری و خودکار مدنظر باشد.
دسترسی سریع و کارآمد به منابع از یک طرف و توزیع پذیر و قابل جابجا بودن منابع از طرف دیگر باعث شده که مدیریت و سازماندهی اطلاعات جانبی و متادیتای منابع اهمیت زیادی داشته باشد. برای فراهم کردن شرایط تبادل محتوای رسانهای علاوه بر ایجاد بستر سخت افزاری، احتیاج به توصیف متادیتای جامع و مشترک برای منابع رسانهای دیجیتال میباشد و مهمتر از آن (و یا بعد از آن) تعریف روش استاندارد و مشترکی برای تلفیق و همراه کردن متادیتا با خود منابع میباشد.
تعریف متادیتا در فایلهای صدای دیجیتال شده به طور کلی به چهار روش قابل پیاده سازی میباشد که عبارتند از استفاده از بانک اطلاعات، به کارگیری یک فایل توصیفی در کنار فایل صدا، استفاده از فیلدهای اطلاعاتی استاندارد موجود در فایل صدا و یا تعریف متادیتای توصیفی پنهان در فایل صدا میباشد. در این نوشته پس از معرفی فایلهای صدای دیجیتال استاندارد بدون فشرده سازی و توضیح روشهای ارائه متادیتا، در مورد یک روش پیشنهادی پیاده سازی متادیتا با بررسی جوانب مختلف موضوع، بررسی بیشتر خواهد شد.
این پیشنهاد میتواند پس از بررسیهای لازم و تغییرات احتمالی منجر به یک استاندارد درون سازمانی و یا برون سازمانی شود تا مشکل تبادل محتوا بین واحدها و سازمانها مرتفع گردد. در این صورت لازم نیست سیستم نرمافزاری واحدی در کلیه بخشها پیاده سازی شود بلکه با رعایت استاندارد متادیتای تعریف شده سیستمهای گستردهای میتوانند با هم تبادل محتوا داشته باشند.
ساختار فایل صدا
فایلهای صدای Wave زیر مجموعه فرمت RIFF (Resource Interchange File Format) مایکروسافت برای ذخیره فایلهای چند رسانهای است. یک فایل RIFF با یک هدر شروع شده و دارای تعدادی چانک است. یک فایل Wave اغلب یک فایل RIFF است و دارای یک چانک Wave که شامل دو زیر چانک فرمت (fmt) و داده (data) میباشد. چانک fmt فرمت دادههای فایل صدا را مشخص میکند و چانک data شامل دادههای مربوط به صدا میباشد.
ساختار فایلهای صدا طبق فرمت استاندارد Wave که در شکل یک نشان داده شده است، دارای یک چانک “RIFF” برای توصیف کل فایل و دارای یک زیر چانک “fmt ” برای توصیف فرمت اطلاعات صوتی فایل و دارای یک زیر چانک “data” که شامل اطلاعات صوتی فایل میباشد. به عبارت دیگر کل فایل صدا یک چانک میباشد که دارای زیر چانکهای متعدد میباشد و دادههای مربوط به صدا خود نیز یک زیر چانک میباشد.
در ساختار فایل wave هر زیر چانک دیگری را که منطبق با استاندارد فایل صدا باشد میتوان تعریف کرد ولی استاندارد مورد حمایت سازمانهای جهانی نخواهد بود. طول و محتوای زیر چانکها که مشابه خود چانک میباشد محدودیت نداشته و فقط محدود به گنجایش کل فایل صدا میباشد که حداکثر 4 گیگابایت خواهد بود.
چانکهای غیر معروف و ناشناخته در زمان بازسازی مجدد و یا تغییرات محتوای فایل صدا از بین میروند مگر اینکه ابزار ویرایشی مورد استفاده آن را پشتیبانی کند. در زمان خواندن فایلهای صدا چانکهای اضافه هیچ مانعی برای پخش آنها ایجاد نخواهد کرد و با پخش فایل صدا دستخوش تغییر نیز نخواهند شد.
فرمت BWF (Broadcast Wave Format) همان فرمت فایلهای wave میباشد که دارای یک زیر چانک با عنوان bext (Broadcast EXTension) میباشد. در این زیر چانک، اطلاعات شناسنامهای و مالکیتی از فایل صدا ذخیره میشود که محدود به چند فیلد زمان ایجاد، ایجاد کننده، توصیف و تاریخچه فایل صدا میباشد.
متادیتای فایلهای صدا
هر نوع اطلاعات از قبیل فایلهای متنی، شنیداری، دیداری و گرافیکی که غالباً بر مبنای رمز باینری یا رمزهای دیگر و متشکل از سطوح صفر و یک یا در قالبها و استانداردهای نظیر آن به صورت فایل بیان میشود، داده (Data) گفته میشود و به هرگونه اطلاعات متنی تشریحی، تکمیل کننده و یا تغییر دهنده انواع داده در فرآیند تولید و پخش، فراداده یا متادیتا (Meta Data) میگویند. به بیانی دیگر متادیتا عبارت است از تمام یا بخشی از داده یا اطلاعات مربوط به داده اصلی به طوری که توصیف کننده آن میباشد. این اطلاعات میتواند شامل اطلاعات فنی، توصیفی ، تحلیلی و وضعیتی در مورد دادهها باشد.
میتوان محتوای متادیتا را به دو بخش اصلی تقسیم کرد. بخش اول مربوط به شناسنامه فایل است و شامل اطلاعاتی چون نام فایل، نوع منبع، تهیه کننده و از این قبیل اطلاعات میباشد که بدون آن یک فایل صوتی بدون هویت و غیر قابل شناخت است و بخش دوم که دائم در حال تغییر است و به عبارتی در نرمافزارها موجب هدایت فایل در مسیر فرآیند کاری میگردد و شامل مجوزها و علامتهای کنترلی همچون مجوز پخش، تاریخ و ساعت پخش، تعداد دفعات پخش و یا محدودیتهای آن میباشد.
صدای دیجیتال یک فایل صوتی است که به همراه اطلاعات جانبی دیگر در یک فایل با پسوند WAV طبق شکل دو ذخیره میشود. این فایل دارای چندین چانک (Chunk) اطلاعاتی میباشد که به عنوان مثال چانک fmt-ck مربوط به اطلاعات فرمت فایل و چانک wave-data مربوط به اطلاعات صدای آن میباشد. چانکهای دیگر و با کاربریهای مختلف در ساختار فایل صدای Wave قابل تعریف و استفاده است.
با توجه به مطالب فوق محتوای اطلاعات از نوع اول شناسنامه اصلی فایل بوده و معمولاً در بانکهای اطلاعاتی در جدول آرشیو نگهداری و مورد استفاده قرار میگیرند و همین طور اطلاعات از نوع دوم در صفحات نرمافزار دیده شده و عموماً فایل صوتی به آن متصل میگردد. بانک اطلاعاتی نیز با توجه به نوع طراحی سیستم نرمافزاری میتواند از جدول جداگانهای بهره بگیرد.
روشهای پیاده سازی متادیتا
اطلاعات جانبی مربوط به یک فایل صدا به شکلهای مختلفی قابل ذخیره کردن و استفاده میباشد که شامل عنوان، شرح، سرعنوانهای موضوعی، کلمات کلیدی، منبع، تاریخ تولید، زبان، مخاطب، مناسبت، کیفیت، حالت صدا و غیره میباشد. روشهای مختلف مورد نظر از نظر نحوه ذخیره سازی اطلاعات، تعداد و تنوع فیلدهای اطلاعاتی، سرعت دسترسی به آنها و روش ارتباط با فایل صدای مربوطه متفاوت بوده و متناسب با کاربری مورد نظر انتخاب و پیاده سازی میگردد.
اطلاعات BWF: تعدادی فیلد اطلاعاتی مشخص و با قالب استاندارد که توسط نرمافزارهای حرفهای صدا نیز پشتیبانی میشود در یک chunk با عنوان bext (broadcast-audio-extension) در خود فایل صدا نوشته میشود که این اطلاعات استاندارد بوده ولی محدود به 5 فیلد اطلاعاتی طبق جدول یک میباشد. در این روش، اطلاعات فایل صدا توسط ابزارهای استاندارد صدا قابل دیدن و ویرایش میباشد.
|
ردیف |
توضیح |
فیلد |
|---|---|---|
|
۱ |
عنوان و توصیف صدا |
Description |
|
۲ |
نام تولید کننده صدا |
Originator |
|
۳ |
کد که توسط تولید کننده صدا مشخص میشود |
Reference |
|
۴ |
تاریخ و ساعت ایجاد فایل صدا |
Date and time |
|
۵ |
سابقه کارهای انجام شده در مورد |
Coding history |
جدول یک: فیلدهای اطلاعاتی BWF
اطلاعات پنهان شده در فایل صدا: نگهداری و افزودن اطلاعات جانبی به صدا میتواند به صورت یک Chunk در داخل فایل صدا باشد. این اطلاعات از دید نرمافزارهای استاندارد صدا پنهان بوده و با وجود اینکه قالب استانداردی دارد ولی در صورت ویرایش فایل صدا، از دست میرود. این روش در صورتیکه فایلهای صدا، آرشیوی بوده و قابل ویرایش نباشند و از نرمافزارهای اختصاصی برای دسترسی به آنها استفاده شود، روش مناسبی برای ذخیره تعداد فیلدهای اطلاعاتی بیشتر (مورد نیاز) و اختصاصی خواهد بود.
اطلاعات فایل XML: روش دیگر برای ذخیره اطلاعات مربوط به یک صدا استفاده از فایل اطلاعاتی جانبی میباشد که در این صورت تعداد و تنوع اطلاعات جانبی صدا هیچگونه محدودیتی نداشته و فایل اطلاعاتی صدا، مستقل از خود فایل صدا قابل استفاده و ویرایش خواهد بود. در این روش تضمینی برای هماهنگ بودن اطلاعات فایل صدا و خود فایل صدا وجود ندارد مگر اینکه هر دو فایل (صدا و اطلاعات) به روش مناسبی کدگزاری و به هم مرتبط شده باشند.
بانک اطلاعات: در سیستمهای کامپیوتری و اتوماسیون آرشیو برای نگهداری اطلاعات جانبی یک فایل صوتی از بانک اطلاعاتی استفاده میشود. این روش برای جستجو و دسترسی سریع به منابع آرشیوی مشخص خیلی مناسب میباشد ولی مستلزم پیاده سازی یک سیستم نرمافزاری خاص بوده و به سادگی قابل حمل و جابجایی از یک سیستم به سیستم دیگر نخواهد بود. برای هر مرکز آرشیوی داشتن یک بانک اطلاعات برای مدیریت منابع آرشیوی موجود ضروری میباشد ولی میزان ارتباط اطلاعات فایل با خود فایل صدا و تنوع اطلاعاتی آن بستگی به سیستم نرمافزاری پیاده سازی شده دارد.
چانک <AXML>
چانک AXML که توسط سازمان EBU تعریف شده است یک تعریف استاندارد از انواع محتوای داده برای یک فایل BWF به همراه XML را ارائه میدهد. چانک <AXML> برای ذخیره و انتقال metadata بصورت XML به کار میرود. چانک <AXML> ممکن است شامل هر داده با فرمت XML 1.0 یا قدیمیتر از آن باشد و میتواند شاملXML هایی فراتر از یک الگوی استاندارد باشد .این چانک شامل یک header همراه با یک سری داده با فرمت XML و با طول متفاوت میباشد.
محتوای چانک <AXML> مثل یک چانک استاندارد شامل اطلاعات کلی ckID (عنوان چانک)، ckSize (اندازه چانک) و xmlData (متادیتای مورد نظر) میباشد. ckID شامل 4 کاراکتر ‘a’،‘x’ ،‘m’ و ‘l’ برای تعریف چانک میباشد. ckSize اندازه بخش داده چانک را مشخص میکند و xmlData این فیلد شامل اطلاعات متنی xml میباشد.
ساختار داده XML به طور پشت سر هم و به صورت رشته متنی مطابق با استاندارد XML 1.0 و یا قدیمیتر از آن ذخیره میشود و در صورتیکه نرمافزار مقصد نتواند محتوای چانک <AXML> را با مشخصاتی که در XML وجود دارد تفسیر کند کل چانک را نادیده گرفته میگیرد.
بررسی و مقایسه روشها
با توجه به روشهای اشاره شده برای نگهداری اطلاعات مربوط به فایل صدا و با توجه به تنوع کاربرد فایلهای صدا، هر سیستمی که بتواند از روشهای بیشتری برای نگهداری اطلاعات صدا استفاده کند، میتواند کاربرد گستردهتر و موفقیت بیشتری داشته باشد، مگر اینکه سیستم برای کاربرد مشخص و محدودی طراحی شده باشد. ویژگیهای روشهای فوق در مقایسه با هم در جدول دو به صورت خلاصه بیان شده است و یک سیستم میتواند با پیاده سازی روشهای مختلف از انعطاف و توانایی بیشتری برخوردار باشد.
|
BWF Chunk |
AXML Chunk |
XML file |
Data Base |
|
|---|---|---|---|---|
|
استاندارد |
EBU |
Wave |
خاص هر سازمان |
خاص نرمافزار |
|
سرعت دسترسی |
دسترسی به متن فایل صدا |
دسترسی به متن فایل صدا |
دسترسی به یک فایل کوچک |
خیلی سریع |
|
ابزار دسترسی |
ابزارهای حرفهای |
خاص |
متنوع |
نرمافزار خاص |
|
انعطاف در تغییر |
با ابزارهای استاندارد صدا |
با ابزار خاص |
کاملاً منعطف |
نرمافزار خاص |
|
جابجایی |
به همراه فایل صدا |
به همراه فایل صدا |
مستقل از فایل صدا |
غیر قابل جابجایی |
|
پایداری |
برای ابزارهای خاص |
فقط برای خواندن از فایل |
به اندازه وجود فایل |
مطمئن |
|
مناسب برای |
استاندارد جهانی |
نگهداری مطمئن |
جابجایی |
دسترسی سریع |
جدول دو: مقایسه روشهای ذخیره سازی اطلاعات فایل صدا
در صورت استفاده از روش BWF علاوه بر اینکه متادیتا به همراه فایل صدا خواهد بود، یک قالب و فرمت استاندارد و مطمئن برای متادیتا تعریف خواهد شد ولی تعداد فیلدهای آن محدود و مشخص میباشد. کاربرد این روش صرفاً برای معرفی مالکیت فایل صدا مناسب میباشد.
روش بانک اطلاعاتی برای سیستمهای نرمافزاری صدای مستقر در یک سازمان برای دسترسی سریع به منابع آرشیوی مناسب بوده و دارای قابلیت انتقال کمتری بوده و به سادگی قابل ویرایش، تغییر و کاهش یا افزایش میباشد. استفاده از این روش در هر سیستم آرشیوی لازم میباشد.
روش استفاده از فایل XML در کنار فایل صدا علاوه بر انعطاف در تنوع اطلاعات در متادیتا ولی از قابلیت اطمینان کمتری برخوردار خواهد بود. این روش صرفاً برای جابجایی منابع آرشیوی خیلی مناسب خواهد بود.
استفاده از AXML میتواند قابلیت اطمینان و پایداری را در نگهداری متادیتا افزایش داده و برای جابجایی منابع روش مناسبی باشد. این روش میتواند برای سازمانهای گسترده به عنوان یک استاندارد داخلی بوده و تبادل دادهها را در محدوده سازمان بین واحدها روان و مطمئن و کم هزینه بکند.
نتیجهگیری
در صورت پیاده سازی متادیتای نهان شده در فایل صدا به صورت AXML در سازمانهای بزرگ، لزوم استفاده از یک نرمافزار واحد در همه واحدها کم رنگ شده و کافیست تنها یک متادیتای کامل و واحد که تمام نیازهای همه واحدها را در برمیگیرد تعریف گردد. در این صورت میتوان از همه تولیدکنندگان نرمافزار با رعایت الگوی مصوب متادیتا بهره جست. این الگو با توجه به تنوع نیازها، در حال حاضر راهگشا بوده و میتواند تبادل اطلاعات بین واحدهای مختلف را ساده، روان و مطمئن سازد. برای این منظور باید همه متادیتای موجود و همچنین فرامین و مجوزهای کنترلی در قالب AXML به همراه فایل و نهان در فایل بارگذاری شود.
نگارنده:
محمدتقی فاتحی خواجه، عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران جنوب
fatehimt@gmail.com