Varför video och ljud lagras separat

Vad adaptiv streaming faktiskt gör

När du tittar på en video är din uppkoppling inte konstant. Den dippar i en hiss, återhämtar sig på gatan, dippar igen på ett tåg. En enda fil med fast kvalitet skulle antingen fastna konstant eller slösa bandbredd på en snabb uppkoppling.

Lösningen hela branschen enades om är att spara varje kvalitet som sin egen videoström, spara ljudet en gång separat, och låta spelaren byta videoström mitt i uppspelningen medan ljudet fortsätter obrutet. Det är därför kvaliteten synligt skiftar under en video medan ljudet aldrig bryts — ljudet var aldrig en del av det som ändrades.

Besparingen är betydande. Ett ljudspår betjänar varje kvalitet, så en video som erbjuds i åtta upplösningar sparar åtta videoströmmar och en ljudström, inte åtta kompletta filer. På YouTubes skala är den skillnaden enorm, och det är därför metoden är universell snarare än en YouTube-egenhet.

Undantaget 360p

Ett format bryter mönstret, och det är anledningen till att vissa nedladdningar är omedelbara medan andra inte är det.

YouTube behåller fortfarande en kombinerad fil i 360p — video och ljud tillsammans, en överlevande från innan adaptiv streaming existerade. Den behålls för kompatibilitet med äldre spelare och enkla klienter som inte kan sätta ihop strömmar själva.

För nedladdning gör det 360p unikt billig. Inget behöver slås ihop, så filen kan lämnas över som den är. Allt över 360p kräver att två strömmar hämtas och kombineras innan det ens finns en fil att ge dig.

Det är därför ett verktyg kan kännas inkonsekvent — 360p kommer omedelbart, 1080p tar flera sekunder. Inget är trasigt; du bad helt enkelt om två olika typer av arbete.

Varför vissa nedladdningar blir ljudlösa

Nu den praktiska konsekvensen, och den vanligaste klagomålet i hela den här kategorin.

Ett verktyg som tar videoströmmen och lämnar den utan ljud producerar en fil som spelas perfekt och är helt ljudlös. Inget misslyckades och inget fel visas — du fick helt enkelt en av de två halvorna.

Detta händer av en enkel anledning: att slå ihop strömmarna kostar tjänsten riktig processortid och diskutrymme. Att hoppa över det steget är gratis. Ett verktyg byggt för att vara billigt snarare än korrekt tar genvägen, och användaren upptäcker det hemma.

Tecknet är konsekvens. Om varenda nedladdning över 360p är ljudlös medan 360p har ljud, slår verktyget inte ihop strömmarna. Den dedikerade guiden om ljudlösa nedladdningar går igenom hur man kontrollerar det och vad man gör med en fil man redan har.

Vad det innebär att slå ihop strömmarna

Att kombinera två strömmar till en fil är inte redigering och rör inte kvaliteten — en detalj värd att nämna eftersom motsatsen ofta antas.

Operationen kallas remuxning: video- och ljuddata kopieras oförändrade till en ny container med tidsinställningen justerad. Inget avkodas, inget kodas om, och bilden och ljudet i resultatet är, bit för bit, exakt det plattformen skickade.

Så 'sammanslagning' låter tyngre än det är. Kostnaden är nedladdning av två strömmar och en kort ompaketering — ingen kvalitetsförlust, och ingen lång väntan.

Vilka plattformar som gör detta och vilka som inte gör det

Adaptiv streaming är inte universell, det är därför nedladdningar beter sig olika beroende på sajt.

• YouTube — separata strömmar över 360p. Sammanslagning krävs för allt högre.
• TikTok — en enda kombinerad fil. Inget att slå ihop, vilket delvis förklarar varför TikTok-nedladdningar känns omedelbara.
• Instagram — kombinerade filer i de flesta fall.
• Facebook — blandat, beroende på hur videon laddades upp och dess ålder.

Mönstret följer videolängd. Plattformar med långt format gynnas mest av adaptiv streaming, eftersom en tittares uppkoppling hinner ändras under en tjugominutersvideo. I ett femtonsekunderslipp är allt redan buffrat innan något hinner anpassa sig, så komplexiteten ger ingenting.

Det förklarar också en skillnad folk märker utan att kunna namnge den: kortvideoplattformar är konsekvent snabbare att ladda ner från, oavsett kvalitet. De lämnar över en färdig fil, de beställer inte en.

Var separationen syns på andra ställen

När du väl vet att strömmarna är oberoende visar sig flera till synes orelaterade beteenden ha samma orsak.

Nedladdningar med bara ljud är verkligen fria från video. Att extrahera ljud handlar inte om att ta bort bilden ur en fil — ljudet finns redan som sin egen ström, så en ljudnedladdning tar helt enkelt den och ignorerar resten. Det är därför ljud kommer snabbt och varför resultatet inte försämras av extraktionen.

Kvaliteten ändras mitt i videon utan att ljudet hackar. Spelaren bytte videoström och lämnade ljudet orört. Om bild och ljud levde i samma fil skulle varje kvalitetsbyte avbryta båda.

En video kan buffra medan ljudet fortsätter spela. Samma orsak, annat symptom: de två strömmarna hämtas oberoende av varandra, så den ena kan hamna efter medan den andra fortsätter.

Vissa spelare visar två separata spårlistor. Öppna en nedladdad fil i en spelare med spårmeny och du kan se video och ljud listade separat även efter sammanslagning, eftersom containern behåller dem som distinkta spår. Det är normalt och inget tecken på att sammanslagningen gick fel.

Inget av detta är en bugg, och inget har en uppenbar förklaring förrän du vet att strömmarna aldrig var en enda sak från början.

Vad detta betyder när du väljer en kvalitet

Några beslut följer av allt detta, och de är värda att fatta medvetet.

Om du vill ha hastighet framför allt är 360p verkligen speciell. Inte bara mindre — strukturellt enklare, eftersom den hoppar över hela monteringssteget. På en dålig uppkoppling är det skillnaden mellan en nedladdning som slutförs och en som tar time-out.

Om du laddar ner många videor, förvänta dig att väntan ackumuleras. Tio videor i 1080p är tio monteringar, och de konkurrerar om samma processorkapacitet på tjänsten du använder. Att sprida ut dem är i praktiken snabbare än att köra igång alla samtidigt.

Om ljud spelar roll, testa en fil innan du gör tjugo. Ett verktyg som inte slår ihop misslyckas tyst och identiskt varje gång, så en kontroll berättar allt om de kommande hundra nedladdningarna.

Om du arkiverar är den sammansatta filen vad du vill ha. Att behålla en videoström och en ljudström som två filer kan se prydligt ut, men varje spelare och varje redigerare förväntar sig en enda fil med båda spåren, och att återförena dem senare innebär att hitta ett verktyg och komma ihåg vilket par som hörde ihop. Sammanslagningen är värd att göra en gång, vid nedladdningstillfället, medan båda halvorna finns framför dig.

Det finns en bredare poäng bakom alla tre. Separata strömmar är en optimering för att titta — de låter en spelare anpassa sig till en uppkoppling som ändras minut för minut. Att ladda ner är den motsatta situationen: uppkopplingens beteende under de kommande tjugo minuterna är irrelevant, eftersom du redan har filen. Allt som gör streaming smart blir ren overhead så snart videon finns på din enhet, det är därför monteringssteget överhuvudtaget existerar och varför ingen nedladdare kan hoppa över det och ändå ge dig något komplett.