داستان فرمت MP4؛ چگونه استانداردهای فشرده‌سازی تصویر متحرک (MPEG) صنعت اشتراک‌گذاری ویدئو را در وب دگرگون کرد؟

دنیای امروز وب بدون ویدئوهای روانی که در شبکه‌های اجتماعی و پلتفرم‌های پخش زنده تماشا می‌کنیم، کاملاً بی‌روح و غیرقابل تحمل به نظر می‌رسد. پشت هر ثانیه از این تصویرهای متحرک باکیفیت، فرمت جادویی ام‌پی‌فور (MP4) و استانداردهای فشرده‌سازی گروه کارشناسان تصویر متحرک یا همان ام‌پگ (MPEG) قرار دارد که حجم غول‌آسای داده‌های تصویری را بدون افت کیفیت محسوس رام کرده‌اند. این فرمت چگونه توانست استانداردهای رقیب زمان خود را کنار بزند و به زبان مشترک تمام نمایشگرهای متصل به اینترنت تبدیل شود؟ در این نوشته قصد داریم مسیر توسعه و پشت‌پرده این تحول دیجیتال را به صورت عمیق بررسی کنیم.

در این مقاله می‌خواهیم ببینیم فرمت ام‌پی‌فور چطور متولد شد و چه فرآیند مهندسی پیشرفته‌ای به آن اجازه داد تا فایل‌های ویدیویی سنگین را فشرده کند. آیا واقعاً ام‌پی‌فور صرفاً یک پسوند ساده فایل است یا یک ظرف چندرسانه‌ای فوق‌العاده پیچیده که استانداردهای جهانی وب را بازتعریف کرده است؟ چطور تصمیمات اتخاذ شده در کمیته‌های استانداردسازی توانست غول‌هایی مانند اپل و مایکروسافت را به پذیرش یک فرمت واحد وادار کند؟ با ما همراه باشید تا تاریخچه و جزییات فنی این شاهکار نرم‌افزاری را تحلیل کنیم.

بحران پهنای باند و نیاز به فشرده‌سازی

در سال‌های آغازین توسعه اینترنت، انتقال حتی یک تصویر ثابت باکیفیت هم نیاز به صبوری زیادی داشت و ایده تماشای آنلاین فیلم‌ها چیزی شبیه به رویاپردازی علمی‌تخیلی بود. ویدئوهای خام به دلیل حجم بسیار زیاد داده‌های پیکسلی، پهنای باند شبکه‌های مخابراتی آن دوران را به سرعت فلج می‌کردند. هر فریم از یک ویدئو شامل میلیون‌ها پیکسل با اطلاعات رنگی مجزا بود که انتقال پیوسته آن‌ها در هر ثانیه حجم عظیمی از پهنای باند را می‌طلبید.

برای حل این مشکل، مهندسان باید راهی پیدا می‌کردند تا اطلاعات تکراری و غیرضروری تصویر را بدون اینکه چشم انسان متوجه کاهش کیفیت شود حذف کنند. این نیاز مبرم، به ایجاد تکنیک‌های پیشرفته فشرده‌سازی داده‌ها منجر شد که اساس کار استانداردهای ویدیویی مدرن را تشکیل می‌دهند. این استانداردها با تکیه بر ویژگی‌های فیزیولوژیکی سیستم بینایی انسان، داده‌های غیرقابل تشخیص را فیلتر کردند.

ساختار درونی یک کانتینر چندرسانه‌ای

بسیاری از کاربران تصور می‌کنند که ام‌پی‌فور یک کدک ویدیویی ساده است، در حالی که این فرمت در واقع یک ظرف یا کانتینر (Container) چندرسانه‌ای هوشمند است. کار یک کانتینر این است که جریان‌های صوتی، تصویری، زیرنویس‌ها و متادیتاهای مختلف را به صورت هماهنگ درون یک فایل واحد بسته‌بندی کند. ساختار درونی این کانتینر بر پایه درختچه‌ای از جعبه‌ها یا اصطلاحاً اتم‌ها بنا شده است که هر کدام اطلاعات خاصی را نگهداری می‌کنند.

این ساختار جعبه‌ای به پخش‌کننده‌های نرم‌افزاری اجازه می‌دهد بدون نیاز به خواندن کل فایل، به سرعت اطلاعات مربوط به زمان‌بندی، زبان صدا و تنظیمات تصویر را دریافت کنند. انعطاف‌پذیری فوق‌العاده این ساختار باعث شده است که ام‌پی‌فور بتواند انواع مختلفی از داده‌های رسانه‌ای را در خود جای دهد و با پیشرفت‌های بعدی به راحتی سازگار شود.

تفاوت حیاتی میان کدک و کانتینر

برای درک بهتر فرمت‌های ویدیویی، باید تفاوت اساسی میان کانتینر و کدک (Codec) را متوجه شویم؛ کانتینر مانند یک جعبه کادو است و کدک محتویات درون آن را فشرده و باز می‌کند. به عنوان مثال، در یک فایل با پسوند ام‌پی‌فور، تصویر ممکن است با کدک پیشرفته بخش دهم ام‌پگ-چهار (H.264) فشرده شده باشد و صدای آن از کدک صوتی پیشرفته (AAC) استفاده کند.

انتخاب کدک مناسب مستقیماً روی نسبت کیفیت به حجم فایل اثر می‌گذارد، در حالی که کانتینر وظیفه دارد این بخش‌های مجزا را با هم هماهنگ نگه دارد. این تفکیک وظایف به توسعه‌دهندگان اجازه می‌دهد تا کدک‌های بسیار پیشرفته‌تری را بدون نیاز به تغییر کل سیستم‌های پخش و کانتینرها در سراسر وب معرفی کنند.

تولد گروه کارشناسان تصویر متحرک

در اواخر دهه هشتاد میلادی، سازمان بین‌المللی استانداردسازی نیاز به یک گروه کارگروه تخصصی برای تعریف استانداردهای فشرده‌سازی ویدئو را احساس کرد. بدین ترتیب گروه کارشناسان تصویر متحرک با نام اختصاری ام‌پگ شکل گرفت تا نخبگان و شرکت‌های بزرگ فناوری را زیر یک سقف گرد هم آورد. هدف اصلی این کمیته، ایجاد استانداردهایی باز و جهانی بود که در تمامی دستگاه‌ها قابل اجرا باشند.

اولین دستاوردهای این گروه مانند ام‌پگ-یک منجر به متولد شدن فرمت محبوب ام‌پی‌تری (MP3) برای صدا و وی‌سی‌دی‌ها برای تصویر شد. با این حال، شاهکار واقعی آن‌ها طراحی استاندارد ام‌پگ-چهار بود که بستری مدرن و بهینه را برای فشرده‌سازی در بستر نوظهور اینترنت پرسرعت فراهم کرد.

نقش تاریخی فرمت موو اپل در توسعه ام‌پی‌فور

زمانی که گروه کارشناسان تصویر متحرک در حال طراحی فایل کانتینر جدید خود بودند، تصمیم گرفتند چرخ را از اول اختراع نکنند و به سراغ معماری‌های موجود بروند. در آن زمان، فرمت موو (QuickTime File Format) توسعه‌یافته توسط شرکت اپل یکی از منعطف‌ترین و پیشرفته‌ترین ساختارها را در اختیار داشت. اپل این فرمت را به عنوان پایه و مبنای کار به کمیته پیشنهاد داد.

کمیته ام‌پگ با پذیرش این معماری و اعمال تغییراتی بر روی آن، فرمت استاندارد ام‌پی‌فور را معرفی کرد که شباهت ساختاری بسیار نزدیکی به فرمت موو داشت. این همکاری استراتژیک باعث شد تا سیستم‌های تحت مک و ویندوز خیلی سریع‌تر از حد انتظار با این فرمت جدید هماهنگ شوند و روند همه‌گیر شدن آن شتاب بگیرد.

الگوریتم‌های هوشمند پیش‌بینی فریم حرکتی

راز فشرده‌سازی بسیار بالا در فرمت ام‌پی‌فور، عدم ذخیره تکراری فریم‌های متوالی ویدئو است. در یک ویدئوی معمولی، بیشتر بخش‌های پس‌زمینه تصویر در فریم‌های متوالی ثابت باقی می‌مانند و فقط سوژه‌ها حرکت می‌کنند. الگوریتم‌های فشرده‌سازی ام‌پی‌فور با استفاده از فریم‌های مرجع، تنها تفاوت‌ها و بردارهای حرکتی را ذخیره می‌کنند.

این سیستم فریم‌ها را به سه دسته فریم‌های کلیدی، فریم‌های پیش‌بینی‌شده و فریم‌های دوطرفه تقسیم می‌کند تا محاسبات ریاضی به حداقل برسد. این فرآیند پیچیده فشرده‌سازی حرکتی به شدت حجم اطلاعات لازم برای نمایش یک سکانس شلوغ را کاهش می‌دهد و کیفیت تصویر را حفظ می‌کند.

جنگ کدک‌ها؛ سقوط فرمت‌های انحصاری

در اوایل دهه دو هزار، شرکت‌های بزرگ فناوری تلاش کردند تا فرمت‌های انحصاری خود را به عنوان استاندارد اصلی وب به کاربران تحمیل کنند. مایکروسافت با فرمت دبلیوان‌وی (WMV) و شرکت ادوبی با فرمت فلش ویدیو (FLV) تلاش‌های زیادی برای تسخیر بازار کردند، اما محدودیت این فرمت‌ها روی پلتفرم‌های مختلف مانع موفقیت آن‌ها شد.

فرمت ام‌پی‌فور به عنوان یک استاندارد بین‌المللی و غیرانحصاری توانست به مرور زمان حمایت همه‌جانبه مرورگرها و سیستم‌های عامل را جلب کند. مرگ تدریجی فناوری فلش در مرورگرها و عدم پشتیبانی از فرمت‌های انحصاری در دستگاه‌های تلفن همراه، پیروزی نهایی ام‌پی‌فور را رقم زد.

شتاب‌دهنده‌های سخت‌افزاری و پردازش ویدئو

پخش ویدئوهای فشرده‌شده به توان محاسباتی بالایی نیاز دارد که در صورت استفاده مستقیم از پردازنده اصلی، باتری دستگاه‌های همراه به سرعت تخلیه می‌شود. کلید موفقیت ام‌پی‌فور در دستگاه‌های مدرن، ادغام رمزگشاهای سخت‌افزاری در تراشه‌های موبایل و کارت‌های گرافیک بود. این شتاب‌دهنده‌ها وظیفه رمزگشایی را از دوش پردازنده اصلی برمی‌دارند.

تراشه‌سازان بزرگ دنیا با تعبیه بخش‌های اختصاصی برای رمزگشایی کدهایی نظیر H.264 امکان پخش ویدئوهای باکیفیت را با کمترین میزان مصرف انرژی فراهم کردند. این همگام‌سازی سخت‌افزاری باعث شد کاربران بدون نگرانی از داغ شدن گوشی، ساعت‌ها به تماشای ویدئو بنشینند.

استریمینگ زنده و پلتفرم‌های اشتراک ویدئو

بدون ظهور فرمت ام‌پی‌فور، پلتفرم‌های بزرگی مثل یوتیوب و نتفلیکس هرگز نمی‌توانستند به مقیاس امروزی خود دست یابند. این فرمت به این پلتفرم‌ها اجازه داد تا نسخه‌های مختلفی از یک ویدئو را با کیفیت‌های گوناگون آماده کنند و متناسب با سرعت اینترنت کاربر به او تحویل دهند.

امکان استریم تحت پروتکل‌های نوین بر پایه ام‌پی‌فور، زمان بارگذاری ویدئوها را به حداقل رساند و تجربه تماشای آنلاین را کاملاً دگرگون کرد. این سهولت در دسترسی، فرهنگ مصرف محتوای ویدیویی در جهان را برای همیشه تغییر داد.

چالش‌های ثبت پتنت و حق امتیازهای گران‌قیمت

اگرچه ام‌پی‌فور به عنوان یک استاندارد جهانی پذیرفته شد، اما فناوری‌های به کار رفته در آن تحت پوشش پتنت‌های متعددی بودند. یک نهاد واسط وظیفه جمع‌آوری حق امتیازها از تولیدکنندگان سخت‌افزار و نرم‌افزار را بر عهده داشت که این موضوع هزینه‌های زیادی را به شرکت‌ها تحمیل می‌کرد.

این چالش‌های مالی باعث شد تا برخی از غول‌های وب و مرورگرها به دنبال توسعه کدک‌های کاملاً رایگان و متن‌باز بروند. با این وجود، به دلیل سازگاری گسترده سخت‌افزاری ام‌پی‌فور، مهاجرت کامل از آن برای بسیاری از صنایع بسیار دشوار و پرهزینه بوده است.

ورود نسل جدید کدک‌های کارآمدتر

با ورود ویدئوهای باکیفیت فورکی (4K) و ایت‌کی (8K)، فرمت‌ها و کدک‌های قدیمی دیگر کارایی لازم برای فشرده‌سازی بهینه را ندارند. کدهای جدیدتری مانند H.265 و کدک‌های آزاد نظیر AV1 وارد میدان شده‌اند تا حجم ویدئوها را بدون افت کیفیت تا نصف کاهش دهند.

این کدهای نوین نیز کماکان می‌توانند درون کانتینر منعطف ام‌پی‌فور بسته‌بندی شوند که انعطاف‌پذیری بالای این فرمت را ثابت می‌کند. توسعه این فناوری‌ها به وب اجازه می‌دهد تا خود را برای حجم‌های بسیار بزرگ‌تر داده‌های تصویری آماده کند.

آینده رسانه‌های تصویری در وب سه بعدی

با ورود فناوری‌های واقعیت مجازی و واقعیت افزوده، فرمت‌های ویدیویی باید با نیازهای تصاویر ۳۶۰ درجه و عمق‌دار هماهنگ شوند. کانتینر ام‌پی‌فور در حال ارتقا است تا بتواند متادیتاهای مربوط به سنسورهای حرکتی و زاویه دید کاربر را نیز در خود ذخیره کند.

پخش ویدئوهای تعاملی و سه‌بعدی در بستر وب نیازمند استانداردهای جدیدی است که کماکان ریشه در مفاهیم پایه‌ای ام‌پگ دارند. مسیر طولانی که از فشرده‌سازی ساده آغاز شد، اکنون در حال تعریف مجدد شیوه ارتباط انسان با دنیای دیجیتال است.

سوالات متداول

دکتر علیرضا مجیدی

پزشک، نویسنده و بنیان‌گذار وبلاگ «یک پزشک»

دکتر علیرضا مجیدی، نویسنده و بنیان‌گذار وبلاگ «یک پزشک».
با بیش از ۲۰ سال نویسندگی «ترکیبی» مستمر در زمینهٔ پزشکی، فناوری، سینما، کتاب و فرهنگ.
باشد که با هم متفاوت بیاندیشیم!

دربارهٔ علیرضا مجیدی در یک پزشک