Guia completo de conversão PCM → DSD: princípios, parâmetros e prática
De PCM para DSD não é apenas uma troca de formato — é um processo completo de reamostragem + modelagem de ruído + modulação. Este guia explica cada etapa com dados medidos e oferece configurações do DpdoEngine prontas para uso.
1. O que é DSD e por que converter?
DSD (Direct Stream Digital) é um formato de áudio de 1 bit desenvolvido pela Sony/Philips para o SACD no final dos anos 1990. Diferentemente do PCM, que representa a amplitude com amostras de vários bits, o DSD usa uma taxa de amostragem extremamente alta (2,8224 MHz no DSD64) e representa o sinal como um fluxo de densidade de pulso (PDM) de 1 bit — a densidade do fluxo de bits codifica a amplitude do sinal.
Por que converter PCM para DSD?
- Alinhamento com a cadeia de reprodução: os DACs modernos são internamente baseados em delta-sigma — o PCM de entrada acaba sendo convertido em um fluxo de 1 bit dentro do DAC. Converter para DSD antecipadamente transfere a modulação para a fonte, contornando a segunda conversão interna do DAC.
- Ecossistema SACD: imagens SACD e muitos players/softwares aceitam apenas formatos DSD (DSF/DFF).
- Preferência de audição: alguns ouvintes consideram a atenuação de altas frequências do DSD mais suave e a distribuição de ruído moldado mais "analógica" — algo subjetivo, é claro; o restante deste guia se baseia em dados mensuráveis.
⚠️ Premissa importante: a conversão não cria informação. Conteúdo de alta frequência ausente no arquivo PCM de origem não aparecerá após a conversão. O objetivo é a transparência — mapear fielmente o PCM para o domínio DSD com perda mínima. Esta também é a diferença essencial entre "DSD puro" (gravações DSD nativas) e "DSD convertido": o primeiro é DSD desde a etapa de gravação; o segundo é uma reexpressão de material PCM.
2. O processo de conversão PCM → DSD (três etapas)
Uma conversão padrão de PCM→DSD envolve três etapas:
2.1 Reamostragem (sobreamostragem)
A taxa de amostragem do PCM (44,1/96/192 kHz…) está muito abaixo da taxa de saída do DSD (2,8224 MHz ou mais). O conversor deve primeiro fazer uma reamostragem de alta taxa, interpolando os pontos de amostragem até a taxa alvo.
- DSD64 (2,8224 MHz) = 44,1 kHz × 64 → razão de sobreamostragem OSR=64
- DSD128 (5,6448 MHz) = ×128 → OSR=128
- DSD256 (11,2896 MHz) = ×256 → OSR=256
Ponto de qualidade: o projeto do filtro de reamostragem determina diretamente a transparência e a resposta de fase da conversão. Os filtros FIR (resposta ao impulso finita) são a escolha dominante — quanto mais taps, mais íngreme o filtro e melhor a atenuação na banda de rejeição, ao custo de mais computação. O DpdoEngine usa por padrão FIR com 4096 taps, configurável para valores mais altos.
2.2 Modelagem de ruído
Ao reduzir o sinal multibit reamostrado para 1 bit, o erro de quantização gera um ruído enorme. A modelagem de ruído usa um laço de realimentação para empurrar esse ruído de quantização para a faixa ultrassônica (>20 kHz), insensível ao ouvido humano, preservando a relação sinal-ruído dentro da banda de áudio.
- Ordem: 3/5/7/9/11. Ordens mais altas empurram o ruído para mais longe — piso de ruído na banda mais baixo, pico fora da banda mais alto, curva de modelagem mais íngreme — ao custo de margens de estabilidade do modulador e de computação.
- Estruturas: famílias IIR (resposta ao impulso infinita) e FIR. A IIR é computacionalmente eficiente, com melhor desempenho na banda na mesma ordem; a FIR oferece fase linear e atraso de grupo constante, adequada para masterização sensível a fase.
- Padrão do DpdoEngine: IIR de 7ª ordem; estruturas MASH, CIFB e polinomiais também disponíveis.
2.3 Modulação e saída
O sinal modelado gera finalmente um fluxo PDM de 1 bit, encapsulado em um contêiner DSF ou DFF (opcionalmente com compressão sem perdas DST, reduzindo o volume em 30–50%).
3. Como escolher os parâmetros: uma tabela prática de decisão
| Objetivo | Configuração recomendada | Justificativa |
|---|---|---|
| Reprodução geral (streaming/portátil) | OSR 64, IIR de 9ª ordem | Melhor compatibilidade DSD64; ruído na banda já muito baixo |
| Reprodução audiófila | OSR 128, IIR de 11ª ordem | Taxa mais alta + modelagem na banda mais forte; dobrar o tamanho do arquivo é aceitável |
| Masterização/arquivamento | OSR 128–256, FIR | Fase linear; erro previsível em processamento de múltiplos estágios |
| CPU modesta | OSR 64, IIR de 7ª ordem | Baixa computação; prioridade em tempo real |
| Autoragem de SACD multicanal | OSR 64–128, IIR de 9ª ordem + DST | A compressão DST reduz significativamente o tamanho da imagem |
Ruído na banda: a essência da modelagem de ruído é empurrar o ruído de quantização para mais longe — quanto maior a ordem, mais baixo o piso na banda, mais alto o pico fora da banda e mais íngreme a curva. A diferença audível entre a 7ª ordem (padrão) e a 11ª aparece mais em passagens silenciosas e em detalhes de alta frequência; verifique com as medições do dsp_bench/thdn.
4. Na prática: convertendo com o DpdoEngine
Conversão básica
# WAV → DSF (DSD64, IIR de 7ª ordem padrão)
DpdoEngine -i input.wav output.dsf --oversampling 64
# FLAC → DFF (DSD128, IIR de 11ª ordem)
DpdoEngine -i input.flac output.dff --oversampling 128 --order 11
# Configuração completa: aceleração OpenCL + metadados + relatório PDF
DpdoEngine -i input.flac output.dsf --oversampling 256 --order 7 \
--opencl --report --artist "Artist" --album "Album" --year "2026"
Conversão em lote
# Lote de WAV → DSF (usando o convert.sh)
cd diretório && bash convert.sh wav2dsf 128
Como verificar a qualidade após a conversão
O DpdoEngine gera um relatório em PDF (--report) com os parâmetros de conversão e dados de medição. Verificação avançada:
# Medir distorção e piso de ruído do arquivo de saída
thdn output.dsf
# Comparar o desempenho na banda de diferentes estruturas de modelagem de ruído
dsp_bench --input test.wav --order 9 --order 11
5. Perguntas frequentes
DSD64/128/256 — qual escolher? Primeiro verifique até qual nível seu DAC e sua cadeia de reprodução suportam. Se todos forem suportados, o 128 é o ponto de equilíbrio entre som e tamanho; o 64 tem a maior compatibilidade; o 256+ é para quando o armazenamento não é problema.
DSF ou DFF? O DSF é o contêiner mais comum (bom suporte a metadados, ampla compatibilidade com players); o DFF é o padrão da indústria de broadcast. Não há diferença substancial no áudio — use DSF por padrão.
Devo usar DST? O DST é uma compressão sem perdas, economizando 30–50% com reversibilidade total. Recomendado para arquivamento ou autoragem de imagens; pode dispensar se preferir decodificação mais simples.
A taxa da fonte PCM (44,1 ou 96/192) faz diferença? Sim. Quanto maior a taxa de origem, menor o erro de interpolação na reamostragem. Fontes de 44,1 kHz convertem bem para DSD128, mas fontes acima de 96 kHz ficam mais confortáveis no DSD256.
Escrito pela Dpdo. Os dados de qualidade de conversão são baseados em medições do DpdoEngine 6.68; detalhes de parâmetros na referência de parâmetros.