شما یک صدا رو با دو میکروفن در یک فضای آکوستیکی ضبط میکنید و این صدای استریو بشکلی نسبتا خوب میتونه فضای رکورد رو برای شنونده بازسازی کنه. با تدوین صدا یک تدوینگر بر روی خصوصیات این رکورد کار میکنه و با اعمال تغییرات نهایی اونرو آماده رکورد میکنه. صدای استریو شامل اطلاعات دو کانال هست و با پخش دو کانال از دو بلندگو ما یک صدا رو میشنویم که از یک نقطه در فضای بین دو بلندگو میاد. به مکان این نقطه میگیم چشمه صدا و به فضایی که دو بلندگو از صدای استریو میسازند ما SoundStage میگوییم. هر چقدر شما احساس کنید این صدا از یک فضای سه بعدی تر میاد میگیم سیستم یا رکورد در حال پخش تصویر بهتر یا Soundstage بهتری دارد. مطمئنا ضبط های معمول بازار و آکوستیکهای نامطلوب اتاق ها این اجازه رو به ما نمیدهند که از اونها یک صدای سه بعدی بشنویم و تصویر خوب بیشتر مربوط به سیستمهای خوب و محیط آکوستیکی خوب هست. البته فراموش نکنیم که خود رکورد هم باید درست ضبط شده باشد که نحوه صدا برداری و تدوین و نیز کیفیت تجهیزات صدا برداران و تدوینگران بسیار مهم میباشد. هرچقدر تصویر صدا بهتر باشه ما شفافیت بیشتری رو در فضای صدا حس میکنیم و ابعاد صدا (عمق یک استرینگ صوتی و مکان استرینگ بین دو بلندگو و ارتفاع استرینگ) مشخص تر میشود. اگه صدا ابعادش درست ساخته نشه اصطلاحا میگیم Stage صدا Flat هست و ما اون عمق و ابعاد رو حس نمیکنیم. صدای Flat ارزش استریویی رو از بین میبره و نمیگذاره ما احساس خوبی از ابعاد صدا داشته باشیم. به توانایی یک سیستم در دادن تصویر بهتر Imaging میگویند و هر چقدر صدا سه بعدی تر پخش بشه سیستم عملکرد بهتری داره. تصویر صدا با دو کانال (استریو) نسبت به سه کانال یا پنج کانال حساسیت بیشتری نسبت به آکوستیک اتاق داره و هرچقدر آکوستیک بدتر باشد در حالت استریو تصویر بدتری نسبت به سه یا پنج کانال خواهیم داشت. اگه به عبارت Layered Stage برخوردید منظور اینه که اون سیستم استرینگ های صدا رو با دقت خوبی در لایه های مکانی پخش میکنه. ممکنه به عبارت Free Floaty Soundstage هم برخورد کنید که منظور از اون شناور بودن و راحت جابجا شدن چشمه صدا در فضای بین دو بلندگو هست، این حالت احساس خوبی به Audiophile ها میده. سیستم ها باید بتونند ابعاد صدا رو هم بدون تاثیر از ناحیه فرکانسی صدا بسازند و هم بدون تاثیر از تعداد استرینگ های صدا. بعضی سیستمها تصویر خوبی در ناحیه وسط دارند اما خصوصا در ناحیه بالا تصویر خوبی نمیدهند. بعضی هم در Complex Music صدا رو فوروارد میکنند و تصویر خوبی نمیدهند اما تک استرینگ رو خوب پخش میکنند. من سورس آنالوگ رو بیشتر از دیجیتال 16 بیت در ساخت ابعاد صدا قبول دارم و ابعاد صدای Tube رو در ناحیه وسط بهتر از SolidState ها میدونم. البته نمیشه قانون نوشت اما با تجربه ای که تا حالا داشتم اینطور بوده.

زمانی سعی داشتم رابطه بین Stage خوب رو با پارامترهای فیزیکی سیستم پیدا کنم اما کار ساده ای نبود. اگه بگیم پارامترهای زیادی بشکل نه چندان ساده ای موثرند شاید بد هم نباشه به پارامترهای مهم اشاره ای کنیم. بنظر من خطی بودن سیستم (باید سیستم بتونه بدون فیدبک منفی بشکلی خطی جریان بده) در ساخت ابعاد صدا بسیار مهم میباشد و عدم اعوجاج پاسخ فرکانسی فاز در شکل Stage در نواحی فرکانسی مهم است.

احساس کنترل کامل انرژی صدا در فرکانسهای پایین. اصولا فرکانسهای بالا باید نرم و Airy باشه و فرکانسهای پایین نیرومند و Physical (گاهی میگن Tight Bass) باشه. این احساس هنگامی بوجود میاد که هم اسپیکر دقت و گسترش زیادی در ناحیه پایین داشته باشه (زیر ۱۰۰ هرتز) و هم Power Amp بتونه اسپیکر رو کامل کنترل کنه.

به سیستمی که پهنای باند زیاد و جریان دهی خوبی داشته باشه Fast میگویند. توان سیستم در ردیابی سیگنال و ایجاد یک صدای زنده به این مشخصه بر میگرده. سیستمهای Linn و Spectral به سرعت پاسخ دهی زیاد معروفند. اکثر Pre Amp های خوب پهنای باند بالایی دارند اما معدود Power Amp هایی هستند که هم جریان دهی خوبی دارند و هم از پهنای باند بالایی برخوردار باشند. میشه گفت حدودا Solid ها از Tube ها سریعترند. در تکنولوژی Solid سرعت FET و MOSFET تقریبا از ترانزیستور BJT بیشتر هست. اما مساله سریع تر بودن پاسخ یک سیستم تا حد زیادی به پاسخ بلندگو بستگی داره و تکنولوژیهای مختلف ساخت درایور هر کدوم سعی در بهتر کردن این مساله دارند. درایور MSW از کمپانی منگر از 80 هرتز تا 35 کیلو هرتز پهنای باند دارد. 

سریع بودن پاسخ سیستم همراه با پاسخ گذرای مناسب به تمرکز در Stage و حالت زنده صدا کمک میکند و فضای سه بعدی را بشکل بهتری میسازد.

حدودا از فرکانس 160 هرتز تا 1300 هرتز رو ناحیه وسط مینامیم و گوش انسان در این ناحیه حساسیت و دقت بسیار بالایی داره. حوالی 160 تا 320 هرتز میشه Lower Middles و حوالی 320 تا 650 کیلو هرتز میشه mid و حوالی 650 تا 1300 هرتز میشه Upper middles . مساله مهم در حس شنیداری میزان اهمیت هر بخش صدا برای گوش هست و بدلیل حساسیت زیاد گوش در این ناحیه، برای اکثر Audiophile ها انتخاب سیستم بر اساس توانایی سیستم در بهتر رندر کردن موسیقی در این ناحیه میباشد. علت علاقه بسیاری به سیستمهای مبتنی بر لامپ به شفافیت و راحتی صدای Tube در ناحیه وسط برمیگردد. بسیاری هم اگر دینامیک صدای Solid رو به Tube ترجیح میدهند باز دوست دارند صدا در ناحیه وسط rich و Musical باشه . صدای vocal در این ناحیه قرار میگیره و خیلی از سازندگان اسپیکر سعی دارند فرکانسهای کراس آور رو از این ناحیه دور نگه دارند تا صدای یکدستی در ناحیه وسط داشته باشیم. 

از نظر من سیستمی که Mid خوبی نداره بکار یک Audiophile نمیاد چرا که در طولانی مدت اون حس خوب در موسیقی به ما منتقل نمیشه. میتونید برای تست mid یک سیستم از Vocal خوب مثل رکوردهای دایانا کرال (Diana Krall) و یا لئونارد کوهن (Leonard Cohen) استفاده کنید.

شاید بشه گفت یک فضا (مثلا سالن یک کنسرت) مجموعه پارامترهای متعلق به یک چیز هست که ما اونها رو درک میکنیم و در اون محیط یک حس خاص داریم. میشه یه مثال دیگه زد، حسی که ما هنگام شب در کنار ساحل دریا داریم ناشی از قرار گرفتن ما در یک فضا هست که اون فضا متعلق به دریاست. فضایی که در اون صدا ضبط میشه رو فضای اون رکورد میگن و شنونده هنگام شنیدن یک رکورد  یک Ambience رو حس میکنه.

توانایی یک سیستم در ایجاد حس واقع شدن در فضای ضبط صدا رو Ambience اون سیستم میگویند. اکثر رکوردهای با کیفیت که در استودیوها ضبط شدند اون حس خوب رو که صدا در یک فضای کنسرت ضبط میشه ندارند چرا که Ambience سالن کنسرت باحالتره و دوست داشتنی تر.

برای انتقال فضای صدا سیستم باید بتونه تصویر صدای (Stage) سه بعدی و خوبی بده و سیگنال رو بشکل خوبی track کنه. این پارامتر برای سیستمهای Midhifi وجود نداره و اکثر سیستمهای متوسط قابلیت بالایی در انتقال Ambience ندارند.

مفهوم خشک بودن صدا یعنی اینکه ما در صدا طراوت رو حس نمیکنیم و بافت صدا اون حالت Liquid رو نداره. اگه صدا نتونه اون فضای اکوستیکی رو خوب بسازه و از نظر هارمونیکی کامل نباشه این مساله بروز پیدا میکنه و شما صدایی دوست نداشتنی رو میشنوید. تقریبا همه ضبط های بازار جمهوری این مساله رو دارند و علت اون هم استفاده از قطعات الکترونیکی ارزان هست. جالبه بدونید اکثر رکوردهایی که تو ایران ضبط میشه هم تا حدی این مساله رو دارند. 

از نظر من دلیل اصلی این مساله در صدا به کیفیت ساخت سیستم برمیگرده و هرچقدر کیفیت قطعات الکترونیکی و کابلها و جنس درایورهای بلندگو بهتر باشه صدا حالت خشک پیدا نمیکنه.

معنی باس یک سیستم اینه که رفتار اون سیستم در فرکانسهای پایین (زیر 160 هرتز) چگونه هست. اگه یک سیگنال با شکل موج سینوسی رو با فرکانسهای پایین 160 هرتز به سیستم اعمال کنیم و رفتار سیستم رو بررسی کنیم، این رفتار همان پاسخ سیستم در ناحیه پایین یا Bass سیستم نامیده میشود. البته معنی باس از نظر فرکانسی خیلی دقیق مشخص نشده ولی بطور حدودی از فرکانس 80 تا 160 هرتز رو ناحیه Upper Bass و از 40 تا 80 رو MiddBass و از 20 تا 40 هرتز رو LowBass مینامند. 

حتما بازه های فرکانسی رو بر حسب دسی بل بر روی یک کاغذ داشته باشید تا ببینید فواصل فرکانسی در بازه پایین چگونه هست و آنرا با نواحی بالاتر مقایسه کنید.

پاسخ فرکانسی دامنه باس سیستم خیلی به پاسخ فرکانسی دامنه بلندگو بستگی داره و هر چقدر گسترش فرکانسی بلندگو بیشتر باشد و حجم اتاق (و نیز آکوستیک محیط) توان بیشتری در انتقال صحیح فرکانسهای پایین داشته باشند شما فرکانسهای پایین تری را خواهید شنید. اکثر بلندگوهای ارزان قیمت پاسخ باس درستی ندارند و صدا در این ناحیه حالت طبیعی نداشته و یک Coloration رو در صدا حس میکنید. الکترونیک سیستم هم در پاسخ باس تاثیر داره و از نظر من Solidstate ها عموما باس گسترش یافته تری نسبت به Tube ها دارند. نکته مهم سازگاری Power Amp با بلندگو از نظر جریان دهی هست و هر چقدر کنترل آمپلی فایر بر روی اسپیکر بیشتر باشد باس بهتری خواهیم داشت.

جالبه بدونید سیستم گوش انسان هنگام دریافت سیگنال فرکانسهای پایین کمی خطا داره. مساله ای که خیلی ها در مورد اون اشتباه میکنند صدای Bass هست که بعضی ها فکر میکنند هر سیستمی بیشتر Doom Doom کنه باس بهتری داره. سیستمی درست باس رو پخش میکنه که اصلا حالت فوروارد نداشته باشه و شما بوضوح صدای اون ساز رو در فرکانس پایین بشنوید. فراموش نکنید صدای یک ساز با Boom فرق داره.  

برای تست فرکانسهای پایین میتونید از آلبوم های Massive Attack استفاده کنید. من از رکوردهای تایتانیک (آهنگ اول و پنجم) و گلادیاتور استفاده میکنم.

این اصطلاح به معنی انرژی بیشتر از حالت طبیعی در ناحیه فرکانسی بالاست. یعنی بالانس صدا کمی در ناحیه بالا تغییرات داره و شما فرکانسهای بالا (از یک کیلو هرتز به بالا) رو زیادتر میشنوید. یه دلیل این قضیه میتونه رکورد بد باشه دلیل دیگه عدم سازگاری کامپوننت ها و تاکید کامپوننتها در فرکانسهای بالا. مثلا شما یک اسپیکر دارید که هم گسترش زیادی در ناحیه بالا داره و هم تاکید بیشتری در ناحیه بالا و بعد این اسپیکر رو با آمپلی فایر Solidstate ارزان قیمت و یک سورس دیجیتال که تو ناحیه بالا مشکل داره جمع میکنید. نتیجه اش این میشه که صدا تاکید بیشتری در فرکانسهای بالا داشته و لذت شنیداری کم میشه. بنظر من بالانس صدا خیلی به پاسخ فرکانسی اسپیکر برمیگرده و اگه الکترونیک خوب جمع شه نمیشه دلیل Bright بودن رو به الکترونیک نسبت داد. 

البته ‌گوش انسان اونقدر که به پاسخ فاز سیستم حساس هست (پاسخ در Time Domain) به بالانس صدا (پاسخ دامنه) حساس نیست فقط مساله اینجاست که اگه الکترونیک سیستم خیلی ساخت خوبی نداشته باشه و رکورد دیجیتال هم کیفیت لازم رو نداشته باشه Bright بودن صدا به گوش ناخوشایند میاد. مساله مهم اینه که سیستم Bright در دراز مدت لذت شنیداری رو کم میکنه.

برای یک سیستم دو نگاه هست، یکی دقت دستگاه و دومی شنیدنی بودن اون دستگاه. البته این دو تعریف در مقابل هم و متضاد هم نیستند. اگه دستگاهی خیلی دقیق صدا رو پخش کنه اما صداش بدل نشینه میگن این دستگاه بیشتر HiFi هست تا Musical و اگه صدای دوست داشتنی و شنیدنی بده میگن دستگاه Musical هست. حتما عبارت های زیبایی و ملاحت رو در توصیف چهره یک انسان شنیدید. ممکنه چهره ای در نگاه شما زیبا باشه اما خیلی گرم و دوست داشتنی نباشه و ممکنه چهره ای خیلی زیبا نباشه اما دوست داشتنی باشه. البته زیبایی و ملاحت با هم تناقض ندارند و ممکنه یک چهره هم زیبا باشه و هم دوست داشتنی. دقیقا میشه این رو در توصیف صدای یک دستگاه بکار برد. زیبایی رو میشه به HiFi بودن ربط داد و ملاحت رو به Musicality دستگاه. این موضوع با کمی تفاوت نسبت به این بحث در حوزه هنر هم هست مانند علاقه مردم به موسیقی ، حتما ساختار یک سمفونی مثل سمفونی 6 Mahler خیلی پیچیده تر و ساختار یافته تر از آهنگ های معمول پاپ هست اما ممکنه من از صدای جواد یساری بیشتر از اون سمفونی لذت ببرم. آقای پویان در وبلاگ راز مطلبی رو در این مورد اینجا آورده، ببینید. بعضی چیزها با ما سازگارترند و با ما بهتر ارتباط برقرار میکنند ، یکی سیستم لامپ دوست داره یکی solid ، یکی بلندگوی Horn یکی درایوری و … در مورد این مساله بعدا بیشتر توضیح میدم. 

بهتره بشناسیم الان چی دوست داریم و با چی خوب ارتباط برقرار میکنیم.

به کسی که علاقه خاصی به موسیقی و سیستمهای صوتی داره میگویند. کسانی که بصورت حرفه ای موسیقی گوش میکنند، خیلی دنبال سروصدا کردن و شنیدن در ولوم های بالا نیستند و از موسیقی در ولوم های متوسط و پایین لذت میبرند. بنظر من کسانی که بیشتر از شنیدن موسیقی بدنبال سرگرم شدن با های فای هستند Audiophile بحساب نمی آیند. البته خودم هم خیلی یک Audiophile بحساب نمی آم . اصل مهم علاقه به موسیقی و یک صدای خوب هست نه خود سیستم و البته کسانی که صدای خوب رو دوست دارند اکثرشون بدنبال سیستم خوب هم هستند و به HiFi علاقه مندند. اما بعضی ها اونقدر سرگرم شنیدن موسیقی نیستند که بدنبال بازی با سیستمشون هستند. کمی این دو گروه با هم فرق دارند.

به دستگاه صوتی که موسیقی را با دقت بالایی پخش میکند Hi-Fi میگویند. hi-fi مخفف high fidelity میباشد که نشاندهنده وفاداری و صداقت سیستم صوتی هنگام انتقال سیگنال صوتی است. یعنی سیستم صوتی باید بدون ایجاد کمترین تغییری سیگنال صوتی را به ما تحویل دهد. hi-fi از مجموعه کامپوننتهایی تشکیل شده که عبارتند از 1. سورس یا همان پخش کننده مانند یک CDPlayer و یا یک دیسک خوان 2. بخش تقویت سیگنال که دو قسمت Pre Amplifier و Power Amplifier داره 3. بلندگو 4. کابلهای اتصال دهنده

سورس میتونه یک CD Player یا DVD Player باشه و یا یک Turntable که به اولی Digital Player هم میگویند و دومی سورس آنالوگ هست که صفحه رو میخونه. وظیفه این بخش خواندن اطلاعات از روی دیسک صوتی هست و تبدیل اون به یک سیگنال آنالوگ. بخش تقویت کننده وظیفه تقویت این سیگنال آنالوگ رو داره و در انتها سیگنال تقویت شده از طریق بلندگو بصورت سیگنال صوتی در محیط پخش میشه.

عوامل خارجی دخیل در کیفیت صدا هم عبارتند از 1. آکوستیک   2. برق دستگاه  3. کیفیت رکورد

برای راحتی از این پس عبارت hifi را بجای Hi-Fi بکار میبریم.