خود عبارت تا حد زیادی بیان کننده مفهوم Transparency هست و به سیستمی Transparent میگن که صدای شفافی داشته باشه و شما پوسته Skin صدا رو بخوبی لمس کنید. هر چقدر شفافیت بیشتر باشه احساس میکنید به صدا نزدیک تر هستید و اون رو به شکل واقعی اش در نزدیکی خودتون حس میکنید. هر چقدر طراحی مدار ساده تر و تعداد طبقات مدار یک کامپوننت کمتر باشد صدا شفاف تر هست و در حالت کلی لامپها مدار ساده تری نسبت به ترانزیستورها دارند. وقتی DAC هایی که ولوم کنترل دارند رو بدون استفاده از Pre به Power Amp وصل میکنیم (بصورت مستقیم) شفافیت صدا بیشتر میشه. کابلها هم هر چقدر کوتاهتر باشند کمتر بر روی شفافیت اثر گذارند. بلندگوها خیلی بر روی این پارامتر تاثیر دارند و هر چقدر بهتر طراحی و ساخته شده باشند تصویر شفاف تری میدهند. شفافیت یک پارامتر مهم حتی در سیستمهای گران هست و مساله Matching هم بر روی آن تاثیر دارد. مثلا اگه یک Pre Amplifier لامپی با امپدانس خروجی بالا داشته باشیم و از یک کابل با ظرفیت سلف و خازنی زیاد استفاده کنیم با یک Power که امپدانس ورودی اون پایین هست صدا شفافیتش کم میشه. استفاده از قطعات خوب هم شفافیت رو افزایش میده و در مجموع شفافیت بالا یعنی چیزی بین شما و صدا نباشه که این پارامتر به خیلی از پارامترهای پایه دیگه برمیگرده. اگه سیستم گران قیمتی دارید و صدا شفافیت خیلی زیادی نداره به سه چیز توجه کنید : یکی وضعیت آکوستیک اتاق، دوم کابلها، سوم برق دستگاه.

حتما در مورد درایو شدن یک بلندگو شنیدید. مثلا میگن این بلندگو به حداقل 100 وات نیاز داره تا صداش در بیاد و یا این بلندگو بد درایو هست و توان بیشتری میخواد. ببینید یک بلندگو یک منحنی امپدانسی در حوزه فرکانس داره و به ازای هر فرکانس یک امپدانس با یک دامنه و یک فاز. معنی این جمله اینه که اگر ما در فرکانس f یک ولتاژ با شکل موج سینوسی و دامنه 1 ولت به دو سر بلندگو اعمال کنیم، این بلندگو جریانی با دامنه Y با تابع سینوسی در همان فرکانس f میکشه. البته این تابع سینوسی جریان یک اختلاف فاز آلفا نیز خواهد داشت. ما به اندازه عکس Y میگیم امپدانس بلندگو در فرکانس f و به زاویه منفی آلفا میگیم فاز امپدانس در فرکانس f. عبارت Z همان امپدانس هست (Z=1/Y) که عکس ادمیتانس بوده و در رابطه V=I*Z صدق میکند. (حاصل ضرب امپدانس در جریان میشه ولتاژ) خلاصه اینکه رفتار یک بلندگو در کشیدن جریان در فرکانسهای مختلف فرق میکنه و عموما در فرکانسهای پایین بلندگو جریان بیشتری میکشه تا در فرکانسهای بالاتر. مفهوم توان یعنی حاصلضرب جریان در ولتاژ و وقتی یک بلندگو در فرکانسهای مختلف جریانهای غیر یکسانی از آمپلی فایر میکشه معنیش اینه توانی که آمپلی فایر به بلندگو میده بر حسب فرکانس متغییر هست. یک بلندگوی بد درایو بلندگویی نیست که فقط اندازه امپدانس آن کم باشد بلکه به بلندگویی میگیم که تغییرات دامنه و فاز امپدانس آن در نواحی فرکانسی، زیاد باشد. هر چقدر این تغییرات بیشتر باشه کار آمپلی فایر سخت تر میشه. مثلا اگه بلندگویی بین 8 اهم و 4 اهم تغییرات داشته باشه باید به آمپلی فایری وصل بشه که هم بتونه به 8 اهم  جریان بده و هم به 4 اهم البته دوبرابر. یعنی اگه آمپلی فایر به 8 اهم 100 وات میده باید بتونه به 4 اهم تو حالت ایده ال 200 وات بده تا سیگنال صوتی خراب نشه. حتی اگه یک آمپلی فایر بتونه 1000 وات به 8 اهم بده ولی نتونه به 4 اهم بیشتر از 1200 وات بده نمیشه گفت اون آمپلی فایر میتونه بلندگو رو درایو کنه. پس وات یک آمپلی فایر برای 8 اهم مهم نیست بلکه قابلیت اون آمپلی فایر در دو برابر کردن توان به ازای نصف شدن امپدانس مهم هست. مثلا آمپلی فایر Mark Levinson مدل 33H توانی معادل 260 وات به 8 اهم میده و آمپلی فایر NAD C370 به 8 اهم 180 وات میده ولی همه میدونیم NAD حتی نمیتونه یه بلندگوی نسبتا بد درایو رو درست درایو کنه اما مارک لوینسون بد درایو ترین بلندگو هارو براحتی درایو میکنه. نه به این دلیل که 260 بیشتر از 180 هست بلکه به این دلیل که NAD نمیتونه بیشتر از 200 وات به 4 اهم بده اما مارک لوینسون تا 1000 وات به 2 اهم میده. تو مجله Stereophile در بخش آخر اندازه گیری ها برای یک Power Amp آین مساله نشون داده میشه. نتیجه اینکه یک آمپلی فایر با توان 10 وات برای 8 اهم و 20 وات برای 4 اهم و 40 وات برای 2 اهم خیلی بهتر از یک آمپلی فایر با توان 1000 وات برای 8 اهم و 1100 وات برای 4 اهم و 900 وات برای 2 اهم هست. منظور از توان به یک امپدانس میزان توانیست که آمپلی فایر با THD حداکثر 1% به بلندگو میدهد.

اگر دقت کرده باشید هر قطعه موسیقی از مجموعه نت هایی تشکیل شده که نوازنده باید آنها را در طول زمان و با فواصل زمانی معین اجرا کند. هر نت به یک فرکانس خاص اشاره دارد و شکل نت (چنگ، دولا چنگ و …) فاصله زمانی را معین میکند که نت بعدی باید نواخته شود. میزان فاصله زمانی یک نت را بر اساس ضرب آهنگهای یک دستگاه بنام مترونوم مشخص میکنند. مثلا میگویند برای این قطعه، اندازه زمانی یک نت مانند چنگ برابر 60 تقسیم بر 110 هست با دیمانسیون ثانیه. و به دنبال آن کشش زمانی نت دو لاچنگ میشه نصف این زمان و …. چیزی که مهم هست اینه که اگه کل زمان اجرای قطعه تغییر کنه نسبت فواصل زمانی نتها تغییر نمیکنه و شما یک پیوستگی رو در ضرب آهنگها حس میکنید. رعایت فاصله نت ها در نواختن درست یک ساز خیلی مهم هست و ممکنه به این مساله برخورد کرده باشید که حتی یک قطعه ساده موسیقی رو استاد بهتر از شاگرد اجرا میکنه. ظاهرا هردو با شمارش اون قطعه رو اجرا میکنند ولی بخاطر دقیق تر بودن ضرب آهنگهای استاد در انتها احساس میکنید قطعه توسط استاد بهتر اجرا شده. اما ربط این مساله به یک سیستم صوتی چیه؟ سیستم صوتی باید بتونه بدون بر هم زدن پیوستگی فواصل زمانی، استرینگ های صدا رو بدقت پخش کنه. کمی توضیح مفهوم Timing با کلمات سخت هست اما میتونید یه تستی انجام بدید. حساس ترین قسمت یک سیستم صوتی برای اثر گذاری بر روی Timing صدا سازگاری Power Amplifier با بلندگو از نظر جریان دهی هست. هر چقدر فیدبک منفی آمپلی فایر کمتر باشه و بهتر به امپدانسهای متغییر جریان بده صدا ریتم و Timing بهتری داره. برای تست کافیه دو آمپلی فایر رو که یکی بهتر از دیگری جریان میده به یک بلندگوی بد درایو مثل Dynaudio وصل کنید. بیشترین چیزی که در نگاه اول تغییر میکنه از کنترل خارج شدن صدا و از دست رفتن Timing در صداست. احساس میکنید استرینگ های صدا براحتی در طول زمان render نمیشوند و یک احساس ناپایداری و بهم خوردگی در جریان صدا بوجود میاد. صدایی که ریتم نداره گوش رو خسته میکنه و شنونده رو آزار میده. هرچقدر سرعت سیستم در جریان دهی بیشتر باشه و فیدبک منفی اون کمتر ، صدا Timing بهتری داره و استرینگ های صدا راحت تر پخش میشوند. به عبارت خودمونی صدا بهتر و راحت تر نفس میکشه. باید بگم مهمترین دلیل انتخاب Krell برای سیستم خودم همین مساله بود. تو رنج قیمتی این آمپلی فایر نتونستم چیزی پیدا کنم که بتونه بلندگوی Dynaudio رو جمع کنه و Timing صدا رو خراب نکنه. شاید گوش شما به Texture صدا و لطافت صدا در ناحیه وسط حساس تر باشه اما گوش من به مساله Timing حساس هست و دوست دارم جریان صدا تو این قسمت مشکل نداشته باشه.

در سیستمهای دیجیتال کل تغییرات بر اساس یک زمانبندی مشخص صورت میگیرد. به این شکل که سیستم دیجیتال در لحظه T1 تا T2 بدون تغییر میماند ولی با اعمال سیگنال Clock در لحظه T2 کل خروجی های سیستم (صفرها و یک ها) بر اساس ورودیهای آن تغییر میکند و سیستم بعد از لحظه T2 تا اعمال سیگنال Clock بعدی ،(لحظه T4) بدون تغییر هست تا اینکه سیگنال Clock در لحظه T4 برسد و تغییرات جدیدی ایجاد شود. این روند ادامه داشته و سیستم دیجیتال تغییراتش دقیقا در زمانهای اعمال سیگنال Clock صورت میگیرد. به سیگنال Clock سیگنال ساعت گفته میشود. اطلاعات بیشتر در کتاب های مدار منطقی هست. چون سیگنال صوتی در طول زمان برای شنونده پخش میشود و هرگونه تاخیر یا تقدم باعث اعوجاج سیگنال میشود باید سیستم دیجیتالی که اطلاعات صوتی را با خود دارد بتواند  بطور دقیقی شکل موج آنالوگ را بازسازی کند. برای این کار اگر فرض کنیم سیستم تبدیل آنالوگ به دیجیتال بعد از صدا برداری از یک Clock دقیق و رفرنس استفاده کرده باید سیستم تبدیل دیجیتال به آنالوگ (DAC) هم از یک Clock دقیق استفاده کند تا شکل موج بدون اعوجاج بازسازی شود. منظور از دقیق بودن Clock یا همان ساعت سیستم اینست که فاصله های زمانی اعمال سیگنال ساعت باید یک مقدار ثابت باشد و در طول زمان بر اثر عوامل فیزیکی مثل دما یا … تغییرات نداشته باشد. به عدم دقت در این مقدار Jitter میگویند که یک پارامتر زمانیست. هر چقدر اندازه متوسط آماری تغییرات بیشتر باشد اعوجاج سیگنال آنالوگ خروجی بیشتر است. سیستمهای دقیق تغییراتی بین 100 تا 300 پیکو ثانیه دارند. یعنی اگه فاصله زمانی Clock یک میکرو ثانیه باشد این سیستم در بدترین حالت 300 پیکو ثانیه بعد از زمان رسیدن Clock تاخیر یا تقدم دارد. سایت dCS در بخش Technical Papers اطلاعات جالبی در این زمینه دارد.

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.