5 - Les serveurs son : JACK, PipeWire, PulseAudio et autres...

Prenons une seconde de son, ou plutôt la courbe qui en résulte. Nous la découpons en tranches égales, disons 44100 tranches pour une seconde. On dit alors que le son est échantilloné à 44100Hertz, c'est à dire que 44100 fois par seconde on donne un coup de hachoir...
Bien, appelons chaque segment une Frame.

Prenons donc un son échantilloné à 44100Hz. Une seconde divisée par 44100 nous donne la durée de chaque Frame... Attention, c'est très petit:
1 / 44100 = 22.67e-6 s (ou 0.00002267 seconde)

Il s'agit à présent de définir la taille du Buffer (mémoire tampon). Celle-ci est décisive car elle définit la latence: si l'on met 10ms de son dans le Buffer, le système aura au maximum ces 10ms pour vider le buffer et envoyer les informations à destination. Malheureusement on ne compte pas la taille du Buffer en temps, mais en Frames, qui peuvent varier en durée, comme nous alons le voir.

On mettra dans le Buffer un certain nombre de Périodes, qui contiendront un certain nombre de Frames. Allons-y:

Je décide de mettre 64 Frames dans 3 Périodes. Nous avons donc 3 fois 64 Frames de 22.67e-6 s. Calculons ce temps:
22.67e-6 * 64 = 0.0014512 s = 1.4512ms: C'est la durée d'une période.
3 * 0.0014512 s = 0.004353 s = 4.35 ms: et voilà notre latence.

C'est le temps que vous donnera par exemple qjackctl avec cette configuration. Le système devra donc vider le Buffer au plus toutes les 4.35ms.

Voici quatre exemples que nous allons comparer:

à 44100Hz: la durée de la Frame est de 1 / 441000 = 22.67e-6 s.
64/3: (22.67e-6 * 64) * 3 = 4.35ms	256/3: (22.67e-6 * 256) * 3 = 17.41ms
à 96000Hz: la durée de la Frame est de 1 / 96000 = 10.41e-6 s.
64/3: (10.67e-6 * 64) * 3 = 2ms	256/3: (10.67e-6 * 256) * 3 = 8ms

Que constatons-nous? Comparons ces exemples côtes-à-côtes: à fréquence d'échantillonage égale, si l'on met beaucoup de Frames dans le Buffer avant qu'il ne soit vidé, la latence augmente. C'est logique.
Comparons-à présent les exemples verticalement: avec un échantillonage plus élevé, une frame dure moins longtemps. Ici, entre 44100Hz et 96000Hz, ce temps est quasiment divisée par deux. Si l'on met le même nombre de Frames dans une période à des échantillonages respectivement bas et haut (44100Hz et 96000Hz), dans le premier cas la période sera plus longue, et dans le deuxième plus courte, à une quantité d'informations égale. C'est pourquoi la latence diminue si l'on augmente le taux d'échantillonage. Cependant, il en résulte également une hausse de l'utilisation des ressources, car le buffer sera vidé plus fréquemment, et l'information devra être traité plus rapidement.