Ο μετρητής σου λέει ψέματα για τις κορυφές σου, και ο λόγος είναι αριθμητική

Ένα αρχείο του οποίου το ψηλότερο δείγμα δείχνει 0.0 dBFS δεν είναι αρχείο του οποίου το σήμα φτάνει τα 0 dB. Ανάμεσα σε δύο οποιαδήποτε δείγματα η ανακατασκευασμένη κυματομορφή μπορεί να ανέβει πάνω και από τα δύο, και ένας μετρητής κορυφής δείγματος είναι δομικά ανίκανος να το δει. Έπειτα ένας απωλεστικός κωδικοποιητής — αυτό που κάθε υπηρεσία streaming εφαρμόζει στο master σου πριν το ακούσει οποιοσδήποτε — σπρώχνει αυτές τις εξάρσεις ακόμη ψηλότερα. Το αποτέλεσμα είναι ένα master που μετρήθηκε καθαρό στο DAW σου και παραμορφώνει στην αναπαραγωγή, και τίποτα από αυτά δεν είναι θέμα άποψης. Είναι συνέπεια του πώς ανακατασκευάζεται ο δειγματοληπτημένος ήχος.

Αυτό το άρθρο καλύπτει τι είναι πράγματι μια κορυφή δείγματος και μια πραγματική κορυφή, γιατί η υπερδειγματοληψία είναι ο μόνος τρόπος να μετρήσεις τη δεύτερη, τι μπορεί και τι δεν μπορεί να δει ένας μετρητής 4×, και ποιος από τους τρεις τυποποιημένους μετρητές έντασης απαντά σε ποιο ερώτημα. Το τι δημοσιεύει κάθε υπηρεσία ως στόχο, και τι συμβαίνει στα χαμηλά master, καλύπτεται χωριστά στο τι συμβαίνει πράγματι στο master σου.

Η κορυφή δείγματος είναι το ψηλότερο σημείο στο αρχείο. Η πραγματική κορυφή δεν είναι μέσα στο αρχείο.

Ένας μετρητής κορυφής δείγματος αναφέρει τη μεγαλύτερη απόλυτη τιμή δείγματος στο αρχείο. Αυτό είναι πραγματικός αριθμός και υπολογίζεται εύκολα — κοιτάς κάθε δείγμα και κρατάς το μεγαλύτερο.

Όμως τα δείγματα είναι σημεία πάνω σε μια συνεχή κυματομορφή, όχι η ίδια η κυματομορφή. Η κυματομορφή που περνά από αυτά τα σημεία μπορεί ανάμεσά τους να ανέβει πάνω και από τα δύο. Η ανακατασκευασμένη αναλογική κυματομορφή μπορεί να ξεπεράσει το ψηλότερο δείγμα του αρχείου, και ένας μετρητής κορυφής δείγματος δεν διαθέτει μηχανισμό για να το ανιχνεύσει. Αυτές οι εξάρσεις είναι οι ενδιάμεσες κορυφές. Η στάθμη της ανακατασκευασμένης κυματομορφής, μαζί με αυτές, είναι η πραγματική κορυφή, που εκφράζεται σε dBTP.

Γι' αυτό το «τίποτα δεν είναι ψαλιδισμένο» και το «τίποτα δεν θα ψαλιδιστεί» είναι δύο διαφορετικοί ισχυρισμοί. Ένα ψηφιακά ασφαλές αρχείο του οποίου τα δείγματα σταματούν στα −0.1 dBFS μπορεί να έχει πραγματικές κορυφές αρκετά πάνω από τα 0 dBTP. Τίποτα μέσα στο αρχείο δεν είναι εκτός ορίου. Οτιδήποτε πιο κάτω ανακατασκευάζει την κυματομορφή — ένας DAC, ένας μετατροπέας ρυθμού δειγματοληψίας, ένας απωλεστικός αποκωδικοποιητής — μπορεί να τη ψαλιδίσει.

Ο πρακτικός έλεγχος είναι ωμός: ένας μετρητής χωρίς ρητή λειτουργία πραγματικής κορυφής ή dBTP είναι μετρητής κορυφής δείγματος, ό,τι κι αν υπονοεί το εγχειρίδιό του. Αυτό περιλαμβάνει τους περισσότερους μετρητές στάθμης που είναι ενσωματωμένοι στα DAW, και περιλαμβάνει και το χειριστήριο ανώτατου ορίου σε πάρα πολλά limiter.

Γιατί η απωλεστική κωδικοποίηση το χειροτερεύει, δεν είναι ουδέτερη

Το streaming δεν παραδίδει το WAV σου. Παραδίδει μια κωδικοποίησή του σε AAC, Ogg Vorbis ή MP3, και ένας απωλεστικός κωδικοποιητής δεν αναπαράγει την κυματομορφή σου δείγμα προς δείγμα. Αναπαράγει μία αντιληπτικά παρόμοια. Η έξοδος του αποκωδικοποιητή ξεπερνά συστηματικά την είσοδο του κωδικοποιητή.

Αυτή η υπέρβαση δεν είναι σφάλμα κάποιου συγκεκριμένου κωδικοποιητή. Είναι αναπόφευκτη συνέπεια της κβάντισης και της απόρριψης φασματικής λεπτομέρειας, και — αυτό είναι το κομμάτι που μετράει για τις αποφάσεις mastering — κλιμακώνεται με το πόσο σκληρά περιορίστηκε η πηγή. Όσο πιο επιθετικά ισοπέδωσες το σήμα πάνω στο ταβάνι, τόσο περισσότερη υπέρβαση παράγει ο κωδικοποιητής στην έξοδο.

Έτσι ένα master που κάθεται ακριβώς στα 0.0 dBTP αποκωδικοποιείται με κορυφές πάνω από 0 dBFS, και ο αποκωδικοποιητής τις ψαλιδίζει. Δεν το ακούς ποτέ στο δικό σου αρχείο. Το ακούς στην εκδοχή που παίρνει ο ακροατής.

Κάθε δημοσιευμένη προδιαγραφή που το θίγει καταλήγει στο ίδιο συμπέρασμα. Το AES TD1008 δηλώνει: «For all content, it is recommended that the Maximum True Peak level not exceed −1 dBTP at the codec input of lossy-encoded streams.» Το Spotify σου ζητά να κρατήσεις την πραγματική κορυφή «below −1dB TP (True Peak) max», και, για master δυνατότερα από −14 LUFS, να «keep True Peak below −2dB to avoid extra distortion.»

Το δεύτερο μέγεθος του Spotify είναι το ενδιαφέρον. Υπάρχει ακριβώς επειδή το πιο σκληρά περιορισμένο υλικό υπερβαίνει περισσότερο μέσα στον κωδικοποιητή. Το ταβάνι δεν είναι σταθερή δεισιδαιμονία· σφίγγει καθώς το υλικό πυκνώνει.

Τι κάνει η υπερδειγματοληψία, και τι δεν μπορεί να δει το 4×

Για να μετρήσεις μια κορυφή που δεν είναι μέσα στο αρχείο, πρέπει να ανακατασκευάσεις την κυματομορφή ανάμεσα στα δείγματα. Το ITU-R BS.1770 προδιαγράφει να γίνεται αυτό με υπερδειγματοληψία — παρεμβολή πρόσθετων σημείων δειγματοληψίας και έπειτα μέτρηση της κορυφής του πυκνότερου σήματος.

Η σύσταση ορίζει ελάχιστη υπερδειγματοληψία 4× στα 48 kHz, και σημειώνει ότι «Higher sampling rates and over-sampling ratios are preferred.»

Διάβασέ το όπως είναι γραμμένο. Το 4× είναι κατώφλι συμμόρφωσης, όχι η ακριβής απάντηση. Ένας μετρητής 4× είναι εγγυημένο ότι πιάνει περισσότερα από έναν μετρητή κορυφής δείγματος και δεν είναι εγγυημένο ότι τα πιάνει όλα· στο 4×, η μέτρηση μπορεί ακόμη να υποεκτιμά γνήσιες κορυφές κατά μερικά δέκατα του dB. Αυτά τα δέκατα είναι ακριβώς το μέγεθος του περιθωρίου που προσπαθούν οι άνθρωποι να ξύσουν από ένα ταβάνι.

Χρησιμοποίησε υπερδειγματοληψία 8× ή 16× αν ο μετρητής σου την προσφέρει. Το πρόσθετο κόστος σε CPU είναι ασήμαντο, η πρόσθετη ακρίβεια όχι.

Υπάρχει μια αντίστοιχη παγίδα από τη μεριά του limiter. Ένα ανώτατο όριο πραγματικής κορυφής στα −1.0 dBTP σημαίνει κάτι μόνο αν το limiter κάνει πράγματι περιορισμό πραγματικής κορυφής. Σε πολλά limiter τα χειριστήρια ανώτατου ορίου είναι κορυφής δείγματος, και ρυθμίζοντας ένα τέτοιο στα −1.0 παίρνεις ενδιάμεσες κορυφές κάπου πάνω από τα −0.5 dBTP — μισό σου περιθώριο χαμένο πριν καν αγγίξει ο κωδικοποιητής το αρχείο.

Ποια έκδοση του προτύπου αναφέρει ο μετρητής σου

Το BS.1770 έχει έξι εκδόσεις: 2006, 2007, 2011, 2012, 2015 και 2023. Το BS.1770-4 (Οκτώβριος 2015) είναι η έκδοση που αναφέρουν τα περισσότερα εγκατεστημένα μετρητικά· το BS.1770-5 (Νοέμβριος 2023) είναι η έκδοση που ισχύει σήμερα. Το κατώφλι υπερδειγματοληψίας 4×, τα στάδια των φίλτρων και οι δύο πύλες που περιγράφονται εδώ έχουν επαληθευτεί απέναντι στο BS.1770-5 όπως δημοσιεύτηκε.

Αυτό αξίζει να το ξέρεις κυρίως για να διαβάζεις σωστά την τεκμηρίωση του μετρητή σου. Ένα μετρητικό που αναφέρει το -4 δεν είναι γι' αυτό λάθος, αλλά το -5 είναι το τρέχον κείμενο και είναι εκείνο που πρέπει να κατονομάζεις όταν ελέγχεις έναν ισχυρισμό απέναντι σε ένα έγγραφο.

Στιγμιαία, βραχυπρόθεσμη, ολοκληρωμένη: τρεις μετρητές, τρία ερωτήματα

Το άλλο μισό του προβλήματος είναι ότι οι περισσότεροι διαβάζουν λάθος μετρητή έντασης για την απόφαση που παίρνουν. Το EBU Tech 3341 ορίζει τρία παράθυρα, και απαντούν σε τρία πραγματικά διαφορετικά ερωτήματα.

Στιγμιαία (M) — 400 ms, χωρίς πύλη. Το ίδιο παράθυρο με ένα μπλοκ πύλης του BS.1770. Η στιγμιαία ένταση παρακολουθεί μεμονωμένα συμβάντα: ένα snare, ένα σύμφωνο φωνητικού, ένα downbeat. Χρησιμοποίησέ τη για να πιάνεις πράγματα — ένα kick που πετάγεται 6 LU πάνω από ό,τι το περιβάλλει, ένα μέρος που ξεφεύγει. Μην τη χρησιμοποιείς για να παίρνεις αποφάσεις στάθμης. Είναι υπερβολικά νευρική, και το κυνήγι ενός στιγμιαίου μετρητή παράγει ακριβώς το υπερσυμπιεσμένο αποτέλεσμα που τιμωρεί η κανονικοποίηση κατά την αναπαραγωγή.

Βραχυπρόθεσμη (S) — 3 s, χωρίς πύλη. Τα τρία δευτερόλεπτα είναι περίπου μια μουσική φράση. Η βραχυπρόθεσμη ένταση είναι ο σωστός μετρητής για αποφάσεις ισορροπίας μέσα σε ένα κομμάτι, γιατί τα τρία δευτερόλεπτα είναι η χρονική κλίμακα στην οποία οι ακροατές αντιλαμβάνονται πράγματι ένα μέρος ως δυνατό ή σιγανό. Χρησιμοποίησέ τη για να συγκρίνεις ένα κουπλέ με ένα ρεφρέν, να ελέγξεις ότι μια γέφυρα δεν καταρρέει, και να δεις το σχήμα της ενορχήστρωσής σου ως αριθμό.

Ολοκληρωμένη (I) — όλο το πρόγραμμα, με διπλή πύλη. Αυτό είναι το μέγεθος απέναντι στο οποίο κανονικοποιούν οι υπηρεσίες και το μόνο που ανήκει σε προδιαγραφή παράδοσης. Μετριέται σε όλο το κομμάτι, από το πρώτο ως το τελευταίο δείγμα, όχι σε επιλεγμένο μέρος. Η ολοκληρωμένη ένταση είναι προδιαγραφή παράδοσης, όχι εργαλείο μίξης· αν την κοιτάς ενώ δουλεύεις, κοιτάς λάθος μετρητή.

Ο κανόνας που προκύπτει: μίξε και κάνε mastering με τη βραχυπρόθεσμη, επαλήθευσε με την ολοκληρωμένη, διερεύνησε ανωμαλίες με τη στιγμιαία.

Το λάθος που προκαλεί πράγματι αυτό

Το συνηθισμένο σφάλμα είναι να κοιτάς την ολοκληρωμένη ένταση ενώ κάνεις mastering και να προσθέτεις limiting ώσπου να δείξει τον αριθμό που σου είπε κάποιος να πετύχεις. Αυτή η συμπεριφορά έχει δύο ξεχωριστές αστοχίες στοιβαγμένες τη μία πάνω στην άλλη.

Η πρώτη είναι ότι η ολοκληρωμένη ένταση έχει διπλή πύλη, και η πύλη σημαίνει ότι δεν μετρά αυτό που υποθέτουν οι άνθρωποι. Μπλοκ κάτω από −70 LKFS απορρίπτονται εξαρχής. Έπειτα υπολογίζεται ο μέσος όρος όσων επέζησαν, αφαιρείται 10 από αυτόν, και κάθε μπλοκ κάτω από εκείνο το σχετικό κατώφλι απορρίπτεται επίσης. Η σχετική πύλη κάθεται 10 LU κάτω από τον μέσο όρο των μπλοκ που πέρασαν την απόλυτη πύλη, όχι 10 LU κάτω από τον μέσο όρο ολόκληρου του αρχείου χωρίς πύλη. Η συνέπεια για τη δουλειά σου είναι άμεση: η ολοκληρωμένη ένταση του κομματιού σου είναι ουσιαστικά η μέση ένταση των δυνατών του μερών, όχι του κομματιού συνολικά. Ένα τραγούδι με ψιθυριστή εισαγωγή 40 δευτερολέπτων και ένα ρεφρέν-τείχος ήχου μετριέται σχεδόν εξ ολοκλήρου πάνω στα ρεφρέν του. Η προσθήκη μιας ήσυχης εισαγωγής σε ένα τελειωμένο master μετακινεί ελάχιστα την ολοκληρωμένη ένδειξη, και οι μηχανικοί που περιμένουν το αντίθετο εκπλήσσονται.

Η δεύτερη αστοχία είναι ότι το Loudness Range χρησιμοποιεί άλλη πύλη πάλι. Το LRA, όπως προδιαγράφεται στο EBU Tech 3342, είναι η διαφορά ανάμεσα στις εκτιμήσεις του 10ου και του 95ου εκατοστημορίου της κατανομής της βραχυπρόθεσμης έντασης, και το Tech 3342 ορίζει το σχετικό του κατώφλι στα −20 LU κάτω από τη στάθμη έντασης μετά την απόλυτη πύλη, όχι στα −10 LU. Η πλατύτερη πύλη είναι σκόπιμη — το LRA χαρακτηρίζει τη διακύμανση, άρα πρέπει να δεχθεί τα σιγανότερα περάσματα που η μέτρηση της ολοκληρωμένης είναι σχεδιασμένη να αποκλείει. Μετρητικά που επαναχρησιμοποιούν την πύλη −10 LU της ολοκληρωμένης για το LRA αναφέρουν τιμές συστηματικά υπερβολικά μικρές. Αν ο μετρητής σου αναφέρει LRA αισθητά χαμηλότερο από άλλον μετρητή στο ίδιο αρχείο, υποψιάσου πύλη −10 LU εκεί που ανήκουν −20 LU.

Μπορείς να το δοκιμάσεις σε λίγα λεπτά. Πρόσθεσε 20 δευτερόλεπτα υλικού 15 LU κάτω από το σώμα του κομματιού. Το LRA μιας σωστής υλοποίησης ανεβαίνει σημαντικά. Μιας χαλασμένης, μετά βίας κουνιέται.

Τι να παραδώσεις πράγματι

Η καθοδήγηση είναι σύντομη, και κάθε μέγεθος μέσα της είναι δημοσιευμένο.

1. Καθόρισε πρώτα το ταβάνι: −1.0 dBTP, πραγματικής κορυφής, με υπερδειγματοληψία. Αυτός είναι ο μόνος πραγματικά σκληρός περιορισμός της λίστας. Χρησιμοποίησε −2.0 dBTP αν το master σου είναι δυνατότερο από −14 LUFS ολοκληρωμένα — το αυστηρότερο μέγεθος υπάρχει επειδή το πιο σκληρά περιορισμένο υλικό υπερβαίνει περισσότερο μέσα στον κωδικοποιητή.
2. Κάνε mastering για τη μουσική. Πέτυχε σωστά ισορροπία, χροιά και δυναμική με το limiter να κάνει όσο το δυνατόν λιγότερα, και μην κοιτάς τον μετρητή ολοκληρωμένης σε αυτό το στάδιο.
3. Μέτρησε το αποτέλεσμα. Όποια ολοκληρωμένη ένταση κι αν προέκυψε, αυτή είναι η υποψήφιά σου. Αν κάθεται περίπου ανάμεσα σε −14 και −9 LUFS, κάθε δημοσιευμένος στόχος και κάθε αναφερόμενο μέγεθος βρίσκεται μέσα σε λίγα LU από σένα. Δυνατότερα από −9 LUFS, ρώτα τι σου αγόρασε το limiting.
4. Ρύθμισε αλλάζοντας το mastering, όχι προσθέτοντας limiting. Το να στοχεύεις έναν αριθμό LUFS προσθέτοντας limiting ώσπου να δείξει σωστά ο μετρητής είναι ακριβώς η συμπεριφορά που η κανονικοποίηση σχεδιάστηκε να καταστήσει άσκοπη.

Δύο πράγματα που δεν πρέπει να κάνεις. Ένα ταβάνι στα −0.1 dBTP είναι σφάλμα παράδοσης για streaming, όχι υφολογική επιλογή. Και μην κόβεις διαφορετικά master για διαφορετικές υπηρεσίες — οι δημοσιευμένοι και οι αναφερόμενοι στόχοι απλώνονται σε περίπου 2 LU, το να πετύχεις έναν αριθμό ακριβώς δεν αλλάζει τίποτα ακουστικά, και ένα master στα −1 dBTP με λογική δυναμική είναι σωστό παντού.

Αν θέλεις να ελέγξεις ένα τελειωμένο αρχείο πριν το παραδώσεις, η Mazufa φιλοξενεί δωρεάν ελεγκτή έντασης και πραγματικής κορυφής στο /loudness-checker. Τρέχει εξ ολοκλήρου στον δικό σου browser και δεν ανεβάζει κανένα αρχείο ήχου.

Πηγές

ITU-R BS.1770 — αλγόριθμος μέτρησης, στάθμιση K, πύλες, πραγματική κορυφή

• Σύσταση ITU-R BS.1770-5 (11/2023), Algorithms to measure audio programme loudness and true-peak audio level (πλήρες κείμενο PDF): https://www.itu.int/dms_pubrec/itu-r/rec/bs/R-REC-BS.1770-5-202311-I!!PDF-E.pdf
• Σελίδα σύστασης BS.1770 και ιστορικό εκδόσεων (BS.1770-0 έως BS.1770-5): https://www.itu.int/rec/R-REC-BS.1770/en

EBU — παράθυρα μετρητών και Loudness Range

• EBU Tech 3341, Loudness Metering: EBU Mode metering to supplement EBU R 128 (στιγμιαία 400 ms, βραχυπρόθεσμη 3 s): https://tech.ebu.ch/publications/tech3341
• EBU Tech 3342, Loudness Range: A measure to supplement EBU R 128 loudness normalisation (πύλη −20 LU· 10ο/95ο εκατοστημόριο), PDF: https://tech.ebu.ch/docs/tech/tech3342.pdf

AES — ανώτατο όριο πραγματικής κορυφής στην είσοδο του κωδικοποιητή

• AES TD1008.1.21-9, Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution (−1 dBTP στην είσοδο του κωδικοποιητή), PDF: https://aes2.org/wp-content/uploads/2024/01/20210924_TD1008_v3.13.pdf
• Σελίδα εγγράφου AES TD1008: https://aes.org/technical-council/technical-document-aestd1008/

Spotify — δημοσιευμένα ανώτατα όρια πραγματικής κορυφής

• Spotify for Artists, Loudness normalization (−1 dBTP· −2 dBTP για master δυνατότερα από −14 LUFS): https://support.spotify.com/us/artists/article/loudness-normalization/