فایلی که بلندترین نمونهاش 0.0 dBFS میخواند، فایلی نیست که سیگنالش به 0 dB برسد. میان هر دو نمونه، موج بازسازیشده میتواند از هر دوی آنها بالاتر برود، و متر پیک نمونه ساختاراً توانِ دیدن این را ندارد. سپس یک کدک افتدار — همان چیزی که هر سرویس پخش آنلاین پیش از آنکه کسی مستر شما را بشنود بر آن اعمال میکند — آن فرارویها را باز هم بالاتر میبرد. نتیجه مستری است که در DAW شما تمیز اندازهگیری شده و هنگام پخش اعوجاج میدهد، و هیچکدام از اینها مسئلهٔ سلیقه نیست. این پیامد شیوهٔ بازسازی صدای نمونهبرداریشده است.
این مقاله به این میپردازد که پیک نمونه و پیک واقعی دقیقاً چهاند، چرا بیشنمونهبرداری تنها راه اندازهگیری دومی است، متر 4× چه میبیند و چه نمیبیند، و کدامیک از سه متر بلندی استانداردشده به کدام پرسش پاسخ میدهد. اینکه هر سرویس چه هدفی منتشر میکند و بر سر مسترهای آرام چه میآید، جداگانه در واقعاً چه اتفاقی برای مستر شما میافتد آمده است.
پیک نمونه بلندترین نقطهٔ درون فایل است. پیک واقعی اصلاً درون فایل نیست
متر پیک نمونه بزرگترین قدرمطلق مقدار نمونه در فایل را گزارش میکند. این عددی واقعی است و محاسبهاش آسان — به هر نمونه نگاه میکنید و بزرگترین را نگه میدارید.
اما نمونهها نقطههایی روی یک موج پیوستهاند، نه خودِ موج. موجی که از این نقطهها میگذرد میتواند در فاصلهٔ میانشان از هر دو بالاتر برود. موج آنالوگ بازسازیشده میتواند از بلندترین نمونهٔ درون فایل فراتر برود، و متر پیک نمونه هیچ سازوکاری برای تشخیص این ندارد. آن فرارویها پیکهای میاننمونهای هستند. سطح موج بازسازیشده، با احتساب آنها، پیک واقعی است که با dBTP بیان میشود.
به همین دلیل است که «چیزی کلیپ نشده» و «چیزی کلیپ نخواهد شد» دو ادعای متفاوتاند. فایلی که از نظر دیجیتال امن است و نمونههایش در −0.1 dBFS متوقف میشوند، میتواند پیکهای واقعی بهمراتب بالاتر از 0 dBTP داشته باشد. چیزی درون فایل از حد نگذشته است. اما هر چیزی که پاییندست موج را بازسازی میکند — یک DAC، یک مبدل نرخ نمونه، یک رمزگشای افتدار — میتواند آن را کلیپ کند.
آزمون عملی صریح است: متری که حالت پیک واقعی یا dBTP صریح نداشته باشد یک متر پیک نمونه است، دفترچهاش هر چه القا کند. این شامل بیشتر مترهای سطحی است که در DAWها تعبیه شدهاند، و شامل کنترل سقف بسیاری از لیمیترها هم میشود.
چرا رمزگذاری افتدار وضع را بدتر میکند، نه خنثی
سرویسهای پخش آنلاین فایل WAV شما را تحویل نمیدهند. یک رمزگذاری AAC، Ogg Vorbis یا MP3 از آن را تحویل میدهند، و کدک افتدار موج شما را نمونهبهنمونه بازتولید نمیکند. موجی را بازتولید میکند که ادراکاً شبیه است. خروجی رمزگشا بهطور معمول از ورودی رمزگذار فراتر میرود.
این فراروی باگِ این یا آن رمزگذار نیست. پیامد ناگزیر کوانتش و دور ریختن جزئیات طیفی است، و — این همان بخشی است که برای تصمیمهای مسترینگ اهمیت دارد — به میزان شدت لیمیتشدن منبع بستگی مستقیم دارد. هر چه سیگنال را سرسختانهتر به سقف چسبانده باشید، کدک در راه بازگشت فراروی بیشتری تولید میکند.
پس مستری که دقیقاً روی 0.0 dBTP نشسته است با پیکهایی بالاتر از 0 dBFS رمزگشایی میشود، و رمزگشا آنها را کلیپ میکند. شما این را هرگز روی فایل خودتان نمیشنوید. آن را روی نسخهای میشنوید که به دست شنونده میرسد.
هر مشخصهٔ منتشرشدهای که به این موضوع میپردازد به همین نتیجه میرسد. AES TD1008 میگوید: "For all content, it is recommended that the Maximum True Peak level not exceed −1 dBTP at the codec input of lossy-encoded streams." Spotify از شما میخواهد پیک واقعی را "below −1dB TP (True Peak) max" نگه دارید، و برای مسترهای بلندتر از −14 LUFS، "keep True Peak below −2dB to avoid extra distortion."
رقم دوم Spotify رقم جالب ماجراست. دقیقاً به این دلیل وجود دارد که مادهٔ سختتر لیمیتشده در کدک بیشتر فراروی میکند. این سقف یک خرافهٔ ثابت نیست؛ هر چه ماده متراکمتر شود سختگیرانهتر میشود.
بیشنمونهبرداری چه میکند، و 4× چه چیزی را نمیبیند
برای اندازهگیری پیکی که درون فایل نیست، باید موج را در فاصلهٔ میان نمونهها بازسازی کنید. ITU-R BS.1770 مشخص میکند که این کار با بیشنمونهبرداری انجام شود — درونیابی نقطههای نمونهٔ افزوده و سپس اندازهگیری پیک سیگنال متراکمتر.
این توصیهنامه دستکم 4× بیشنمونهبرداری در 48 kHz را تعیین میکند و میافزاید که "Higher sampling rates and over-sampling ratios are preferred."
همانگونه که نوشته شده بخوانیدش. 4× کفِ انطباق است، نه پاسخ دقیق. متر 4× تضمین میکند بیش از متر پیک نمونه بگیرد و تضمین نمیکند همه چیز را بگیرد؛ در 4×، اندازهگیری میتواند پیکهای واقعی را چند دهم dB کمتر بخواند. همان چند دهمی که مردم میکوشند از سقف بتراشند.
| آنچه به کار میبرید | آنچه گزارش میکند | آنچه از دست میدهد |
|---|---|---|
| متر پیک نمونه | بزرگترین مقدار نمونه در فایل | هر پیک میاننمونهای؛ کل مسئلهٔ فراروی کدک |
| متر پیک واقعی 4× | پیک بازسازیشده در کفِ انطباق BS.1770 | باز هم میتواند پیکهای واقعی را چند دهم dB کمتر بخواند |
| متر پیک واقعی 8× یا 16× | برآوردی نزدیکتر از پیک بازسازیشده | بهتدریج کمتر، با هزینهٔ پردازشی ناچیز |
اگر متر شما بیشنمونهبرداری 8× یا 16× را عرضه میکند از آن استفاده کنید. هزینهٔ پردازشی افزوده ناچیز است و دقت افزوده ناچیز نیست.
در سمت لیمیتر تلهٔ همراهی هست. سقف پیک واقعی تنظیمشده روی −1.0 dBTP تنها زمانی معنا دارد که لیمیتر واقعاً لیمیت پیک واقعی انجام دهد. کنترل سقف بسیاری از لیمیترها پیک نمونه است، و تنظیم یکی از آنها روی −1.0 پیکهای میاننمونهای جایی بالاتر از −0.5 dBTP به شما میدهد — یعنی نیمی از حاشیهتان پیش از آنکه کدک به فایل دست بزند رفته است.
متر شما به کدام ویرایش استاندارد استناد میکند
BS.1770 شش ویرایش دارد: 2006، 2007، 2011، 2012، 2015 و 2023. BS.1770-4 (اکتبر 2015) ویرایشی است که بیشتر مترهای مستقر به آن استناد میکنند؛ BS.1770-5 (نوامبر 2023) ویرایشی است که هماکنون معتبر است. کفِ بیشنمونهبرداری 4×، مراحل فیلتر و هر دو گیتی که اینجا توصیف شده در برابر BS.1770-5 به همان صورت منتشرشده وارسی شدهاند.
دانستن این بیشتر از آن رو ارزش دارد که مستندات متر خود را درست بخوانید. متری که به -4 استناد میکند از این بابت غلط نیست، اما -5 متن جاری است و هنگام سنجیدن یک ادعا در برابر یک سند باید همان را نام برد.
لحظهای، کوتاهمدت، یکپارچه: سه متر، سه پرسش
نیمهٔ دیگر مسئله این است که بیشتر مردم برای تصمیمی که میگیرند متر بلندی اشتباهی را میخوانند. EBU Tech 3341 سه پنجره را تعریف میکند، و این سه به سه پرسش واقعاً متفاوت پاسخ میدهند.
لحظهای (M) — 400 ms، بیگیت. همان پنجرهٔ بلوک گیتزنی BS.1770. بلندی لحظهای رویدادهای منفرد را دنبال میکند: یک اسنر، یک صامت آواز، یک ضرب اول. از آن برای گرفتن چیزها استفاده کنید — کیکی که 6 LU بالاتر از هر چیز پیرامونش میجهد، بخشی که بیرون میزند. برای تصمیمهای سطحی از آن استفاده نکنید. بیش از حد بیقرار است، و تعقیب متر لحظهای دقیقاً همان نتیجهٔ بیش از حد فشرده را میسازد که نرمالسازی هنگام پخش تنبیهش میکند.
کوتاهمدت (S) — 3 s، بیگیت. سه ثانیه تقریباً یک عبارت موسیقایی است. بلندی کوتاهمدت متر درست برای تصمیمهای توازن درون یک قطعه است، چون سه ثانیه همان مقیاس زمانی است که شنونده در آن بخشی را بلند یا آرام ادراک میکند. از آن برای مقایسهٔ یک بند با کُرس، برای وارسی اینکه پل فرو نریزد، و برای دیدن شکل تنظیمتان به صورت یک عدد استفاده کنید.
یکپارچه (I) — کل برنامه، دوبار گیتشده. این همان عددی است که سرویسها نسبت به آن نرمال میکنند و تنها عددی است که جایش در مشخصهٔ تحویل است. روی کل قطعه، از نخستین نمونه تا آخرین، اندازه گرفته میشود، نه روی بخشی برگزیده. بلندی یکپارچه یک مشخصهٔ تحویل است، نه ابزار میکس؛ اگر حین کار به آن نگاه میکنید، به متر اشتباهی نگاه میکنید.
| متر | پنجره | گیتزنی | پرسشی که پاسخ میدهد |
|---|---|---|---|
| لحظهای | 400 ms | ندارد | همین حالا چه شد؟ |
| کوتاهمدت | 3 s | ندارد | آیا این بخش با آن بخش متوازن است؟ |
| یکپارچه | کل برنامه | مطلق −70 LKFS، سپس نسبی −10 LU | سرویس هنگام تحویل چه اندازه خواهد گرفت؟ |
قاعدهای که از این برمیآید: با کوتاهمدت میکس و مستر کنید، با یکپارچه وارسی کنید، ناهنجاریها را با لحظهای بررسی کنید.
خطایی که این ماجرا واقعاً میسازد
خطای رایج این است که آدم حین مسترینگ به بلندی یکپارچه نگاه میکند و آنقدر لیمیت میافزاید تا متر عددی را نشان دهد که کسی گفته باید به آن برسد. این رفتار دو خطای جدا را روی هم انباشته دارد.
نخست اینکه بلندی یکپارچه دوبار گیتشده است، و این گیتزنی یعنی چیزی را که مردم گمان میکنند اندازه نمیگیرد. بلوکهای زیر −70 LKFS یکسره کنار گذاشته میشوند. سپس میانگین بلوکهای باقیمانده حساب میشود، 10 از آن کم میشود، و هر بلوک زیر آن آستانهٔ نسبی هم کنار گذاشته میشود. گیت نسبی 10 LU زیر میانگین گیتشدهٔ مطلق مینشیند، نه 10 LU زیر میانگین بیگیت کل فایل. پیامدش برای جلسهٔ کاری شما مستقیم است: بلندی یکپارچهٔ قطعهٔ شما عملاً میانگین بلندی بخشهای بلندش است، نه بلندی کل قطعه. قطعهای با مقدمهای زمزمهوارِ 40 ثانیهای و کُرسی دیوارمانند تقریباً تماماً بر پایهٔ کُرسهایش اندازه گرفته میشود. افزودن یک مقدمهٔ آرام به مستری تمامشده بهسختی خوانش یکپارچه را تکان میدهد، و مهندسانی که انتظار دارند تکانش دهد شگفتزده میشوند.
خطای دوم این است که گسترهٔ بلندی باز گیت دیگری به کار میبرد. LRA که در EBU Tech 3342 مشخص شده، اختلاف میان برآوردهای صدکهای 10 و 95 توزیع بلندی کوتاهمدت است، و Tech 3342 آستانهٔ نسبیاش را −20 LU زیر سطح بلندی گیتشدهٔ مطلق میگذارد، نه −10 LU. این گیت گشادهتر عمدی است — LRA دارد تغییرپذیری را توصیف میکند، پس باید همان گذرهای آرامتری را راه دهد که اندازهگیری یکپارچه برای کنار گذاشتنشان طراحی شده است. مترهایی که گیت −10 LU یکپارچه را دوباره برای LRA به کار میبرند مقادیری را گزارش میکنند که بهطور نظاممند کوچکتر از واقعاند. اگر متر شما برای یک فایل LRAی محسوساً کمتر از متر دیگری گزارش میکند، به گیت −10 LU در جایی که −20 LU باید باشد مشکوک شوید.
این را در چند دقیقه میتوانید بیازمایید. 20 ثانیه ماده را 15 LU زیر بدنهٔ قطعه به آن بیفزایید. LRA در یک پیادهسازی درست بهطور محسوس بالا میرود. در پیادهسازی خراب بهسختی تکان میخورد.
در عمل چه تحویل بدهیم
راهنمایی کوتاه است، و هر رقمی که در آن هست منتشر شده است.
- نخست سقف را ببندید: −1.0 dBTP، پیک واقعی، بیشنمونهبرداریشده. این تنها قید واقعاً سخت این فهرست است. اگر مستر شما بلندتر از −14 LUFS یکپارچه است از −2.0 dBTP استفاده کنید — رقم سختگیرانهتر از آن رو هست که مادهٔ سختتر لیمیتشده در کدک بیشتر فراروی میکند.
- برای موسیقی مستر کنید. توازن، تُن و دینامیک را با کمترین کار ممکن از سوی لیمیتر درست کنید، و در این مرحله به متر یکپارچه نگاه نکنید.
- نتیجه را اندازه بگیرید. هر بلندی یکپارچهای که به آن رسیدهاید نامزد شماست. اگر تقریباً میان −14 و −9 LUFS بنشیند، هر هدف منتشرشده و هر رقم گزارششده در فاصلهٔ چند LU از شما زندگی میکند. بلندتر از −9 LUFS، بپرسید آن لیمیت چه چیزی خرید.
- با تغییر دادن مسترینگ تنظیم کنید، نه با افزودن لیمیت. رسیدن به یک عدد LUFS از راه افزودن لیمیت تا وقتی متر درست بخواند، دقیقاً همان رفتاری است که نرمالسازی برای بیفایده کردنش طراحی شد.
دو کار را نکنید. سقف −0.1 dBTP برای پخش آنلاین یک خطای تحویل است، نه انتخابی سبکشناختی. و برای سرویسهای مختلف مسترهای مختلف نبُرید — اهداف منتشرشده و گزارششده تقریباً 2 LU گستره دارند، دقیقاً زدن به یک عدد چیز شنیدنیای را عوض نمیکند، و یک مستر روی −1 dBTP با دینامیک معقول همهجا درست است.
اگر میخواهید فایلی تمامشده را پیش از تحویل وارسی کنید، Mazufa بررسیکنندهٔ رایگان بلندی و پیک واقعی را در نشانی /loudness-checker میزبانی میکند. تماماً در مرورگر خود شما اجرا میشود و هیچ صدایی بارگذاری نمیکند.
منابع
ITU-R BS.1770 — الگوریتم اندازهگیری، وزندهی K، گیتزنی، پیک واقعی
- Recommendation ITU-R BS.1770-5 (11/2023), Algorithms to measure audio programme loudness and true-peak audio level (full text PDF): https://www.itu.int/dms_pubrec/itu-r/rec/bs/R-REC-BS.1770-5-202311-I!!PDF-E.pdf
- BS.1770 recommendation page and edition history (BS.1770-0 through BS.1770-5): https://www.itu.int/rec/R-REC-BS.1770/en
EBU — پنجرههای متر و گسترهٔ بلندی
- EBU Tech 3341, Loudness Metering: EBU Mode metering to supplement EBU R 128 (momentary 400 ms, short-term 3 s): https://tech.ebu.ch/publications/tech3341
- EBU Tech 3342, Loudness Range: A measure to supplement EBU R 128 loudness normalisation (−20 LU gate; 10th/95th percentiles), PDF: https://tech.ebu.ch/docs/tech/tech3342.pdf
AES — سقف پیک واقعی در ورودی کدک
- AES TD1008.1.21-9, Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution (−1 dBTP at the codec input), PDF: https://aes2.org/wp-content/uploads/2024/01/20210924_TD1008_v3.13.pdf
- AES TD1008 document page: https://aes.org/technical-council/technical-document-aestd1008/
Spotify — سقفهای پیک واقعی منتشرشده
- Spotify for Artists, Loudness normalization (−1 dBTP; −2 dBTP for masters louder than −14 LUFS): https://support.spotify.com/us/artists/article/loudness-normalization/