نرمال‌سازی بلندی صدا در سرویس‌های استریم: مرجع فنی برای آهنگ‌ساز، نوازنده و مستِرینگ‌کار

*بلندی یکپارچه، وزن‌دهی K دو گِیت، گسترهٔ بلندی، تروپیک در برابر سمپل‌پیک — و اینکه هر سرویس واقعاً چه چیزی منتشر کرده و چه چیزی فقط شایعهٔ رایج است.*

پاسخ کوتاه

سقف تروپیک را روی −1 dBTP ببندید و بگذارید بلندی یکپارچه هرجا که خودِ موسیقی می‌نشاندش بنشیند؛ آن را با محدودساز به‌سمت یک عدد هُل ندهید. اگر عددی منتشرشده می‌خواهید که به آن نگاه کنید، سند AES TD1008 برای موسیقیِ ترک‌نرمال‌شده −16 LUFS را توصیه می‌کند و اسپاتیفای پخش را روی −14 LUFS نرمال می‌کند. هر سرویسی که نرمال‌سازی می‌کند، مسترِ بلندتر از هدف را هنگام پخش پایین می‌آورد؛ پس مسترِ −6 LUFS بلندتر از مسترِ −14 LUFS پخش نمی‌شود — دقیقاً در همان بلندی پخش می‌شود، فقط با دینامیک کمتری که از آن باقی مانده است. تنها چیزی که با محدودسازی افراطی تغییر می‌کند این است که چه چیزی را از دست می‌دهید. سقف را روی −1 dBTP بگذارید (و روی −2 dBTP اگر مسترتان از −14 LUFS بلندتر است)، بلندی یکپارچه را روی فایل نهایی اندازه بگیرید، و آن‌جا که گذراها شروع به تخت‌شدن می‌کنند دست نگه دارید. عددِ درستِ واحدی وجود ندارد، ولی روشِ درست وجود دارد.

۱. تلهٔ مشخصی که تولیدکنندهٔ ایرانی در آن می‌افتد

پیش از هر ریاضیاتی، بگذارید مسئله را همان‌جا بگذاریم که واقعاً هست.

بخش بزرگی از موسیقی پاپ و رپ فارسی سال‌هاست برای مقصدی مستر می‌شود که هیچ نرمال‌سازی‌ای در آن وجود ندارد: فایل MP3 که در کانال تلگرامی می‌چرخد، سایت دانلود داخلی، فلش خودرو، پخش در تاکسی و مغازه. در این زیست‌بوم قاعده ساده و بی‌رحم است: بلندتر یعنی بهتر. فایل شما بلافاصله پس از فایل نفرِ قبلی پخش می‌شود، هیچ لایهٔ نرم‌افزاری میان آن دو سطح را یکسان نمی‌کند، و شنونده تفاوت ۳ دسی‌بلی را — بی‌آنکه بداند چرا — به‌عنوان «حرفه‌ای‌تر» تفسیر می‌کند. مستِرینگ‌کاری که یک دهه در این بازار کار کرده، رفلکسِ کاملاً منطقی‌ای ساخته است: تا جایی که ممکن است فشرده کن، تا جایی که ممکن است بالا بیاور.

حالا همان مستر روی سرویسی می‌رود که نرمال‌سازی می‌کند. و همان رفلکس، دقیقاً برعکس عمل می‌کند.

اگر مسترتان −8 LUFS باشد و سرویس به −14 LUFS نرمال کند، سرویس ۶ دسی‌بل بهرهٔ منفی به کل فایل می‌دهد. بلندی‌ای که خریدید بازپس گرفته می‌شود. اما آن ۶ دسی‌بل فاکتور قله‌ای که محدودساز برای خرید آن بلندی نابود کرد، بازنمی‌گردد. در بازار دانلود محلی، بلندی برنده می‌شود؛ در سرویس نرمال‌ساز، بلندی فقط هزینه دارد و هیچ چیزی نمی‌خرد.

این یعنی یک مستر واحد نمی‌تواند هم‌زمان بهینهٔ هر دو مقصد باشد؟ نه — یعنی چیز دیگری، و خبر خوبی است: مسترِ خوش‌دینامیک در مقصد نرمال‌ساز بهتر پخش می‌شود و در مقصد بدون نرمال‌سازی فقط آرام‌تر پخش می‌شود، و آرام‌تر را شنونده با یک حرکت انگشت جبران می‌کند، ولی گذرای نابودشده را هیچ‌کس جبران نمی‌کند. اگر واقعاً به نسخهٔ بلندِ جداگانه برای پخش محلی نیاز دارید، آن را از میکس بسازید و به‌عنوان یک رِندرِ دوم نگه دارید — نه اینکه تنها مسترتان را قربانی مقصدی کنید که سهم کوچک‌تری از عمرِ آهنگ را تشکیل می‌دهد.

۲. چرا نرمال‌سازی، محدودسازی افراطی را خودزن می‌کند

استدلال حسابی است، نه سلیقه‌ای.

سرویسی که پخش را نرمال می‌کند، بلندی یکپارچهٔ ترک شما را می‌سنجد، با هدف مقایسه می‌کند و یک بهرهٔ ثابت به کل فایل، هنگام پخش، اعمال می‌کند. اگر هدف اسپاتیفای −14 LUFS باشد و مستر شما −14 LUFS اندازه بگیرد، بهرهٔ اعمال‌شده صفر است. اگر مستر −8 LUFS باشد، بهره −6 dB است. اگر −11 LUFS باشد، بهره −3 dB است.

حالا دو مستر از یک میکس را کنار هم بگذارید:

• مستر الف روی

−14 LUFS بسته شده، با قله‌های −1 dBTP یعنی نسبت قله به بلندی (PLR) برابر ۱۳ واحد بلندی.

• مستر ب روی

−8 LUFS هُل داده شده، با همان سقف −1 dBTP یعنی PLR برابر ۷ واحد.

هنگام پخش با هدف −14 LUFS مستر ب شش دسی‌بل تضعیف می‌شود. قله‌هایش حالا روی −7 dBTP می‌نشیند. بلندی‌اش دقیقاً با مستر الف یکی است. آن ۶ دسی‌بل فاکتور قله‌ای که محدودساز برداشت، صرفاً از بین رفته و هیچ نقطه‌ای در زنجیرهٔ پخش آن را برنمی‌گرداند.

نرمال‌سازی بلندی، جنگِ بلندی را به جنگِ دینامیک تبدیل می‌کند؛ جنگی که بلندترین مستر به‌طور خودکار در آن بازنده است. این کل ماجراست و به ذوق کسی وابسته نیست.

نتیجهٔ مثبتش از هشدارش مهم‌تر است. چون سطح پخش را سرویس تعیین می‌کند، سطحِ مستر شما دیگر یک متغیر رقابتی نیست. آنچه رقابتی می‌ماند همان چیز‌هایی است که پیش‌تر سطح را خرجشان می‌کردید: تعریفِ گذرا، برخوردِ ضربِ تنبک روی بسترِ کشیدهٔ کمانچه، تفاوت میان بند و اوج، این حس که صدای خواننده جلوی گروه ایستاده نه اینکه در آن فشرده شده باشد.

دو قید مهم. اول اینکه نرمال‌سازی قابل خاموش‌کردن است — شنونده می‌تواند آن را غیرفعال کند، و بعضی زمینه‌ها (نرم‌افزار دی‌جی، فایل دانلودشده‌ای که از ورودی AUX خودرو پخش می‌شود، یک سینک تصویری) اصلاً آن را اعمال نمی‌کنند. دوم و مهم‌تر: نرمال‌سازی رو به بالا واقعی است، ولی بی‌قید و شرط نیست. اسپاتیفای صریحاً می‌گوید به مستر‌های آرام‌تر بهرهٔ مثبت می‌دهد:

"Positive gain is applied to softer masters so the loudness level is -14 dB LUFS"

و بلافاصله قید می‌زند:

"We consider the headroom of the track, and leave 1 dB headroom for lossy encodings to preserve audio quality."

پس مسترِ بسیار آرامی که قله‌های بلندی دارد ممکن است تا انتهای هدف بالا آورده نشود. بنابراین هر دو جملهٔ رایج غلط است: نه «مستر‌های آرام بالا آورده نمی‌شوند» درست است، و نه «مستر‌های آرام همیشه تا هدف بالا آورده می‌شوند». همین قید، دلیل واقعیِ آن است که نباید روی −24 LUFS مستر کنید به این امید که «بالا می‌آورندش» — ممکن است نیاورند.

۳. واحد بلندی دقیقاً چه چیزی را می‌سنجد

سرنام LUFS یعنی Loudness Units relative to Full Scale یعنی واحد‌های بلندی نسبت به مقیاس کامل. واحد LKFS که سرنام Loudness, K-weighted, relative to Full Scale است، همان واحد با نامی دیگر است؛ اسناد ITU از LKFS استفاده می‌کنند و اسناد EBU از LUFS و این دو عدداً یکسان‌اند.

یک نکتهٔ واحد که مدام اشتباه می‌شود: **واحد بلندی (LU) هم‌اندازهٔ دسی‌بل است — یک واحد بلندی برابر یک دسی‌بل — اما LUFS یک مقیاس مطلق است و LU یک مقیاس نسبی.** «۳+ واحد» و «۳+ دسی‌بل» یک بزرگی را می‌گویند؛ ولی −14 LUFS و −14 dB اصلاً یک چیز نیستند.

سنجه‌ای که در ITU-R BS.1770 تعریف شده نه RMS است و نه قله. میانگین مربعیِ سیگنالِ فیلترشده است که با وزن‌دهی هر کانال روی کانال‌ها جمع می‌شود و بعد در زمان گِیت می‌خورد. سه چیز آن را از یک متر RMS ساده جدا می‌کند: فیلتر وزن‌دهی K جمع‌بندی کانال‌ها، و گِیت‌گذاری. تقریباً همهٔ بدفهمی‌ها در فیلتر و گِیت زندگی می‌کنند.

۳.۱ منحنی وزن‌دهی: دو مرحلهٔ فیلتر

وزن‌دهی K آبشاری از دقیقاً دو بخشِ مرتبهٔ دوم است که پیش از گرفتن میانگین مربعی روی هر کانال اعمال می‌شود.

مرحلهٔ یکم — فیلتر «سر». یک شلف بالاگذر که بالای طیف را بلند می‌کند. ضرایب منتشرشده برای 48 kHz چنین‌اند:

b0 =  1.53512485958697
b1 = -2.69169618940638
b2 =  1.19839281085285
a1 = -1.69065929318241
a2 =  0.73248077421585

این مرحله اثر آکوستیکیِ حضور یک سر در میدان صوتی را مدل می‌کند — سایه‌اندازی و پراشی که باعث می‌شود شنوندهٔ انسانی نسبت به فرکانس‌های بالای رسیده از روبه‌رو حساس‌تر از یک میکروفون لخت باشد.

**مرحلهٔ دوم — بالاگذرِ RLB.** سرنام Revised Low-frequency B-curve است: یک بالاگذر که پایین طیف را می‌ریزد، چون فرکانس‌های بم کمتر از آنچه انرژی‌شان نشان می‌دهد در بلندیِ ادراک‌شده سهم دارند. به همین دلیل است که ترکی با بمِ عظیم، آن‌قدر که در سالن حس می‌شود بلند اندازه‌گیری نمی‌شود و آرام‌تر از انتظارِ مهندس از آب درمی‌آید.

**بهرهٔ منحنی وزن‌دهی K در 1 kHz برابر +0.698 dB است، یعنی ضریب خطی 1.0836.** این عدد دلبخواه نیست؛ از پاسخ شلف و بالاگذر در همان فرکانس بیرون می‌آید. پیامد عملیِ کل زنجیره این است که یک سینوسِ تمام‌مقیاسِ 1 kHz که روی یک کانال از یک جفت استریو اعمال شود، −3.01 LKFS خوانده می‌شود؛ و آن −3.01 حاصل جمعِ «یکی از دو کانال» است، نه اثر فیلتر.

۳.۲ اصلاً چرا این منحنی وجود دارد

یک متر RMS بدون وزن‌دهی می‌گوید سینوس 40 Hz و سینوس 3 kHz با دامنهٔ یکسان به یک اندازه بلندند. هیچ شنونده‌ای با این حرف موافق نیست. وزن‌دهی K تقریبی عامدانه خام از رفتار هم‌بلندی است — بسیار ساده‌تر از منحنی‌های فلچر-مانسون — و عمداً ساده انتخاب شده تا پیاده‌سازی‌های مستقل تا کسری از یک واحد بلندی با هم بخوانند.

**وزن‌دهی K تلاشی برای مدل‌کردن دقیقِ شنوایی نیست؛ تلاشی است برای مدل‌کردن آن به‌شکلِ یکسان در همهٔ متر‌های دنیا، و دقیقاً به همین دلیل کار می‌کند.** دو متر منطبق بر استاندارد که یک فایل را می‌سنجند آن‌قدر نزدیک به هم می‌خوانند که مقایسهٔ میان‌سرویسی معنا پیدا کند.

۳.۳ کدام ویرایش معتبر است

استاندارد BS.1770 شش ویرایش دارد: ویرایش‌های ۲۰۰۶، ۲۰۰۷، ۲۰۱۱، ۲۰۱۲، ۲۰۱۵ و ۲۰۲۳.

ویرایش BS.1770-5 از نوامبر ۲۰۲۳ ویرایشِ در حال اجرا است. ویرایش BS.1770-4 از اکتبر ۲۰۱۵ منسوخ شده است، هرچند هنوز همان ویرایشی است که بیشتر متر‌های مستقرشده در نرم‌افزار‌ها به آن ارجاع می‌دهند. اگر متر شما روی صفحه‌اش نوشته BS.1770-4 این خودبه‌خود نشانهٔ خطا نیست — سازوکار‌های اصلیِ اندازه‌گیری تغییر نکرده‌اند — ولی وقتی از «استاندارد» حرف می‌زنید، ویرایشِ درستی که باید نام ببرید BS.1770-5 است. همهٔ سازوکار‌هایی که در این متن توضیح داده می‌شود — دو مرحلهٔ فیلتر، بلوک‌های ۴۰۰ میلی‌ثانیه‌ای، هر دو گِیت، و کفِ چهاربرابریِ فراوانی‌نمونه‌برداری — در برابر BS.1770-5 راستی‌آزمایی شده است.

۴. سازوکار گِیت، کامل و بدون ساده‌سازی

گِیت‌گذاری همان بخشی است که بیش از هر بخش دیگری غلط توضیح داده می‌شود، حتی در منابعی که در بقیهٔ موارد دقیق‌اند. بلندی یکپارچه یک اندازه‌گیریِ دوبار گِیت‌خورده است.

گام یکم: بلوک‌بندی سیگنال

سیگنال به بلوک‌های گِیت ۴۰۰ میلی‌ثانیه‌ای با ۷۵ درصد هم‌پوشانی تقسیم می‌شود. ۷۵ درصد هم‌پوشانی روی بلوک ۴۰۰ میلی‌ثانیه‌ای یعنی هر ۱۰۰ میلی‌ثانیه یک بلوک تازه شروع می‌شود. هر بلوک مقدار بلندیِ میانگین‌مربعیِ وزن‌دهی‌شدهٔ خودش را می‌گیرد. هم‌پوشانی تزئینی نیست: جلوی این را می‌گیرد که یک رویداد بلند که روی مرز دو بلوک افتاده، تکه‌تکه شود و کم شمرده شود.

گام دوم: گِیت مطلق

**هر بلوکی که زیر −70 LKFS اندازه بگیرد دور ریخته می‌شود و دیگر هیچ نقشی در اندازه‌گیری ندارد.** این کار سکوت دیجیتال، دنبالهٔ محو، نویز اتاق و فاصلهٔ میان قطعه‌ها را بیرون می‌گذارد، تا ترکی که پایان سکوتِ بلند دارد آرام‌تر از همان ترکِ بریده‌شده اندازه نگیرد.

گام سوم: گِیت نسبی — همان که معمولاً غلط گفته می‌شود

میانگین بلندیِ بلوک‌هایی را حساب کنید که از گِیت مطلق جان به‌در برده‌اند. عدد ۱۰ را از آن کم کنید. حاصل، آستانهٔ نسبی است. هر بلوکی زیر آن است دور ریخته می‌شود. بلندی یکپارچه میانگینِ بلوک‌هایی است که از هر دو گِیت گذشته‌اند.

این تمایز مدام گم می‌شود: گِیت نسبی ۱۰ واحد زیر میانگینِ گِیت‌مطلق‌خورده تنظیم می‌شود، نه ۱۰ واحد زیر میانگینِ گِیت‌نخوردهٔ کل فایل. استاندارد BS.1770-5 صریح است که آستانهٔ نسبی با «کم‌کردن ۱۰ از نتیجهٔ» اندازه‌گیریِ گِیت‌مطلق به دست می‌آید. اگر میانگین را روی همهٔ بلوک‌ها از جمله بلوک‌های زیر −70 LKFS بگیرید، میانگین پایین‌تر، آستانه پایین‌تر، پذیرشِ بلوک‌های آرام بیشتر، و عدد یکپارچهٔ نهایی پایین‌تر از واقع درمی‌آید — و این خطا با مقدار سکوتِ داخل فایل بزرگ‌تر می‌شود. این رایج‌ترین دلیلِ اختلافِ دو متر روی یک فایل واحد است.

۴.۱ بداهه‌نوازی سه‌تار: بهترین مثال ممکن برای فهمِ گِیت نسبی

پیامد شنیداریِ گِیت نسبیِ ۱۰ واحدی را هیچ‌جا بهتر از یک بداهه‌نوازیِ ایرانی نمی‌شود دید.

یک ضبط تک‌سازِ سه‌تار در دستگاه شور را در نظر بگیرید. درآمد با مضراب‌های نرم و تقریباً نجواگون شروع می‌شود؛ ساز در پایین‌ترین سطح دینامیکی خودش می‌نوازد و اتاق بیش از ساز شنیده می‌شود. هفت دقیقه بعد، نوازنده به چهارمضراب می‌رسد: ریزِ پرفشار، مضراب‌های پیاپی، و اوجی که به‌سادگی ۲۵ واحد بلندی بالاتر از آن درآمد می‌نشیند. همین شکل را در بداههٔ سنتور هم می‌بینید، جایی که فاصلهٔ میان یک تک‌مضرابِ آرام و ریزِ دوطرفهٔ اوج، از هر موسیقی پاپی که تابه‌حال مستر کرده‌اید بیشتر است.

حالا این را وارد سازوکار کنید. بلوک‌های درآمد ممکن است از گِیت مطلق رد شوند (خیلی بالاتر از −70 LKFS هستند)، ولی وقتی آستانهٔ نسبی از میانگینِ کلِ همان بلوک‌ها منهای ۱۰ ساخته می‌شود، درآمد ۲۵ واحد زیر اوج است — یعنی به‌وضوح زیرِ آستانه — و کاملاً از اندازه‌گیری بیرون می‌افتد. بلندی یکپارچهٔ آن ضبط تقریباً به‌طور کامل از روی چهارمضراب و بخش‌های پرتحرک محاسبه می‌شود.

نتیجه‌ای که باید درونی شود: بلندی یکپارچهٔ ترک شما در عمل میانگینِ بخش‌های بلندِ آن است، نه میانگینِ کل آن. به همین دلیل است که افزودن یک درآمدِ چهل‌ثانیه‌ای و آرام به ابتدای یک مسترِ آماده، عملاً عدد یکپارچه را تکان نمی‌دهد — و مهندسی که انتظار دارد تکان بدهد، غافلگیر می‌شود. همین قاعده در ساختار «ساز و آواز، بعد تصنیف، بعد رِنگ» هم صادق است: عدد نهایی را تصنیف و رِنگ می‌نویسند، نه آوازِ آزاد.

پیامد عملی برای مستِرینگ‌کارِ موسیقی ایرانی روشن است: اگر عدد یکپارچهٔ یک بداهه‌نوازی را با فشرده‌سازی «درست کنید»، دارید دقیقاً همان چیزی را می‌کُشید که آن اجرا را اجرا کرده است، و در ازایش عددی می‌گیرید که سرویس در همان لحظهٔ پخش پس می‌گیرد.

۵. مومنتری، کوتاه‌مدت، یکپارچه: کدام متر، کِی

سه پنجرهٔ زمانی استاندارد شده‌اند و به سه پرسش متفاوت پاسخ می‌دهند. رفتار متر‌ها در سند EBU Tech 3341 تعریف شده است.

**مومنتری (M) — ۴۰۰ میلی‌ثانیه، بدون گِیت. همان پنجرهٔ بلوک گِیت. بلندی مومنتری رویداد‌های منفرد را دنبال می‌کند: یک ضربِ تنبک، یک همخوانِ آواز، یک سرِ ضرب. از آن برای گرفتنِ مچِ** چیز‌ها استفاده کنید — تُمِ دفی که ۶ واحد بالاتر از همه‌چیزِ اطرافش می‌پرد، بخشی که ناگهان بیرون می‌زند. برای تصمیم‌های سطحی از آن استفاده نکنید؛ بیش از حد عصبی است و دنبال‌کردن متر مومنتری دقیقاً همان نتیجهٔ بیش‌فشرده‌ای را می‌سازد که نرمال‌سازی مجازاتش می‌کند.

**کوتاه‌مدت (S) — ۳ ثانیه، بدون گِیت. سه ثانیه تقریباً اندازهٔ یک جملهٔ موسیقایی است. بلندی کوتاه‌مدت مترِ درست برای تصمیم‌های تعادلی درون یک قطعه است، چون سه ثانیه همان بازهٔ زمانی‌ای است که شنونده واقعاً بر اساس آن یک بخش را بلند یا آرام ادراک می‌کند.** با کوتاه‌مدت، آوازِ نرم را با تصنیف مقایسه کنید، ببینید که آیا یک گوشهٔ میانی فرو می‌ریزد یا نه، و شکلِ فرمِ اثرتان را به‌شکل عدد ببینید.

**یکپارچه (I) — کل برنامه، دوبار گِیت‌خورده. این همان عددی است که سرویس‌ها بر اساسش نرمال می‌کنند و تنها عددی است که جایش در یک مشخصات تحویل است. آن را روی کل ترک از نخستین تا آخرین سمپل اندازه بگیرید، نه روی بخشی گزیده. بلندی یکپارچه یک مشخصهٔ تحویل است، نه ابزار میکس؛ اگر حین کار به آن نگاه می‌کنید، به مترِ اشتباه نگاه می‌کنید.**

قاعدهٔ عملی: با کوتاه‌مدت میکس و مستر کنید، با یکپارچه راستی‌آزمایی کنید، و ناهنجاری‌ها را با مومنتری بشکافید.

۶. گسترهٔ بلندی و گِیتِ ۲۰ واحدی

گسترهٔ بلندی، یا LRA که در سند EBU Tech 3342 تعریف شده، یک عدد است که می‌گوید بلندیِ یک ترک در طول زمان چقدر تغییر می‌کند. از توزیعِ مقادیر بلندیِ کوتاه‌مدت (پنجرهٔ ۳ ثانیه‌ای) محاسبه می‌شود: LRA اختلافِ برآوردِ صدک ۱۰ و صدک ۹۵ آن توزیع است، و به همین دلیل است که رویداد‌های کوتاهِ حدی در دو انتها بر نتیجه مسلط نمی‌شوند.

گِیتِ LRA مالِ خودش است و با گِیتِ یکپارچه یکی نیست. **سند Tech 3342 آستانهٔ نسبیِ LRA را روی −20 LU نسبت به سطح بلندیِ گِیت‌مطلق‌خورده می‌گذارد، نه −10 LU.** این گِیتِ بازتر عمدی است: LRA می‌خواهد تغییرات را توصیف کند، پس باید همان گذرگاه‌های آرامی را بپذیرد که اندازه‌گیریِ یکپارچه عمداً بیرون می‌گذارد.

این یک اشکالِ زندهٔ پیاده‌سازی است، نه یک نکتهٔ نظری. متر‌هایی که همان گِیتِ نسبیِ ۱۰ واحدیِ یکپارچه را برای LRA دوباره استفاده می‌کنند، عدد‌هایی به‌طور سیستماتیک کوچک‌تر از واقع گزارش می‌کنند، چون دقیقاً همان مصالح آرامی را دور ریخته‌اند که گستره از آن ساخته می‌شود. **اگر متر شما روی یک فایل واحد LRA محسوسی کمتر از متر دیگری گزارش می‌کند، نخستین چیزی که باید به آن مشکوک شوید یک گِیتِ ۱۰ واحدی است در جایی که باید ۲۰ واحدی باشد.**

خودتان می‌توانید آزمایشش کنید و موسیقی ایرانی مصالح ایدئالِ این آزمایش را دارد: بیست ثانیه مصالحِ ۱۵ واحد زیرِ بدنهٔ ترک به آن بچسبانید — مثلاً یک تک‌نوازیِ آرام نی یا یک پاسخِ کوتاه کمانچه. پیاده‌سازی درست، LRA را به‌طور محسوسی بالا می‌برد؛ پیاده‌سازی خراب تقریباً تکان نمی‌خورد.

برای جهت‌یابی و نه به‌عنوان هدف: مستر‌های الکترونیک و پاپِ به‌شدت محدودشده معمولاً حول ۳ تا ۵ واحد می‌نشینند؛ یک میکسِ تمام‌باندِ خوش‌کنترل حول ۶ تا ۹ واحد؛ و ضبط‌های آکوستیک و ارکسترال بارها بالای ۱۲ واحد. ضبط‌های تک‌سازِ ردیف و بداهه‌نوازی به‌راحتی از این هم فراتر می‌روند و این نشانهٔ سلامت است، نه عیب. **عدد LRA توصیفی است؛ دنبال‌کردن یک عددِ خاصِ LRA دقیقاً به‌همان اندازهٔ دنبال‌کردن یک عددِ خاصِ LUFS بی‌راه است.**

۷. تروپیک در برابر سمپل‌پیک

۷.۱ تفاوت

متر سمپل‌پیک بزرگ‌ترین قدرمطلقِ مقدارِ سمپل در فایل را گزارش می‌کند. این بزرگ‌ترین مقداری نیست که سیگنال به آن می‌رسد: سمپل‌ها نقاطی روی یک موجِ پیوسته‌اند، و موج میان دو سمپل می‌تواند بالاتر از هر دو برود. موجِ بازساخته‌شده می‌تواند از بلندترین سمپلِ داخل فایل فراتر برود، و متر سمپل‌پیک ساختاراً ناتوان از دیدن آن است. به این فرارَوی‌ها قله‌های میان‌سمپلی می‌گویند؛ و سطح موجِ بازساخته‌شده همان تروپیک است که با dBTP بیان می‌شود.

فایلی که از نظر دیجیتال «سالم» است و سمپل‌هایش روی −0.1 dBFS سقف می‌خورند، می‌تواند تروپیک‌هایی به‌خوبی بالای 0 dBTP داشته باشد. هیچ‌چیزی در خود فایل کلیپ نشده. هر چیزی در ادامهٔ زنجیره که موج را بازسازی می‌کند — یک DAC یک مبدل نرخ نمونه‌برداری، یک رمزگشای فشرده‌سازیِ اتلافی — ممکن است آن را کلیپ کند.

۷.۲ چرا فراوانی‌نمونه‌برداری لازم است

برای دیدن یک تروپیک باید موج را میان سمپل‌ها بازسازی کنید. استاندارد BS.1770 این کار را با فراوانی‌نمونه‌برداری مشخص می‌کند: **حداقل چهار برابر در 48 kHz و خودِ توصیه‌نامه یادآور می‌شود که نرخ‌ها و نسبت‌های بالاتر ترجیح دارند. چهار برابر کفِ انطباق است، نه پاسخ دقیق؛ در چهار برابر، اندازه‌گیری هنوز می‌تواند قله‌های واقعی را چند دهم دسی‌بل کمتر بخواند. اگر متر شما هشت یا شانزده برابر را ارائه می‌دهد، از آن استفاده کنید؛ هزینهٔ پردازشیِ اضافه ناچیز است و دقتِ اضافه ناچیز نیست.** متری که حالتِ تروپیک یا dBTP صریح ندارد، هر چه دفترچه‌اش بگوید، یک متر سمپل‌پیک است.

۷.۳ تنبک و دف: چرا این برای ضرب ایرانی حادتر است

ساز‌های پوستیِ ایرانی گذراهای بسیار تیزی تولید می‌کنند و در همین‌جا فاصلهٔ سمپل‌پیک و تروپیک بیشترین اهمیت را پیدا می‌کند.

یک تُمِ تنبک یا یک «پلنگ» روی لبهٔ دف، انرژی‌اش را در چند میلی‌ثانیه آزاد می‌کند و لبهٔ حمله‌اش تقریباً عمودی است. هرچه لبهٔ حمله تیزتر باشد، احتمال اینکه اوجِ واقعیِ موج میان دو سمپل بیفتد بیشتر است — دقیقاً همان چیزی که متر سمپل‌پیک نمی‌بیند. یک ضبط تنبکِ نزدیک‌میکروفون که سمپل‌پیکش −0.2 dBFS می‌خواند، به‌سادگی می‌تواند تروپیکِ مثبت داشته باشد. اگر همین ضبط را پیش از رمزگذاری هم فشرده و محدود کرده باشید، فرارَوی بزرگ‌تر می‌شود.

پس اگر روی ضبط‌های کوبه‌ای کار می‌کنید — دف، تنبک، دایره — مترِ سمپل‌پیک عملاً بی‌فایده است. فقط dBTP و فقط با فراوانی‌نمونه‌برداری.

۷.۴ چرا رمزگذاری اتلافی قله‌ها را بالا می‌برد

یک کُدکِ اتلافی — چه AAC چه Ogg Vorbis چه MP3 — موج را سمپل‌به‌سمپل بازتولید نمی‌کند. موجی ادراکاً مشابه تولید می‌کند، و خروجیِ رمزگشا به‌طور معمول از ورودیِ رمزگذار فراتر می‌رود. این فرارَوی عیب نیست، پیامدِ ناگزیرِ کوانتش و دورریزِ جزئیات طیفی است، و با شدتِ محدودسازیِ منبع بزرگ‌تر می‌شود. مستری که دقیقاً روی 0.0 dBTP بسته شده، با قله‌های بالای 0 dBFS رمزگشایی می‌شود و رمزگشا آن‌ها را کلیپ می‌کند.

این نکته برای بازار ایران دو برابر اهمیت دارد، چون بخش بزرگی از پخشِ داخلی هنوز از راه MP3 با نرخ‌بیت پایین انجام می‌شود؛ هرچه نرخ‌بیت پایین‌تر باشد، بازسازی درشت‌تر و فرارَوی بیشتر است. مسترِ بی‌هدروم که در مانیتور استودیو تمیز به‌نظر می‌رسد، در همان فایلی که قرار است در خودرو پخش شود کلیپ می‌کند.

هر مشخصاتِ منتشرشده‌ای که به این موضوع می‌پردازد یک چیز می‌گوید. سند AES TD1008:

"For all content, it is recommended that the Maximum True Peak level not exceed −1 dBTP at the codec input of lossy-encoded streams."

و اسپاتیفای:

"keep True Peak below −1dB TP (True Peak) max"

و برای مستر‌های بلندتر از −14 LUFS:

"keep True Peak below −2dB to avoid extra distortion."

۷.۵ عملاً چه سقفی بگذاریم

**سقفِ تروپیکِ محدودساز را برای مستر‌های معمول روی −1.0 dBTP بگذارید، و روی −2.0 dBTP اگر مسترتان از −14 LUFS یکپارچه بلندتر است.** این حاشیهٔ خرافی نیست؛ هر دو عدد الزامِ منتشرشدهٔ منابع بالا هستند، و عددِ دوم دقیقاً به این دلیل وجود دارد که مصالحِ سخت‌محدودشده در کُدک بیشتر فرا می‌روند.

دو پانوشت. سقفِ −0.1 dBTP برای استریم یک خطای تحویل است، نه یک انتخاب سبکی. و محدودسازی که روی −1.0 dBTP تنظیم شده باید واقعاً یک محدودسازِ تروپیک باشد: کنترلِ سقف در بسیاری از محدودساز‌ها سمپل‌پیک است، و تنظیمِ آن روی −1.0 به شما قله‌های میان‌سمپلیِ جایی بالای −0.5 dBTP می‌دهد.

ابزار سنجش بلندی و تروپیکِ مازوفا رایگان است، کاملاً در مرورگر و روی دستگاه خودتان اجرا می‌شود و هیچ صوتی آپلود نمی‌کند؛ بلندی یکپارچه، کوتاه‌مدت و مومنتری و نیز تروپیک را روی فایل نهایی گزارش می‌دهد. انتشار در آن رایگان است — بدون هزینهٔ آپلود، بدون اشتراک و بدون هزینهٔ به‌ازای هر انتشار — تنها کسر آن ۵٪ از حق‌الامتیاز دریافتی است، و هر درخواست کاملِ عضویت را انسان بررسی می‌کند.

۸. هر سرویس واقعاً چه چیزی منتشر کرده است

تمایزِ میان منتشرشده و گزارش‌شدهٔ گسترده مهم‌ترین چیز در این بخش است و تقریباً هیچ مقاله‌ای در این موضوع آن را حفظ نمی‌کند.

۸.۱ مشخصات منتشرشده

اسپاتیفای. هدف: بلندی یکپارچهٔ −14 LUFS. اسپاتیفای می‌گوید ترک‌ها را به −14 dB LUFS تنظیم می‌کند و اندازه‌گیری را «مطابق استاندارد ITU 1770 » انجام می‌دهد. سقف تروپیک: زیر −1 dBTP و زیر −2 dBTP برای مستر‌های بلندتر از −14 LUFS. اسپاتیفای هم‌چنین می‌گوید بهرهٔ مثبت به مستر‌های آرام‌تر اعمال می‌شود، با همان قیدِ هدرومی که در بخش ۲ نقل شد. دربارهٔ نرمال‌سازی آلبوم می‌گوید آلبوم به‌عنوان یک واحد نرمال می‌شود تا «ترک‌های آرام‌تر همان‌قدر آرام باشند که شما خواسته‌اید» — یعنی نسبت سطحِ ترک‌ها درون یک آلبوم حفظ می‌شود. برای یک آلبوم ردیف یا یک مجموعهٔ بداهه که ترک‌هایش عمداً هم‌سطح نیستند، این دقیقاً همان رفتاری است که می‌خواهید.

**توصیه‌نامهٔ EBU R 128.** هدف: −23 LUFS. این یک توصیه‌نامهٔ پخش رادیو-تلویزیونی است، نه هدفِ موسیقیِ استریم، و اینجا آمده چون مدام اشتباه به‌کار می‌رود: مسترِ موسیقیِ −23 LUFS با هیچ‌چیزی «منطبق‌تر» نیست، و — چون نرمال‌سازی رو به بالا محدود به هدروم است — ممکن است آرام‌تر از آنچه می‌خواستید پخش شود.

**سند AES TD1008 ** با عنوان Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution. مفیدترین سند عمومی برای موسیقی‌دان‌ها است و بیش از همه هم بدنقل می‌شود.

• موسیقیِ ترک‌نرمال‌شده:

−16 LUFS با رواداری +0.2 LU

• نرمال‌سازی آلبوم، بلندترین ترک:

−14 LUFS با رواداری +0.2 LU

• محتوای گفتارمحور:

−18 LUFS با رواداری +1 LU که به‌صورت بلندی یکپارچهٔ دیالوگ اندازه گرفته می‌شود.

• بیشینهٔ تروپیک:

−1 dBTP در ورودی کُدک برای جریان‌های اتلافی.

**عددِ −18 LUFS در سند TD1008 هدفِ محتوای گفتارمحور است — خبر، گفت‌وگو، نمایش — و نقلِ آن به‌عنوان هدفِ موسیقی یک خطای رایج و جدی است.** عددِ موسیقی −16 LUFS است. اگر جایی −18 LUFS را به‌عنوان توصیهٔ AES برای موسیقی دیدید، آن منبع سند را غلط خوانده است.

سند TD1008 یک استدلال صریح دربارهٔ دینامیک هم دارد که ارزش نقل مستقیم دارد:

"A recording with high peak to loudness ratio (PLR) is often perceived as clearer and less fatiguing than one that has been excessively peak-limited."

این جمله را می‌شود مستقیماً روی ضبط سنتور امتحان کرد: نسخهٔ کم‌محدودشده «روشن‌تر» شنیده می‌شود، و همین است که در گوش‌دادنِ طولانی خسته‌کننده نمی‌شود.

۸.۲ سرویس‌هایی که هیچ هدفی منتشر نکرده‌اند

اپل موزیک، یوتیوب موزیک، آمازون موزیک، تایدال و دیزر هیچ هدفِ نرمال‌سازی‌ای منتشر نکرده‌اند. این‌ها نرمال‌سازی می‌کنند — که قابل مشاهده است — ولی عددِ مشخص یک مشخصهٔ منتشرشده نیست، و هر مقاله‌ای که عددی را به‌عنوان مشخصه ارائه می‌دهد، در واقع یک اندازه‌گیری یا یک استنباط را به‌جای یک سند جا می‌زند.

عدد‌هایی که به‌طور گسترده می‌چرخند این‌هاست: اپل حدود −16 LUFS یوتیوب موزیک حدود −14 LUFS آمازون موزیک حدود −14 LUFS تایدال حدود −14 LUFS و دیزر حدود −15 LUFS.

این‌ها به‌طور گسترده گزارش شده‌اند ولی خودِ سرویس‌ها منتشرشان نکرده‌اند؛ آن‌ها را مشاهدهٔ شخص ثالث از یک هدفِ متحرک بدانید، نه مشخصات. از اندازه‌گیری مستقل می‌آیند، در طول زمان تغییر کرده‌اند، و هیچ سرویسی خود را به آن‌ها متعهد نکرده است. از روی آن‌ها بهرهٔ پخشِ مورد انتظار حساب نکنید و بر اساس یکی از آن‌ها مستر نکنید.

پیامد عملی‌اش از آنچه به‌نظر می‌رسد کوچک‌تر است. همهٔ عدد‌های گزارش‌شده میان −16 LUFS و −14 LUFS می‌نشینند، یعنی پراکندگیِ ۲ واحد بلندی. هیچ مستری به‌خاطر ۲ واحد دوباره بریده نمی‌شود.

۹. راهنمای عملی

۹.۱ چطور یک هدف انتخاب کنیم

از موسیقی به‌عقب کار کنید، نه از یک عدد به‌جلو.

1. اول سقف را ببندید. −1 dBTP تروپیک، با فراوانی‌نمونه‌برداری. این تنها قید واقعاً سختِ فهرست است.

1. برای موسیقی مستر کنید. تعادل، رنگ و دینامیک را درست کنید در حالی که محدودساز کمترین کار ممکن را انجام می‌دهد. در این مرحله به متر یکپارچه نگاه نکنید.

1. نتیجه را اندازه بگیرید. هر بلندی یکپارچه‌ای که به آن رسیده‌اید، همان نامزدِ شماست.

1. گستره را وارسی کنید. اگر عدد یکپارچه‌تان میان تقریباً −14 LUFS و −9 LUFS است، داخل بازه‌ای هستید که همهٔ هدف‌های منتشرشده و همهٔ عدد‌های گزارش‌شده تا چند واحد در آن جا می‌گیرند و هیچ سرویسی کار دراماتیکی با ترک شما نمی‌کند. اگر بلندتر از −9 LUFS هستید، بپرسید که محدودسازی چه چیزی برایتان خرید، چون نرمال‌سازیِ پخش سطح را پس می‌گیرد.

1. تازه بعد به تعدیل فکر کنید — و با تغییرِ مستِرینگ تعدیل کنید، نه با افزودن محدودسازی.

**رسیدن به یک عدد LUFS با افزودن محدودساز تا وقتی متر عدد درست را نشان بدهد، دقیقاً همان رفتاری است که نرمال‌سازی برای بی‌معنا کردنش طراحی شده است.** اگر لازم است عدد جابه‌جا شود، آن را با آرایشِ بهره، با تصمیم‌های میکس، یا با فشرده‌سازیِ کمتر جابه‌جا کنید — نه با فشرده‌سازیِ بیشتر.

ژانر به شکلی اهمیت دارد که یک عدد واحد نمی‌تواند بگیردش. الکترونیکِ پرچگال، متال و پاپِ مدرن معمولاً میان −10 LUFS و −8 LUFS می‌نشینند چون مصالح ذاتاً کشیده است؛ موسیقی دستگاهی، بداهه‌نوازی تک‌ساز، و ضبط‌های ارکستر ملی میان −18 LUFS و −13 LUFS می‌نشینند چون نیست. هر دو درست‌اند. اشتباه، ضبطِ تک‌سازِ تارِ محدودشده تا −8 LUFS است، نه ضبط تاری که −16 LUFS اندازه می‌گیرد.

۹.۲ اگر مسترتان از قبل محدود شده است

مسترِ تمام‌شده و به‌شدت محدودشده‌ای دارید و تازه این متن را خوانده‌اید. سه گزینهٔ صادقانه، به‌ترتیب ترجیح:

از میکس دوباره مستر کنید. تنها راه‌حل واقعی. محدودسازی قله برگشت‌پذیر نیست؛ گذراهایی که برداشته شده‌اند در فایل نیستند. اگر میکس را دارید، محدودساز را عقب بکشید و دوباره رِندر بگیرید.

فقط سقف را پایین بیاورید و بقیه را رها کنید. اگر فقط مستر را دارید و تروپیکش بالای −1 dBTP است، محدودسازی تروپیک یا کاهش بهرهٔ ایمن اعمال کنید تا به −1 dBTP برسد و همان‌جا بایستید. این خطای تحویل را رفع می‌کند بدون آنکه وانمود کند دینامیک را رفع کرده است.

هیچ کاری نکنید. مسترِ −8 LUFS با سقف −1 dBTP خراب نیست. هم‌سطح با بقیه پخش می‌شود، فقط کمی تخت‌تر از آنچه می‌توانست باشد — هزینه‌ای واقعی، ولی کمتر از هزینهٔ یک مستِرینگِ دوبارهٔ عجولانه. محدودسازی افراطی یک فرصتِ از‌دست‌رفته است، نه یک نقص — فایل پخش می‌شود، فقط آن‌قدر که می‌توانست خوب پخش نمی‌شود.

۹.۳ دینامیک در برابر سطح

این دو را در ذهنتان جدا نگه دارید، چون درهم‌آمیختنشان سرچشمهٔ بیشترِ تصمیم‌های بد است.

سطح یعنی اینکه کل ترک کجا می‌نشیند. یک عدد است، با یک فِیدر تنظیم می‌شود، رایگان است، و زیر نرمال‌سازی آن را سرویس انتخاب می‌کند، نه شما.

دینامیک یعنی نسبتِ میان بخش‌های بلند و آرام، هم لحظه‌به‌لحظه (فاکتور قله، PLR) و هم بخش‌به‌بخش (LRA). ساختنش هزینه دارد، محدودسازی نابودش می‌کند، و در ادامهٔ زنجیره بازگرداندنی نیست.

شما دیگر بر سرِ سطح رقابت نمی‌کنید — سطح را سرویس تعیین می‌کند — پس هر دسی‌بلی که خرجِ سطح می‌کنید، از بودجه‌ای برداشته می‌شود که شنونده هرگز نمی‌بیندش. نرمال‌سازی توانِ ساختنِ یک اثرِ بلندصدا را از شما نگرفته است. توانِ ساختنِ آن از راهِ بلندبودن را گرفته است. شدتِ ادراک‌شده حالا از چگالیِ تنظیم، تضادِ گذراها، وزنِ ناحیهٔ بم-میانی، و اندازهٔ جهش میان بخش‌ها می‌آید — چیز‌هایی که بهرهٔ منفیِ ۶ دسی‌بل دست‌نخورده از آن‌ها می‌گذرد.

۹.۴ چیز‌هایی که واقعاً اهمیت ندارند

• **رسیدن دقیق به یک عدد

LUFS.** هیچ چیزی گرد نمی‌شود، هیچ چیزی رد نمی‌شود، و تفاوت میان −14.0 و −13.4 LUFS شنیدنی نیست. رواداریِ یک واحد بلندی سخاوتمندانه است و کسی متوجهش نمی‌شود.

• مستر‌های متفاوت برای سرویس‌های متفاوت. هدف‌های منتشرشده و گزارش‌شده روی‌هم حدود ۲ واحد پهنا دارند. یک مستر با سقف

−1 dBTP و دینامیکِ معقول همه‌جا درست است.

• نرخ نمونه‌برداری و دیترِ روی مسترِ ۲۴ بیتی. با نرخِ بومیِ میکس تحویل بدهید؛ بالابردن نرخ چیزی اضافه نمی‌کند و دیترِ ۲۴ بیتی بسیار پایین‌تر از هر چیزی است که از توزیع جان به‌در می‌برد.
• **عددِ پخشِ رادیو-تلویزیونیِ

−23 LUFS.** مگر اینکه به پخش رادیو-تلویزیونی تحویل بدهید، R 128 مشخصات شما نیست.

• برندِ افزونهٔ متر. هر متری که با

BS.1770 منطبق باشد و حالت تروپیک و فراوانی‌نمونه‌برداری کافی داشته باشد، تا کسری از یک واحد با هر متر دیگری می‌خواند. اختلاف‌ها به پیاده‌سازیِ گِیت یا فراوانی‌نمونه‌برداری برمی‌گردد، نه به کیفیت.

۱۰. جمع‌بندی

بلندی یکپارچه را روی مسترِ نهایی با متری منطبق بر BS.1770 اندازه بگیرید. سقف تروپیک را روی −1 dBTP بگذارید، یا −2 dBTP اگر بلندتر از −14 LUFS هستید. برای تصمیم‌های تعادلی از بلندی کوتاه‌مدت استفاده کنید و از یکپارچه فقط برای راستی‌آزمایی. به‌یاد داشته باشید که گِیت نسبیِ یکپارچه −10 LU زیرِ میانگینِ گِیت‌مطلق‌خورده است و گِیتِ LRA برابر −20 LU است. و مهم‌تر از همه برای کسی که در تهران یا هر جای دیگر برای دو مقصدِ متفاوت مستر می‌کند: سطحِ پخش را سرویس تعیین می‌کند، نه شما — پس آن تلاشی را که خرجِ سطح می‌کردید، خرجِ چیزی کنید که شنونده هنوز می‌شنود.

منابع

**استاندارد ITU-R BS.1770 — الگوریتم اندازه‌گیری، وزن‌دهی K گِیت‌گذاری، تروپیک**

• توصیه‌نامهٔ

ITU-R BS.1770-5 (۱۱/۲۰۲۳)، Algorithms to measure audio programme loudness and true-peak audio level متن کامل: https://www.itu.int/dms_pubrec/itu-r/rec/bs/R-REC-BS.1770-5-202311-I!!PDF-E.pdf

• صفحهٔ توصیه‌نامه و تاریخچهٔ ویرایش‌ها (از

BS.1770-0 تا BS.1770-5): https://www.itu.int/rec/R-REC-BS.1770/en

**اتحادیهٔ EBU — هدفِ پخش، پنجره‌های متر، گسترهٔ بلندی**

• توصیه‌نامهٔ

EBU R 128 Loudness normalisation and permitted maximum level of audio signals (هدف −23 LUFS): https://tech.ebu.ch/publications/r128

• سند

EBU Tech 3341 Loudness Metering: EBU Mode metering to supplement EBU R 128 (مومنتری ۴۰۰ میلی‌ثانیه، کوتاه‌مدت ۳ ثانیه): https://tech.ebu.ch/publications/tech3341

• سند

EBU Tech 3342 Loudness Range: A measure to supplement EBU R 128 loudness normalisation (گِیتِ −20 LU صدک‌های ۱۰ و ۹۵): https://tech.ebu.ch/docs/tech/tech3342.pdf

**انجمن AES — توصیه‌های استریم**

• سند

AES TD1008.1.21-9 Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution (موسیقی −16 LUFS آلبوم −14 LUFS گفتار −18 LUFS تروپیک −1 dBTP): https://aes2.org/wp-content/uploads/2024/01/20210924_TD1008_v3.13.pdf

• صفحهٔ سند:

https://aes.org/technical-council/technical-document-aestd1008/

اسپاتیفای — مشخصاتِ منتشرشدهٔ نرمال‌سازی

• Spotify for Artists,

Loudness normalization (هدف −14 LUFS سقف −1 dBTP و −2 dBTP بهرهٔ مثبت و قیدِ هدروم، نرمال‌سازی آلبوم): https://support.spotify.com/us/artists/article/loudness-normalization/

منتشرنشده از سوی هیچ سرویسی. عدد‌هایی که برای اپل موزیک، یوتیوب موزیک، آمازون موزیک، تایدال و دیزر آورده شد، اندازه‌گیری‌های شخص ثالثِ گسترده‌گزارش‌شده هستند. برای آن‌ها هیچ منبع اولیه‌ای ذکر نشده چون هیچ منبع اولیه‌ای وجود ندارد؛ این سرویس‌ها هیچ مشخصهٔ نرمال‌سازی‌ای منتشر نمی‌کنند.