স্ট্রিমিংয়ের জন্য লাউডনেস নরমালাইজেশন: একটি কারিগরি রেফারেন্স

LUFS, K-weighting, দুটি গেট, LRA, ট্রু পিক বনাম স্যাম্পল পিক — এবং কোন সার্ভিস আসলে কী প্রকাশ করেছে, আর কোনটা শুধু লোকমুখে চলে আসা সংখ্যা।

সংক্ষিপ্ত উত্তর

মাস্টারে সবচেয়ে আগে যেটা ঠিক করবেন সেটা লেভেল নয়, সিলিং — ট্রু পিক (true peak, অর্থাৎ স্যাম্পলের ফাঁকে পুনর্গঠিত তরঙ্গের প্রকৃত সর্বোচ্চ) −1 dBTP, আর মাস্টার যদি −14 LUFS-এর চেয়ে জোরে হয় তাহলে −2 dBTP। এরপর ইন্টিগ্রেটেড লাউডনেস (integrated loudness, গোটা ট্র্যাক জুড়ে গেট-করা গড় লাউডনেস) যেখানে গানটা নিজে গিয়ে দাঁড়ায় সেখানেই থাকতে দিন; কোনো সংখ্যায় জোর করে টেনে আনবেন না। লিখিত লক্ষ্য চাইলে: AES TD1008 ট্র্যাক-নরমালাইজড সংগীতের জন্য −16 LUFS সুপারিশ করে, আর স্পটিফাই প্লেব্যাক নরমালাইজ করে −14 LUFS-এ। বড় সব সার্ভিসই টার্গেটের চেয়ে জোরে মাস্টারকে বাজানোর সময় নামিয়ে দেয় — তাই −6 LUFS-এ শেষ করা একটা মাস্টার −14 LUFS-এর মাস্টারের চেয়ে জোরে বাজে না; একই জোরে বাজে, শুধু ঢাক আর খোলের যে ট্রানজিয়েন্টগুলো লিমিটার খেয়ে ফেলেছে সেগুলো আর ফেরে না। অতিরিক্ত লিমিটিং দিয়ে আপনি জোর কিনছেন না, সমতা কিনছেন। একটাও "সঠিক সংখ্যা" নেই, কিন্তু একটা সঠিক পদ্ধতি আছে: সিলিং আগে বাঁধুন, গানের জন্য মাস্টার করুন, তারপর মাপুন — আর ট্রানজিয়েন্ট চ্যাপ্টা হতে শুরু করলেই থামুন।

১. পাটিগণিতটা: নরমালাইজেশন কেন ওভার-লিমিটিংকে নিজের বিরুদ্ধে দাঁড় করায়

এটা রুচির তর্ক নয়, হিসাবের ব্যাপার।

যে সার্ভিস প্লেব্যাক নরমালাইজ করে সে তিনটে কাজ করে: আপনার ট্র্যাকের ইন্টিগ্রেটেড লাউডনেস মাপে, নিজের টার্গেটের সঙ্গে মেলায়, তারপর বাজানোর সময় গোটা ফাইলে একটা স্থির গেইন বসিয়ে দেয়। স্পটিফাইয়ের টার্গেট −14 LUFS। আপনার মাস্টার −14 LUFS মাপলে প্রয়োগ করা গেইন 0 dB। −8 LUFS মাপলে গেইন −6 dB। −11 LUFS মাপলে −3 dB। এর বাইরে কোনো দরাদরি নেই।

এবার একই মিক্সের দুটো মাস্টার ধরুন। মাস্টার ক শেষ হয়েছে −14 LUFS ইন্টিগ্রেটেডে, পিক −1 dBTP-তে — পিক-টু-লাউডনেস রেশিও (peak-to-loudness ratio, PLR) 13 LU। মাস্টার খ ঠেলে তোলা হয়েছে −8 LUFS-এ, সিলিং সেই একই −1 dBTP — PLR 7 LU। −14 LUFS টার্গেটে বাজানোর সময় মাস্টার খ-কে 6 dB নামিয়ে দেওয়া হয়। তার পিক এখন −7 dBTP-তে। তার লাউডনেস হুবহু মাস্টার ক-এর সমান। লিমিটার যে 6 dB ক্রেস্ট ফ্যাক্টর (crest factor, পিক ও গড় লেভেলের ব্যবধান) খেয়ে ফেলেছিল, সেটা শুধু হারিয়ে গেছে — প্লেব্যাক চেইনের কোনো অংশ সেটা ফেরত দেয় না।

লাউডনেস নরমালাইজেশন লাউডনেস-যুদ্ধকে একটা ডায়নামিক রেঞ্জ-যুদ্ধে বদলে দিয়েছে, যে যুদ্ধে সবচেয়ে জোরে মাস্টারটা স্বয়ংক্রিয়ভাবে হারে। পুরো যুক্তিটা এইটুকুই, এবং এটা কারো রুচির উপর নির্ভর করে না।

সতর্কবাণীর চেয়ে এর উল্টোপিঠটা বেশি কাজের। লেভেল যেহেতু সার্ভিস ঠিক করছে, আপনার মাস্টারের লেভেল আর প্রতিযোগিতার জিনিস নয়। যা প্রতিযোগিতায় থেকে যায় তা হলো এতদিন লেভেলের পিছনে যা যা খরচ হচ্ছিল: ট্রানজিয়েন্টের স্পষ্টতা, টানা হারমোনিয়ামের উপর খোলের চাঁটি কতটা আলাদা হয়ে বসে, অন্তরা আর সঞ্চারীর মধ্যে ফারাক, কণ্ঠটা দলের সামনে আছে না দলের ভিতরে চেপে বসে আছে। নরমালাইজেশনের অধীনে আপনার লাউডনেস-সিদ্ধান্তের যে অংশটা শ্রোতা আদৌ শুনতে পান, সেটা হলো PLR।

দুটো শর্ত। এক, নরমালাইজেশন বন্ধ করা যায় — শ্রোতা সেটিংস থেকে অফ করতে পারেন, আর কিছু জায়গায় (DJ সফটওয়্যার, সিরিয়াল বা বিজ্ঞাপনের সিংক, গাড়িতে পেনড্রাইভ থেকে বাজানো ফাইল) সেটা কখনোই প্রয়োগ হয় না। দুই — এবং এটা প্রায়ই ভুল লেখা হয় — উপরের দিকে নরমালাইজেশন সত্যিই হয়, কিন্তু শর্তসাপেক্ষে। স্পটিফাই লিখেছে নরম মাস্টারে ধনাত্মক গেইন প্রয়োগ করা হয়: "Positive gain is applied to softer masters so the loudness level is -14 dB LUFS" — তবে সঙ্গেই: "We consider the headroom of the track, and leave 1 dB headroom for lossy encodings to preserve audio quality." অর্থাৎ খুব চাপা কিন্তু উঁচু পিকওয়ালা মাস্টারকে টার্গেট পর্যন্ত পুরোটা তোলা নাও হতে পারে। তাই "যেভাবেই হোক তুলে দেবে" ভেবে −24 LUFS-এ মাস্টার করা ভুল; আবার "চাপা মাস্টার কখনো তোলা হয় না" বলাও সমান ভুল।

২. আখড়ার বাউল: যে ক্রেস্ট ফ্যাক্টরের জন্য পপের কম্প্রেসার তৈরি হয়নি

তত্ত্বটা বাংলা রেকর্ডিংয়ে কীভাবে কামড় দেয়, তার সবচেয়ে পরিষ্কার উদাহরণ একটা লাইভ বাউল পরিবেশনা — কুষ্টিয়ার ছেঁউড়িয়ার আখড়া হোক, শান্তিনিকেতনের মেলা হোক, বা গ্রামের কোনো সাধুসঙ্গ।

রেকর্ডিংটা শুরু হয় প্রায় নিঃশব্দে: একজন সাধকের গলা, একতারার একটা মাত্র তার, আর পায়ের ঘুঙুরের চাপা ঝুমঝুম। শর্ট-টার্ম লাউডনেস তখন হয়তো −32 থেকে −28 LUFS-এর ঘরে। কিন্তু ঘুঙুরের প্রতিটি আঘাত আর একতারার প্রতিটি টান একেকটা তীক্ষ্ণ ট্রানজিয়েন্ট — গড় লেভেলের অনেক উপরে সরু চূড়া। শুরুতেই ক্রেস্ট ফ্যাক্টর বিশাল।

তারপর দল ঢোকে। দোতারা, খমক, ডুগি, করতাল, আর পাশে বসা দশজনের গলা ধুয়ায় যোগ দেয়। শর্ট-টার্ম লাউডনেস আধ মিনিটে 15-18 LU উঠে যেতে পারে। এই ওঠাটাই পরিবেশনাটা — এটাই বাউল গান শোনার অভিজ্ঞতা।

পপ-এর জন্য সেট করা একটা কম্প্রেসার এই ফাইলের সঙ্গে ঠিক যা করে: 3:1 রেশিও, দ্রুত অ্যাটাক, থ্রেশহোল্ড এমন জায়গায় যেখানে দলের অংশটা সারাক্ষণ চাপ খাচ্ছে। ফল দুই দিক থেকে আসে। প্রথমত, একক কণ্ঠের অংশ তোলা হয় (মেক-আপ গেইনের কারণে), ফলে ঘরের গুঞ্জন, মাইকের হ্যান্ডলিং নয়েজ আর মেলার ভিড়ের আওয়াজ সামনে চলে আসে। দ্বিতীয়ত, দলের প্রবেশটা — যেটার পুরো অর্থই "হঠাৎ বড় হয়ে যাওয়া" — চ্যাপ্টা হয়ে যায়। ইন্টিগ্রেটেড লাউডনেস হয়তো −9 LUFS দেখায়, শুনতে ব্যস্ত লাগে, আর স্পটিফাই সেটা বাজানোর সময় 5 dB নামিয়ে দেয়। তখন আপনি একই জোরে একটা কম নাটকীয় রেকর্ডিং শুনছেন — কম্প্রেশনের যন্ত্রণা রয়ে গেছে, তার বিনিময়ে যা পাওয়ার কথা ছিল সেই জোরটা সার্ভিস কেড়ে নিয়েছে।

সঠিক পথটা আলাদা এবং সহজ: একক-কণ্ঠের অংশ আর দলের অংশের মধ্যেকার ব্যবধান পুরোটা রাখুন, দরকার হলে শুধু ঘুঙুর আর একতারার সবচেয়ে বেয়াড়া কয়েকটা পিক ধরার জন্য খুব হালকা, ধীর-অ্যাটাকের গেইন রাইডিং করুন, সিলিং −1 dBTP-তে বাঁধুন, আর ইন্টিগ্রেটেড যা আসে আসুক — এমন রেকর্ডিংয়ে −18 বা −16 LUFS একেবারে স্বাভাবিক। নরমালাইজেশন লেভেলটা ঠিক করে দেবে; ব্যবধানটা আপনি ছাড়া আর কেউ ফেরত দিতে পারবে না।

৩. LUFS আসলে কী মাপে

LUFS মানে Loudness Units relative to Full Scale। LKFS (Loudness, K-weighted, relative to Full Scale) একই জিনিসের আরেক নাম — ITU-র নথি LKFS লেখে, EBU-র নথি LUFS লেখে, সংখ্যায় দুটো অভিন্ন। LU মাপে dB-র সমান — এক লাউডনেস ইউনিট মানে এক ডেসিবেল — কিন্তু LUFS একটা পরম স্কেল আর LU একটা আপেক্ষিক স্কেল। "+3 LU" আর "+3 dB" একই পরিমাণ বোঝায়; কিন্তু "−14 LUFS" আর "−14 dB" মোটেই এক কথা নয়।

ITU-R BS.1770-এ সংজ্ঞায়িত পরিমাপটা RMS-ও নয়, পিক-ও নয়। এটা একটা ফিল্টার করা সিগন্যালের মিন-স্কয়ার, চ্যানেলভিত্তিক ওজন দিয়ে যোগ করা, তারপর সময়ের সাপেক্ষে গেট করা। সাধারণ RMS মিটার থেকে একে তিনটে জিনিস আলাদা করে: K-weighting ফিল্টার, চ্যানেল সমষ্টি, আর গেটিং। ভুল বোঝাবুঝির প্রায় পুরোটাই ফিল্টার আর গেটিং নিয়ে।

৩.১ K-weighting: ঠিক দুটো ফিল্টার স্টেজ

মিন-স্কয়ার নেওয়ার আগে প্রতিটি চ্যানেলে ঠিক দুটো সেকেন্ড-অর্ডার সেকশন পরপর বসে।

স্টেজ ১ — "হেড" ফিল্টার। একটা হাই-শেলফ, যা স্পেকট্রামের উপরের দিকটা তোলে। এটা শব্দক্ষেত্রে একটা মানুষের মাথার প্রভাব — যে ছায়া আর ব্যতিচারের কারণে সামনের দিক থেকে আসা উঁচু কম্পাঙ্কের প্রতি শ্রোতা একটা খালি মাইক্রোফোনের চেয়ে বেশি সংবেদনশীল।

স্টেজ ২ — RLB হাই-পাস। Revised Low-frequency B-curve: নিচের দিকটা ছেঁটে দেয়, কারণ নিচু কম্পাঙ্ক তার শক্তির অনুপাতে কম লাউডনেস তৈরি করে। এই কারণেই ভারী সাব-বেসওয়ালা একটা ট্র্যাক মিটারে ততটা জোরে ওঠে না যতটা শরীরে লাগে — এবং এই কারণেই ঢাকের নিচের ধাক্কা মিটারকে যতটা নাড়ায়, ঘরে দাঁড়িয়ে যা মনে হয় তার চেয়ে কম।

1 kHz-এ K-weighting বক্ররেখার গেইন +0.698 dB, রৈখিক হিসাবে 1.0836। এটা কোনো ধার্য করা ধ্রুবক নয়; শেলফ আর হাই-পাসের সাড়া থেকে ওই কম্পাঙ্কে এটাই বেরোয়। গোটা চেইনের ব্যবহারিক ফল: স্টেরিও জোড়ের একটিমাত্র চ্যানেলে দেওয়া একটা ফুল-স্কেল 1 kHz সাইন মিটারে −3.01 LKFS পড়ে, ঠিক যেমন BS.1770-5 বলে — এই −3.01 আসে দুই চ্যানেলের একটি বলে, ফিল্টার থেকে নয়।

৩.২ বক্ররেখাটা আছেই কেন

ওজনহীন একটা RMS মিটার বলবে একই অ্যামপ্লিচুডের 40 Hz আর 3 kHz সাইন সমান জোরে। কোনো শ্রোতা রাজি হবেন না। K-weighting ইচ্ছাকৃতভাবে মোটা দাগের একটা সমান-লাউডনেস আন্দাজ — ফ্লেচার-মানসন বক্ররেখার চেয়ে অনেক সরল, এবং ইচ্ছে করেই সরল, যাতে আলাদা আলাদা ইমপ্লিমেন্টেশন এক LU-এর ভগ্নাংশের মধ্যে মিলে যায়। K-weighting শ্রবণকে নিখুঁতভাবে মডেল করার চেষ্টা নয়; এটা দুনিয়ার সব মিটারে একইভাবে মডেল করার চেষ্টা — আর সেই কারণেই এটা কাজ করে। ঢাকার একটা হোম স্টুডিওর মিটার আর কলকাতার একটা মাস্টারিং রুমের মিটার একই ফাইলে যথেষ্ট কাছাকাছি সংখ্যা দেখাবে বলেই সার্ভিসের টার্গেট নিয়ে কথা বলার কোনো মানে হয়।

৩.৩ কোন সংস্করণ চলছে

BS.1770-এর ছয়টি সংস্করণ: 2006, 2007, 2011, 2012, 2015, 2023। BS.1770-4 (অক্টোবর 2015) এখন রদ হয়ে গেছে, যদিও ব্যবহারে থাকা বেশির ভাগ মিটার এখনো ওই সংস্করণেরই নাম লেখে; বর্তমানে বলবৎ সংস্করণ BS.1770-5 (নভেম্বর 2023)। এই নথিতে বর্ণিত প্রতিটি যান্ত্রিক বিবরণ — দুই স্টেজের ফিল্টার, 400 ms ব্লক, দুটো গেট, ন্যূনতম 4× ওভারস্যাম্পলিং — প্রকাশিত BS.1770-5-এর সঙ্গে মিলিয়ে দেখা।

৪. গেটিং, পুরোটা

স্পেসিফিকেশনের এই অংশটাই সবচেয়ে বেশি ভুল বর্ণিত হয়, এমনকি যত্নে লেখা লেখাতেও। ইন্টিগ্রেটেড লাউডনেস একটা দ্বিগুণ গেট-করা পরিমাপ।

ধাপ ১: সিগন্যালকে ব্লকে ভাগ

সিগন্যালকে 400 ms-এর গেটিং ব্লকে ভাগ করা হয়, 75% ওভারল্যাপ সহ। 400 ms ব্লকে 75% ওভারল্যাপ মানে প্রতি 100 ms পরপর একটা নতুন ব্লক শুরু হয়। প্রতিটি ব্লকের নিজস্ব K-weighted মিন-স্কয়ার লাউডনেস মান বেরোয়। ওভারল্যাপটা সাজসজ্জা নয় — এটা নিশ্চিত করে যে ব্লকের সীমানার উপর পড়া কোনো জোরালো ঘটনা (ধরুন খোলের একটা চাঁটি) দু'ভাগ হয়ে কম গোনা না হয়।

ধাপ ২: অ্যাবসোলিউট গেট

−70 LKFS-এর নিচে মাপা যেকোনো ব্লক বাদ দেওয়া হয় এবং পরিমাপে আর কোনো ভূমিকা রাখে না। এতে ডিজিটাল নীরবতা, ফেড-আউটের লেজ, ঘরের টোন আর গানের মাঝের ফাঁক বাদ পড়ে — ফলে লম্বা নীরব শেষওয়ালা একটা ট্র্যাক ছেঁটে ফেলা একই ট্র্যাকের চেয়ে চাপা মাপে না।

ধাপ ৩: রিলেটিভ গেট — যেটা প্রায় সবাই ভুল লেখে

অ্যাবসোলিউট গেট পেরিয়ে আসা ব্লকগুলোর গড় লাউডনেস বের করুন। তা থেকে 10 বিয়োগ করুন। ওটাই রিলেটিভ থ্রেশহোল্ড। এর নিচের প্রতিটি ব্লক বাদ। ইন্টিগ্রেটেড লাউডনেস হলো দুটো গেটই পেরিয়ে আসা ব্লকগুলোর গড়।

পার্থক্যটা গুরুত্বপূর্ণ এবং প্রায়ই হারিয়ে যায়: রিলেটিভ গেট বসে অ্যাবসোলিউট-গেট-করা গড়ের 10 LU নিচে, গোটা ফাইলের গেটহীন গড়ের 10 LU নিচে নয়। BS.1770-5 স্পষ্ট করে বলে, রিলেটিভ থ্রেশহোল্ড পাওয়া যায় অ্যাবসোলিউট-গেটিং পরিমাপের ফলাফল থেকে "subtracting 10 from the result" করে। আপনি যদি −70 LKFS-এর নিচের ব্লকসহ সব ব্লকের গড় নেন, গড় নামবে, থ্রেশহোল্ড নামবে, আরও বেশি চাপা ব্লক ঢুকে পড়বে, আর ইন্টিগ্রেটেড মান বাস্তবের চেয়ে কম দেখাবে — আর ফাইলে নীরবতা যত বেশি, ভুলটা তত বড়। একই ট্র্যাকে দুটো মিটারের সংখ্যা না মেলার সবচেয়ে সাধারণ কারণ এটাই।

−10 LU রিলেটিভ গেটের শ্রুতিগত ফলটা মাথায় গেঁথে নেওয়া দরকার: আপনার ট্র্যাকের ইন্টিগ্রেটেড লাউডনেস কার্যত তার জোরালো অংশগুলোর গড়, গোটা ট্র্যাকের গড় নয়। ফিসফিসিয়ে গাওয়া চল্লিশ সেকেন্ডের আলাপ আর দেয়াল-ভাঙা সঞ্চারী যে গানে আছে, সেটা প্রায় পুরোপুরি তার সঞ্চারীর উপরেই মাপা হয়। এই কারণেই শেষ হয়ে যাওয়া মাস্টারের সামনে একটা চাপা ভূমিকা জুড়ে দিলে ইন্টিগ্রেটেড মান প্রায় নড়ে না — আর যাঁরা নড়বে ভাবেন, তাঁরা অবাক হন।

৫. মোমেন্টারি, শর্ট-টার্ম, ইন্টিগ্রেটেড: কোন মিটার কখন

তিনটে সময়-জানালা মানসম্মত, আর তিনটে তিন রকম প্রশ্নের উত্তর দেয়। মিটারের আচরণ সংজ্ঞায়িত করে EBU Tech 3341।

মোমেন্টারি (M) — 400 ms, গেটহীন। গেটিং ব্লকের সমান জানালা। এটা একক ঘটনা অনুসরণ করে: খোলের একটা চাঁটি, একটা ব্যঞ্জনধ্বনি, সমে ফেরা। এটা দিয়ে জিনিস ধরুন — যেমন যে বাঁয়াটা আশপাশের সবকিছুর চেয়ে 6 LU লাফিয়ে উঠছে। এটা দেখে লেভেলের সিদ্ধান্ত নেবেন না; এটা মাত্রাতিরিক্ত চঞ্চল, আর মোমেন্টারি মিটারের পিছনে ছুটলে ঠিক সেই ওভার-কম্প্রেসড ফল আসে যাকে নরমালাইজেশন শাস্তি দেয়।

শর্ট-টার্ম (S) — 3 s, গেটহীন। তিন সেকেন্ড মোটামুটি একটা সংগীত-বাক্যের সমান। ট্র্যাকের ভিতরের ভারসাম্যের সিদ্ধান্ত নেওয়ার সঠিক মিটার এটাই, কারণ শ্রোতা একটা অংশকে জোরে বা চাপা হিসেবে এই সময়-মাপেই বোঝেন। স্থায়ী আর অন্তরার তুলনা, ধুয়া ফিরে আসার সময় শক্তিটা ধরে রাখল কি না — সব এই মিটারে দেখা যায়। বাংলা রেকর্ডিংয়ে শর্ট-টার্ম মিটার আসলে আপনার আয়োজনের আকৃতিটা সংখ্যায় এঁকে দেখায়।

ইন্টিগ্রেটেড (I) — গোটা প্রোগ্রাম, দ্বিগুণ গেট-করা। সার্ভিস এই সংখ্যার সাপেক্ষেই নরমালাইজ করে, আর ডেলিভারি স্পেকে এটাই একমাত্র বসে। প্রথম স্যাম্পল থেকে শেষ স্যাম্পল পর্যন্ত মাপুন, বেছে নেওয়া কোনো অংশে নয়। ইন্টিগ্রেটেড লাউডনেস একটা ডেলিভারি স্পেসিফিকেশন, মিক্সিংয়ের যন্ত্র নয়; কাজ করতে করতে যদি ওটার দিকে তাকিয়ে থাকেন, আপনি ভুল মিটার দেখছেন।

ব্যবহারিক নিয়ম: শর্ট-টার্ম দেখে মিক্স ও মাস্টার করুন, ইন্টিগ্রেটেড দিয়ে যাচাই করুন, গোলমাল হলে মোমেন্টারি দিয়ে খুঁজুন।

৬. লাউডনেস রেঞ্জ (LRA) ও −20 LU গেট: কীর্তনের দীর্ঘ চড়াই

EBU Tech 3342-এ সংজ্ঞায়িত লাউডনেস রেঞ্জ একটাই সংখ্যায় বলে, সময়ের সঙ্গে একটা ট্র্যাকের লাউডনেস কতটা বদলায়। এটা হিসাব হয় শর্ট-টার্ম (3 s) লাউডনেস মানগুলোর বণ্টন থেকে: LRA হলো ওই বণ্টনের ১০তম ও ৯৫তম পার্সেন্টাইল-এর প্রাক্কলিত মানের পার্থক্য — এই কারণেই দুই প্রান্তের ক্ষণিক চরম মানগুলো ফলাফলকে গিলে ফেলে না।

LRA-র নিজস্ব গেটিং আছে, এবং সেটা ইন্টিগ্রেটেডের গেটের সমান নয়। Tech 3342 LRA-র রিলেটিভ থ্রেশহোল্ড বসায় অ্যাবসোলিউট-গেট-করা লাউডনেস স্তরের 20 LU নিচে, 10 LU নিচে নয়। চওড়া গেটটা ইচ্ছাকৃত: LRA-র কাজই হলো বৈচিত্র্যের বর্ণনা দেওয়া, তাই তাকে সেই চাপা অংশগুলো ঢুকতে দিতে হয় যেগুলো ইন্টিগ্রেটেড পরিমাপ বাদ দেওয়ার জন্যই তৈরি।

দুটো গেটের পার্থক্য কীভাবে কাজ করে, তার সবচেয়ে পরিষ্কার বাংলা উদাহরণ নাম-কীর্তন। একটা কীর্তন শুরু হয় ধীর লয়ে — খোল আর করতাল নরম, একজন গায়েন, লাইনগুলো লম্বা। তারপর কুড়ি মিনিট ধরে লয় একটানা বাড়ে, গলা যোগ হয়, খোলের বোল ঘন হয়, আর শেষে একটা ঘনবদ্ধ, দ্রুত, উচ্চ-শক্তির চূড়ায় পৌঁছায়। শুরু আর শেষের মধ্যে শর্ট-টার্ম লাউডনেসের ব্যবধান 20 LU পেরিয়ে যেতে পারে।

দুটো মিটার এই ফাইলটাকে দু'রকমভাবে পড়ে। ইন্টিগ্রেটেড পরিমাপ, তার −10 LU রিলেটিভ গেট নিয়ে, প্রথম কয়েক মিনিটের বেশির ভাগই ফেলে দেয় — শুরুর ধীর অংশটা গেটের নিচে পড়ে যায়। তাই কীর্তনের ইন্টিগ্রেটেড মান কার্যত শেষ দিকের চূড়ার লাউডনেস, আর ওই লম্বা সুন্দর চড়াইটা সংখ্যায় প্রায় অদৃশ্য। LRA, তার −20 LU গেট নিয়ে, ঠিক সেই অংশগুলো ধরে রাখে এবং একটা বড় সংখ্যা দেখায় — যেটাই সঠিক, কারণ ওই চড়াইটাই তো রচনাটা।

এটা কাগজে-কলমের সমস্যা নয়, বাস্তবের বাগ। যেসব মিটার LRA-র জন্য ইন্টিগ্রেটেডের −10 LU গেটটাই আবার ব্যবহার করে, তারা নিয়মিতভাবে কম LRA দেখায় — কারণ তারা ঠিক সেই চাপা উপাদানই ফেলে দিয়েছে যা দিয়ে রেঞ্জ তৈরি। একই ফাইলে আপনার মিটার যদি আরেকটার চেয়ে লক্ষণীয়ভাবে কম LRA দেখায়, প্রথম সন্দেহ করুন −20 LU-র জায়গায় −10 LU গেট। নিজেই পরীক্ষা করতে পারেন: ট্র্যাকের শরীরের চেয়ে 15 LU চাপা 20 সেকেন্ড উপাদান শেষে জুড়ে দিন। সঠিক ইমপ্লিমেন্টেশনে LRA উল্লেখযোগ্যভাবে বাড়বে; ত্রুটিপূর্ণটায় প্রায় নড়বে না।

দিকনির্দেশ হিসেবে, লক্ষ্য হিসেবে নয়: ভারী লিমিট করা ইলেকট্রনিক ও পপ মাস্টার সাধারণত 3–5 LU-তে থাকে, ভালোভাবে নিয়ন্ত্রিত ফুল-ব্যান্ড মিক্স 6–9 LU, আর অ্যাকুস্টিক ও অর্কেস্ট্রাল রেকর্ডিং প্রায়ই 12 LU-র উপরে। আখড়ার লাইভ বাউল আর লাইভ কীর্তন স্বাভাবিকভাবেই ওই উপরের ঘরে পড়ে। LRA বর্ণনামূলক; নির্দিষ্ট একটা LRA সংখ্যার পিছনে ছোটা ঠিক ততটাই অর্থহীন যতটা নির্দিষ্ট একটা LUFS সংখ্যার পিছনে ছোটা।

৭. ট্রু পিক বনাম স্যাম্পল পিক: ঢাক, খোল এবং ইন্টার-স্যাম্পল পিক

৭.১ পার্থক্যটা

স্যাম্পল পিক মিটার ফাইলের বৃহত্তম পরম স্যাম্পল মান জানায়। কিন্তু সিগন্যাল ওইটুকু পর্যন্তই ওঠে না: স্যাম্পল হলো একটা অবিচ্ছিন্ন তরঙ্গের উপরের বিন্দু, আর দুই স্যাম্পলের মাঝখানে তরঙ্গ দুটোর চেয়েই উপরে উঠতে পারে। পুনর্গঠিত অ্যানালগ তরঙ্গ ফাইলের সর্বোচ্চ স্যাম্পলকে ছাড়িয়ে যেতে পারে, আর স্যাম্পল-পিক মিটার গঠনগতভাবেই সেটা দেখতে অক্ষম। এই বাড়তি অংশগুলোই ইন্টার-স্যাম্পল পিক; পুনর্গঠিত তরঙ্গের স্তরটাই ট্রু পিক, একক dBTP।

ডিজিটালি "নিরাপদ" যে ফাইলের স্যাম্পল সর্বোচ্চ −0.1 dBFS-এ থামে, তার ট্রু পিক 0 dBTP-র অনেক উপরে থাকতে পারে। ফাইলের ভিতরে কিছুই ক্লিপ হয়নি। কিন্তু নিচের দিকে যা কিছু তরঙ্গটা আবার গড়ে তোলে — DAC, স্যাম্পল-রেট কনভার্টার, লসি ডিকোডার — সেগুলো ক্লিপ করতে পারে।

বাংলা রেকর্ডিংয়ে এই সমস্যার সবচেয়ে বড় অপরাধী ঢাক। ঢাকের কাঠির আঘাত অস্বাভাবিক রকমের খাড়া: প্রায় শূন্য থেকে শীর্ষে ওঠার সময় খুব কম, আর তার সঙ্গে চামড়ার উঁচু কম্পাঙ্কের ঝলক। এই ধরনের প্রায়-খাড়া ট্রানজিয়েন্টে ব্যান্ডলিমিটেড পুনর্গঠন স্বাভাবিকভাবেই ওভারশুট করে — অর্থাৎ ঢাকের যে চাঁটি স্যাম্পল-পিকে −0.3 dBFS, সেটা 8× ওভারস্যাম্পল করে মাপলে সহজেই +0.4 dBTP-তে উঠতে পারে। খোল-এর ডান দিকের চাঁটিও একই আচরণ করে, যদিও তার শীর্ষে ওঠা কিছুটা কম হিংস্র। ৪৪.১ kHz-এ রেকর্ড করা পূজার ঢাক, স্যাম্পল-পিক লিমিটার দিয়ে −0.1-এ বাঁধা — এই সংমিশ্রণটা ব্যবহারিকভাবে নিশ্চিত ডিকোডার-ক্লিপিং, আর সেই ক্লিপিং শোনা যায় ঢাকের গায়ে একটা রুক্ষ, দানাদার প্রান্ত হিসেবে, যেটা মাস্টার শুনে আপনি পাননি।

৭.২ ওভারস্যাম্পলিং লাগে কেন

ট্রু পিক দেখতে হলে স্যাম্পলের মাঝখানের তরঙ্গটা পুনর্গঠন করতে হবে। BS.1770 এটা করে ওভারস্যাম্পলিং দিয়ে: 48 kHz-এ ন্যূনতম 4× ওভারস্যাম্পলিং, আর সুপারিশে বলা আছে "Higher sampling rates and over-sampling ratios are preferred." 4× হলো কনফরম্যান্সের মেঝে, নির্ভুল উত্তর নয়; 4×-এ পরিমাপ এখনো প্রকৃত পিককে কয়েক দশমাংশ dB কম দেখাতে পারে — এবং ঢাকের মতো উৎসে ঠিক এই ফাঁকটাই সবচেয়ে বড় হয়। আপনার মিটারে 8× বা 16× থাকলে সেটাই ব্যবহার করুন; বাড়তি CPU খরচ নগণ্য, বাড়তি নির্ভুলতা নয়। যে মিটারে আলাদা করে ট্রু পিক বা dBTP মোড নেই, সেটা স্যাম্পল-পিক মিটার — ম্যানুয়াল যা-ই দাবি করুক।

৭.৩ লসি এনকোডিং পিক বাড়ায় কেন

লসি কোডেক — AAC, Ogg Vorbis, MP3 — তরঙ্গটা স্যাম্পলে-স্যাম্পলে ফেরত দেয় না। সে একটা শ্রুতিগতভাবে কাছাকাছি তরঙ্গ তৈরি করে, আর ডিকোডারের আউটপুট নিয়মিতভাবে এনকোডারের ইনপুটকে ছাড়িয়ে যায়। এই ছাড়িয়ে যাওয়াটা ত্রুটি নয়, কোয়ান্টাইজ করা আর স্পেকট্রাল বিবরণ ফেলে দেওয়ার অনিবার্য ফল — এবং উৎসকে যত কষে লিমিট করা হয়েছে, এটা তত বাড়ে। ঠিক 0.0 dBTP-তে বাঁধা একটা মাস্টার ডিকোড হয় 0 dBFS-এর উপরে পিক নিয়ে, আর ডিকোডার সেগুলো ক্লিপ করে।

এই প্রশ্নে যে কটি স্পেক কথা বলেছে, সবাই একই কথা বলেছে। 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." স্পটিফাই: ট্রু পিক রাখুন "below −1dB TP (True Peak) max", আর −14 LUFS-এর চেয়ে জোরে মাস্টারের জন্য "keep True Peak below −2dB to avoid extra distortion."

৭.৪ কোন সিলিং আসলে ব্যবহার করবেন

সাধারণ মাস্টারে লিমিটারের ট্রু-পিক সিলিং −1.0 dBTP; মাস্টার যদি −14 LUFS ইন্টিগ্রেটেডের চেয়ে জোরে হয় তাহলে −2.0 dBTP। এটা কুসংস্কারের মার্জিন নয় — দুটো সংখ্যাই উপরের প্রকাশিত উৎস থেকে আসা, আর দ্বিতীয়টা আছে ঠিক এই কারণে যে কষে লিমিট করা উপাদান কোডেকে বেশি ওভারশুট করে।

দুটো পাদটীকা। এক, স্ট্রিমিংয়ের জন্য −0.1 dBTP সিলিং একটা ডেলিভারি-ত্রুটি, রুচির সিদ্ধান্ত নয়। দুই, −1.0 dBTP-তে বসানো লিমিটারকে সত্যিই ট্রু-পিক লিমিটার হতে হবে: অনেক লিমিটারের সিলিং কন্ট্রোল আসলে স্যাম্পল-পিক, আর তাকে −1.0-এ বসালে আপনার ইন্টার-স্যাম্পল পিক গিয়ে দাঁড়ায় −0.5 dBTP-রও উপরে।

শেষ ফাইলটা যাচাই করতে চাইলে mazufa.com-এ একটা ফ্রি ব্রাউজার-ভিত্তিক লাউডনেস ও ট্রু-পিক চেকার আছে, যেটা সম্পূর্ণ আপনার নিজের ডিভাইসেই চলে এবং কোনো অডিও আপলোড করে না।

৮. রবীন্দ্রসঙ্গীত: যেখানে 2 dB অতিরিক্ত কম্প্রেশনও শোনা যায়

বাউল বা কীর্তন যদি ডায়নামিক্সের এক প্রান্ত হয়, রবীন্দ্রসঙ্গীতের ঘনিষ্ঠ আয়োজনটা অন্য প্রান্ত — এবং সেখানে বিপদটা উল্টো দিক থেকে আসে।

একটা সাধারণ আয়োজন ধরুন: একটি কণ্ঠ, সঙ্গে এসরাজ, নয়তো হারমোনিয়াম, হয়তো হালকা তবলা। এখানে ক্রেস্ট ফ্যাক্টর বাউলের মতো বিশাল নয়। কিন্তু যা আছে তা হলো অত্যন্ত সূক্ষ্ম গতিময়তা: একটা মীড়ে গলা কতটা ফুলে উঠল, এসরাজের ছড়ের চাপে সুরটা কীভাবে বাড়ল-কমল, শব্দের শেষে কণ্ঠ কতটা মৃদু হয়ে মিলিয়ে গেল। শ্রোতা এখানে সব সময় লেভেলের ব্যবধান শুনছেন — শুধু ব্যবধানগুলো ছোট।

এই কারণেই এখানে 2 dB অতিরিক্ত কম্প্রেশনও ধরা পড়ে। একটা বাস কম্প্রেসারের 2 dB বাড়তি গেইন রিডাকশন বাউলের দলের অংশে হয়তো শোনাই যাবে না; কিন্তু একক কণ্ঠ আর এসরাজে সেটা করে দুটো জিনিস: মীড়ের ভিতরের স্বাভাবিক স্ফীতিটা চেপে দেয়, আর প্রতিটি বাক্যের শেষে কণ্ঠ মিলিয়ে যাওয়ার সময় গেইন তুলে দিয়ে ঘরের নীরবতাটাকে সামনে টেনে আনে — শ্রোতা তখন গায়কের নিঃশ্বাস আর ঘরের গুঞ্জন এমন এক অনুপাতে শোনেন যা রেকর্ডিংয়ের ঘরে কখনো ছিল না। এটা "নিখুঁত" শোনায়, আর একই সঙ্গে প্রাণহীন।

ব্যবহারিক ফল: এই ধরনের রেকর্ডিং −18 থেকে −14 LUFS-এর ঘরে বসতে দিন, LRA 8–12 LU হলে চিন্তার কিছু নেই, লিমিটারকে গোটা গানে হয়তো 1 dB-র কম কাজ করতে দিন, আর মিটার দেখার বদলে A/B করুন — কম্প্রেসার বাইপাস করে, দুটোকে সমান লাউডনেসে মিলিয়ে (গেইন-ম্যাচ করে) শুনুন। লাউডনেস-ম্যাচ না করে A/B করলে কম্প্রেসার সবসময় "ভালো" শোনায়, কারণ জোরে শোনায়। নরমালাইজেশনের যুগে ওই "জোরে"-টুকু কেউ কখনো শুনবে না।

৯. ক্যাসেট, রেডিও, সিডি, ইউটিউব — যে অভ্যাস এখন খরচ হয়ে দাঁড়িয়েছে

ঢাকা ও কলকাতার হোম স্টুডিও এবং ছোট মাস্টারিং সেটআপে লেভেল ঠেলে তোলার অভ্যাসটা যুক্তিহীনভাবে গড়ে ওঠেনি। প্রতিটি ধাপে এর একটা সৎ কারণ ছিল।

ক্যাসেটের যুগে সমস্যা ছিল টেপের হিস। যত কষে লেখা যায়, সিগন্যাল-টু-নয়েজ তত ভালো — সীমাটা টেপের স্যাচুরেশন, আর ওই স্যাচুরেশন নিজেই শ্রুতিমধুর ছিল। জোরে লেখা মানে সত্যিই ভালো শোনানো।

রেডিওতে আরেকটা কারণ: সম্প্রচারকের নিজের প্রসেসিং। ব্রডকাস্ট চেইনে বসা কম্প্রেসার-লিমিটার সব কিছুকে একই ঘরে নিয়ে আসত, তাই যে মাস্টার আগে থেকেই ঘন, সেটা প্রসেসরের হাতে কম বিকৃত হতো। এখানেও জোরে করার একটা কারিগরি যুক্তি ছিল।

সিডির যুগে যুক্তিটা প্রতিযোগিতামূলক হয়ে যায়। একই প্লেয়ারে, একই ভলিউম নবে, পরপর দুটো ডিস্ক — যেটা জোরে সেটাই "বড়" শোনাত। এখান থেকেই লাউডনেস-যুদ্ধ, আর এখান থেকেই বাংলা অ্যালবামের মাস্টার নিয়ে "ওদেরটার মতো জোরে করে দিন" ধরনের নির্দেশ।

ইউটিউবের প্রথম বছরগুলোয় অভ্যাসটা অপরিবর্তিত অবস্থায় চলে আসে, এবং কিছুকাল কাজও করে — সেই সময় ইউটিউব ভিডিওর অডিও নরমালাইজ করত না, তাই জোরে আপলোড মানে সত্যিই জোরে প্লেব্যাক।

আজ এই শৃঙ্খলের প্রতিটি কারণ অকার্যকর। টেপের হিস নেই। সার্ভিসের প্রসেসিং আর ব্রডকাস্ট লিমিটার নয়, বরং একটা মাপা, স্থির গেইন। আর প্লেব্যাকের লেভেল আপনি ঠিক করছেন না — সার্ভিস করছে। ফলে যে অভ্যাসটার দাম আগে শূন্য বা ঋণাত্মক ছিল, সেটার দাম এখন সরাসরি ধনাত্মক: আপনি ট্রানজিয়েন্ট দিয়ে যে লেভেল কিনেছেন, সার্ভিস সেই লেভেলটা ফেরত নিয়ে নেয়, কিন্তু ট্রানজিয়েন্টগুলো ফেরত দেয় না। −6 LUFS-এ শেষ করা একটা বাংলা পপ মাস্টার স্পটিফাইতে 8 dB নেমে বাজে; শ্রোতা শোনেন একটা চ্যাপ্টা রেকর্ড, স্বাভাবিক লাউডনেসে।

এর মধ্যে একটা বাস্তব ব্যতিক্রম আছে, এবং সেটা স্বীকার করা ভালো: নরমালাইজেশন বন্ধ করা যায়, আর কিছু বিতরণ-পথ (হোয়াটসঅ্যাপে পাঠানো ফাইল, স্থানীয় অনুষ্ঠানের সাউন্ড সিস্টেম, বিয়েবাড়ির পেনড্রাইভ) কখনোই নরমালাইজ করে না। কিন্তু ওই ব্যবহারগুলোর জন্য আলাদা, জোরালো মাস্টার বানানোই সঠিক উত্তর — স্ট্রিমিংয়ের মাস্টারটাকে নষ্ট করা নয়।

১০. কোন সার্ভিস আসলে কী প্রকাশ করে

প্রকাশিত আর লোকমুখে প্রচলিত — এই বিভাজনটাই এই অংশের সবচেয়ে জরুরি কথা, এবং এই বিষয়ে লেখা প্রায় কোনো নিবন্ধ এটা ধরে রাখে না।

১০.১ প্রকাশিত স্পেসিফিকেশন

স্পটিফাই। টার্গেট: −14 LUFS ইন্টিগ্রেটেড। স্পটিফাই বলে যে সে ট্র্যাক সমন্বয় করে "to −14 dB LUFS", এবং মাপে "according to the ITU 1770 standard"। ট্রু-পিক সিলিং: −1 dBTP-এর নিচে; −14 LUFS-এর চেয়ে জোরে মাস্টারের জন্য −2 dBTP-এর নিচে। নরম মাস্টার প্রসঙ্গে: "positive gain is applied to softer masters so the loudness level is −14 dB LUFS", তবে হেডরুমের শর্তসহ — "We consider the headroom of the track, and leave 1 dB headroom for lossy encodings to preserve audio quality." অ্যালবাম নরমালাইজেশন নিয়ে স্পটিফাই বলে, অ্যালবামকে একক হিসেবে নরমালাইজ করা হয় যাতে "the softer tracks are as soft as you intend them to be" — অর্থাৎ অ্যালবামের ভিতরে ট্র্যাকগুলোর আপেক্ষিক লেভেল অটুট থাকে। রবীন্দ্রসঙ্গীতের অ্যালবাম বা কীর্তনের সংকলনের জন্য এটা গুরুত্বপূর্ণ: চাপা গানটা চাপাই থাকবে।

EBU R 128। টার্গেট: −23 LUFS। এটা একটা সম্প্রচার সুপারিশ, স্ট্রিমিং-সংগীতের টার্গেট নয়, এবং এখানে রাখা হয়েছে কারণ এটা নিয়মিত ভুল জায়গায় প্রয়োগ করা হয়: −23 LUFS-এ করা একটা মিউজিক মাস্টার কোনো কিছুর সঙ্গে বেশি সঙ্গতিপূর্ণ হয় না, আর — উপরের দিকে নরমালাইজেশন যেহেতু হেডরুম-সীমিত — সেটা প্রত্যাশার চেয়ে চাপা বাজতে পারে।

AES TD1008 (Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution)। সংগীতশিল্পীর জন্য সবচেয়ে কাজের প্রকাশ্য নথি, এবং সবচেয়ে বেশি ভুল উদ্ধৃত।

• ট্র্যাক-নরমালাইজড সংগীত: −16 LUFS, সহনশীলতা +0.2 LU।
• অ্যালবাম নরমালাইজেশন, সবচেয়ে জোরে ট্র্যাক: −14 LUFS, সহনশীলতা +0.2 LU।
• কথানির্ভর বিষয়বস্তু: −18 LUFS, সহনশীলতা +1 LU, ডায়ালগ ইন্টিগ্রেটেড লাউডনেস হিসেবে মাপা।
• সর্বোচ্চ ট্রু পিক: লসি-এনকোডেড স্ট্রিমের ক্ষেত্রে কোডেক ইনপুটে −1 dBTP।

TD1008-এর −18 LUFS সংখ্যাটা কথানির্ভর বিষয়বস্তুর — খবর, আলোচনা, শ্রুতিনাটক — এবং সেটাকে সংগীতের টার্গেট বলে উদ্ধৃত করা একটা প্রচলিত ও গুরুতর ভুল। সংগীতের সংখ্যা −16 LUFS। কোথাও −18 LUFS-কে AES-এর সংগীত-সুপারিশ বলে দেখলে বুঝবেন লেখক নথিটা ভুল পড়েছেন।

TD1008 ডায়নামিক্স নিয়ে একটা স্পষ্ট মন্তব্যও করে, যা উদ্ধৃত করার মতো: "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."

১০.২ যারা কোনো টার্গেট প্রকাশ করে না

Apple Music, YouTube Music, Amazon Music, TIDAL এবং Deezer কোনো নরমালাইজেশন টার্গেট প্রকাশ করে না। তারা নরমালাইজ করে — সেটা পর্যবেক্ষণযোগ্য — কিন্তু নির্দিষ্ট সংখ্যাটা কোনো প্রকাশিত স্পেসিফিকেশন নয়, আর যে লেখা সেটাকে স্পেসিফিকেশন বলে হাজির করে, সে একটা পরিমাপ বা অনুমানকে নথি বলে চালাচ্ছে।

প্রচলিত সংখ্যাগুলো: Apple ≈ −16 LUFS, YouTube Music ≈ −14 LUFS, Amazon Music ≈ −14 LUFS, TIDAL ≈ −14 LUFS, Deezer ≈ −15 LUFS। এগুলো ব্যাপকভাবে প্রচারিত, কিন্তু সার্ভিস কর্তৃক প্রকাশিত নয়; এগুলোকে একটা চলমান লক্ষ্যের তৃতীয় পক্ষের পর্যবেক্ষণ হিসেবে দেখুন, স্পেসিফিকেশন হিসেবে নয়। এগুলো এসেছে স্বাধীন পরিমাপ থেকে, সময়ের সঙ্গে বদলেছে, আর কোনো সার্ভিস এগুলোর দায় নেয়নি। এগুলো থেকে প্রত্যাশিত প্লেব্যাক গেইন হিসাব করবেন না, আর এগুলোর কোনোটাকে লক্ষ্য করে মাস্টারও করবেন না।

ব্যবহারিক ফলটা যত বড় মনে হয় তত বড় নয়। প্রচারিত প্রতিটি সংখ্যাই −16 থেকে −14 LUFS-এর মধ্যে, অর্থাৎ 2 LU-র বিস্তার। 2 LU-র জন্য কোনো মাস্টার নতুন করে কাটার দরকার নেই।

১১. ব্যবহারিক নির্দেশনা

১১.১ লক্ষ্য ঠিক করার পদ্ধতি

সংখ্যা থেকে সামনে না এগিয়ে, গান থেকে পিছনে আসুন।

1. সিলিং আগে বাঁধুন। −1 dBTP, ট্রু-পিক, ওভারস্যাম্পল করা। তালিকার একমাত্র সত্যিকারের কঠিন শর্ত এটাই।
2. গানের জন্য মাস্টার করুন। ভারসাম্য, টোন আর ডায়নামিক্স ঠিক করুন, লিমিটারকে যত কম সম্ভব কাজ করতে দিয়ে। এই পর্যায়ে ইন্টিগ্রেটেড মিটারের দিকে তাকাবেন না।
3. ফলটা মাপুন। যেখানেই ইন্টিগ্রেটেড মান গিয়ে দাঁড়িয়েছে, সেটাই আপনার প্রার্থী।
4. রেঞ্জটা যাচাই করুন। ইন্টিগ্রেটেড মান মোটামুটি −14 থেকে −9 LUFS-এর মধ্যে হলে আপনি এমন ঘরে আছেন যেখানে প্রকাশিত প্রতিটি টার্গেট আর প্রচারিত প্রতিটি সংখ্যা কয়েক LU-র মধ্যে — কোনো সার্ভিস আপনার ট্র্যাকের সঙ্গে নাটকীয় কিছু করবে না। −9 LUFS-এর চেয়ে জোরে হলে নিজেকে জিজ্ঞেস করুন লিমিটিংটা কী কিনে দিল, কারণ প্লেব্যাক নরমালাইজেশন লেভেলটা ফেরত নিয়ে যাবে।
5. তারপরেই কেবল সমন্বয়ের কথা ভাবুন — এবং সমন্বয়টা করুন মাস্টারিং বদলে, লিমিটিং যোগ করে নয়।

মিটারে ঠিক সংখ্যা না ওঠা পর্যন্ত লিমিটিং যোগ করে যাওয়া — ঠিক এই আচরণটাকেই অর্থহীন করার জন্য নরমালাইজেশন তৈরি হয়েছে। সংখ্যাটা নড়াতেই হলে গেইন স্টেজিং দিয়ে নড়ান, মিক্সের সিদ্ধান্ত দিয়ে নড়ান, বা কম কম্প্রেশন দিয়ে — বেশি কম্প্রেশন দিয়ে নয়।

ঘরানা এমনভাবে গুরুত্বপূর্ণ যা একটা সংখ্যা ধরতে পারে না। ঘন ইলেকট্রনিক, মেটাল ও আধুনিক পপ মাস্টার সাধারণত −10 থেকে −8 LUFS-এ পড়ে, কারণ উপাদানটাই টানা; বাউল, কীর্তন, রবীন্দ্রসঙ্গীত, অ্যাকুস্টিক লোক ও অর্কেস্ট্রাল রেকর্ডিং পড়ে −18 থেকে −13 LUFS-এ, কারণ সেটা টানা নয়। দুটোই সঠিক। ভুল হলো −8 LUFS-এ লিমিট করা একটা বাউল রেকর্ড, −16 LUFS মাপা বাউল রেকর্ড নয়।

১১.২ মাস্টার যদি ইতিমধ্যেই লিমিট করা থাকে

আপনার হাতে একটা শেষ হয়ে যাওয়া, কষে লিমিট করা মাস্টার আছে, আর আপনি এইমাত্র উপরের অংশটা পড়লেন। তিনটে সৎ বিকল্প, পছন্দের ক্রমে:

মিক্স থেকে আবার মাস্টার করুন। একমাত্র প্রকৃত সমাধান। পিক লিমিটিং ফেরানো যায় না; যে ট্রানজিয়েন্ট মুছে গেছে সেগুলো ফাইলে নেই। মিক্স থাকলে লিমিটার আলগা করে আবার রেন্ডার করুন।

শুধু সিলিংটা নামান, বাকিটা থাক। যদি কেবল মাস্টারই থাকে আর তার ট্রু পিক −1 dBTP-র উপরে হয়, ট্রু-পিক লিমিটিং বা নিরাপদ গেইন রিডাকশন দিয়ে −1 dBTP-তে নামিয়ে থেমে যান। এতে ডেলিভারির ভুলটা সারে, ডায়নামিক্স সারানোর ভান করা হয় না।

কিছুই করবেন না। −1 dBTP সিলিংসহ −8 LUFS-এর একটা মাস্টার নষ্ট নয়। সেটা বাকি সবার সমান লেভেলে বাজবে, একটু চ্যাপ্টা হয়ে — যেটা সত্যিকারের ক্ষতি, কিন্তু তাড়াহুড়োর রি-মাস্টারের ক্ষতির চেয়ে কম। ওভার-লিমিটিং একটা হারানো সুযোগ, ত্রুটি নয় — ফাইলটা বাজবে, শুধু যতটা ভালো বাজতে পারত ততটা নয়।

১১.৩ লেভেল আর ডায়নামিক্স আলাদা রাখুন

মাথার ভিতরে এই দুটো আলাদা রাখুন, কারণ গুলিয়ে ফেলাই বেশির ভাগ খারাপ সিদ্ধান্তের উৎস।

লেভেল হলো গোটা ট্র্যাকটা কোথায় বসল। এটা একটাই সংখ্যা, একটা ফেডারে সেট হয়, এর কোনো খরচ নেই, আর নরমালাইজেশনের অধীনে এটা বেছে নেয় সার্ভিস, আপনি নন।

ডায়নামিক্স হলো জোরালো আর চাপা অংশগুলোর সম্পর্ক — মুহূর্তে মুহূর্তে (ক্রেস্ট ফ্যাক্টর, PLR) এবং অংশে অংশে (LRA)। এটা তৈরি করতে খরচ লাগে, লিমিটিং এটা ধ্বংস করে, আর নিচের দিকের কোনো ধাপ এটা ফেরত দেয় না।

আপনি আর লেভেল নিয়ে প্রতিযোগিতা করছেন না — সেটা সার্ভিস ঠিক করে — তাই লেভেলের পিছনে খরচ করা প্রতিটি ডেসিবেল এমন এক বাজেট থেকে যাচ্ছে যা শ্রোতা কখনো দেখেন না। লাউডনেস নরমালাইজেশন জোরালো শোনানো রেকর্ড বানানোর ক্ষমতা কেড়ে নেয়নি। সে কেড়ে নিয়েছে জোরে হয়ে জোরালো শোনানোর ক্ষমতাটা। অনুভূত তীব্রতা এখন আসে আয়োজনের ঘনত্ব থেকে, ট্রানজিয়েন্টের বৈপরীত্য থেকে, নিচু-মধ্যের ওজন থেকে, আর এক অংশ থেকে আরেক অংশে লাফের আকার থেকে — যেগুলো −6 dB প্লেব্যাক গেইনের পরেও অবিকৃত থাকে।

১১.৪ যেগুলো সত্যিই গুরুত্বপূর্ণ নয়

• LUFS টার্গেটে হুবহু গিয়ে পৌঁছানো। কিছুই রাউন্ড হয় না, কিছুই ফেল করে না, আর −14.0 আর −13.4 LUFS-এর পার্থক্য শোনা যায় না। ±1 LU সহনশীলতা যথেষ্ট উদার এবং কেউ টের পাবেন না।
• আলাদা সার্ভিসের জন্য আলাদা মাস্টার। প্রকাশিত ও প্রচারিত টার্গেট মিলিয়ে বিস্তারটা মোটামুটি 2 LU। −1 dBTP-তে সুস্থ ডায়নামিক্সসহ একটাই মাস্টার সব জায়গায় সঠিক। সার্ভিস-নির্দিষ্ট মাস্টার এমন এক সমস্যার সমাধান যেটা নরমালাইজেশন আগেই সমাধান করে ফেলেছে।
• 24-bit মাস্টারে স্যাম্পল রেট আর ডিদার। মিক্সের নিজস্ব রেটেই ডেলিভার করুন; আপস্যাম্পলিং কিছু যোগ করে না, আর 24-bit ডিদার বিতরণের পরে টিকে থাকা যেকোনো কিছুর অনেক নিচে বসে।
• −23 LUFS-এর ব্রডকাস্ট সংখ্যা। সম্প্রচারে ডেলিভার না করলে R 128 আপনার স্পেসিফিকেশন নয়।
• মিটারিং প্লাগইনের ব্র্যান্ড। ট্রু-পিক মোড আর যথেষ্ট ওভারস্যাম্পলিংসহ যেকোনো BS.1770-সম্মত মিটার আরেকটির সঙ্গে এক LU-র ভগ্নাংশের মধ্যে মিলবে। অমিল হলে কারণ গেটিং বা ওভারস্যাম্পলিংয়ের ইমপ্লিমেন্টেশন, গুণমান নয়।

সারসংক্ষেপ

শেষ মাস্টারে BS.1770-সম্মত মিটার দিয়ে ইন্টিগ্রেটেড লাউডনেস মাপুন। ট্রু-পিক সিলিং −1 dBTP, বা −14 LUFS-এর চেয়ে জোরে হলে −2 dBTP। ভারসাম্যের সিদ্ধান্তে শর্ট-টার্ম দেখুন, ইন্টিগ্রেটেড শুধু যাচাইয়ে। মনে রাখুন ইন্টিগ্রেটেডের রিলেটিভ গেট অ্যাবসোলিউট-গেট-করা গড়ের 10 LU নিচে, আর LRA-র গেট 20 LU নিচে। ট্রু পিক দেখতে ওভারস্যাম্পলিং লাগে, আর ঢাক-খোলের মতো উৎসে 8× ব্যবহার করুন। প্লেব্যাকের লেভেল আপনি ঠিক করছেন না, সার্ভিস করছে — লেভেলের পিছনে যে পরিশ্রমটা যেত, সেটা এমন জায়গায় খরচ করুন যা শ্রোতা এখনো শুনতে পান।

Mazufa-তে মিউজিক বিতরণে কোনো আপলোড ফি নেই, কোনো সাবস্ক্রিপশন নেই, প্রতি রিলিজে কোনো চার্জ নেই; একমাত্র কর্তন হলো প্রাপ্ত রয়্যালটির 5%, এবং প্রতিটি সম্পূর্ণ আবেদন একজন মানুষ পর্যালোচনা করেন।

সূত্র

ITU-R BS.1770 — পরিমাপ অ্যালগরিদম, K-weighting, গেটিং, ট্রু পিক

• Recommendation ITU-R BS.1770-5 (11/2023), Algorithms to measure audio programme loudness and true-peak audio level (সম্পূর্ণ PDF): https://www.itu.int/dms_pubrec/itu-r/rec/bs/R-REC-BS.1770-5-202311-I!!PDF-E.pdf
• BS.1770 সুপারিশের পাতা ও সংস্করণের ইতিহাস (BS.1770-0 থেকে BS.1770-5): https://www.itu.int/rec/R-REC-BS.1770/en

EBU — সম্প্রচার টার্গেট, মিটারের জানালা, লাউডনেস রেঞ্জ

• EBU R 128, Loudness normalisation and permitted maximum level of audio signals (−23 LUFS): https://tech.ebu.ch/publications/r128
• EBU Tech 3341, Loudness Metering: EBU Mode metering to supplement EBU R 128 (মোমেন্টারি 400 ms, শর্ট-টার্ম 3 s): https://tech.ebu.ch/publications/tech3341
• EBU Tech 3342, Loudness Range: A measure to supplement EBU R 128 loudness normalisation (−20 LU গেট; ১০ম/৯৫তম পার্সেন্টাইল), PDF: https://tech.ebu.ch/docs/tech/tech3342.pdf

AES — স্ট্রিমিং সুপারিশ

• AES TD1008.1.21-9, Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution (সংগীত −16 LUFS, অ্যালবাম −14 LUFS, কথা −18 LUFS, −1 dBTP), PDF: https://aes2.org/wp-content/uploads/2024/01/20210924_TD1008_v3.13.pdf
• AES TD1008 নথির পাতা: https://aes.org/technical-council/technical-document-aestd1008/

Spotify — প্রকাশিত নরমালাইজেশন স্পেসিফিকেশন

• Spotify for Artists, Loudness normalization (−14 LUFS; −1 dBTP / −2 dBTP; ধনাত্মক গেইন ও হেডরুম; অ্যালবাম নরমালাইজেশন): https://support.spotify.com/us/artists/article/loudness-normalization/

কোনো সার্ভিস কর্তৃক প্রকাশিত নয়। Apple Music, YouTube Music, Amazon Music, TIDAL ও Deezer সম্পর্কে দেওয়া সংখ্যাগুলো ব্যাপকভাবে প্রচারিত তৃতীয় পক্ষের পরিমাপ। এগুলোর কোনো প্রাথমিক উৎস উদ্ধৃত করা হয়নি, কারণ তেমন কিছু নেই — এই সার্ভিসগুলো কোনো নরমালাইজেশন স্পেসিফিকেশন প্রকাশ করে না।