Frame rate, timecode e il drop-frame che non scarta nulla

Fotogrammi = durata × frequenza, finché la frequenza non è 29,97

Per una frequenza intera l'aritmetica è chiusa ed esatta. A 24 fotogrammi al secondo un minuto sono 1440 fotogrammi e un'ora 86 400. A 25, un minuto sono 1500 e un'ora 90 000. A 30, un minuto sono 1800 e un'ora 108 000. Ogni durata corrisponde a un numero intero di fotogrammi, ogni conteggio di fotogrammi corrisponde a una durata, e un'etichetta di timecode che conta ore, minuti, secondi e fotogrammi è solo un cambio di base del numero di fotogramma.

A 29,97 la chiusura si rompe. Un secondo contiene 29,97002997 fotogrammi, un minuto 1798,202 e un'ora 107 892,108. Non c'è un numero intero di fotogrammi in un'ora, quindi nessuno schema di etichettatura che conti trenta fotogrammi al secondo può restare allineato a un orologio. Ogni strumento della catena deve allora decidere che fare dello scarto, e le varie risposte a quella domanda sono l'intero argomento del timecode.

Vale la pena imparare subito una convenzione di notazione, perché porta con sé tutta la distinzione. Il timecode non-drop si scrive con i due punti dappertutto: 01:00:00:00. Il drop-frame sostituisce l'ultimo separatore con un punto e virgola: 01:00:00;00. Se vedi un punto e virgola stai guardando un conteggio drop-frame, e se uno strumento riporta una durata e i tuoi appunti un'altra, il separatore è la prima cosa da controllare.

Da dove viene 29,97

Il numero è il residuo di un problema di compatibilità risolto nel 1953. La televisione in bianco e nero del sistema a 525 righe girava a esattamente 30 fotogrammi al secondo, con una frequenza di riga di 15 750 Hz e una portante audio 4,5 MHz sopra quella video. Quando fu aggiunto il colore, l'informazione di crominanza doveva viaggiare su una sottoportante dentro il canale esistente e doveva interlacciarsi con lo spettro di luminanza anziché battere visibilmente contro di esso. Quel vincolo fissò la sottoportante a un multiplo dispari della metà della frequenza di riga — precisamente 455/2 volte.

Restava il problema della portante audio. Alla frequenza di riga originale, il rapporto fra la portante audio da 4,5 MHz e la frequenza di riga era 2855/7, cioè 407,857 — non un intero, quindi la nuova sottoportante di colore avrebbe battuto in modo udibile contro l'audio. Moltiplicare quel rapporto per 1001/1000 lo porta a 408,265, abbastanza vicino perché l'ente di normazione ridefinisse invece la frequenza di riga in modo che la portante audio cadesse esattamente sulla 286esima armonica. Tutta la manovra è questa: tenere la portante audio a 4,5 MHz, dichiararla 286esima armonica e lasciare che la frequenza di riga scenda a 4 500 000 ÷ 286 = 15 734,2657 Hz.

Da lì la frequenza dei fotogrammi segue meccanicamente. Dividi la frequenza di riga per le 525 righe di un fotogramma: 15 734,2657 ÷ 525 = 29,970029970 fotogrammi al secondo. L'identità con 30000/1001 è esatta e non approssimata, e la fattorizzazione mostra perché — 286 × 525 = 150 150, cioè 150 × 1001, quindi 4 500 000 ÷ 150 150 si riduce a 30 000 ÷ 1 001. La sottoportante di colore cade a 455/2 × 15 734,2657 = 3,579545 MHz, la cifra stampata su ogni quarzo NTSC mai prodotto. Lo stesso fattore 1000/1001 si propaga a 23,976 = 24000/1001 e 59,94 = 60000/1001, ed è per questo che quei numeri viaggiano insieme.

Il timecode non-drop deriva di 3,6 secondi all'ora

Il timecode non-drop fa la cosa ingenua: etichetta ogni fotogramma in sequenza e fa ruotare il campo dei secondi ogni trenta fotogrammi, a prescindere da quanto trenta fotogrammi durino davvero. Poiché un fotogramma dura 1001/30000 di secondo anziché 1/30, l'etichetta ritarda rispetto all'orologio, e l'entità di quell'errore si calcola facilmente in entrambe le direzioni.

Parti dalle etichette. Un'ora di timecode non-drop sono 108 000 etichette di fotogramma, perché 60 × 60 × 30 = 108 000. Quei 108 000 fotogrammi durano ciascuno 1001/30000 di secondo, quindi insieme occupano 108 000 × 1001 ÷ 30 000 = 3603,600000 secondi. Un nastro che segna esattamente un'ora di timecode non-drop sta girando da un'ora e 3,6 secondi.

Parti ora invece dall'orologio. In un'ora di tempo reale la camera ha prodotto 3600 × 30000 ÷ 1001 = 107 892,108 fotogrammi, quindi il contatore è avanzato di 107 892 fotogrammi interi. Dividi per 30 etichette al secondo e sono 3596,400000 secondi di etichetta — il display segna 00:59:56:12 quando l'orologio da parete dice un'ora. Le due derivazioni concordano: la discrepanza è 108 000 − 107 892 = 108 fotogrammi, e 108 ÷ 30 = 3,6 secondi. Tieni a mente quel 108. È il numero attorno a cui è costruito tutto lo schema drop-frame.

La deriva si accumula linearmente e diventa allarmante in fretta. Al segno dei trenta minuti il non-drop è già fuori di 1,8 secondi. A dieci ore è fuori di 36 secondi. Per un'emittente che monta un programma su una durata di fascia fissa, non è un dettaglio di arrotondamento; è la differenza fra centrare la giunzione di rete ed essere tagliati a metà frase.

Il drop-frame scarta etichette, non fotogrammi — dimostrato contando

Il nome è la peggiore terminologia di tutta la postproduzione. Il timecode drop-frame non scarta alcuna immagine. Ogni fotogramma registrato dalla camera è presente nel file, viene riprodotto ed è disponibile per il montaggio. Ciò che viene scartato sono due voci dello schema di numerazione all'inizio della maggior parte dei minuti — etichette che semplicemente non vengono mai emesse, come un palazzo senza tredicesimo piano non ha perso un livello.

La regola, come scritta nella norma SMPTE sul timecode, è breve. All'inizio di ogni minuto, salta i numeri di fotogramma 00 e 01, così il minuto comincia al fotogramma 02 — tranne quando il numero del minuto è un multiplo di dieci, nel qual caso non si salta nulla e il minuto comincia da 00 come al solito. Così a 00:00:59;29 segue 00:01:00;02, e le etichette 00:01:00;00 e 00:01:00;01 non esistono mai. Ma a 00:09:59;29 segue 00:10:00;00, perché il minuto 10 è esente.

Ora conta, invece di affermare. Fai avanzare un contatore fotogramma per fotogramma da 00:00:00;00, applicando quella regola a ogni confine di minuto, e fermati quando il display segna di nuovo 01:00:00;00. Il percorso emette 107 892 fotogrammi e salta 108 numeri di fotogramma. Quel conteggio di salti non è una coincidenza e non va cercato: un'ora ha 60 minuti, sei dei quali sono esenti perché 0, 10, 20, 30, 40 e 50 sono multipli di dieci, lasciando 54 minuti che scartano due numeri ciascuno, e 54 × 2 = 108. La conversione in forma chiusa usata dentro il software di montaggio — fotogrammi = 108000h + 1800m + 30s + f − 2 × (minutiTotali − parteIntera(minutiTotali ÷ 10)) — restituisce 107 892 per la stessa etichetta, coincidendo esattamente con il percorso.

Confronta questo con la sezione precedente e il progetto diventa ovvio. Il non-drop perde esattamente 108 fotogrammi all'ora rispetto all'orologio. Il drop-frame salta esattamente 108 etichette all'ora. Quei due 108 sono lo stesso 108, scelto per quel motivo, ed è per questo che un'ora drop-frame cade sull'orologio da parete mentre un'ora non-drop cade 3,6 secondi tardi. Lo schema è una correzione di tipo calendariale, strutturalmente identica alla regola degli anni bisestili: un piccolo aggiustamento periodico con un'eccezione periodica, dimensionato per annullare un errore cumulativo noto.

La correzione è ottima, e non esatta

Si dice spesso che il drop-frame fa coincidere esattamente il timecode con l'orologio da parete. Il conteggio mostra il contrario, e la discrepanza merita di essere enunciata perché è il tipo di cosa che riaffiora una volta l'anno in un'installazione di lunga durata. Un'ora di tempo reale contiene 107 892,108 fotogrammi, non 107 892. Il drop-frame fornisce 107 892 etichette all'ora, quindi gli mancano 0,1078921 di fotogramma — una frazione che non può saltare, perché le etichette vengono in numeri interi.

Converti quella frazione in tempo e sono 0,003600 secondi, quindi un'ora drop-frame occupa 3599,996400 secondi di tempo reale anziché 3600. Il drop-frame anticipa di 3,6 millisecondi all'ora — nella direzione opposta all'errore che corregge, e mille volte più piccolo. Su un giorno sono 0,0864 secondi, su un mese circa 2,6 secondi, su un anno 31,5 secondi. Per il montaggio, per le fasce di trasmissione, per qualsiasi cosa misurata in fotogrammi, questo è irrilevante. Per una struttura che fa girare un generatore di timecode in continuo come riferimento di casa contro un orologio atomico, è esattamente il tipo di divergenza lenta che finisce per essere notata e diagnosticata male.

Ciò che conta è il confronto. Il drop-frame riduce l'errore di un fattore mille: da 3,6 secondi all'ora a 3,6 millisecondi all'ora. Seguire l'errore accumulato a intervalli ne chiarisce la forma — a dieci minuti il drop-frame è fuori di 0,6 millisecondi, a trenta minuti di 1,8, a un'ora di 3,6, a dieci ore di 36 millisecondi. Il non-drop sugli stessi intervalli è fuori di 1,8 secondi a trenta minuti, 3,6 secondi a un'ora e 36 secondi a dieci ore. Lo schema non ha mai preteso di essere perfetto; è stato progettato per essere abbastanza buono da non far mancare a nessun programma la sua fascia.

23,976, il pulldown e l'accelerazione PAL

La pellicola gira a 24 fotogrammi al secondo e il sistema video a 525 righe gira a 30, quindi portare la pellicola su video richiede cinque fotogrammi video ogni quattro di pellicola — 24 × 5/4 = 30 esattamente. Il meccanismo è il pulldown 2:3, talvolta scritto 3:2. Prendi quattro fotogrammi di pellicola A, B, C, D e distribuiscili su dieci semiquadri video: ad A vanno due semiquadri, a B tre, a C due, a D tre, per un totale di 2 + 3 + 2 + 3 = 10 semiquadri, cioè cinque fotogrammi video interlacciati. Due di quei cinque fotogrammi sono composti di fotogrammi di pellicola diversi, ed è per questo che il materiale convertito appare un po' a scatti e per questo rimuovere il pulldown prima del montaggio è prassi standard.

Questo funziona quando il sistema video gira a 30. Gira a 29,97, quindi la pellicola va prima rallentata dello stesso fattore 1000/1001, da 24 a 24 000 ÷ 1 001 = 23,976023976 fotogrammi al secondo. Ecco tutta l'origine del 23,976: è 24 rallentato quel tanto che basta per stare in un mondo a 29,97. Il rallentamento è piccolo ma reale — una bobina di cento minuti passata a 23,976 dura 100,1 minuti, sei secondi in più che a 24 — e l'audio registrato a 24 va rallentato dello stesso fattore o si desincronizzerà di quei sei secondi lungo la bobina.

Il mondo a 625 righe ha preso una via più brusca. Con il video a 25 e la pellicola a 24, il trasferimento più semplice è far girare la pellicola un fotogramma al secondo più veloce e usare un fotogramma video per fotogramma di pellicola. Il cambio di velocità è 25/24 = 1,041667, un aumento del 4,1667 per cento — di solito arrotondato al noto quattro per cento, anche se il sesto in più conta lungo un lungometraggio. Un film di 120 minuti dura 115,2 minuti, 288 secondi in meno. L'audio sale di altezza dello stesso rapporto: 12 × log2(25/24) = 0,7067 di semitono, ovvero 70,67 cent, abbastanza vicino a un quarto di tono da essere udibile da chi conosca la partitura. I trasferimenti moderni di solito correggono l'altezza digitalmente e lasciano la durata accorciata.

Montare l'audio sull'immagine

L'audio è campionato e l'immagine è suddivisa in fotogrammi, e i due combaciano puliti solo quando il numero di campioni in un fotogramma è intero. A 48 kHz l'aritmetica è amichevole per la maggior parte delle frequenze: 24 fotogrammi al secondo danno esattamente 2000 campioni per fotogramma, 25 ne danno 1920, 30 ne danno 1600. La piacevole sorpresa è 23,976, che dà 48 000 × 1001 ÷ 24 000 = 2002 campioni per fotogramma, anch'esso intero — una delle ragioni per cui 23,976 e 48 kHz sono una coppia così comoda.

29,97 è quello scomodo. A 48 kHz un fotogramma contiene 48 000 × 1001 ÷ 30 000 = 1601,6 campioni, che non è intero, quindi nessun confine di fotogramma cade su un confine di campione. Il motivo si chiude dopo cinque fotogrammi: 5 × 1601,6 = 8008 campioni esattamente. Quel ciclo di cinque fotogrammi è l'unità pratica per tutto ciò che deve essere esatto al campione rispetto all'immagine a 29,97, e 59,94 lo eredita — 800,8 campioni per fotogramma, intero dopo gli stessi cinque fotogrammi con 4004 campioni. A 44,1 kHz la situazione è molto peggiore: 1471,47 campioni per fotogramma, e il motivo non si chiude fino a 100 fotogrammi. È una ragione concreta per cui la postproduzione gira a 48 kHz e non a 44,1.

La regola pratica che ne discende è breve. Fissa la frequenza del progetto prima di importare qualsiasi cosa, fai girare l'audio a 48 kHz e fai di ogni punto di taglio un confine di fotogramma anziché uno scarto di campione, così da non dover mai ragionare sul ciclo di cinque fotogrammi a 29,97. Quando arriva materiale a una frequenza diversa, conformalo deliberatamente con un pull-up o pull-down esplicito di 1000/1001 anziché lasciare che una timeline lo reinterpreti in silenzio — uno scarto di quel fattore deriva di un fotogramma ogni circa 33 secondi, il che si legge come un errore di sincronia che peggiora lentamente ed è uno dei guasti più spesso diagnosticati male in postproduzione.

Domande frequenti

Il timecode drop-frame perde immagini?

No. Nemmeno un fotogramma. Il drop-frame cambia solo le etichette attaccate ai fotogrammi, mai i fotogrammi stessi, e questo è il fraintendimento più tenace di tutta la postproduzione. Un programma di un'ora in drop-frame contiene 107 892 fotogrammi, e uno di un'ora in non-drop ne contiene 108 000 — ma sono durate diverse, non lo stesso girato con dei pezzi tolti. L'ora drop-frame dura davvero un'ora d'orologio; l'ora non-drop dura un'ora e 3,6 secondi. Entrambe contengono ogni fotogramma girato. L'analogia utile è il palazzo senza tredicesimo piano: la numerazione salta un valore, il palazzo ha lo stesso numero di piani e nessuno è stato sfrattato. Se converti un progetto da non-drop a drop-frame in un montaggio, l'immagine resta intatta — cambiano solo i numeri mostrati sulla timeline, e qualsiasi nota scritta come valore di timecode punterà ora a un punto leggermente diverso. Quest'ultima parte è il pericolo vero, ed è per questo che i conteggi di fotogrammi, e non le stringhe di timecode, sono la moneta sicura per scambiare punti di montaggio fra sistemi.

Devo usare drop-frame o non-drop?

Usa il drop-frame ogni volta che la durata deve coincidere con un orologio, e il non-drop quando non serve. La trasmissione è il caso più chiaro per il drop-frame: un programma montato su una fascia di 60 minuti in timecode non-drop durerà in realtà 3603,6 secondi e sforerà la giunzione di 3,6 secondi, abbastanza per essere tagliato. La pubblicità è uguale, dato che uno spot si vende a durata. Il drop-frame ti porta entro 3,6 millisecondi all'ora, cosa di cui nessun sistema di palinsesto si cura. Il non-drop è preferibile ovunque l'etichetta sia un indice e non una durata: consegne di effetti visivi, master d'archivio, giornalieri, tutto ciò in cui un'inquadratura è identificata da un valore di timecode e la coerenza della numerazione conta più dell'accordo con un orologio. Il non-drop ha il vantaggio che ogni operazione aritmetica su di esso è semplice e che nessuna etichetta manca mai, il che elimina un'intera classe di errori di scarto unitario quando degli script analizzano il timecode. Due note pratiche. Il drop-frame esiste solo a 29,97 e 59,94; è privo di senso a 24, 25 o 23,976, e uno strumento che lo offra lì è confuso. E qualunque cosa tu scelga, fissala una volta alla creazione del progetto e non cambiarla a metà, perché ogni annotazione che qualcuno ha preso diventa sbagliata.

Perché il mio montaggio rifiuta 00:01:00;00 come timecode non valido?

Perché in drop-frame quell'etichetta davvero non esiste. La regola salta i numeri di fotogramma 00 e 01 all'inizio di ogni minuto il cui numero non sia multiplo di dieci, quindi il minuto uno comincia a 00:01:00;02. Le etichette 00:01:00;00 e 00:01:00;01 non vengono mai assegnate ad alcun fotogramma, e un montaggio che le accettasse dovrebbe inventare un fotogramma a cui attaccarle. Lo stesso vale ai minuti da 2 a 9, da 11 a 19, e così via — 54 minuti all'ora, due etichette ciascuno, 108 etichette all'ora che semplicemente non fanno parte del sistema di conteggio. I minuti 0, 10, 20, 30, 40 e 50 sono esenti, quindi 00:10:00;00 è perfettamente valido, così come 00:00:00;00. Se uno script o un foglio di calcolo genera valori di timecode per via aritmetica e li passa a un montaggio, è questo il fallimento che incontrerà, e la soluzione è convertire passando per i numeri di fotogramma anziché manipolare la stringa: calcola l'indice del fotogramma, applica la conversione in forma chiusa e formatta il risultato. Generare etichette incrementando campi di testo produrrà valori che nessun fotogramma drop-frame porta.

Quanti fotogrammi sono uno spot di 30 secondi a 29,97?

Dipende dal fatto che i trenta secondi siano secondi d'orologio o secondi di timecode, e confondere i due è il modo in cui gli spot vengono respinti. Trenta secondi di tempo reale a 29,97 sono 30 × 30000 ÷ 1001 = 899,101 fotogrammi, quindi il taglio più lungo a fotogrammi interi che sta dentro trenta secondi è di 899 fotogrammi, della durata di 29,9966 secondi. Trenta secondi di etichette di timecode — una durata scritta 00:00:30;00 — sono 900 fotogrammi, perché il minuto zero non scarta nulla, e 900 fotogrammi durano in realtà 900 × 1001 ÷ 30 000 = 30,03 secondi. Sono 30 millisecondi di troppo, cosa che molte specifiche di trasmissione bocciano. L'abitudine sicura è consegnare contro un conteggio di fotogrammi concordato per iscritto anziché contro una durata in secondi, e 899 fotogrammi è la risposta convenzionale per uno spot di trenta secondi a 29,97. La stessa cura vale ad altre lunghezze: uno spot di 60 secondi è di 1798 fotogrammi e non 1800, e uno di 15 secondi di 449 e non 450. Se una specifica di consegna indica secondi, chiedi se intende tempo d'orologio o durata di timecode prima di renderizzare, perché i due differiscono di esattamente un fotogramma ogni trenta secondi e nessuna riesportazione li riconcilierà.

Perché il mio audio va fuori sincrono su una clip lunga?

Quasi sempre uno scarto 1000/1001 da qualche parte nella catena. Se l'immagine viene riprodotta a 23,976 mentre l'audio è stato registrato presumendo 24, o l'immagine è a 29,97 mentre una timeline crede sia 30, i due girano a rapporti che differiscono di quel fattore e si separano a un ritmo prevedibile: un fotogramma ogni circa 33 secondi, sei secondi lungo una bobina di cento minuti. La firma è inconfondibile — la sincronia è perfetta in testa, visibilmente sbagliata in coda, e l'errore cresce linearmente, il che lo distingue da uno scarto fisso dovuto a un punto d'inizio mal etichettato. La soluzione è conformare l'audio esplicitamente con un pull-up o pull-down di 1000/1001 anziché spostare le clip a mano, perché uno scarto manuale corregge un punto e lascia intatta la pendenza. Vale la pena controllare due cause affini prima di ricorrere al pulldown. Materiale trasferito da un'origine a 25 fps girerà del 4,1667 per cento veloce o lento, una divergenza molto più grande e rapida, circa un fotogramma ogni 24. E i registratori i cui orologi non sono agganciati a un riferimento comune derivano da soli, tipicamente di qualche fotogramma all'ora, cosa che nessuna correzione aritmetica ripara — quello si risolve alimentando lo stesso word clock o riferimento di timecode a ogni apparecchio prima della ripresa.