Normalizzazione di picco contro normalizzazione di sonorità, e l'obiettivo irraggiungibile

Picco e sonorità rispondono a due domande diverse

La normalizzazione di picco pone una domanda: qual è il campione più forte di questo file, e per quale costante moltiplico tutto perché atterri esattamente su un tetto scelto? È una misura e una moltiplicazione. È rapida, esatta e quasi inutile per far suonare due registrazioni ugualmente forti, perché l'istante più forte di un audio non dice nulla della forza percepita. Una registrazione rada di una voce con una porta che sbatte, e un muro di musica densa, possono culminare esattamente allo stesso valore di campione mentre una suona parecchie volte più forte dell'altra.

La normalizzazione di sonorità pone l'altra domanda: quanto forte suona questo intero programma, e di quanto va spostato perché suoni forte come tutto il resto? Rispondervi richiede un modello dell'udito, e ne esiste uno: la ITU-R BS.1770 definisce un filtro che approssima la risposta in frequenza dell'orecchio, somma i canali con pesi fissi e — soprattutto — esclude i passaggi quieti perché un lungo silenzio finale non trascini il numero verso il basso. Il risultato è una sonorità in LUFS, e due file che misurano lo stesso valore LUFS suonano davvero all'incirca ugualmente forti. La EBU R 128 è la prassi costruita su quella misura, ed è da lì che vengono gli obiettivi.

Questo strumento fa solo la seconda. Non c'è un pulsante di normalizzazione di picco, ed è la scelta giusta: la normalizzazione di picco è ciò che significava la casella «normalizza» dei vecchi gestori di file, e quasi mai faceva ciò che la gente voleva. Ciò che lo strumento conserva del mondo dei picchi è un tetto — un limite di picco reale, a −1 dBTP di default — e quel tetto si rivela il comando più gravido di conseguenze della pagina, per ragioni che la terza sezione affronta.

Due passaggi, e perché uno non basta

Un normalizzatore di sonorità a passaggio singolo ha un compito impossibile: deve decidere a ogni istante quanto guadagno applicare conoscendo solo ciò che ha già sentito. Davanti a un'apertura quieta la solleva, e poi arriva un ritornello forte che deve riabbassare. Il risultato è una registrazione il cui equilibrio interno è stato riorganizzato da un algoritmo che indovina il futuro — è un compressore, non un normalizzatore, e non è ciò che aveva in mente chi chiedeva una normalizzazione.

La forma a due passaggi elimina il tirare a indovinare. Il primo legge tutto il programma e stampa le sue misure: sonorità integrata, picco reale, gamma di sonorità e la soglia di gate usata. Quei quattro numeri, più uno scarto dall'obiettivo, tornano al secondo passaggio, che ora conosce la risposta prima di partire e può applicare un guadagno costante dall'inizio alla fine. Nulla viene riorganizzato; la registrazione viene semplicemente spostata. È questo che significa normalizzazione lineare, ed è ciò che lo strumento chiede con linear=true.

Quando c'è margine, questo funziona esattamente come promesso. Un tono di prova costante misurato a −29,75 LUFS con picchi molto in basso a −26,02 dBTP, a cui si chiede l'obiettivo di diffusione di −23 LUFS, è uscito a −23,05 LUFS: cinque centesimi di decibel dal bersaglio, che in pratica è il bersaglio. La progettazione è solida. Il problema è cosa succede quando margine non ce n'è.

L'obiettivo che chiedi non è sempre quello che ottieni

linear=true non è un'istruzione, è una preferenza. Il loudnorm di ffmpeg applica un guadagno costante solo se così il picco reale resta sotto il tetto che hai fissato. Se il guadagno costante implicato dalle misure dovesse superare quel tetto, il filtro abbandona in silenzio la modalità lineare e ripiega sul suo algoritmo dinamico — che rispetta il tetto e, proprio per questo, non può raggiungere il tuo obiettivo di sonorità. Nulla nel log annuncia il passaggio. Lo strumento stampava il numero richiesto e chiamava la differenza «correzione applicata»; ora rimanda il file prodotto nello stesso misuratore e stampa quel che ne torna, così la cifra a schermo è una cifra misurata e non una cifra richiesta.

Ecco quanto costa su materiale del tutto ordinario. Prendi un programma misurato a −16,06 LUFS i cui picchi stanno a −0,09 dBTP — un profilo assolutamente normale per qualsiasi cosa masterizzata negli ultimi vent'anni, dato che quasi tutto viene spinto vicino al fondo scala. Chiedi l'obiettivo streaming predefinito di −14 LUFS con il tetto predefinito di −1 dBTP. Un guadagno lineare di circa due decibel porterebbe quei picchi a circa +1,9 dBTP, quindi la modalità lineare viene rifiutata. Il file risultante misura −15,59 LUFS: il guadagno reale è stato di mezzo decibel, non i due annunciati dal pannello. Il pannello mostrava «Misurato: −16,1 LUFS → −14,0 LUFS · Correzione applicata: +2,1 LU», e ogni parola era un'assunzione travestita da misura. Ora mostra −15,59, perché l'uscita viene misurata prima che si mostri alcunché — e quando il valore raggiunto si scosta di mezza unità o più dall'obiettivo, l'obiettivo viene stampato accanto perché tu veda che il filtro ha rifiutato.

Il divario si allarga su materiale con ampia gamma di sonorità. Un programma a −13,15 LUFS con un singolo transiente a fondo scala, a cui si chiede −14 LUFS, è uscito a −26,71 LUFS — quasi tredici decibel sotto l'obiettivo, e udibilmente debole. Lo stesso file passato per un loudnorm semplice a passaggio singolo, ciò contro cui la nota dello strumento mette in guardia, è atterrato a −14,75 LUFS. Non è un argomento contro i due passaggi; due passaggi sono giusti per la grande maggioranza dei file. È un argomento per diffidare di un numero mai misurato. Se il risultato suona sbagliato, può esserlo, e il modo per saperlo è misurare l'uscita tu stesso invece di leggere il pannello.

Quale obiettivo, e perché più forte non è meglio

Tre preset coprono quasi tutto. −23 LUFS è l'obiettivo di diffusione europeo, scritto nella EBU R 128 e atteso dalla televisione. −16 LUFS è prassi corrente per i podcast parlati, non una norma che qualcuno pubblichi. −14 LUFS è all'incirca dove i grandi servizi di streaming normalizzano la riproduzione, ed è il valore predefinito qui. Il suggerimento del preset raggruppa Spotify, YouTube e Apple Music a −14; i numeri pubblicati per quei servizi si sono spostati negli anni e non sono tutti uguali, quindi prendi −14 come un vicinato e non come una specifica, e usa il cursore su misura se ti è stato dato un valore da centrare.

La cosa da interiorizzare è che su una piattaforma che normalizza, consegnare più forte dell'obiettivo non porta nulla. La piattaforma abbassa il tuo brano al proprio riferimento lungo la strada verso l'ascoltatore. Ciò che non torna è tutto quello che hai sacrificato per suonare forte — i transienti appiattiti, la dinamica compressa. Arrivi allo stesso volume di riproduzione di tutti gli altri, con meno cose dentro la registrazione. Normalizzare a monte, al numero che usa la destinazione, è il modo di conservare la dinamica e atterrare comunque al volume giusto.

Normalizzare non disfa la distorsione già incisa

La distorsione da clipping avviene quando a un segnale è stato chiesto di superare il valore massimo che un campione può contenere, e ciò che eccedeva è stato semplicemente tagliato. Resta una cima piatta dove c'era una curva, e il suono che ne esce è quello spigolo duro che chiamiamo distorsione. L'informazione che stava sopra il tetto non è attenuata né nascosta: non esiste nel file. Nessuna elaborazione successiva può riportarla, perché nulla ha registrato che cosa fosse.

Passare una sorgente distorta in questo strumento lo dimostra con pulizia. Un file di prova deliberatamente distorto misurava −1,55 LUFS con un picco reale di +0,10 dBTP — sopra il fondo scala, che è esattamente a cosa serve un misuratore di picco reale: ricostruisce ciò che accade fra i campioni e trova gli sfondamenti che un misuratore di picco di campione si perde. Normalizzato a −14 LUFS è uscito a −14,35 LUFS con un picco reale di −12,67 dBTP. Il livello ora è corretto e il tetto è rispettato con agio. Le cime piatte sono ancora piatte. Abbassare una distorsione dà una distorsione più discreta.

Cosa esce — e il file che non riesci a far entrare

Dagli un video e l'immagine viene copiata con -c:v copy, intatta, mentre il suono è sostituito da una nuova traccia AAC a 192 kbit/s — Opus allo stesso ritmo per un contenitore WebM, dato che il WebM non può trasportare AAC. Dagli audio e scegli l'uscita: MP3 a 192 kbit/s di default, o WAV in PCM a 16 bit, M4A in AAC, OGG in Vorbis a qualità 5, o FLAC. Non c'è una via di copia del flusso, ed è inevitabile — i campioni sono cambiati, quindi vanno riscritti. Se la tua sorgente è senza perdita, scegli FLAC o WAV; lasciare l'MP3 predefinito trasforma un master senza perdita in uno con perdita, come effetto collaterale di una regolazione di volume.

Una cosa fermava certi lettori prima ancora di cominciare. Benché lo strumento porti il nome dell'audio, offra cinque formati di uscita audio e stampi «Scegli un file audio o video» sopra la sua area di rilascio, il suo selettore di file era configurato per il solo video: l'elenco accettato conteneva MP4, MOV, WebM, MKV, AVI e M4V e nessun tipo audio, quindi trascinare un MP3 veniva rifiutato come tipo sbagliato e tutto il ramo audio — i pulsanti di formato, le uscite MP3 e FLAC — restava irraggiungibile dal selettore. Ora accetta entrambi, e l'etichetta descrive finalmente quel che lo strumento fa. Vale la pena capire perché un guasto simile sopravvive: tutto ciò che stava a valle del selettore funzionava alla perfezione, quindi nulla falliva, nulla veniva testato, nulla veniva registrato. La funzione stava semplicemente dietro una porta che nessuno poteva aprire.

Domande frequenti

Questo strumento fa anche normalizzazione di picco?

No. Fa solo normalizzazione di sonorità, tramite il filtro loudnorm di ffmpeg, che misura in LUFS con il metodo ITU-R BS.1770. Ciò che conserva dal mondo dei picchi è un tetto di picco reale, che è un limite e non un obiettivo: dice quanto il risultato può avvicinarsi al fondo scala, non quanto forte debba suonare. Se volessi davvero la normalizzazione di picco — ogni file scalato perché il suo campione più forte stia allo stesso valore — scopriresti che due clip suonano ancora molto diversi, ed è per questo che quasi nessuno la vuole dopo aver sentito l'alternativa.

Il pannello dice che ha centrato il mio obiettivo. Posso fidarmi di quel numero?

Solo della prima metà. La cifra «Misurato» è reale — viene dal primo passaggio, che ha davvero analizzato il tuo file. La seconda non è affatto una misura: è l'obiettivo che hai scelto, restituito a schermo, e la correzione mostrata è semplicemente la differenza aritmetica fra le due. Se ffmpeg ha rifiutato il guadagno lineare perché avrebbe sfondato il tetto di picco reale, l'uscita è altrove e nulla nella pagina te lo dirà. La spia: una sorgente che già culmina vicino al fondo scala ed è più debole del tuo obiettivo. Quella combinazione non è soddisfacibile, e il risultato resterà sotto.

A quanto imposto il tetto di picco reale?

Lascialo a −1 dBTP per tutto ciò che verrà codificato di nuovo dopo di te, cioè quasi tutto. Un codificatore con perdita non riproduce esattamente i tuoi campioni; ricostruisce un'approssimazione, e quell'approssimazione può sforare leggermente oltre dove i tuoi campioni erano. Lasciare un decibel di spazio dà a quello sforamento un posto dove andare invece di distorcere nel lettore dell'ascoltatore. Alzare il tetto verso lo zero ti compra un po' di forza e spende il tuo margine di sicurezza, e non rende nemmeno meno probabile il rifiuto della modalità lineare descritto sopra.

Normalizzare può riparare una registrazione già distorta?

No, e vale la pena dirlo senza giri di parole. Se la registrazione ha distorto quando è stata fatta, i picchi sopra il massimo sono stati scartati in quel momento; il file contiene cime piatte dove c'erano forme d'onda, e non esiste da nessuna parte una traccia di com'erano le parti mancanti. Normalizzare cambia il livello, quindi la distorsione diventa più discreta, ma la forma resta. Un file di prova distorto con un picco reale di +0,10 dBTP è uscito dallo strumento a −14,35 LUFS, con i picchi al sicuro a −12,67 dBTP e le cime piatte del tutto intatte. Se puoi ri-registrare, ri-registra. Altrimenti esistono programmi specializzati di de-clipping che indovinano la curva mancante, con risultati alterni.

A cosa serve il cursore della gamma di sonorità, e devo toccarlo?

Descrive di quanto il livello può muoversi lungo il programma, misurato in unità di sonorità, e vale 11 LU di default. Conta quando loudnorm lavora in modo dinamico anziché lineare: un valore basso appiattisce di più la differenza fra le parti quiete e quelle forti, uno alto le lascia più distanti. Quando si prende la via lineare — il caso normale, quando c'è margine — tutto il programma viene spostato di una costante e la gamma non viene toccata, quindi il cursore non cambia nulla. Lascialo dov'è a meno che qualcuno non ti abbia specificato una gamma, e se ti sorprendi ad abbassarlo per rendere udibile un parlato tenue, quello che vuoi davvero è un compressore, non un normalizzatore.