Replay gain i "gorący mastering"

Wielokrotnie wspominałem o tym, jak ważna przy odsłuchu muzyki jest głośność. Powstaje zatem pytanie praktyczne: jak w łatwy sposób wyrównać głośności odsłuchiwanej muzyki na swoim komputerze?
Najprościej zaopatrzyć się w darmowy odtwarzać foobar2000 lub winamp i skorzystać z funkcji Replay gain. Skanuje ona wybrane utwory i wyrównuje ich głośności. Nie ingeruje to w sam dźwięk, zapisuje tylko informację (jako metadata) o tym o ile dB odtwarzacz ma ściszyć utwór podczas odtwarzania. W razie potrzeby informację tę można później w łatwy sposób usunąć. Obliczanie głośności uwzględnia wspominane już na tym blogu krzywe jednakowej głośności. Dostępne są dwie opcje skanowania utworów: album oraz track.

Track - wersja track skierowana jest do osób słuchających wybiórczo pojedynczych utworów różnych wykonawców lub z różnych płyt. Dzięki niej wszystkie utwory odtwarzane jeden po drugim będą miały w przybliżeniu taką samą głośność.

Album - osobiście polecam tą wersję, gdyż skanuje ona głośność całego albumu i nadaje taką samą wartość wzmocnienia wszystkim utworom. Jest to szalenie ważne dla osób, którzy częściej słuchają całych płyt, ponieważ zachowane są takie same proporcje pomiędzy poszczególnymi utworami jak oryginalnie, a różne albumy mają zbliżoną głośność. Poniżej przykład.

Powiedzmy, że mamy na płycie obok siebie dwa utwory - ciężki rockowy numer a zaraz po nim spokojną balladę. Najprawdopodobniej ballada jest cichsza i delikatniejsza od poprzedzającego ją utworu. W przypadku skanowania z opcją track głośności tych dwóch utworów zostaną wyrównane. Oznacza to, że ballada będzie przez Replay gain bardziej wzmocniona niż poprzedni utwór, przez co jej delikatność (która była intencją wykonawcy) całkowicie przepadnie.
Używając opcji album obu utworom przypisana zostanie taka sama wartość wzmocnienia (wynikająca ze wzmocnienia całego albumu), dzięki czemu oryginalny balans pomiędzy ostrym utworem a balladą zostanie zachowany.

Innymi słowy - wersja track zdecydowanie niszczy 'jedność' płyty, ale świetnie nada się do odtwarzania muzyki na imprezie! Osobiście najczęściej słucham muzyki albumami, dlatego polecam opcję ablum.


Dlaczego gorący mastering nie ma sensu?

W ostatnim poście pisałem o standardzie wprowadzonym do amerykańskiej telewizji. Narzucony próg -23 LUFS oznacza w przybliżeniu wartość DR23. Replay gain jest nieco mniej surowy - wyrównuje głośność do poziomu około -19 dB RMS, standard Spotify to około -15 dB RMS. Także iTunes stosuje algorytmy wyrównujące głośność. Co z tego wynika? W przypadku emisji w amerykańskiej telewizji materiał DR6 (przeciętny album wydany po 1997 roku) będzie ściszony o 17 dB! W pozostałych przypadkach wielkości te są odpowiednio mniejsze.

Dwa utwory wyrównane do -23 LUFS, z lewej Amy Winehouse Stronger than me z płyty Frank (2003), z prawej Toto 'Till the end z płyty Farenheit (1986)

Jak widać na powyższym obrazku im głośniejszy będzie materiał tym więcej będzie niewykorzystanego zakresu - headroom'u:
Stronger than me DR7, niewykorzystany zakres 14,9 dB,
'Till the end DR16, niewykorzystany zakres 7,4 dB.
Efekty pokazałem już w pierwszym wpisie, jednak przypomnę jeden filmik:

Jaki jest zatem sens 'gorącego masteringu', skoro coraz powszechniej stosuje się wyrównywanie głośności, a w mediach staje się to obowiązkiem? Przecież kwestią czasu jest przeniknięcie amerykańskiego telewizyjnego standardu do Europy, a także zastosowanie go w rozgłośniach radiowych. Wydaje się, że nie ma to sensu, choć nadal powstają produkcje skażone myśleniem "głośniejszy=lepszy".

W następnym poście napiszę o tym jakim procesom poddaje się muzykę, aby otrzymać głośne rezultaty.

Jak opisać głośność? Wartości peak, RMS, DR i LUFS

W tym poście nie obędzie się bez kawałka teorii. Mniej zainteresowanych szczegółami cyfrowej dziedziny audio oraz wtajemniczonych odsyłam od razu do punktu Wartość DR.


Wartość peak

Już w ostatnim materiale wideo można było zauważyć, że wartość peak nijak ma się do głośności muzyki. Wielkość ta, nazywana wartością szczytową, opisuje maksymalną wartość sygnału. Zwiększanie 'szczytów' ma jednak swoją granicę - w dziedzinie cyfrowej jest to 0 dB FS (Full Scale)*. Próba przekroczenia tej granicy kończy się przesterowaniem sygnału, zwanym inaczej clippingiem**. Sygnały mające taką samą wartość peak mogą mieć różne głośności i odwrotnie - utwory mające różne wartości szczytowe mogą być tak samo głośne. Wynika z tego, że wartość peak nie nadaje się do opisu głośności.

Clipping objawiający się charakterystycznym 'płaskim szczytem' fali

Wartość RMS

Potocznie na RMS mówi się 'wartość średnia' i mimo że nie jest to fizycznie poprawne, dobrze intuicyjnie oddaje sens tej wielkości***. Po obejrzeniu poprzednich materiałów video można zauważyć, że RMS dużo lepiej koreluje z głośnością. Ma jednak jedną wadę - z definicji nie uwzględnia tego, jak człowiek percypuje dźwięki (np. krzywe równej głośności z poprzedniego wpisu).

Wartość DR

Tym 'wskaźnikiem' posługiwałem się także przy poprzednich materiałach demonstracyjnych (link). Wartość DR (Dynamic Range) jest to różnica pomiędzy wartością peak, a wartością RMS liczoną z 20% najgłośniejszej części utworu. Dlaczego tak chętnie posługuję się tą wartością? Ponieważ jest świetnym wskaźnikiem jak bardzo dany utwór został skompresowany i 'zlimitowany' w procesie masteringu. Im większa wartość DR tym większa różnica między wartością peak a RMS, tym 'cichszy' oraz bardziej dynamiczny materiał.
Program liczący wartości DR można za darmo pobrać tutaj (należy przescrollować w dół; program dostępny także jako wtyczka do odtwarzacza foobar2000).

Wynik skanowania utworu Telegraph Road zespołu Dire Straits przez wtyczkę Dynamic Range Meter w programie foobar2000

Kolejną ogromną zaletą tego wskaźnika jest dostępna przez internet baza danych (tworzona przez zwykłych słuchaczy) z wartościami DR dla konkretnych albumów - link. W ten sposób można wstępnie sprawdzić jakość płyty zanim się ją kupi. Warto też zwrócić uwagę na niektóre wydania "REMASTERED", które z reguły mają dużo niższe wartości DR niż oryginały.

Wartości DR dla płyty Master of Puppets, oryginał DR12, wersja remastered DR8-9

Jaka wartość DR zapewnia dobrze brzmiący album? Oczywiście nie jest to takie proste. Brzmienie to nie tylko dynamika, czy różnica wartości peak i RMS, to znacznie więcej. Zwłaszcza, że wartość DR obliczana jest dla 20% najgłośniejszego fragmentu utworu (80% może być dużo bardziej dynamiczne). Jednak z dużą dozą prawdopodobieństwa można powiedzieć, że płyta DR6 będzie miała już charakterystyczne dla nowych płyt ostre i płaskie brzmienie; DR5 będzie już mocno zniekształcona i przesterowana, natomiast DR4 i mniej - lepiej nie kupować.
Podsumowując Dynamic Range jest świetną miarą skompresowania materiału, lecz nie daje informacji o głośności - ten sam materiał audio ściszony o 5 dB będzie miał dokładnie taką samą wartość DR (o 5 dB zmniejszy się zarówno wartość peak jak i RMS, a więc ich różnica się nie zmieni).

LUFS

Najnowszym i najlepiej oddającym głośność wskaźnikiem jest LUFS (Loudness Unit Full Scale) wprowadzony już w Stanach Zjednoczonych do wyrównania głośności materiałów pojawiających się w telewizji (ludzie skarżyli się na większą głośność reklam od programów i filmów). Bierze on pod uwagę psychoakustyczne czynniki wpływających na ocenę głośności. Po analizie danego materiału dźwiękowego program dopisuje do niego informację o tym o ile dB należy ten materiał ściszyć aby miał głośność równą -23 LUFS (dla telewizji w Stanach Zjednoczonych).

Czy w obliczu wprowadzenia takich norm w USA wojna głośności nadal ma jakikolwiek sens? Jak w prosty sposób wyrównać głośność odtwarzanej muzyki na swoim komputerze? O tym już w następnym wpisie.

* Skala dB FS jest ujemna, od minus nieskończoności aż do 0. Zakodować dodatnie wartości można tylko przy użyciu formatu 32-bit floating point używanego obecnie przez większość programów do obróbki dźwięku. Jednakże jakość płytowa 16 bit nie pozwala przekroczyć 0 dB FS.

** Clipping prowadzi do powstania znacznych zniekształceń w sygnale, więcej o clippingu już wkrótce.

*** RMS to inaczej wartość skuteczna; jest to amplituda sygnału stałego w czasie, który ma taką samą moc jak sygnał zmienny. Wzór na wartość skuteczną sygnału x w czasie T: