Apa itu LUFS? Target Loudness untuk Alur Kerja Suara AI

Apa itu LUFS? LUFS adalah satuan loudness yang mengukur seberapa keras audio terdengar bagi pendengar dalam rentang waktu, bukan seberapa tinggi puncak gelombangnya. Satu LU sama dengan satu dB gain, jadi hitungannya mudah. Bagian yang sulit adalah mengetahui angka mana yang harus dituju, di mana mengukurnya, dan mengapa klip dari generator suara jarang sama satu sama lain. Panduan ini membahas standarnya, target distribusi yang akan Anda temui, dan rutinitas batch untuk suara sintetis.

Apa yang sebenarnya diukur LUFS?

LUFS adalah singkatan dari Loudness Units relative to Full Scale. Standarnya berasal dari ITU-R BS.1770, dan pengukuran yang sama disebut LKFS di beberapa wilayah. Skalanya relatif terhadap digital full scale, jadi 0 LUFS adalah batas atasnya dan materi program sungguhan selalu berada di bawahnya sebagai angka negatif.

Pengukurannya berjalan dalam tiga langkah. Pertama, K-weighting: filter high-pass sekitar 38 Hz ditambah shelf frekuensi tinggi yang lembut, yang mendekati cara telinga memberi bobot pada frekuensi. Kedua, energi mean-square dirata-ratakan dari waktu ke waktu. Ketiga, gating membuang bagian senyap agar jeda tidak menurunkan rata-rata.

Poin terakhir ini penting untuk ucapan. Narator yang sering berhenti akan terbaca lebih pelan jika rata-ratanya naif. BS.1770 membuang apa pun di bawah -70 LUFS secara absolut, lalu apa pun yang lebih dari 10 LU di bawah level berjalan. Jeda Anda berhenti dihitung sebagai kekurangan.

Catatan sesi: meter peak hanya memberi tahu lonjakan tertinggi. LUFS memberi tahu seberapa berat keseluruhan sinyal terasa. Dua klip bisa sama-sama punya peak -1 dBFS dan tetap terpisah 8 LU.

Momentary, short-term, integrated: angka mana yang bisa dipercaya?

Sebuah loudness meter menampilkan tiga pembacaan, dan orang sering tertukar di antaranya.

• Momentary memakai jendela 400 ms. Responsnya cepat dan menunjukkan lonjakan.

• Short-term memakai jendela 3 detik. Angka ini menunjukkan bagaimana sebuah frasa atau adegan terdengar.

• Integrated merata-ratakan seluruh program dengan gating. Inilah angka yang diminta oleh spesifikasi distribusi.

Loudness range (LRA, dari EBU Tech 3342) adalah angka keempat. Angka ini menggambarkan seberapa jauh level bergerak sepanjang program, dalam LU. Podcast satu pembicara dengan gain yang stabil memiliki LRA kecil. Drama dengan bisikan dan teriakan memiliki LRA besar.

Untuk distribusi, Anda melaporkan loudness integrated. Untuk memperbaiki masalah di dalam file, Anda memantau short-term. Momentary dipakai untuk menangkap bersin, plosive, atau klik.

Target LUFS mana yang harus dicapai?

Target berbeda menurut tujuan. Berikut angka yang paling sering muncul. Pastikan setiap angka dicek ulang terhadap dokumentasi terkini dari platform sebelum Anda merilis.

• Spotify (pengaturan playback Normal): -14 LUFS, true peak -1 dBTP

• YouTube: sekitar -14 LUFS, -1 dBTP

• Apple Music: -16 LUFS, -1 dBTP

• Podcast (praktik umum): -16 LUFS, plus minus 1 LU, -1 dBTP

• Broadcast Eropa (EBU R128): -23 LUFS, plus minus 0.5 LU, -1 dBTP

Spotify mendokumentasikan angkanya sendiri: playback dinormalisasi ke -19 LUFS pada Quiet, -14 pada Normal, dan -11 pada Loud. Spotify juga merekomendasikan master di -14 LUFS dengan true peak di -1 dB atau lebih rendah. Panduan normalisasi loudness Spotify mencantumkan angka-angka ini. Rekomendasi EBU R 128 menetapkan referensi broadcast Eropa di -23 LUFS.

Jangan terpaku pada anggapan bahwa hanya satu angka yang benar. Podcast -16 LUFS yang diputar di platform yang menormalisasi ke -14 akan dinaikkan 2 LU. Tidak ada yang rusak. Yang rusak adalah file yang ditekan dengan limiter demi mencapai target keras, lalu terdengar melelahkan.

Mengapa LUFS dan true peak selalu berjalan bersama?

Integrated loudness tidak mengatakan apa-apa tentang peak sesaat yang tertinggi. Sebuah file bisa mencapai -16 LUFS dan tetap menyebabkan clipping setelah encoding lossy. True peak (dBTP) memperkirakan peak di antara sampel dengan oversampling, karena encoder AAC dan Ogg bisa melampaui nilai yang terlihat pada sampel.

Aturan praktisnya: tetapkan target loudness terlebih dahulu, lalu pastikan true peak tetap di -1 dBTP atau lebih rendah. Spotify menyarankan batas yang lebih rendah, yaitu -2 dBTP, ketika master lebih keras dari -14 LUFS, untuk membatasi distorsi encoding.

Pekerjaan audiobook menambahkan satu hal lagi. ACX, peritel audiobook utama di Amerika Serikat, menetapkan level RMS antara -23 dan -18 dB dengan peak tidak lebih tinggi dari -3 dB, bukan LUFS. Jika Anda menarasikan untuk kanal itu, ukur RMS sesuai spesifikasinya. Jika Anda juga merilis versi podcast dari bab yang sama, ukur LUFS untuk versi itu. Dua spesifikasi, dua meter, satu file sumber.

Mengapa klip suara AI keluar dengan loudness yang berbeda?

Bagian ini biasanya dilewatkan oleh panduan LUFS umum. Mesin text-to-speech tidak mengetahui target Anda. Setiap generasi mengembalikan audio pada level yang dihasilkan oleh model dan pengaturan suara, dan level itu bisa bergeser antar suara, antar bahasa, dan antar kondisi emosi.

Tiga hal menggeser angkanya:

1. Suaranya sendiri. Klon yang lebih dalam dengan energi low-mid lebih besar akan terbaca berbeda di bawah K-weighting dibanding suara yang lebih cerah, bahkan pada level peak yang sama.

2. Gaya penyampaian. Baris yang dibisikkan dan baris yang diteriakkan dari suara yang sama tidak memiliki loudness yang sama, dan kontrol emosi mengubah lebih dari sekadar pitch.

3. Panjang klip. Bark NPC selama 2 detik hanya memuat sedikit jendela short-term. Pembacaan integrated-nya menjadi tidak stabil, dan gating bisa berperilaku aneh pada materi yang sangat pendek.

Jika Anda mengendalikan suara lewat slider emosi, seperti sistem 8-slider AnyVoice, anggap setiap perubahan slider sebagai alasan untuk mengukur ulang. Tidak ada jaminan bahwa dua posisi slider menghasilkan LUFS yang sama.

Catatan sesi: ucapan sintetis sering lebih bersih daripada rekaman take, tanpa room tone dan tanpa napas kecuali Anda memintanya. Gating jadi membuang lebih sedikit daripada pada rekaman langsung, sehingga pembacaan integrated bisa lebih dekat ke pembacaan short-term daripada yang Anda perkirakan.

Rutinitas batch untuk suara hasil generate

Anggap Anda punya 300 baris dialog dalam tiga kondisi emosi. Menggerakkan fader satu per satu bukan pilihan. Berikut alur kerja yang bisa diandalkan.

1. Generate dengan pengaturan ekspor yang konsisten. Sample rate dan bit depth yang sama untuk setiap klip, supaya Anda membandingkan hal yang setara.

2. Ukur integrated LUFS dan true peak per klip dengan meter BS.1770. Sebagian besar DAW dan alat baris perintah seperti filter loudnorm dari ffmpeg bisa melaporkan keduanya.

3. Kelompokkan berdasarkan peran, bukan berdasarkan file. Semua baris dari satu karakter sebaiknya berada dalam jarak sekitar 1 LU satu sama lain. Karakter yang berbeda boleh berbeda jika adegannya menghendaki.

4. Gunakan gain, bukan kompresi, untuk menutup selisih. Perubahan gain linear 2.3 dB menggeser loudness tepat 2.3 LU dan membiarkan dinamika tetap utuh.

5. Periksa true peak setelah gain. Jika sebuah klip kini melampaui batas Anda, gunakan limiter true peak dengan lookahead pendek, dan jaga pengurangannya tetap kecil.

6. Normalisasi mix final sekali saja. Terapkan target platform pada program yang sudah selesai, bukan pada setiap stem.

Contoh kerja dengan angka bulat: sebuah klip hasil generate mengukur -21.5 LUFS, dan target dialog Anda -18 LUFS. Anda membutuhkan +3.5 dB. Jika true peak-nya sebelumnya -6 dBTP, hasilnya menjadi -2.5 dBTP, yang berada di dalam batas -1 dBTP. Tidak perlu limiter.

Sekarang klip yang sama dengan peak di -3 dBTP. Setelah +3.5 dB ia akan berada di +0.5 dBTP, melampaui full scale pada domain yang di-oversample. Di sini Anda bisa menurunkan target, membentuk transien, atau melakukan limiting. Pilihan yang tepat bergantung pada apakah peak itu adalah plosive yang memang akan Anda perbaiki.

Perlu menormalisasi ke LUFS atau membiarkan generator apa adanya?

Jawabannya bergantung pada tujuan audio.

Jika klip langsung masuk ke game engine, alur IVR, atau aplikasi, normalisasi setiap aset ke satu target dialog dan serahkan penyesuaian mix kepada runtime. Game dengan level baris dialog yang tidak konsisten memaksa pemain memutar tombol volume, dan itulah hal yang justru dicegah oleh spesifikasi loudness.

Jika klip masuk ke DAW sebagai tahap pertama, Anda bisa melewati pra-normalisasi. Anda tetap akan menyeimbangkan ulang terhadap musik dan efek. Ukur mix final.

Usaha loudness pada suara sintetis sepadan sebelum ia masuk ke rantai produksi Anda. Lewati langkah ini jika Anda hanya membuat satu spot 30 detik yang akan Anda cek dengan telinga. Biaya mengukur hanya beberapa detik per klip, jadi titik impasnya kira-kira saat Anda mulai lupa klip mana yang mana.

Beberapa platform TTS membantu di batas tertentu. Sebagian menerbitkan pengaturan normalisasi atau loudness output sendiri, jadi baca dokumennya sebelum Anda membangun langkah pipeline yang menduplikasi fitur tersebut. Murf AI dan pemain lain di kategori ini berbeda dalam ukuran pustaka suara dan latensi API, yang lebih penting untuk pipeline real-time daripada untuk pekerjaan batch.

Kesalahan LUFS yang umum (dan perbaikannya)

Mengejar -14 untuk konten yang hanya berisi ucapan. Target mastering musik tidak berlaku begitu saja untuk materi lisan. Podcast dialog di -16 LUFS terdengar pas di sebagian besar ponsel dan earbud. Mendorongnya ke -12 agar "bersaing" hanya membuat Anda membutuhkan limiter yang sebenarnya tidak diperlukan.

Mengukur sebelum edit final. Crossfade, pengisian room tone, dan music bed semuanya mengubah integrated loudness. Ukur paling akhir.

Mempercayai satu plugin meter secara buta. Meter seharusnya sepakat dalam beberapa persepuluh LU pada file yang sama. Jika dua meter berbeda 1 LU atau lebih, periksa pengaturan gating dan mode pengukurannya sebelum mempercayai salah satunya.

Mengabaikan true peak. Mencapai target loudness dengan peak +0.3 dBTP adalah kegagalan distribusi pada sebagian besar spesifikasi.

Membandingkan file dengan loudness berbeda hanya dengan telinga. File yang lebih keras hampir selalu menang dalam perbandingan A/B. Samakan level sebelum menilai suara, plugin, atau klon. Ini berlaku langsung ketika Anda membandingkan vendor TTS: samakan integrated loudness dulu, baru dengarkan.

Apa yang berubah di pipeline Anda

Anda tidak perlu menghafal standarnya. Anda hanya perlu tiga kebiasaan.

Pertama, pilih tujuan sebelum memilih target. Streaming musik, feed podcast, broadcast, dan peritel audiobook masing-masing punya angkanya sendiri, dan sebagian memakai RMS, bukan LUFS.

Kedua, perlakukan suara hasil generate sebagai stok mentah yang belum disamakan levelnya. Ukur setiap klip, kelompokkan per karakter, lalu tutup selisihnya dengan gain biasa.

Ketiga, jadikan integrated loudness dan true peak sebagai dasar keputusan secara bersamaan. Salah satu saja akan meloloskan file yang gagal di produksi.

Jika Anda menjalankan voiceover perusahaan dengan kebutuhan kepatuhan yang ketat, vendor dengan fitur governance seperti WellSaid Labs cocok dengan bentuk pengadaan semacam itu. Untuk pembuat solo, mulailah dengan sebuah meter, sebuah target, dan spreadsheet berisi offset per karakter.