Cos'è LUFS? Target di loudness per voci IA e audio

Cos'è LUFS? È un'unità di misura della sonorità che stima quanto un audio suona forte a chi ascolta, lungo il tempo, e non quanto raggiungono i suoi picchi. Un LU equivale a un dB di guadagno, e i valori sono negativi perché la scala è ancorata al fondo scala digitale (0 dBFS). Per il parlato si sceglie un target, per esempio -16 LUFS per la maggior parte dei podcast, e si tengono i true peak sotto circa -1 dBTP.

Come misura davvero LUFS la sonorità?

LUFS sta per Loudness Units relative to Full Scale. La misura è definita dalla raccomandazione ITU-R BS.1770 ed è adottata dalla EBU R 128, mentre LKFS è la stessa unità con un nome più vecchio. Un misuratore fa tre cose prima di mostrare un numero.

Primo, applica il K-weighting. È un filtro che attenua le basse frequenze e dà un leggero rialzo alle medio-alte, più o meno come l'orecchio pesa l'energia. Una voce con un rombo a 80 Hz risulta più bassa di quanto suggerisca il suo livello grezzo, perché il filtro ne ridimensiona il rombo.

Secondo, media l'energia su una finestra temporale. Nella pratica contano tre finestre:

• Momentary guarda 400 ms e cambia in fretta.

• Short-term guarda 3 secondi ed è quella da tenere d'occhio mentre modificate una frase.

• Integrated copre l'intero file, dal primo all'ultimo campione, ed è il numero che le piattaforme usano per la normalizzazione.

Terzo, applica il gating. Tutto ciò che sta sotto -70 LUFS viene ignorato, e poi viene ignorato anche tutto ciò che sta più di 10 LU sotto la media corrente. Il gating è il motivo per cui un lungo silenzio tra due battute non trascina in basso la lettura. È anche il motivo per cui un file fatto quasi solo di rumore di stanza dà un valore integrato strano.

Nota di sessione: se un render dura meno di un secondo, la lettura integrata poggia su pochissime finestre. Misuratela dentro la scena o il capitolo completo.

Perché i valori sono negativi, e in cosa si distingue da dBFS e RMS?

La scala arriva fino a 0 dBFS, il livello più alto che un file digitale può memorizzare. Tutto ciò che si sente sta sotto questo tetto, quindi tutto risulta negativo. Una lettura di -16 LUFS significa semplicemente 16 unità sotto il fondo scala.

La confusione nasce dal fatto che diversi misuratori mostrano valori in dB che sembrano uguali. In pratica la differenza è questa:

• Picco (dBFS) è il campione singolo più alto. Dice qualcosa sul clipping e nulla sulla sonorità.

• True peak (dBTP) stima il livello più alto che la forma d'onda raggiunge tra un campione e l'altro, dopo la conversione. I codec con perdita possono spingerlo sopra 0 anche quando il picco di campione resta sotto, ed è per questo che le piattaforme chiedono -1 dBTP di margine.

• RMS media la potenza del segnale senza K-weighting né gating. È più grezza, e alcune specifiche, come lo standard per audiolibri qui sotto, la usano ancora.

• LUFS è la sonorità pesata e gated. Correla meglio con ciò che un ascoltatore giudica più forte.

Due file possono mostrare lo stesso picco e distare 8 LU in sonorità. Lo dimostrano una take ricca di plosive con un solo picco e una take compressa con dinamica piatta. Quel divario è proprio il motivo per cui l'unità esiste.

Quale target LUFS scegliere per il lavoro sulla voce?

Non esiste un numero unico. Il target dipende da dove finirà il file, e alcune destinazioni non usano affatto i LUFS. Questi sono i valori da tenere a portata di mano.

• Streaming musicale, circa -14 LUFS integrati. La documentazione di Spotify sulla normalizzazione indica -14 dB LUFS come livello di riproduzione normale, con Loud a -11 e Quiet a -19 per gli abbonati Premium. Chiede un true peak pari o inferiore a -1 dBTP, oppure -2 dBTP se il master è più forte di -14.

• Podcast, comunemente -16 LUFS stereo e -19 LUFS mono. Il valore mono è 3 LU più basso perché un segnale mono duplicato su entrambi i canali misura 3 LU in più dello stesso segnale su un solo canale. Un tetto di -1 dBTP è il consiglio abituale.

• Broadcast secondo EBU R 128, -23 LUFS integrati, con un tetto di true peak a -1 dBTP e una tolleranza di 0.5 LU per la consegna su file.

• Audiolibri su ACX, nessun LUFS. I requisiti di invio audio di ACX chiedono un RMS tra -23 dB e -18 dB, picchi sotto -3 dB e un rumore di fondo sotto -60 dB RMS. Se consegnate audiolibri, misurate con il loro analizzatore, non solo con un misuratore LUFS.

Notate l'ordine delle operazioni nell'ultimo punto. Un capitolo può stare su un ragionevole -20 LUFS e fallire comunque su ACX per un solo picco alto o una coda rumorosa. I LUFS dicono qualcosa sulla sonorità media, mentre la specifica controlla tre aspetti distinti.

Ecco la parte con un'opinione precisa. Non masterizzate un podcast a -14 solo perché la pagina di Spotify dice -14. Quel numero vale per la musica. Un parlato con lettura integrata a -14 di solito significa che il limiter lavora duro sulle consonanti, e chi ascolta lo percepisce come affaticamento dopo dieci minuti.

Perché l'output di una voce IA richiede un controllo di loudness dedicato?

Si potrebbe pensare che una voce sintetica arrivi a un livello costante, perché non ci sono distanza dal microfono né deriva del preamplificatore. A volte è vero. Spesso non lo è, e le cause sono diverse da quelle di una sessione registrata.

Ogni render può portare un proprio guadagno complessivo. Cambiate la voce, la velocità di eloquio o l'impostazione dell'emozione, e la sonorità integrata si sposta di conseguenza. Una consegna tesa e tagliata e una calma e respirata, dalla stessa voce clonata, possono differire di diversi LU. Se costruite una scena con 40 battute renderizzate separatamente, sentirete salti che nessuno ha registrato.

Tre abitudini aiutano:

1. Misurate ogni render prima di modificarlo. Scrivete la lettura integrata accanto al nome del file nel registro.

2. Allineate prima le battute di una scena tra loro, poi al target di consegna. La coerenza relativa conta più del numero assoluto dentro un mix.

3. Tenete una linea di riferimento per ogni voce. Normalizzate il resto rispetto a quella, così un narratore clonato non deriva da un capitolo all'altro.

Quando controllate l'emozione con i cursori, come nel sistema a 8 cursori di AnyVoice, aspettatevi che la sonorità cambi al variare dell'intensità. Trattate la lettura integrata come parte delle note sui parametri, non come un ripensamento. Per un gioco significa normalizzare per stato della voce prima che le battute entrino nel middleware, perché il motore non lo farà per voi.

Come si presenta un flusso di lavoro sensato per una voce sintetica?

Questo è l'ordine che fa perdere meno tempo. Funziona allo stesso modo che il file arrivi da una voce clonata, da una voce di catalogo o da un narratore umano.

1. Renderizzate alla massima qualità offerta dallo strumento e conservate il file non elaborato. Non normalizzate dentro il generatore se potete evitarlo, perché così perdete l'originale.

2. Misurate i LUFS integrati e il true peak sull'intero file, con un misuratore conforme a BS.1770. La maggior parte delle DAW ne include uno, e diversi plugin gratuiti fanno lo stesso.

3. Calcolate il guadagno. Target meno valore misurato dà l'offset in dB. Se un render legge -21.4 LUFS e volete -16, aggiungete 5.4 dB. L'unità è lineare, quindi 5.4 LU di guadagno spostano la lettura esattamente di 5.4 LU.

4. Controllate il picco dopo il guadagno. Se il true peak era -8.0 dBTP prima, diventa -2.6 dBTP, che rispetta un tetto a -1 dBTP. Se finisse sopra il tetto, vi serve un limiter true peak, non altro guadagno.

5. Applicate un limiter solo per il problema residuo. Un tetto a -1 dBTP con 1-2 dB di riduzione del guadagno è trasparente sul parlato. Dieci dB di riduzione producono un pompaggio udibile.

6. Rimisurate il file esportato, non la sessione. La conversione del codec e il dither possono spostare leggermente i numeri.

La normalizzazione della sonorità, a questo stadio, non è compressione. Normalizzare cambia solo il guadagno, quindi la dinamica resta com'è stata renderizzata. Se una battuta ha un sussurro teso seguito da un grido e volete avvicinarli, quello è compressione o clip gain, e va prima della passata finale di sonorità.

Nota di sessione: eseguite il controllo finale sul formato consegnato. Un file a 128 kbps può leggersi qualche decimo di dB diverso dal WAV da cui deriva.

Quali errori fanno perdere più tempo con LUFS?

La maggior parte dei problemi nasce dagli stessi quattro punti.

Misurare la cosa sbagliata. La sonorità short-term durante una sola frase forte non è il valore integrato. Inseguire il momentary porta a correzioni eccessive, e un file masterizzato per arrivare a -16 sulla frase più forte finisce a -20 complessivi.

Trattare -16 come una legge di natura. È una convenzione. Alcune piattaforme normalizzano l'ascolto per voi, altre no. Un lettore web o un altoparlante intelligente possono non applicare alcun controllo di sonorità, quindi un file troppo basso resterà troppo basso.

Trascurare il rumore di fondo. Alzare di 5 LU vuol dire alzare di 5 dB anche il fruscio e il rumore di stanza. Se la sorgente era rumorosa, la pulizia va fatta prima del guadagno. Altrimenti il problema cresce insieme al numero che cercate di raggiungere.

Dimenticare la questione stereo. Una voce mono consegnata come file mono e una consegnata come dual mono possono distare 3 LU alla stessa posizione del fader. Verificate quale formato si aspetta la destinazione prima di esportare.

Evitate i plugin che promettono una correzione della sonorità con un clic, senza misuratore e senza un registro di ciò che hanno fatto. Il lavoro sulla sonorità è aritmetica. Se non vedete le letture prima e dopo, non potete difendere il risultato.

Prima della prossima sessione

Scegliete per prima cosa la destinazione, perché decide tutto il resto. Podcast: -16 LUFS stereo o -19 mono, picchi a -1 dBTP. Streaming vicino alla musica: intorno a -14, rispettando le indicazioni sul true peak. Broadcast: -23 secondo R 128. Audiolibro: l'analizzatore di ACX e i suoi limiti su RMS, picco e rumore di fondo.

Poi annotate il numero nel vostro modello di sessione. Aggiungete una colonna per i LUFS integrati e il true peak accanto a ogni render. Se generate voci in serie, impostate una linea di riferimento per ogni voce e allineatevi a quella. Quando il registro esiste, un capitolo nuovo o una scena ricostruita sei mesi dopo richiede minuti invece di un pomeriggio di tentativi a orecchio.