Vad är LUFS? Loudnessmål för AI-röst och ljudarbete

Vad är LUFS? Det är en enhet för upplevd ljudstyrka. Den mäter hur högt ljudet låter för en lyssnare över tid, inte hur höga topparna är. En LU motsvarar en dB i förstärkning, och värdena är negativa eftersom skalan utgår från digital fullskala (0 dBFS). För talat innehåll siktar du mot ett mål, till exempel -16 LUFS för de flesta podcasts, och håller true peak under ungefär -1 dBTP.

Hur mäter LUFS egentligen ljudstyrka?

LUFS står för Loudness Units relative to Full Scale. Mätningen definieras i ITU-R BS.1770 och används i EBU R 128, och LKFS är samma enhet under ett äldre namn. En mätare gör tre saker innan den skriver ut ett tal.

Först tillämpar den K-viktning. Det är ett filter som dämpar låga frekvenser och ger en mild förstärkning av övre mellanregistret, ungefär som örat väger energi. En röst med tungt 80 Hz-brum låter svagare än dess råa nivå antyder, eftersom filtret nedviktar brummet.

Sedan medelvärdesbildar den energin över ett fönster. Tre fönster är viktiga i praktiken:

• Momentary tittar på 400 ms och hoppar snabbt mellan värden.

• Short-term tittar på 3 sekunder och är den du följer när du redigerar en fras.

• Integrated täcker hela filen, från första till sista sampel, och det är talet plattformar använder vid normalisering.

Till sist gatar den. Allt under -70 LUFS ignoreras helt, och sedan ignoreras också allt som ligger mer än 10 LU under det löpande medelvärdet. Gatingen är anledningen till att en lång tystnad mellan repliker inte drar ner avläsningen. Det är också anledningen till att en fil som mest består av rumston ger ett märkligt integrerat värde.

Session note: om en render är kortare än en sekund vilar det integrerade värdet på mycket få fönster. Mät den i stället inne i hela scenen eller kapitlet.

Varför är värdena negativa, och hur skiljer det sig från dBFS och RMS?

Skalan når som högst 0 dBFS, den högsta nivå en digital fil kan lagra. Allt du hör ligger under det taket, så allt blir negativt. Ett värde på -16 LUFS är helt enkelt 16 enheter under fullskala.

Förvirringen börjar eftersom flera mätare använder samma dB-beteckning. Så här skiljer de sig i praktiken.

• Peak (dBFS) är det högsta enskilda samplet. Det säger något om klipp och ingenting om ljudstyrka.

• True peak (dBTP) uppskattar den högsta nivå vågformen når mellan samplen efter konvertering. Förlustkodade format kan driva den över 0 även när sample peak ligger under, och därför ber plattformar om -1 dBTP i marginal.

• RMS medelvärdesbildar signaleffekt utan K-viktning eller gating. Den är grövre, och vissa specifikationer, som ACX-standarden nedan, använder fortfarande den.

• LUFS är viktad och gatad ljudstyrka. Den stämmer bäst med vad en lyssnare säger låter starkast.

Två filer kan visa samma peak och ligga 8 LU isär i ljudstyrka. En plosivtung tagning med en enda topp och en komprimerad tagning med jämn dynamik visar det. Just det gapet är hela anledningen till att enheten finns.

I praktiken betyder det att du inte bedömer en fil med öronen ensam eller med en topp på skärmen. Två mått behövs: integrerad LUFS för nivån och true peak för marginalen. Det ena utan det andra ger en felaktig bild, och den bilden brukar visa sig först när filen spelas upp på en annan enhet än din egen monitor.

Vilket LUFS-mål ska du sikta mot för röstarbete?

Det finns inget enskilt tal. Målet beror på var filen hamnar, och vissa destinationer använder inte LUFS alls. Det här är siffrorna att ha på en lapp vid skrivbordet.

• Musikströmning, runt -14 LUFS integrerat. Spotifys dokumentation om loudness anger -14 dB LUFS som normal uppspelningsnivå, med Loud på -11 och Quiet på -19 för Premium-lyssnare. Rekommendationen är true peak på -1 dBTP eller lägre, eller -2 dBTP om din master är starkare än -14.

• Podcasts, vanligen -16 LUFS stereo och -19 LUFS mono. Monovärdet ligger 3 LU lägre eftersom en monosignal som kopieras till båda kanalerna mäts 3 LU starkare än samma signal på en kanal. Ett tak på -1 dBTP är det vanliga rådet.

• Sändning enligt EBU R 128, -23 LUFS integrerat, med ett true peak-tak på -1 dBTP och en tolerans på 0,5 LU för filleveranser.

• Ljudböcker på ACX, ingen LUFS alls. ACX:s krav för ljudinlämning ber om RMS mellan -23 dB och -18 dB, toppar under -3 dB och ett brusgolv under -60 dB RMS. Levererar du ljudböcker, mät med deras analysverktyg och inte bara med en LUFS-mätare.

Lägg märke till ordningen i den sista punkten. Ett kapitel kan ligga på en helt rimlig -20 LUFS och ändå underkännas av ACX på grund av en enda het topp eller en brusig svans. LUFS säger något om genomsnittlig ljudstyrka, medan specifikationen bryr sig om tre separata saker.

Det gör ACX till ett bra exempel på varför en enda siffra sällan räcker. Varje mått fångar en sida av lyssnarupplevelsen, och en fil måste klara alla tre för att passera. Planera därför kontrollerna i din egen process redan när du väljer format, inte när inlämningen står för dörren.

Här kommer en opinionerad bit. Mastra inte en podcast till -14 bara för att Spotifys sida säger -14. Den siffran gäller musik. Tal med ett integrerat värde på -14 betyder oftast att limitern jobbar hårt på konsonanter, och lyssnare känner av det som trötthet redan efter tio minuter.

Varför behöver AI-röst en egen ljudstyrkekontroll?

Man kan tro att en syntetisk röst kommer med en jämn nivå, eftersom det inte finns något mikrofonavstånd eller förstärkardrift. Ibland stämmer det. Ofta gör det inte det, och orsakerna skiljer sig från inspelade sessioner.

Varje render kan få sin egen totalförstärkning i motorn. Byter du röst, talhastighet eller känsloinställning rör sig det integrerade värdet med. En spänd, klippt leverans och en lugn, andfådd leverans från samma klonade röst kan skilja sig åt flera LU. Bygger du en scen av 40 separat renderade rader hör du hopp som ingen spelade in.

Tre vanor hjälper:

1. Mät varje render innan du redigerar den. Skriv det integrerade värdet bredvid filnamnet i din logg.

2. Matcha raderna i en scen mot varandra först, sedan mot leveransmålet. Relativ konsekvens väger tyngre än det absoluta talet i en mix.

3. Behåll en referensnivå per röst. Normalisera allt annat mot den, så att en klonad berättare inte driver mellan kapitlen.

När du styr känslan med reglage, som i AnyVoices system med åtta reglage, räkna med att ljudstyrkan förskjuts när intensiteten ändras. Behandla det integrerade värdet som en del av parameteranteckningarna, inte som en eftertanke. För ett spel betyder det att du normaliserar per röstläge innan raderna går in i middleware, eftersom motorn inte gör det åt dig.

Hur ser ett sunt ljudstyrkeflöde ut för en syntetisk röst?

Den här ordningen slösar minst tid. Den fungerar lika väl oavsett om filen kommer från en klonad röst, en färdig standardröst eller en mänsklig berättare.

1. Rendera i högsta kvalitet som verktyget erbjuder och behåll den oprocessade filen. Normalisera inte inne i generatorn om du kan undvika det, eftersom du då förlorar originalet.

2. Mät integrerad LUFS och true peak på hela filen, med en mätare som följer BS.1770. De flesta DAW:ar har en, och flera gratis plugins gör det också.

3. Räkna ut förstärkningen. Mål minus uppmätt värde ger offseten i dB. Om en render visar -21,4 LUFS och du vill ha -16 lägger du till 5,4 dB. Enheten är linjär, så 5,4 LU förstärkning flyttar avläsningen exakt 5,4 LU.

4. Kontrollera toppen efter förstärkningen. Om true peak var -8,0 dBTP före blir den -2,6 dBTP, vilket klarar ett tak på -1 dBTP. Hamnar den över taket behöver du en true peak-limiter, inte mer förstärkning.

5. Använd en limiter bara för det som återstår. Ett tak på -1 dBTP med 1 till 2 dB gain reduction är transparent på tal. Tio dB reduktion hörs som pumpning.

6. Mät om den exporterade filen, inte sessionen. Kodekskonvertering och dither kan flytta siffrorna något.

Normalisering i det här steget skiljer sig från kompression. Normalisering ändrar bara förstärkningen, så dynamiken ligger kvar som den renderades. Om en rad har en spänd viskning följd av ett rop och du vill jämna ut dem är det kompression eller clip gain, och det kommer före den slutliga ljudstyrkepassningen.

Session note: kör den slutliga kontrollen på det format som levereras. En 128 kbps-fil kan visa några tiondels dB annorlunda jämfört med WAV-filen den kom från.

Vilka misstag kostar mest tid med LUFS?

De flesta problem kommer från samma fyra ställen.

Att mäta fel sak. Kortidsljudstyrka under en enda högljudd fras är inte det integrerade värdet. Att jaga momentary-mätaren leder till överkorrigering, och en fil som mastrats för att träffa -16 på sin högsta mening hamnar på -20 totalt.

Att behandla -16 som en naturlag. Det är en konvention. Vissa plattformar normaliserar uppspelningen åt dig och andra gör inte det. En webbspelare eller en smarthögtalare kan använda ingen ljudstyrkekontroll alls, så en fil som är för svag förblir för svag där.

Att hoppa över brusgolvet. Höjer du med 5 LU höjs också brus och rumston med 5 dB. Var källan brusig måste bruskontrollen ske före förstärkningssteget. Annars skalar problemet med siffran du försöker nå.

Att glömma stereofrågan. En monoröst levererad som monofil och en levererad som dual mono kan skilja sig 3 LU vid samma fader-läge. Kontrollera vilket format din destination förväntar sig innan du exporterar.

Hoppa över varje plugin som lovar en ljudstyrkefix med ett klick utan mätare och utan logg över vad den gjorde. Ljudstyrkearbete är aritmetik. Ser du inte värdena före och efter kan du inte försvara resultatet.

Innan nästa session

Välj destination först, eftersom den avgör allt annat. Podcast: -16 LUFS stereo eller -19 mono, med toppar på -1 dBTP. Musiknära strömning: runt -14 och följ riktlinjen för true peak. Sändning: -23 enligt R 128. Ljudbok: ACX-analysatorn och dess gränser för RMS, toppar och brusgolv.

Skriv sedan in siffran i din sessionsmall. Lägg till en kolumn för integrerad LUFS och true peak bredvid varje render. Genererar du röster i omgångar sätter du en referensnivå per röst och matchar mot den. När loggen finns tar ett nytt kapitel, eller en scen som byggs om sex månader senare, några minuter i stället för en eftermiddag av gissningar för örat.