LUFS nedir? AI ses için loudness hedefleri ve toplu rutin

LUFS nedir? Algılanan ses yüksekliğini zaman içinde ölçen bir birimdir. Dalga formunun en yüksek tepe noktasını değil, dinleyicinin sesi ne kadar yüksek duyduğunu ölçer. Bir LU tam olarak bir dB kazanca karşılık gelir, bu yüzden hesap kolaydır. Zor kısım, hangi hedefi vuracağınızı, nerede ölçeceğinizi ve bir ses üretecinin çıktılarının neden birbirini tutmadığını bilmektir. Bu rehber standardı, karşılaşacağınız teslim hedeflerini ve sentetik ses için toplu bir düzeltme rutinini anlatıyor.

LUFS gerçekte neyi ölçer?

LUFS, "Loudness Units relative to Full Scale" ifadesinin kısaltmasıdır. ITU-R BS.1770 standardından gelir ve bazı bölgelerde aynı ölçüm LKFS adıyla anılır. Ölçek dijital tam skalaya göredir. Yani 0 LUFS tavandır ve gerçek program materyali bunun altında, eksi bir değer olarak görünür.

Ölçüm üç adımda çalışır. Önce K-ağırlıklandırma uygulanır: yaklaşık 38 Hz civarında bir yüksek geçiren filtre ile kulağın frekansları algılama biçimini taklit eden hafif bir yüksek frekans rafı. Ardından enerji zaman içinde ortalanır. Son olarak geçitleme (gating) sessizlikleri eler, böylece duraklamalar ortalamayı aşağı çekmez.

Son nokta konuşma sesi için önemlidir. Çok duraklayan bir seslendirme sanatçısı, saf bir ortalamada olduğundan daha sessiz görünürdü. BS.1770 mutlak olarak -70 LUFS'un altındaki her şeyi, ardından çalışan seviyenin 10 LU altındaki her şeyi eler. Duraklamalarınız artık aleyhinize sayılmaz.

Oturum notu: Tepe ölçer size en yüksek ani sıçramayı söyler. LUFS ise tüm sinyalin ne kadar ağır hissettirdiğini söyler. Aynı -1 dBFS tepe değerine sahip iki klip, birbirinden 8 LU uzakta olabilir.

Anlık, kısa süreli ve entegre: hangi okumaya güveneceksiniz?

Bir ses ölçer üç okuma gösterir ve insanlar bunları sürekli karıştırır.

• Anlık (momentary) 400 ms'lik bir pencere kullanır. Hızlı tepki verir ve patlamaları gösterir.

• Kısa süreli (short-term) 3 saniyelik bir pencere kullanır. Bir cümlenin ya da bir sahnenin nasıl oturduğunu gösterir.

• Entegre (integrated) tüm programı geçitlenmiş olarak ortalar. Teslim spesifikasyonunun istediği sayı budur.

Loudness range (LRA, EBU Tech 3342'den) dördüncü bir değerdir. Program boyunca seviyenin LU cinsinden ne kadar oynadığını anlatır. Tek konuşmacılı ve sabit kazançlı bir podcast'in LRA'sı küçüktür. Fısıltılar ve bağırışlar içeren bir dramanın LRA'sı büyüktür.

Teslim için entegre loudness değerini belirtirsiniz. Dosya içindeki sorunları düzeltirken kısa süreliye bakarsınız. Anlık ölçüm ise nefes sesini, plozivi ve tıkırtıyı yakalamak içindir.

Hangi LUFS hedefini tutturmalısınız?

Hedefler çıkış noktasına göre değişir. Aşağıdakiler en sık karşılaşılan rakamlardır ve yayınlamadan önce her birini platformun güncel dokümantasyonuyla doğrulayın.

• Spotify (Normal oynatma ayarı): -14 LUFS, true peak -1 dBTP

• YouTube: yaklaşık -14 LUFS, -1 dBTP

• Apple Music: -16 LUFS, -1 dBTP

• Podcast'ler (yaygın uygulama): -16 LUFS, artı eksi 1 LU, -1 dBTP

• Avrupa yayıncılığı (EBU R128): -23 LUFS, artı eksi 0,5 LU, -1 dBTP

Spotify kendi rakamlarını belgeler. Oynatma Quiet için -19 LUFS, Normal için -14 ve Loud için -11 LUFS'a normalize edilir. Master'ların -14 LUFS'ta ve true peak -1 dB'de veya altında olmasını önerir. Spotify loudness normalization rehberinde bu değerler yer alır. EBU R 128 önerisi Avrupa yayın referansını -23 LUFS olarak belirler.

"Tek doğru sayı" fikrini bırakın. -16 LUFS'lik bir podcast, -14'e normalize eden bir platformda 2 LU daha yükseğe çıkarılmış olur. Hiçbir şey bozulmaz. Bozulan şey, yüksek hedefe ulaşmak için limiter ile ezilmiş ve sonra yorucu duyulan bir dosyadır.

True peak neden LUFS ile birlikte gider?

Entegre loudness, en yüksek anlık tepe değeri hakkında hiçbir şey söylemez. Bir dosya -16 LUFS'a ulaşabilir ve yine de AAC ya da Ogg kodlamasından sonra bir dönüştürücüyü kırpabilir. True peak (dBTP), örnek değerlerin gösterdiğinden fazla taşabilen kodlayıcılar nedeniyle örnekler arasındaki tepeyi aşırı örnekleme ile tahmin eder.

Pratik kural şudur: önce loudness hedefini belirleyin, sonra true peak değerinin -1 dBTP'de veya altında kaldığını kontrol edin. Spotify, bir master -14 LUFS'tan daha yüksekse kodlama bozulmasını sınırlamak için -2 dBTP'ye inmenizi önerir.

Sesli kitap işinde bir farklılık daha var. Amerika'daki başlıca sesli kitap perakendecisi ACX, LUFS yerine RMS seviyesi ister: -23 ile -18 dB arası ve tepe değeri en fazla -3 dB. Bu kanal için seslendiriyorsanız spesifikasyonun istediği gibi RMS ölçün. Aynı bölümlerin podcast versiyonunu da yayınlıyorsanız o için LUFS ölçün. Aynı kaynak dosya, iki spesifikasyon ve iki ölçer.

AI ses klipleri neden farklı loudness değerleriyle çıkıyor?

Genel LUFS rehberlerinin atladığı kısım burasıdır. Metinden sese motor sizin hedefinizi bilmez. Her üretim, modelin ve ses ayarlarının ürettiği seviyede ses döndürür ve bu seviye sesler, diller ve duygusal durumlar arasında kayabilir.

Sayıyı üç şey değiştirir:

1. Ses kendisi. Daha fazla düşük-orta enerji içeren derin bir klon, tepe seviyesi aynı olsa bile K-ağırlıklandırma altında parlak bir klondan farklı okunur.

2. Seslendirme tarzı. Aynı sesle fısıldanan bir satır ile bağırılan bir satır aynı loudness'ta değildir. Duygu kontrolü perdeden daha fazlasını değiştirir.

3. Klip uzunluğu. 2 saniyelik bir NPC repliğinde neredeyse tek bir kısa süreli pencere vardır. Entegre okuması gürültülüdür ve çok kısa materyalde geçitleme tuhaf davranabilir.

AnyVoice'ın 8 kaydırıcılı sistemiyle olduğu gibi duygu kaydırıcılarıyla çalışıyorsanız, her kaydırıcı değişikliğini yeniden ölçme nedeni sayın. İki kaydırıcı konumunun aynı LUFS'a düşeceğine dair bir garanti yoktur.

Oturum notu: Sentetik konuşma çoğu zaman kayıtlı bir kayıttan daha temizdir. Oda sesi yoktur, siz istemedikçe nefes de yoktur. Bu yüzden geçitleme canlı bir kayıtta olduğundan daha az şey eler ve entegre okumalar beklediğinizden daha çok kısa süreli okumaya yaklaşabilir.

Üretilmiş ses için toplu bir rutin

Diyelim ki üç duygusal durumda 300 satırlık bir diyaloğunuz var. Faderları elle ayarlamak seçenek değildir. İşte dayanıklı bir iş akışı.

1. Her klip için tutarlı bir çıktı ayarı kullanın. Her klip aynı örnekleme hızı ve bit derinliğinde olsun ki elma ile elmayı karşılaştırın.

2. Klip başına entegre LUFS ve true peak ölçün. BS.1770 uyumlu bir ölçer kullanın. Çoğu DAW ve ffmpeg'in loudnorm filtresi gibi komut satırı araçları ikisini de raporlayabilir.

3. Dosyaya değil role göre gruplayın. Bir karakterin tüm satırları birbirinden yaklaşık 1 LU içinde olmalı. Sahne gerektiriyorsa farklı karakterler farklı olabilir.

4. Aradaki farkı kapatmak için kompresyon değil kazanç uygulayın. 2,3 dB'lik doğrusal bir kazanç değişikliği loudness'ı tam olarak 2,3 LU değiştirir ve dinamikleri olduğu gibi bırakır.

5. Kazançtan sonra true peak değerini kontrol edin. Bir klip şimdi tavanınızı aşarsa kısa lookahead'li bir true peak limiter kullanın ve azaltmayı küçük tutun.

6. Son miksi bir kez normalize edin. Platform hedefinizi her stem'de değil, bitmiş programda uygulayın.

Yuvarlak rakamlarla bir örnek: üretilmiş bir klip -21,5 LUFS ölçülüyor ve diyalog hedefiniz -18 LUFS. +3,5 dB gerekiyor. True peak değeri -6 dBTP ise klip -2,5 dBTP'ye oturur ve bu, -1 dBTP tavanının içindedir. Limiter gerekmez.

Aynı klibin tepe değeri -3 dBTP ise, +3,5 dB sonrasında +0,5 dBTP olur ve aşırı örneklenmiş alanda tam skalanın üzerine çıkar. Burada hedefi düşürür, geçici sesi şekillendirir ya da limit uygularsınız. Hangisinin doğru olduğu, o tepenin zaten düzeltecekseniz bir plozivi olup olmadığına bağlıdır.

Sese LUFS'a göre normalize mi uygulayacaksınız, yoksa üreteci olduğu gibi mi bırakacaksınız?

Cevap, sesin nereye gittiğine bağlıdır.

Klip doğrudan bir oyun motoruna, bir IVR akışına ya da bir uygulamaya gidiyorsa her varlığı tek bir diyalog hedefine normalize edin ve miksi çalışma zamanına bırakın. Satır seviyeleri tutarsız bir oyunda oyuncu sürekli ses düğmesiyle uğraşmak zorunda kalır. Loudness spesifikasyonunun önlemek için var olduğu şey tam olarak budur.

Klip ilk geçiş olarak bir DAW'a gidiyorsa önceden normalize etmeyi atlayabilirsiniz. Zaten müzik ve efektlere göre dengeleyeceksiniz. Son miksi ölçün.

Ses zincirinize girmeden önce sentetik sese bir loudness geçişi uygulamak emeğe değer. Tek bir 30 saniyelik reklam için kulağınızla kontrol edecekseniz atlayabilirsiniz. Ölçmenin maliyeti klip başına saniyelerdir. Başa baş noktası, hangi klibin hangisi olduğunu hatırlamayı bıraktığınız noktaya yakındır.

TTS platformlarının bazıları kendi çıktı normalizasyonunu ya da loudness ayarlarını yayınlar. Bu yüzden bir boru hattı adımı kurmadan önce dokümanları okuyun ve onları çoğaltmayın. Murf AI ve kategorideki diğerleri ses kütüphanesi büyüklüğü ve API gecikmesi açısından farklılaşır. Bu da toplu işlerden çok gerçek zamanlı bir boru hattı için önemlidir.

Yaygın LUFS hataları ve her biri için çözüm

Sadece konuşma içeren içerikte -14 peşinde koşmak. Müzik masterlama hedefleri konuşulan kelimeye birebir uymaz. Diyalog ağırlıklı bir podcast'in -16 LUFS olması çoğu telefonda ve kulaklıkta doğru duyulur. Onu "rekabet etmek" için -12'ye itmek, ihtiyacınız olmayan bir limiter satın almaktır.

Son kurgudan önce ölçmek. Crossfade'ler, oda sesi dolguları ve müzik yatakları entegre loudness değerini değiştirir. En son ölçün.

Tek bir ölçer eklentisine körü körüne güvenmek. Aynı dosyada ölçerler birkaç onda bir LU içinde uyuşmalıdır. İkisi 1 LU veya daha fazla fark ediyorsa, herhangi birine güvenmeden önce geçitleme ayarını ve ölçüm modunu kontrol edin.

True peak değerini yok saymak. +0,3 dBTP tepe değeriyle loudness hedefini tutturmak çoğu spesifikasyonda başarısız bir teslimattır.

Dosyaları kulakla, farklı loudness'ta karşılaştırmak. Daha yüksek dosya neredeyse her zaman A/B testini kazanır. Bir sesi, eklentiyi ya da klonu yargılamadan önce seviyeleri eşitleyin. Bu, TTS sağlayıcılarını karşılaştırırken doğrudan geçerlidir: önce entegre loudness'ı eşleştirin, sonra dinleyin.

Bu, işlem hattınızda neyi değiştirir?

Standardı ezberlemeniz gerekmiyor. Üç alışkanlığa ihtiyacınız var.

Birincisi, hedefi seçmeden önce varış noktasını seçin. Akış müziği, podcast beslemeleri, yayın ve sesli kitap perakendesinin her birinin kendi rakamı vardır ve bazıları LUFS yerine RMS kullanır.

İkincisi, üretilmiş sesi düzenlenmemiş stok gibi ele alın. Her klibi ölçün, karakter bazında gruplayın ve aradaki farkı düz kazançla kapatın.

Üçüncüsü, kararlarınızı entegre loudness ve true peak değerlerini birlikte kullanarak verin. Birini diğeri olmadan kontrol etmek, üretimde başarısız olacak dosyaları geçirir.

Sıkı uyum gereksinimleri olan kurumsal bir seslendirme işi yapıyorsanız, WellSaid Labs gibi yönetişim özellikleri olan bir sağlayıcı bu satın alma yapısına uyar. Tek başına çalışıyorsanız bir ölçer, bir hedef ve karakter başına ofset tutan bir liste ile başlayın.