Článek

Čištění a příprava zvuku pro podcast

Surová hlasová nahrávka obvykle potřebuje před publikováním tři věci: konzistentní úroveň hlasitosti, formát a datový tok, který streamovací platformy očekávají, a upřímné posouzení toho, co odstraňování šumu skutečně dokáže. Tento článek pokrývá tyto kroky pomocí audio-volume, vocal-remover a audio-converter, vše spuštěné lokálně v prohlížeči.

Napsal Bastien Sulyan · Publikováno dne 30. června 2026

Hlasitost vs špičková úroveň: proč LUFS záleží více než špičková úroveň

Špičková úroveň měří jediný nejhlasitější vzorek v zvukovém souboru. Hlasitost vyjádřená v LUFS (Loudness Units relative to Full Scale) měří vnímanou energii v čase. Podcast nahraný na špičkové hodnotě -3 dBFS může stále znít tiše, pokud většina signálu leží mnohem níže. Streamovací platformy a podcastové adresáře normalizují zvuk na cílovou hlasitost při přehrávání, typicky -14 LUFS pro hudební služby a -16 LUFS pro mluvené slovo, takže odeslání na velmi odlišné úrovni znamená, že platforma váš zvuk stejně ztlumí nebo zesílí. Cílení na integrovanou hlasitost -16 LUFS vám dá hotový soubor, který odpovídá výchozímu nastavení platformy, je konzistentní s ostatními pořady a ponechává malý prostor před digitálním stropem na 0 dBFS. Skutečná špičková úroveň, která zohledňuje mezivzorkové přebuzení, se obvykle drží pod -1 dBTP. Zaměření na tato dvě čísla společně dává čistší výsledek než sledování pouze špičkové hodnoty.

Osoba se sluchátky nahrávající podcast, mluvící do stolního mikrofonu před počítačem — Photo: Guillaume Bonzoms, CC0, via Wikimedia Commons

Zisk a normalizace s audio-volume

audio-volume umožňuje upravit zisk souboru v decibelech nebo aplikovat normalizaci hlasitosti. Pokud je nahrávka konzistentně tichá, přidání zisku v dB zvýší celý signál o pevnou hodnotu. Rizikem je přebuzení: pokud jakákoli špičková hodnota již sedí blízko 0 dBFS, pozitivní offset zisku ji překročí a zavede digitální zkreslení. Před aplikací zisku zkontrolujte průběhovou vlnu a po úpravě udržujte skutečnou špičkovou úroveň pod -1 dBFS. Normalizace hlasitosti využívá jiný přístup. Nástroj spouští filtr loudnorm z FFmpeg s výchozím cílem -24 LUFS integrované hlasitosti, nikoli s hlasitějšími cíli, které doporučují některé podcastové platformy. Jednoprůchodový loudnorm je dynamický proces, ne plochý offset zisku: sleduje hlasitost v čase a upravuje signál tak, aby konvergoval k cíli, což se u nekonzistentní nahrávky může chovat trochu jako lehká komprese dynamického rozsahu. Pro hlasovou nahrávku s velkými výkyvy úrovně mezi větami stále dává vyhrazený kompresor nebo omezovač aplikovaný před normalizací kontrolovanější výsledek, ale tyto kroky jsou nad rámec toho, co audio-volume zpracovává.

Co potlačení středového kanálu dokáže a nedokáže

vocal-remover aplikuje techniku potlačení středového kanálu. Ve stereo souboru se říká, že signál, který se identicky objevuje v levém i pravém kanálu na stejné úrovni a fázi, je panoramovaný do středu. Odečtení pravého kanálu od levého odstraní vše, co sedí ve středové pozici, přičemž zůstane převážně obsah panoramovaný do stran. Toto vytváří karaoke efekt na komerčně masterovaných hudebních nahrávkách, kde jsou hlavní vokály typicky panoramovány do středu. Nedetekuje ani neodděluje hlasy pomocí žádného modelu řeči. Neodstraňuje hluk pozadí, ozvěnu místnosti, brumění klimatizace nebo provoz. Neisoluje váš podcastový hlas od okolního zvuku v jednokanálové nebo mono nahrávce, kde není žádný fázový rozdíl k využití. Výsledek také zhoršuje stereo šíři zachovaného obsahu. Pro podcastovou stopu nahranou v hlučné místnosti je potlačení středového kanálu nesprávným nástrojem. Praktickými možnostmi pro hluk pozadí jsou akustická úprava, směrový mikrofon nebo zásuvný modul brány v specializovaném editoru zvuku.

Diagram stereo zvukového souboru s levým a pravým kanálem zobrazeným odděleně; středově panoramovaný signál je identický v obou kanálech a je odečten, přičemž zůstane obsah panoramovaný do stran.

Export pro distribuci: formát, datový tok a mono vs stereo

Většina podcastových adresářů přijímá MP3 a AAC. MP3 je nejkompatibilnější volbou; každý přehrávač a platforma ho podporuje. AAC při stejném datovém toku je mírně efektivnější, ale vyžaduje podporovaný kontejner jako .m4a. Pro jednohlasový podcast je 64 kbps mono MP3 obecně dostačující: řeč zabírá úzký frekvenční rozsah a mono odstraňuje redundanci kanálů. Pokud váš pořad obsahuje hudbu, zvukové efekty nebo více moderátorů panoramovaných pro efekt, 128 kbps stereo poskytuje extra prostor. Přechod nad 128 kbps pro řeč nepřinese žádné slyšitelné zlepšení a zvyšuje velikost souboru, což ovlivňuje dobu stahování pro posluchače s pomalým připojením. Hodinová epizoda při 64 kbps mono má přibližně 28 MB; při 128 kbps stereo je to přibližně 56 MB. Smíchání do mono před exportem také snižuje data na polovinu ve srovnání se stereo při stejném datovém toku. audio-converter zpracovává výběr formátu a datového toku. Nastavte vzorkovací frekvenci na 44,1 kHz pro kompatibilitu; 48 kHz je konvencí videa a není vyžadováno pro distribuci pouze zvuku.

Lokálně: žádný soubor neopustí vaše zařízení

audio-volume, vocal-remover a audio-converter běží v prohlížeči pomocí WebAssembly. Zpracování zvuku probíhá uvnitř paměti prohlížeče; soubor je přečten z vašeho lokálního disku, zpracován celý na vašem zařízení a výstup je nabídnut jako lokální stažení. Nic není odesláno na žádný server. To je důležité pro produkci podcastů, kdy je obsah citlivý, rozhovor nahraný před publikací, konverzace pod embargem nebo jednoduše nahrávka, kterou nechcete na serveru třetí strany. Stejné omezení platí pro limity: nástroje dělají to, co jejich implementace podporuje, ne více. audio-volume aplikuje zisk a normalizaci hlasitosti. vocal-remover aplikuje potlačení středového kanálu. audio-converter převádí formát a datový tok. Každý nástroj dělá jednu definovanou věc a výstup je to, co váš lokální hardware dokáže vypočítat.

Nástroje v tomto článku

Časté dotazy

Co je -16 LUFS a proč je to cíl pro podcasty?

-16 LUFS je integrovaná úroveň hlasitosti, na kterou většina podcastových aplikací a adresářů normalizuje při přehrávání. Odeslání na -16 LUFS znamená, že vaše epizoda se přehraje přibližně na úrovni, kterou jste zamýšleli, aniž by platforma aplikovala velké automatické korekce. Hodnota pochází ze standardu ITU-R BS.1770 pro hlasitost vysílání, přizpůsobeného Apple Podcasts a Spotify pro mluvený obsah.

Dokáže vocal-remover odstranit hluk pozadí z mé podcastové nahrávky?

Ne. vocal-remover aplikuje potlačení středového kanálu, které odečítá signál identický v obou stereo kanálech. Hluk pozadí v podcastové nahrávce není panoramován do středu způsobem, na který by potlačení mohlo cílit, a mono nahrávky nemají žádný rozdíl kanálů k využití. Pro redukci hluku pozadí použijte akustickou úpravu, směrový mikrofon nebo specializovanou bránu šumu nebo nástroj pro spektrální opravu v editoru zvuku.

Mám exportovat podcast v mono nebo stereo?

Pro jednohlasovou nahrávku je mono při 64 kbps MP3 standardní volbou. Snižuje velikost souboru na polovinu ve srovnání se stereo při stejném datovém toku a nemá žádnou slyšitelnou nevýhodu pro řeč. Použijte stereo, pokud epizoda obsahuje hudbu, více moderátorů záměrně panoramovaných nebo zvukový design, který závisí na oddělení kanálů.