Artykuł
Czyszczenie i przygotowywanie dźwięku do podcastu
Surowe nagranie głosowe zazwyczaj wymaga trzech rzeczy przed opublikowaniem: spójnego poziomu głośności, formatu i bitrate'u oczekiwanego przez platformy streamingowe oraz uczciwej oceny tego, co usuwanie szumów może rzeczywiście osiągnąć. Ten artykuł omawia te kroki przy użyciu narzędzi audio-volume, vocal-remover i audio-converter, wszystkich działających lokalnie w przeglądarce.
Głośność kontra szczyt: dlaczego LUFS ma większe znaczenie niż poziom szczytowy
Poziom szczytowy mierzy pojedynczą najgłośniejszą próbkę w pliku audio. Głośność, wyrażona w LUFS (Jednostki Głośności względem Pełnej Skali), mierzy postrzeganą energię w czasie. Podcast nagrany przy -3 dBFS szczytu może nadal brzmieć cicho, jeśli większość sygnału siedzi znacznie niżej. Platformy streamingowe i katalogi podcastów normalizują dźwięk do docelowej głośności podczas odtwarzania, zazwyczaj -14 LUFS dla usług muzycznych i -16 LUFS dla słowa mówionego, więc przesyłanie przy bardzo innym poziomie oznacza, że platforma i tak podgłośni lub ściszy Twój dźwięk. Celowanie w -16 LUFS zintegrowanej głośności daje gotowy plik, który pasuje do domyślnych ustawień platformy, jest spójny z innymi audycjami i pozostawia trochę przestrzeni przed cyfrowym sufitem przy 0 dBFS. Prawdziwy szczyt, który uwzględnia nadmiary między próbkami, jest zazwyczaj utrzymywany poniżej -1 dBTP. Celowanie w te dwie liczby razem daje czystszy wynik niż gonienie za samym celem szczytowym.
Wzmocnienie i normalizacja za pomocą audio-volume
audio-volume pozwala dostosować wzmocnienie pliku w decybelach lub zastosować normalizację głośności. Jeśli nagranie jest konsekwentnie ciche, dodanie wzmocnienia w dB podnosi cały sygnał o stałą wartość. Ryzykiem jest klipowanie: jeśli jakikolwiek szczyt już siedzi blisko 0 dBFS, dodatnie przesunięcie wzmocnienia przepchnie go powyżej, wprowadzając cyfrowe zniekształcenie. Sprawdź przebieg fali przed zastosowaniem wzmocnienia i utrzymuj prawdziwy szczyt poniżej -1 dBFS po korekcie. Normalizacja głośności przyjmuje inne podejście. Narzędzie uruchamia filtr loudnorm z FFmpeg z domyślnym celem -24 LUFS zintegrowanej głośności, a nie głośniejszymi celami zalecanymi przez niektóre platformy podcastowe. Jednoprzebiegowy loudnorm jest procesem dynamicznym, a nie płaskim przesunięciem wzmocnienia: śledzi głośność w czasie i dostosowuje sygnał, by zbiegał do celu, co przy niespójnym nagraniu może zachowywać się nieco jak lekka kompresja zakresu dynamiki. W przypadku nagrania głosowego z dużymi wahaniami poziomu między zdaniami dedykowany kompresor lub limiter zastosowany przed normalizacją wciąż daje bardziej kontrolowany wynik, ale te kroki wykraczają poza możliwości audio-volume.
Co anulowanie środkowego kanału może, a czego nie może zrobić
vocal-remover stosuje technikę anulowania środkowego kanału. W pliku stereo sygnał, który pojawia się identycznie w obu kanałach lewy i prawy przy tym samym poziomie i fazie, jest uznawany za wyśrodkowany. Odjęcie kanału prawego od lewego usuwa wszystko, co siedzi na tej centralnej pozycji, pozostawiając głównie treści przemieszczone na boki. To jest to, co tworzy efekt karaoke na komercyjnie wymiksowanym nagraniu muzycznym, gdzie wokale główne są zazwyczaj wyśrodkowane. Nie wykrywa ani nie oddziela głosów przy użyciu żadnego modelu mowy. Nie usuwa szumu tła, pogłosu pomieszczenia, szumu HVAC ani ruchu ulicznego. Nie izoluje głosu podcastu od dźwięków otoczenia w nagraniu z jednym kanałem lub mono, gdzie nie ma różnicy fazowej do wykorzystania. Wynik również pogarsza szerokość stereo zachowanej treści. W przypadku ścieżki podcastu nagranej w głośnym pokoju, anulowanie środkowego kanału jest niewłaściwym narzędziem. Praktycznymi opcjami dla szumu tła są akustyczna obróbka, kierunkowy mikrofon lub wtyczka bramki w dedykowanym edytorze audio.
Eksport do dystrybucji: format, bitrate i mono kontra stereo
Większość katalogów podcastów akceptuje MP3 i AAC. MP3 jest najbardziej kompatybilnym wyborem; każdy odtwarzacz i platforma go obsługuje. AAC przy tym samym bitrate jest nieco bardziej wydajny, ale wymaga obsługiwanego kontenera, takiego jak .m4a. Dla podcastu z jednym głosem, 64 kbps mono MP3 jest zazwyczaj wystarczające: mowa zajmuje wąski zakres częstotliwości, a mono usuwa wszelką redundancję kanałów. Jeśli program zawiera muzykę, efekty dźwiękowe lub wiele prowadzących rozmieszczonych dla efektu, 128 kbps stereo daje dodatkową przestrzeń. Wyjście powyżej 128 kbps dla mowy nie daje słyszalnej poprawy i zwiększa rozmiar pliku, co wpływa na czas pobierania dla słuchaczy na wolnych łączach. 60-minutowy odcinek przy 64 kbps mono to około 28 MB; przy 128 kbps stereo to około 56 MB. Miksunek do mono przed eksportem również zmniejsza dane o połowę w porównaniu do stereo przy tym samym bitrate. audio-converter obsługuje wybór formatu i bitrate'u. Ustaw częstotliwość próbkowania na 44,1 kHz dla kompatybilności; 48 kHz to konwencja wideo i nie jest wymagana dla dystrybucji wyłącznie audio.
Lokalnie: żaden plik nie opuszcza urządzenia
audio-volume, vocal-remover i audio-converter działają w przeglądarce przy użyciu WebAssembly. Przetwarzanie audio odbywa się w pamięci przeglądarki; plik jest odczytywany z lokalnego dysku, przetwarzany w całości na urządzeniu, a wyjście jest oferowane jako lokalne pobranie. Nic nie jest wysyłane na żaden serwer. Ma to znaczenie przy produkcji podcastów, gdy treść jest wrażliwa: wywiad nagrany przed publikacją, rozmowa objęta embargiem lub po prostu nagranie, którego nie chcesz na serwerze strony trzeciej. To samo ograniczenie dotyczy możliwości: narzędzia robią to, co obsługuje ich implementacja, nie więcej. audio-volume stosuje wzmocnienie i normalizację głośności. vocal-remover stosuje anulowanie środkowego kanału. audio-converter konwertuje format i bitrate. Każde narzędzie robi jedną określoną rzecz, a wyjście jest tym, co Twój lokalny sprzęt może obliczyć.
Narzędzia w tym artykule
- Głośność audioZwiększ, zmniejsz lub znormalizuj głośność audio w przeglądarce. Bez wysyłania.
- Usuwanie wokalu (karaoke)Zredukuj wyśrodkowany wokal, aby zrobić ścieżkę karaoke, w przeglądarce. Bez wysyłania.
- Konwerter audioKonwertuj audio do MP3, WAV lub AAC bezpośrednio w przeglądarce. Bez przesyłania.
- Scalaj pliki audioŁącz wiele plików audio (MP3, WAV, M4A, OGG…) w jeden. Przeciągnij, aby zmienić kolejność. Bez przesyłania.
Najczęściej zadawane pytania
Czym jest -16 LUFS i dlaczego jest to cel dla podcastów?
-16 LUFS to zintegrowany poziom głośności, do którego większość aplikacji i katalogów podcastów normalizuje się podczas odtwarzania. Przesyłanie przy -16 LUFS oznacza, że odcinek jest odtwarzany mniej więcej na zamierzonym poziomie bez stosowania przez platformę dużych automatycznych korekt. Wartość pochodzi ze standardu ITU-R BS.1770 dla głośności nadawczej, zaadaptowanego przez Apple Podcasts i Spotify dla treści mówionych.
Czy vocal-remover może usunąć szum tła z nagrania podcastu?
Nie. vocal-remover stosuje anulowanie środkowego kanału, które odejmuje sygnał identyczny w obu kanałach stereo. Szum tła w nagraniu podcastu nie jest wyśrodkowany w sposób, który anulowanie może wycelować, a nagrania mono nie mają w ogóle żadnej różnicy kanałów do wykorzystania. Do redukcji szumu tła użyj akustycznej obróbki, kierunkowego mikrofonu lub dedykowanej bramki szumów lub narzędzia naprawy spektralnej w edytorze audio.
Czy powinienem eksportować podcast w mono czy stereo?
Dla nagrania z jednym głosem, mono przy 64 kbps MP3 to standardowy wybór. Zmniejsza rozmiar pliku o połowę w porównaniu do stereo przy tym samym bitrate i nie ma słyszalnych wad dla mowy. Użyj stereo, jeśli odcinek zawiera muzykę, wielu prowadzących celowo rozmieszczonych lub dźwięk wymagający separacji kanałów.