有關Audio normalization兩三事 (下)
- 進入正題
在”有關Audio normalization兩三事 (上)”裡，我們談到了有關音量如何定義與測量。然而，聲音訊號在數位系統的世界裡，採用的是dBFS (Decibels relative to full scale)為單位，以系統所能處理的最大量(Full scale)為基準，定為0 dBFS，並對其他值再做相對應的換算，所以數位音訊的db值均會是≤ 0。接下來在這篇裡，便會進入到正題 — Audio normalization。
Audio normalization可以分為兩種做法：Peak (level) normalization 與 Loudness normalization。
Peak normalization：將音訊最大(Peak)的地方，調整到特定音量，然後其他音訊做相對應的增/減調整。在FIG.1裡左側的範例裡，將各類型音訊的音量分布，隨著最大音量拉到0 db做相對調整。優點是方法簡單，只需要找出最大聲處與其音量，就能決定了整體的音量調整。缺點是Peak對於整體音訊不一定具有代表性：某個時間點出現大聲，並不代表整體都是大聲。所以normalization的結果好壞會因此受影響。FIG. 2 左側是一段調整前的電影對話，到後面時有出現一聲響亮槍聲，由於這突來的槍響，導致經過peak normalization後(FIG. 2右側)，調整幅度不大，電影對話仍舊聽起來很小聲。(來去聽聽看：調整前, 調整後)
Loudness normalization：先計算出整體聲音的平均音量，再將根據平均音量到期望音量的差值，作為調整的依據。在FIG. 1裡右側的範例，將各類型音訊的音量分布，隨著平均音量(綠色區域上界)拉到-24db後，跟著做相對應的調整。好處是平均音量對於整體聲音比較具有代表性，缺點就是計算較於複雜，大音量的地方有可能在調整後，音量爆表而被裁切到或是各音量間的對比也會變得不一樣。我們拿同一個電影片段來做Loudness normalization後(FIG. 3)，可以看/聽到前面的對話明顯變得大聲了，但是對話跟槍聲的大小對比也變得不同於原始聲音。
由於Loudness normalization較能將整體音量調整出期望的結果，因此，在LinearTV/ Broadcast領域裡是最主要的選擇。目前在歐美所遵循的產業標準有：
- (美) ATSC (A/85) “ATSC Recommended Practice: Techniques for Establishing and Maintaining Audio Loudness for Digital Television”：由Advanced Television Systems Committee所制定，其中提到“Target Loudness value should be –24 LKFS”。
- (歐) EBU R128 “Loudness Normalization and Permitted Maximum Level of Audio Signals”：由European Broadcasting Union所制定，其中提到 “The Programme Loudness Level shall be normalised to a Target Level of -23.0 LUFS”。
電視台與廣告商所製作的節目、廣告必須遵循這些標準，以讓電視上放送內容時，不會出現音量落差的問題。而目前在網路服務裡，雖然未看到有明確地遵循產業標準，不過音量問題的處理已各自默默在進行中了：上傳至Youtube的音量都經處理過 (網路上分享實測表示約落在 -13 LUFS)； DoubleClick Dynamic Ad Insertion說明裡提及，廣告影片上傳後，音量會遵循上述的歐美廣播標準進行處理；Audio Engineering Society針對串流服務所提出的 “Recommendation for Loudness of Audio Streaming and Network File Playback”，則是建議Target level設在-20~ -16 LUFS，這些都是可以作為參考。
此外，一致化影音內容的音量，除了可以解決先前提到，內容放送時音量落差的問題外，還能解決長久以來的音量競賽現象：為了吸引到注意，以求在茫茫音樂大海中脫穎而出，導致唱片裡音樂音量越調越大(大聲會讓聽眾有一種變好聽的錯覺)，同時也壓縮到了音樂原有的動態範圍(Dynamic range，就好像後製照片將顏色調亮時，有時候調太多會讓偏亮處調完後變成曝光過度，都白白的，看不出細節層次了)，從FIG. 4可以看到Michael Jackson的“Black or White”在不同年出版中，音量增長的情況。所以，當音量被規範後，多餘的音量提升就再也不必要，把聲音品質保留才是比較實際的了~
[附註]
- LKFS：Loudness, K-weighted, relative to full scale。定義於國際標準ITU-R BS.1770中。
- LUFS：Loudness units relative to full scale。使用於EBU R128中，而定義等同於LKFS。
[同場加映]
- 使用ffmpeg做peak/loudness normalization，ffmpeg loudnorm filter
- 用matlab實作的Loudness normalization 範例(EBU R128 Standard)
- 更多peak, loudness normalization的比較
- 附上以前的投影片供參考：
