Co można zrobić drogi Romku?

Takie niewinne pytanie zadał mi nasz znajomy Wojteczek, kiedy – pewnie nieświadomie – zdecydował się na zmontowanie swojej pierwszej składanki. Piszę „nieświadomie”, bo gdyby był świadom, szybko by ze zmontowania składanki zrezygnował.
Powiedzmy, że mamy 10 utworów z różnych płyt i chcemy je nagrać na składankową płytę, ale tak, żeby brzmiały mniej więcej tak samo głośno. Co można wtedy zrobić?

Normalizacja.

Czyli wyrównanie maksymalnej amplitudy sygnału w każdym utworze do pewnej ustalonej wartości.

To proste, bo robi to każdy program do edycji wav.
To trwa, bo polega na przetworzeniu wszystkich próbek wszystkich utworów.
To nie ma sensu, bo amplituda, to wyjaśniałem, nie decyduje o głośności. Nagrane z tą samą maksymalną amplitudą Love Me Tender boskiego Elvis’a będzie wielokrotnie głośniejsze (ucho najczulsze jest na głos z gitarą – to te najlepsze częstotliwości) od każdego utworu, np. Pizzarell’ego (bo tam maksymalną amplitudę daje nie głos a talerze perkusji i kontrabas, a tego akurat ucho ludzkie prawie nie słyszy).

RMS

Czyli wyrównanie wartości skutecznej sygnału w każdym utworze do pewnej ustalonej wartości.

To nie jest proste, bo znam tylko jeden program, który jest to w stanie zrobić – Cool Edit Pro.
To bardzo długo trwa, bo przed przetworzeniem wszystkich próbek wszystkich utworów, trzeba je najpierw przeanalizować, czyli obliczyć tę wartość skuteczną.
Ma sens, ale nie jest idealnym rozwiązaniem, bo RMS sam w sobie nie uwzględnia fizjologii. Wprawdzie Cool Edit odpowiednio modyfikuje RMS, ale niestety oblicza RMS z całego utworu i utwory o bardzo zmiennej głośności w czasie (na początku bardzo cicho, potem głośno) dają zafałszowany wynik. Utwór jest „niby” cichy a wcale tak nie jest.

Reply Gain.

Bingo! Kilka lat temu, taki sobie zwykły facet (David Robinson), nie żadna firma czy konsorcjum, wymyślił co z tym zrobić. Zaproponował standard, który się przyjął i – to najlepsze – działa, choć wcale nie jest to takie proste (żeby działało). Szczegóły można znaleźć na stronie Pana Davida a w skrócie wygląda to tak:

Analizujemy plik (dowolnego formatu) za pomocą sprytnego i szybkiego algorytmu otrzymując wartość RG - bardzo dobry odpowiednik „praktycznej” głośności.
Wartość tę porównujemy z poziomem odniesienia (np. 89dB, to się już przyjęło) i zapisujemy poziom odniesienia oraz różnicę. Gdzie? Otóż w części niemerytorycznej pliku dźwiękowego – każdy format takie miejsce ma. Programy do tego są różne, wszystkie darmowe a od formatu obrabianego pliku zależą pewne dodatkowe możliwości (np. w przypadku formatu mp3 i programu MP3Gain można zapisać informacje do „undo”).

Kiedy to przeczytałem, to się uśmiałem. Tak, jakiś nikomu nieznany facet, zapisze coś w pliku mp3 i teraz Winamp (np.) będzie ten mp3 odtwarzał ciszej? Wolne żarty!

I tu się ksiądz proboszcz ciulnął. Odtwarza ciszej.

No, no ale jak taki plik mp3 wciągnę do Nero, to co? Bez jaj, nagra na płytę CD ciszej? Otóż proszę Państwa nagra ciszej. A jak go najpierw przekonwertuję na wav, to co, będzie cichszy? Tak będzie cichszy!

No, ale to niemożliwe, żeby takie mp3 z zapisanym RG i nagrane na płytkę mój odtwarzacz samochodowy Blaupunkt odtwarzał ciszej! Możliwe! Odtwarzacz samochodowy Blaupunkt odtwarza je ciszej.

Sprawa niby beznadziejna okazała się dość prosta. W przypadku mp3 o odtwarzaniu decyduje kodek a nie program. Kodekiem, który już dawno opanował format mp3 jest, rozwijany na zasadzie „open source”, kodek Lame. To praktyczny standard i nikt się nie odważy napisać dziś programu do kodowania czy dekodowania z jego pominięciem. Źródła są dostępne i darmowe i trzeba samozaparcia Microsoftu, żeby udawać, że czegoś takiego nie ma. A Lame, otórz Lame już dawno włączył do kodu … Reply Gain. I widocznie nawet w „kościach” w odtwarzaczu Blaupunkt ten kosmiczny pomysł znalazł swe miejsce.