Как сделать звук четче
Обработка аудио для ютуба и стримов: как сделать дикторский голос программными средствами
Содержание
Содержание
Создание видеороликов, трансляция подкастов и стримов — все это становится популярнее с каждым годом. Растущая конкуренция выдвигает больше требований к качеству контента, особенно к технической части — мало кто будет терпеть хрипящий звук и едва различимую речь, которую заглушает фоновая музыка. В этой статье рассматриваются базовые методы обработки голоса, которые помогут сделать его сопоставимым по качеству с речью профессионального диктора или радиоведущего.
Общие советы
Стоит сразу оговориться: хорошего результата не получится без хороших «сырцов» — исходный материал должен быть качественным. В идеале, речь должна не только записываться на хороший микрофон и звуковую карту, но и быть начитанной с дикцией, произношением, интонациями, выразительностью, характером, манерой и правильным дыханием. Возможные дефекты речи — ярко выраженная картавость или гнусавость — обработкой не исправляются.
Набор неплохих бесплатных плагинов от DAW Reaper можно скачать с официального сайта — там есть все необходимое. Для тех, кто всерьез увлечется звукорежиссурой, можно посоветовать более продвинутые пакеты плагинов от Waves, Fabfilter, Softube — их существует множество на любой вкус.
Обработку стоит выполнять на студийных мониторах или в наушниках студийного уровня. Без качественного контроля будет сложно разобрать, что вообще происходит с аудиосигналом.
Обрабатываем звук для оффлайн-видео
Итак, голос записан, и теперь нужно его обработать.
Начать стоит счистки материала: убрать все шумы в паузах, если необходимо — вдохи, вздохи и другие артефакты. Можно сделать все вручную, а можно поставить нойз-гейт. Он должен находится в самом начале цепи обработки. Настроить гейт очень просто: параметр threshold означает порог его срабатывания, здесь нужно взять самый громкий участок с шумами и сделать уровень thrershold чуть выше его. Attack — как быстро гейт «открывается» для пропуска полезного сигнала, release — как быстро он «закрывается» для удаления шума. Главное, чтобы гейт не откусывал слишком тихие слова.
Следующий шаг — шумоподавление. Нужно найти участок записи без какого-либо сигнала, чтобы на нем присутствовал только шум цепи звукозаписи. Если уровень шума ниже 50 дБ (как на скриншоте выше) — можно смело махнуть на него рукой и не делать ничего, такой шум никто не услышит. Если шум явно заметен, можно использовать специальные плагины (например, reafir от Reaper или denoiser в Cubase) для его удаления, либо подрезать эквалайзером пару самых шумных частот — точно так же, как будут удалятся резонансы в следующем пункте.
Фильтрация и удаление резонансов. Бывает, что низкий мужской голос начинает неприятно бубнить в районе 100–200 Гц, либо высокий женский тембр в сочетании с не самым лучшим микрофоном неприятно режет по ушам. Так и проявляются резонансы. Избавиться от них просто: нужно поставить в цепь обработки эквалайзер и узкой полосой с большим усилением (10–30 дБ) “пройтись” по всему частотному спектру, вычисляя самые неприятные места с режущим ухо свистом, звоном или гудением. Их необходимо ослабить узкой полосой на 3–5 дБ. Главное здесь не перестараться — удаления всего двух-трех основных резонансов обычно хватает для дикторского голоса.
Поиск и подрезание резонанса
Помимо этого, можно вовсе удалить целые куски спектра, в которых нет никакого полезного сигнала. Это делается с помощью low-pass и hi-pass фильтров, которые обрезают высокие и низкие частоты соответственно.
Чаще всего проблемы встречаются в следующих областях:
● Ниже 75–100 Гц — здесь находится, в основном, низкочастотный бубнящий шум. Можно смело применить hi-pass фильтр и обрезать все до этих значений.
● 100–150 Гц — тут нередко находятся гудящие частоты, особенно это касается мужского вокала, записанного в небольшой комнате. Можно подрезать их узкой полосой.
● 800–1000 Гц — здесь может располагаться «гундосый» назальный тон, который также имеет смысл подрезать узкой полосой.
● 4–9 кГц — тут находятся сибилянты — шипящие согласные звуки «с-с-с», «ш-ш-ш», «щ-щ-щ», которые могут неприятно свистеть при записи. Для борьбы с ними обычно используется деэссер — специальный прибор, который смягчает резкость свистящих согласных. Но можно не заморачиваться, найти самую неприятную частоту и также подрезать ее узкой полосой.
● Выше 16 кГц — в человеческой речи редко присутствует что-то полезное выше этой частоты, так что можно смело применять low-pass фильтр.
Так выглядит эквалайзер после вырезания резонансов и ненужных частот
Добавление недостающих частот. Теперь, когда остался только полезный сигнал, нужно сделать его четче и ярче. В качестве отправной точки будут полезны следующие данные:
● 180–240 Гц — прибавление 3–5 дБ широкой полосой в этой области сделает мужскую речь более полной и читаемой. Для женской речи это будет 200–300 Гц.
● 1.5–2 — 5 кГц — это самый важный диапазон для голоса, так называемая область разборчивости. Человеческий слух наиболее чувствителен именно к этим частотам, стоит прибавить их широкой полосой на 3–8 дБ.
● 9–11 кГц — эти частоты отвечают за яркость голоса. Их очень часто не хватает в речи, записанной даже на студийный микрофон, особенно в заглушенной комнате, которая с аппетитом пожирает верха вокала. Нередко приходится значительно прибавлять этот диапазон — на 6–12 дБ, чтобы придать речи ясности. Но нужно следить за шипящими согласными.
● Выше 12 кГц — это область «воздуха», поднятие которой позволит сделать речь более натуральной и яркой. Обычно для этой и предыдущей области частот используется параметр эквалайзера hi-shelf, который выглядит как «планка» и позволяет моментально «осветлить» голос.
При эквализации низких частот лучше использовать узкие полосы, а при высоких — широкие, это сделает работу эквалайзера менее заметной.
Компрессия. Компрессором убирается разница между громкими и тихими участками записи. В итоге голос будет звучать равномерно, от хлопков и кашля слушатель не будет вздрагивать, а при шепоте ему не придется прибавлять громкость. Понять работу компрессора поможет аналогия с громкой музыкой в комнате, которая не нравится соседу за стенкой. Параметр threshold будет тем критическим уровнем громкости музыки, при превышении которого сосед начинает тарабанить по батарее монтировкой; attack — как быстро он бежит к батарее при превышении этого уровня; ratio — насколько нужно убавить громкость, чтобы успокоить соседа; а release — как долго сосед перестает возмущаться после убавления громкости. Сосед-компрессор заставляет несчастного меломана держать уровень громкости музыки в определенных пределах. Начать настройку можно со следующих значений:
● Ratio: 4:1 (таким образом, если сигнал превышает порог на 4 дБ, то он скомпрессируется до 1 дБ выше порога)
● Attack: как правило, для голоса хорошо работает быстрая атака в районе 5–10 мс, она позволяет компрессору срабатывать мгновенно. Если при этом компрессия начинает съедать согласные — атаку нужно увеличить.
● Release: если в компрессоре есть функция авторелиз, можно ей и воспользоваться. Если нет — начать стоит с 40–50 мс.
● Output или make-up: если в компрессоре есть функция автомейкапа, можно применить ее. В противном случае компенсацию громкости можно выполнить вручную на слух — главное, чтобы итоговый сигнал не попадал в красную зону.
Есть проверенный метод настройки компрессора «на слух» для новичков: нужно выкрутить ratio и threshold на максимум, attack и release — на минимум. Так будет лучше слышно, что прибор делает с сигналом. Далее подбирается атака, потом релиз, а параметрами ratio и threshold регулируется уровень до желаемых значений. Как правило, уровень компрессии отображается на индикаторе «вверх ногами», ведь компрессор работает на понижение сигнала. Параметр threshold следует установить таким образом, чтобы компрессор срезал около 6 дБ для тихого голоса и около 12 дБ для громких участков.
Лимитер и компрессор в роли лимитера
Если фоновая музыка в видео заглушает речь, нужно выставить RMS музыки и RMS голоса одинаковыми, после чего убавить музыку на 5–10 дБ. Если в некоторых местах слова все еще неразборчивы, можно применить к музыкальной подложке эквализацию. Достаточно посмотреть на эквалайзер для речи и сделать все наоборот в эквалайзере для музыки: например, если в речи 5 кГц приподнято широкой полосой, то в музыке эти же 5 кГц нужно убавить.
Обрабатываем звук в онлайне
У стримов и подкастов есть своя специфика при обработке голоса — здесь важно, чтобы плагины не были ресурсоемкими и не сильно грузили компьютер. Поэтому стоит использовать минимально необходимый набор эффектов.
Чаще всего для стримов используется программа OBS Studio. В ней можно загружать точно те же VST-плагины для обработки звука, что и в DAW. Если используется не OBS Studio, то для обработки голоса можно воспользоваться отдельной программой для потоковой обработки звука VSTHost, она работает с любыми приложениями для стримов.
Так выглядит плагин ReaFIR в OBS Studio
Для обработки голоса потребуется необходимый минимум:
2. Гейт. Если в звуке для оффлайн-видео можно вручную вырезать все крики детей за окном и рев соседского перфоратора за стеной, то с онлайном такой фокус не провернуть. Понадобится гейт.
● Release можно сделать длинным, около 200 мс, поскольку работа гейта будет слишком слышна при быстром релизе. Правильно настроенный гейт почти незаметен для слушателя и удаляет лишь шумы и призвуки в паузах между фразами.
● Уровень гейта нужно сделать чуть выше, чем фоновый шум, не стоит выставлять уровень рядом с уровнем голоса.
● Простой способ настройки гейта для речи — нужно сложить губы трубочкой и шумно выдохнуть воздух в сторону от микрофона, запомнить на индикаторе значение уровня этого шума и выставить его на гейте.
3. Эквалайзер. Здесь все то же самое, что и для оффлайн-видео: нужно отфильтровать лишние частоты, вырезать пару самых противных резонансов и добавить частот в области разборчивости. Также стоит посмотреть на индикатор: если звук после обработки эквалайзером «пикует» в красной зоне, нужно прибрать выходной Gain, если, наоборот, слишком тихий — прибавить.
4. Компрессор. Для стримов он имеет даже большее значение, чем для оффлайн-видео — в онлайне ни один диктор не сможет уследить за динамикой своего голоса на протяжении нескольких часов. Следует быть готовым к тому, что речь будет то едва слышной, то слишком громкой. Поэтому нужно использовать более жесткие настройки компрессора, чем для оффлайн-видео. Начать можно с ratio 10:1, атаки 5 мс и релиза в 30 мс или автоматически.
При подобных настройках нет необходимости в лимитере — компрессор будет выполнять его роль. Но если динамика речи очень большая и не позволяет настроить гейт (то слова начинают обрезаться, то шум просачивается в эфир), тогда можно использовать два компрессора: первый, с более мягкими настройками (ratio 3:1) поставить перед гейтом, второй, в качестве лимитера — в конце цепи (ratio выкрутить на максимум, threshold — так, чтобы компрессор срабатывал только при очень громких фразах).
Дайте послушать результаты!
Разобраться в обработке звука по тексту бывает непросто, но результат того стоит. Смотрите сами. Точнее, слушайте.
Качественный звук в современных видео и стримах значит ничуть не меньше, чем видео в высоком разрешении. А порой и больше — ведь многие ставят ролики на фон, смотря их вполглаза и воспринимая происходящее в основном на слух.
При этом стоит учесть, что данное руководство дает лишь базовые настройки в качестве точки отсчета. Конечный результат должен подбираться аудиально, ведь главный инструмент в работе звукорежиссера — это его собственные уши.
Как получается объемный звук в наушниках
Содержание
Содержание
Прежде, чем понять, как появляется «трехмерный» звук и почему мы его не слышим через некоторые колонки, необходимо разобраться в устройстве нашего уха. Звук — это волна, давящая на барабанную перепонку. Нервные клетки преобразовывают эту вибрацию в электрический сигнал, который направляется в мозг. Разум распознает и интерпретирует волну, превращая ее в бах, визг, скрип и прочее. Благодаря этому мы способны отличить звук падения монеты от крика чайки.
Почему мы слышим 3D-звук
Мозг с помощью матушки эволюции пришел к выводу, что есть необходимость определить, с какой стороны рычит зверь, а с какой собрат по племени призывает спрятаться в уютную норку. Для этого пришлось научиться воспринимать окружающие звуки двумя ушами с разной скоростью. Разница в 0,7 миллисекунд между правым и левым ухом помогает определить, откуда кричит зверь с точностью до 3 градусов по горизонтали. Если угроза прячется на дереве или сидит на скале, точность определения локации снижается до угла в 15 градусов по вертикали. В целом этого достаточно, чтобы не быть съеденным.
Мозг — удивительный инструмент, способный различать отдельные музыкальные инструменты, тембр голоса, отражение звуковой волны от окружающих предметов: мебели, стен, потолка, окон. Мелодия, звучащая в пустой комнате, значительно отличается от той, что играет в помещении с мебелью. Идеально предать природный звук с помощью технических средств позволяет только бинауральное звучание — восприятие звука двумя ушами.
Первое устройство, компенсирующее разницу достижения звука к обоим ушам, презентовал Скотт Алисон в 1858 году — псевдофон (прибор, который перемещает пространственное расположение звуков так, что те, которые обычно поступают в правое ухо, начинают поступать в левое, и наоборот; был разработан для изучения процесса локализации звуков — прим. ред.). Благодаря особой заслонке в вертикальной и горизонтальной плоскостях, инженер создал иллюзию объемного звука. Спустя 75 лет ученым удалось добиться схожих результатов с помощью HRTF(функция, определяющая то, как именно человек воспринимает звук, исходящий из определенной точки в пространстве — прим. ред.).
Устройство наушников
В центре каждого динамика расположен магнит, рядом катушка и мембрана. Ток проходит через катушку, создавая магнитное поле, колебания воздействуют на мембрану. В результате этого движения создается высокое и низкое давление на окружающее воздушное пространство, появляется звуковая волна. Такого же результата можно добиться более примитивным способом, ударив палкой по пустой бочке — вибрация создаст сжатые потоки воздуха, которые принесут в наше ухо «мелодичный» звук.
Пляски с бубном
Основная проблема в передаче качественной записи объемного звука — строение человеческого тела. Уши человека, как и отпечатки пальцев или сетчатка глаза — уникальны. Это означает, что каждый из нас по-разному воспринимает один и тот же звук. Немного подумав, ученые решили — нужно решать проблему радикально, отрезав ушную раковину. Занимались этими странными делами в научно-исследовательской лаборатории Белла в 1931–1932 годах в США. Экзекуции подвергался манекен, в его слуховые проходы были внедрены микрофоны. На записывающие устройство транслировались звуки музыкальных инструментов хора.
Добившись идеального звучания в искусственной голове, ученые дали послушать запись с ушных микрофонов испытуемым. Подопытные отметили высокое качество звука, натуральность и возможность различить отдельные инструменты, объемное звучание. Но запись не была идеальной. Оказалось, что кроме раковин, влияние на восприятие оказывает строение ушного канала, расположение костей черепа. В лаборатории стали делать новые манекены по слепкам голов реальных людей. Собрав с десяток паттернов, ученые откалибровали звучание по усредненному варианту. Теперь бинауральные записи могут слушать практически все, чьи уши не сильно отличаются от среднестатистических.
В сети есть ролик для имитации обычного сеанса в барбершопе, после просмотра которого можно ощутить себя в парикмахерском кресле:
На второй объясняется секрет записи объемного звука. Все просто — нужно использовать два микрофона, установленных по схеме А–Б, а воспроизводить запись — в 7-канальном режиме.
Колонки не дают полноценный объем?
Восприятию звука мешают окружающие предметы, наше собственное тело, голова, извилистость ушной раковины. Колонка одновременно транслирует сигналы для двух ушей, в результате правое ухо слышит звуки, предназначенные для левого и наоборот. Наушники четко разделяют звук для каждого уха. Создатели игр и фильмов давно бьются над проблемой объемного звучания, и они нашли несколько интересных решений. Существуют аудиодрайвера, так называемые «искусственные ушные раковины», позволяющие имитировать местоположение источника в виртуальном пространстве. Эффект можно почувствовать в наушниках при просмотре видео:
Трехмерный звук, распространяемый в пространстве, имеет высоту, ширину и глубину. Для полного погружения в среду искусственно создается вибрация, добавляется 5–7 источников сигнала, воздействующих попеременно с разным отклонением на правое или левое ухо.
Настраиваем 3D-звук в наушниках
Требуемого эффекта помогают добиться Sound-драйверы. В последней Windows есть специальные настройки для наушников. Технология была разработана Windows Sonic и Dolby Atmos.
Потребуется OS Windows, мышка и один щелчок по правой кнопке на значке аудио, в выпадающем меню необходимо выбрать пункт «Пространственный звук», нажать «Включить» и можно смело воспроизводить еще один ролик: