Audio Normalization: Fix Volume Levels

我仍然记得有一天，一位客户紧急打电话给我。他们的播客节目刚刚上线，而听众们则涌向他们的收件箱，投诉不断。引子音乐震耳欲聋，访谈环节的声音几乎不可听见，而广告的结尾读白则介于二者之间。“我花了三个小时进行编辑，”他们说，声音颤抖。“我怎么会错过这一点？”答案很简单：他们从未对音频进行规范化。这一个疏忽让他们损失了数百个退订，并损害了与赞助商的关系。在作为一名专注于数字内容制作的音频工程师的十五年中，我看到过无数次这样的情况发生。

音频规范化不仅仅是一个技术复选框——它决定了内容是专业听起来还是业余。在制作播客、YouTube视频、有声书或音乐时，了解如何正确地规范化音频将把你的工作从令人沮丧转变为完美。在这本全面的指南中，我将与您分享我与2000多位内容创作者合作时学到的一切，从基本概念到使您的音频闪耀的高级技术。

音频规范化的真正含义（以及为什么每个人都会搞错）

让我先澄清最大的误解：规范化与压缩、限制或者“把一切都变大”是不同的。我有无数客户来找我，说他们“规范化”了音频，结果发现他们实际上应用了重压缩，破坏了动态范围。真正的规范化是一个简单而优雅的过程。

从本质上讲，音频规范化是将音频文件的整体音量调整到目标水平的过程。把它想象成调整音频的基准线，使得最响的峰值达到特定点——通常是-1 dB、-3 dB或0 dB，具体取决于你的交付平台。这被称为峰值规范化，它是最简单直接的一种。

但是事情到这变得有趣了：还有响度规范化，它是根据感知响度而不是仅仅根据峰值水平来调整音频。这是用LUFS（相对于全尺度响度单位）来衡量的，它革命性地改变了我们对流媒体平台音频的处理方式。Spotify规范化为-14 LUFS，YouTube为-13 LUFS，广播电视为-24 LUFS。理解这些目标至关重要，因为如果你交付的音频过于响亮，这些平台将自动将其调低——而且不总是以听起来良好的方式。

规范化背后的数学原理实际上相当优雅。如果你的音频在-6 dB时达到峰值，而你希望它在-1 dB时达到峰值，则规范化过程会在整个文件中应用+5 dB的统一增益。每个采样值都会乘以相同的因子，这意味着相对的动态（安静与响亮部分之间的关系）保持完全不变。这与压缩有根本的不同，压缩会通过让响亮的部分更安静和安静的部分更响亮来减少动态范围。

在我的工作室中，我根据内容类型使用三层规范化方法。对于音乐制作，我通常将规范化为-3 dB，以留出母带制作的余量。对于播客对话，我的目标是-16 LUFS，以确保跨设备的最佳清晰度。对于计划发送至YouTube的视频内容，我的目标是-13到-14 LUFS，以符合他们的规范化标准。这些目标各自服务于特定目的，并为该媒介提供最佳的听觉体验。

感知响度背后的科学以及为什么你的耳朵会欺骗你

这里有一个我用了多年才完全理解的事实：你的耳朵对于绝对响度的判断非常糟糕。我曾进行过针对300多名音频专业人士的盲测，甚至有经验的工程师在比较文件时也会持续误判响度水平。这是因为人类的听觉是频率依赖和上下文敏感的。在-10 dB时的1 kHz音调听起来远比在相同水平下的100 Hz音调响亮，尽管它们在峰值计上测量是相同的。

“峰值规范化根据音频中最响亮的点调整音量，而响度规范化则针对感知的平均响度——这种区分将对你的流媒体内容至关重要。”

这就是加权响度测量的重要性所在。ITU-R BS.1770标准定义了LUFS测量，使用了一种复杂的算法，模拟人类的听觉感知。它应用了频率加权，强调了我们耳朵最敏感的1-4 kHz范围，并且随着时间集成响度，而不仅仅是测量瞬时峰值。结果就是一种测量，实际上与人类听众感受到的响度相关。

我在职业生涯初期以艰难的方式学到了这一课。我正在混合一部包含叙述和音质不一的档案画面的纪录片。我将所有内容规范化为-1 dB峰值，认为我达到了音量一致性。当客户审查时，他们立刻注意到某些部分听起来比其他地方安静得多，尽管我的音频计显示峰值水平相同。问题在于档案画面的平均响度要低得多——有很多的余量，偶尔出现峰值。而叙述部分响度比较一致，尽管峰值相同，感知音量却更高。

解决方案是改为使用LUFS目标的响度规范化。当我将整个项目重新规范化为-16 LUFS时，感知响度变得相当一致。档案画面得到了显着提升，而叙述部分几乎没有变化。客户非常高兴，我学到了关于峰值水平和感知响度之间差异的宝贵教训。

现代响度规范化还考虑了所谓的门限，忽略在计算整体响度时非常安静的段落。这防止了长时间的静默或房间音调人为降低响度测量。实际而言，这意味着如果一个播客中有很多停顿，只要实际对话音量相似，就不会与一个连续对话的播客有不同的规范化。这一门限通常设置在相对于测量响度的-70 LUFS，这也是LUFS基础的规范化对于现实内容如此有效的原因之一。

峰值规范化与响度规范化：选择你的武器

经过数千个音频文件的工作，我开发出了一套明确的框架，用于何时使用每种类型的规范化。当你需要对余量进行精确控制，且处理的材料已经具有一致的响度特性时，峰值规范化是你的朋友。当你需要跨多样的源材料保持感知一致性，或者在交付到特定响度目标的平台时，响度规范化是必不可少的。

让我给你一个上个月完成的项目的具体例子。一位客户找到我，给我提供了24个播客集，这些集数是在两年内用不同的麦克风、在不同的房间和不同的录音水平录制的。有些集数的峰值为-12 dB，其他的则为-3 dB。如果我用了峰值规范化将所有的音频调整至-1 dB，那么-12 dB录制的集数将获得巨大的+11 dB提升，而-3 dB的集数只是获得+2 dB。这将导致感知响度极度不一致。

相反，我测量了每个节目的集成响度，发现它们范围在-22 LUFS到-14 LUFS之间——这是一个巨大的变化。通过将所有内容规范化为-16 LUFS（我为播客内容设定的目标），我实现了24集之间的感知一致性。有些集数需要显著的增益提升，其他的则需要轻微的减少，但最后的结果是一个连贯的听觉体验，订阅者可以连续收听而无需不断调整音量。