FFmpeg volumedetect: как проверить тихую запись перед расшифровкой
Чтобы проверить тихую запись в FFmpeg, примените volumedetect к звуковой дорожке и направьте результат в null. В журнале будут средний уровень и максимальный пик. Сравните отрывок с тихим ответом и фрагмент с обычной речью, затем прослушайте оба.
Почему одного пика недостаточно
Один громкий щелчок может поднять пик всей записи, хотя голос гостя едва слышен. Длинная пауза, наоборот, снизит средний уровень. Поэтому сначала сравнивайте короткие участки с речью, а потом решайте, нужно ли править копию.
Если цель — привести готовые выпуски к одному уровню, это отдельная задача нормализации в два прохода. Здесь мы только выясняем, где проверять разборчивость голоса.
Как измерить нужную дорожку и отдельные отрывки
Выберите дорожку со встречей
Если в файле несколько аудиопотоков, прослушайте нужный в плеере. В примере 0:a:0 означает первый звуковой поток первого файла. Для второго используйте 0:a:1 после подтверждения, что он содержит нужную речь.
Запустите измерение без экспорта
Для измерения выполните
ffmpeg -hide_banner -i "interview.mp4" -map 0:a:0 -af volumedetect -f null -. FFmpeg выводит статистику в журнал после обработки. Значения mean_volume и max_volume приведены в децибелах относительно максимального значения PCM. На выходе новый медиафайл не создаётся.Сравните два одинаковых отрезка
Для фрагмента вставьте перед
-iпараметры-ss 00:01:20 -t 8. Выберите одинаковую длительность для двух реплик. Для сравнения сохраняйте один поток и исключайте длинные паузы, если хотите сравнить именно голос.Прослушайте тихую речь и фон
Прослушайте оба участка и несколько секунд фона между ними. Если тихая речь тонет в шуме, простое усиление поднимет и фон. Если на громкой реплике слышно искажение, отметьте подозрительные участки в Audacity.
Учебный пример: громкий вопрос и тихий ответ
В вымышленном интервью голос ведущего попадает на первый поток вместе с гостем. Полный файл показывает пик около −3 дБ, но на 04:16 редактор с трудом разбирает имя.
Вопрос ведущего слышен ясно. Ответ гостя тихий, хотя максимальный уровень всей записи выглядит нормальным.
Редактор выбирает восемь секунд с ответом гостя и восемь секунд с вопросом ведущего. В учебном примере средние уровни отличаются на 15 дБ. При прослушивании выясняется, что тихий ответ остаётся разборчивым, если убрать музыку в монтажной версии.
Вместо усиления всего файла редактор сверяет монтажную копию с оригиналом. Он проверяет начало, ответ на 04:16 и последнюю реплику. В журнале оставляет отметку, какую версию передал на расшифровку.
| Что смотрим | Что значит | Что делать |
|---|---|---|
| Max volume | Максимальный отсчёт | Проверить место пика |
| Mean volume | Средний уровень участка | Сравнить с другой репликой |
| Тихий голос | Отдельный фрагмент | Прослушать слова и фон |
| Два потока | Разное содержимое | Проверить выбор дорожки |
Карточка проверки записи
Запишите поток, два интервала, значения из журнала и результат прослушивания. Эти данные пригодятся, если аудиофайл заменит другой участник проекта.
Файл и версия: Номер потока: Отрезок с обычной речью: Отрезок с тихой речью: Mean и max по каждому: Вывод прослушивания:
Как принять решение по результатам
- Измерен нужный звуковой поток.
- Интервалы сопоставимы по длительности.
- Тихие слова прослушаны отдельно.
- Для расшифровки выбрана проверенная копия.
Разберём детали
Mean_volume показывает LUFS?
Нет. Mean_volume отражает среднеквадратический уровень отсчётов. Для измерения воспринимаемой громкости используйте подходящий анализатор LUFS.
Пик около нуля доказывает клиппинг?
Пик около нуля указывает на высокий максимум, но сам по себе не доказывает клиппинг. Проверьте форму сигнала и прослушайте спорное слово.
Что делать, если выбранный участок почти бесшумный?
Сначала проверьте, что FFmpeg выбрал поток с речью. Если поток верный, сравните тихий фрагмент с исходником и найдите версию, где ответ различим.