話し声の音量を均一化

音量を自動でそろえるレベラーのしくみ

レベラーは、音量のフェーダーを自動で動かす手のようなものです。話し声を数秒ずつ聞き、会話の真ん中の音量より小さいフレーズや大きいフレーズを見つけて、真ん中に向けて上げ下げします。動かす量は上下とも12 dBまでで、約0.25秒かけてゆっくり動くので、文の中の言葉の抑揚はそのまま残ります。「強さ」は動かす量全体にかかり、50%なら各フレーズが動く幅は半分になります。

間は話し声ではないので、上げません。間が約0.5秒より長いときは、その前後の音量と同じかそれ以下に保ちます。話し手が替わるときの部屋の音や息つぎは、小さいゲストの声と一緒に大きくならず、静かなままです。

上げ下げのあと、ファイル全体を、話し声のポッドキャストでよく使われる-16 LUFSにし、トゥルーピークリミッターでピークを-1 dBTP未満に抑えます。結果の表示では、まず小さい話し声と大きい話し声がどれくらい離れているかを文で示し、次に3秒ごとのラウドネスのばらつき（話し声のいちばん小さい1割から、いちばん大きい1割まで）を、修正前と修正後で示します。

均一化、トラックのゲイン、ノーマライズのどれを使う？

• 1つにまとまったファイルの中で音量が時間とともに変わるときは、均一化を使います。ホストとゲストを1つのトラックに録った録音、マイクに近づいたり離れたりする話し手、片方の声が小さい通話などです。
• 1人ずつ別のトラックがあるなら、音声編集ツールでトラックごとのゲインを使います。トラックごとに一定の量で変えるほうが、フレーズごとに動かすよりきれいで、息つぎもすべて元の位置のままです。
• 録音全体が同じように小さいなら、音が小さいときの修正ツールを使います。話し声をまとめて持ち上げるので、話し手どうしの差はほぼそのまま残ります。
• ノーマライズは、1回のゲイン変更でファイルをラウドネスの目標値に合わせます。結果はLUFSメーターで確かめてください。声と声の差は縮まりません。均一化は差を縮めてから、ラウドネスを合わせます。

ノーマライズでホストとゲストの音量がそろわない理由 en(英語のページ)では、同じ会話をノーマライズ、トラックごとのゲイン、均一化で処理したものを再生し、話し手ごとに測った結果を示しています。

苦手なこと

• 同時に話す声。2人が同時に話すと1つのフレーズとして聞くので、両方の声が一緒に動きます。片方の声だけを引き上げることはできません。
• 笑い声、咳、叫び声。レベラーにとってはどれも大きい話し声なので、長い笑い声があると、まわりの言葉と一緒に数dB下がることがあります。
• BGMや効果音。大きい音楽は話し声として扱われるので、会話の下に流れるBGMも声と一緒に上げ下げされます。声の音量をそろえてから音楽を加えてください。
• ノイズ。小さい話し手の声を上げると、その言葉の下のサーッという音も大きくなります。先にノイズを処理してから、音量をそろえてください。
• 長いファイルは時間がかかります。60分、200 MBまでのファイル全体を処理し、1時間の音声だと、遅めのパソコンでは1分以上かかることがあります。