Sukatin muna ang mga podcast clip bago muling i-normalize

Maaaring pasok sa kabuuang target na lakas ng tunog ang isang episode pero hindi ang maikling sipi nito. Ibinubuod ng kabuuang antas ng lakas ng tunog, o integrated loudness, ang audio sa loob ng sinusukat na saklaw. Kapag binago ang saklaw, nagbabago rin ang binubuod. Maaaring iba ang bahaging sinasakop ng mahinang usapan, mas malakas na bahagi, o paghinto sa isang maikling clip kaysa sa buong episode.

Gumamit kami ng 2 sukat para sa file na ipapasa. Ang kabuuang antas ng lakas ng tunog, na ipinapakita rito sa LUFS, ay naglalarawan sa antas sa buong clip ayon sa mga tuntunin ng panukat sa pagbibigay ng timbang at pagpili ng mga bahaging isasama. Tinataya naman ng true peak ang mga tuktok ng signal sa pagitan ng mga digital sample. Ang pagpasa sa isang pagsusuri ay hindi patunay na pasado rin ang isa. Hindi rin pagsusuri sa pamamagitan ng pakikinig ang alinman sa dalawa para sa linaw ng pananalita, ingay, o husay ng pag-edit.

Batayan namin ang rekomendasyon ng Apple para sa podcast: kabuuang lakas ng tunog na nasa −16, na may palugit na ±1, at true peak na hindi lalampas sa −1. LKFS ang gamit ng Apple sa rekomendasyon nito; LUFS naman ang iniulat ng panukat na FFmpeg. Sinubukan namin ang pagitan na −17 hanggang −15 LUFS at kisameng −1 dBTP para sa true peak. Ito ang mga napiling limitasyon para sa paghahambing na ito, hindi pangkalahatang kailangan ng bawat social platform.^[3]

Itinakda sa −16 LUFS at −1.5 dBTP ang target ng pagproseso sa buong episode. Mula sa master na iyon, kinuha namin ang parehong mga bahagi sa nakatakdang posisyon para sa lahat ng 3 paraan. Ang bawat huling file ay stereo AAC sa 192 kbps at 48 kHz sa isang M4A container. Sinukat namin ang na-decode na file matapos i-export. Kaya inilalarawan ng resulta ang file na nabuo ng paraan, hindi lamang ang audio na pumasok sa encoder.

Sa direktang paggamit ng master, in-export at sinuri ang bawat bahaging pinutol. Sa palaging pag-normalize, ni-normalize muna ang bawat bahagi bago i-export at suriin. Sa pagsukat muna bago mag-ayos, nagsimula sa file na direktang in-export mula sa master, pinanatili ito kapag pasado, at inayos kung hindi. Kaya lahat ng 3 paraan ay may huling pagsusuri bago ipasa ang file.

Sa 72 file na direktang in-export mula sa mga master ng episode, 63 ang malinaw na pasok sa parehong limitasyon. May 7 pang malinaw na labas sa kahit isa sa mga limitasyon. Masyadong malapit sa hangganan ang natitirang 2 upang malinaw na masabing pasado o hindi pasado batay sa limitadong detalye ng numerong ipinapakita ng panukat. Pinanatili naming nakikita ang ikatlong kategoryang iyon sa halip na ituring na kumpirmadong hindi pasado ang mga file.

Inayos ng piling paraan kapwa ang 7 tiyak na hindi pasado at ang 2 malapit sa hangganan. Lahat ng 72 huling na-export na file nito ay nakapasa sa maingat na tuntunin. Nakagawa rin ng 72 huling file na pasok sa tuntuning iyon ang pag-normalize sa bawat bahaging pinutol. Ang pinagkaiba ay kung gaano karaming audio ang muling pinroseso: 9 na bahagi sa piling paraan, kumpara sa lahat ng 72 sa palaging pag-normalize.

May kapalit na dagdag na pag-export ang pagtitipid na iyon. Gumawa muna ng 72 file ang piling pag-aayos, saka pinalitan ang 9 sa mga ito, kaya 81 ang kabuuang pag-export. Sa palaging pag-normalize, 72 ang pag-export. Kailangan ng creator na pumipili sa dalawa ang parehong bilang. Hindi awtomatikong nangangahulugan ang mas kaunting pag-normalize ng mas kaunting pagsusulat ng file o mas kaunting kabuuang pagproseso.

Sa bawat pag-aayos, bumalik kami sa orihinal na bahaging walang pagkawala ng datos mula sa master ng episode. Sinukat namin ang bahaging iyon para sa pag-normalize, inilapat ang ikalawang pasada, nag-export ng pamalit na AAC, at sinuri ang pamalit. Hindi namin ni-normalize ang AAC na na-encode na, ni ginamit ang mga sukat nito para itakda ang gain ng ibang PCM input.

Mas maikli ang nasukat na pagproseso ng piling paraan kaysa sa pag-normalize sa bawat clip, kahit kasama na ang mga dagdag na pag-export at pagsusuri nito. Ang kabuuan ng median ng lumipas na oras para sa bawat saklaw ay 52.3 segundo sa direktang paggamit ng master, 108.6 segundo sa palaging pag-normalize, at 64.0 segundo sa pagsukat muna bago mag-ayos. Ganoon din ang pagkakasunod-sunod ng oras ng CPU: 56.3, 120.1, at 69.3 segundo, ayon sa pagkakasunod.

Kasama sa mga kabuuang ito ang kinakailangang mga proseso ng FFmpeg at ffprobe para sa bawat paraan: pag-export, pagbasa sa mga katangian ng file, pag-decode para sa pagsusuri ng kalidad, pag-scan sa PCM para sa pag-normalize, at anumang pag-export ng pamalit. Sa piling paraan, ibinilang ang unang pag-export at pagsusuri kahit kinailangan ding ayusin ang file sa huli. Ibinilang din ang ikalawang pag-export at pagsusuri.

Dumaan ang bawat saklaw sa bawat paraan nang 3 beses, na pinaiikot ang pagkakasunod-sunod ng pagpapatakbo. Kinuha namin ang median ng oras ng pagproseso para sa bawat saklaw, saka pinagsama ang 72 median. Kaya kabuuan ng mga median ng bawat saklaw ang nasa talahanayan, hindi ang lumipas na oras ng isang aktuwal na naobserbahang pangkat ng gawaing produksiyon. Ang 648 na pagpapatakbo ay pag-uulit ng pagsukat ng oras sa parehong 72 saklaw sa 3 paraan, hindi 648 magkakaibang clip.

Mula sa 1 Apple M4 computer ang mga sukat, gamit ang 1 worker. Saklaw nito ang native na pagproseso ng FFmpeg at ffprobe, kasama ang pagsisimula ng proseso. Hindi kasama ang hashing at serialization ng Python, ang magkakaparehong paghahanda ng mga master ng buong episode at mga bahaging pinutol, o anumang oras ng taong pumipili, nagsusuri, at nagpapasa ng mga clip. Hindi ito pagtataya ng buong oras ng trabaho ng editor.

May epekto sa praktikal na pagpili ang saklaw na iyon. Ang pangkat na may sistema ng pag-export na sumusukat na sa mga huling file ay maaaring gumamit ng resulta upang magpasya kung aling mga bahagi ang kailangang i-normalize muli. Iba ang maaaring kapalit para sa pangkat na kailangang magbukas ng hiwalay na tool at mano-manong mamahala ng mga pamalit. Hindi itinataya ng aming kabuuang oras ng pagproseso ang gastos sa mano-manong gawaing iyon, at hindi rin nito ipinapakita kung paano gagana ang ibang editor o device.

Pareho ang batayang bilang sa bawat haba: 24 saklaw, mula sa 4 na posisyon sa bawat isa sa 6 na programa. Sa direktang paggamit ng master, pumasa ang 19 sa mga 15-segundong clip, 22 sa mga 30-segundong clip, at 22 sa mga 60-segundong clip. Ang bilang na ipinasa para ayusin ay 5, 2, at 2, ayon sa pagkakasunod.

Naiiba ang dahilan ng pag-aayos sa mas mahabang clip. Lahat ng 5 kaso sa 15 segundo at parehong kaso sa 30 segundo ay tiyak na hindi pasado sa napiling mga limitasyon. Ang 2 natitirang kaso sa 60 segundo ay malapit sa hangganan. Ang pagsama sa mga iyon sa aayusin ay pasya sa paraan ng paggawa bago lumabas ang mga resulta, hindi patunay na kapwa tiyak na labas sa pinapayagang pagitan.

Magkakapatong ang mga clip sa parehong mga gitnang punto. Ang bahaging 15 segundo ay nasa loob ng 30 segundo, na nasa loob naman ng 60 segundo. Magkakaugnay na sipi ang mga ito mula sa parehong mga programa. Inilalarawan ng talahanayan ang pangkat na ito; hindi nito itinatakda ang pangkalahatang posibilidad na mangangailangan ng pag-aayos ang isang 15-segundong podcast clip.

Nakasentro ang lahat ng 9 na pag-aayos sa 2 programa: 4 sa HPR Beer Garden 22 - Bitter at 5 sa presentasyon ni murph sa kumperensiya. Bawat isa sa 4 pang programa ay nagbigay ng 12 clip na pasado sa direktang paggamit ng master. Dahil sa pagkakakumpol na iyon, hindi maaasahang pangako para sa susunod na episode ang iisang pangkalahatang porsiyento. Maaaring makatagpo ang pangkat ng isang batch na walang aayusin, o ng isang may ilan, kahit pareho ang mga setting ng pag-export.

Nagbigay ng 12 bahaging may nakatakdang posisyon ang nailathalang episode na “murph gives a presentation talk about Hacker Public Radio at the OLF conference”. Inilathala ito ng HPR noong Oktubre 15, 2026; inilalarawan ng pahina nito ang isang presentasyon sa kumperensiya noong Disyembre 2025. Ginamit namin ang kumpletong nailathalang audio ng podcast, kasama ang pagkakakilanlan ng programa, saka inihanda ang master ng buong episode para sa pagsubok na ito.^[6]

Para sa 12 bahaging iyon, nakagawa ang direktang paggamit ng master ng 7 malinaw na pasado, 4 tiyak na hindi pasado, at 1 malapit sa hangganan. Sa ilalim ng piling tuntunin, pinanatili ang 7 pasadong file. Ibinalik ang 5 pang bahagi sa pinagmumulang audio na walang pagkawala ng datos upang i-normalize at mag-export ng pamalit. Ang huling pangkat na ipapasa ay may 12 pasadong file, na nakamit sa 5 pag-normalize at 17 pag-export.

Nakagawa rin ng 12 pasadong file ang palaging pag-normalize sa parehong 12 bahagi, gamit ang 12 pag-normalize at 12 pag-export. Kaya naiwasan ng piling paraan ang muling pagproseso sa 7 bahagi, ngunit nagdagdag ito ng 5 pag-export. Kongkretong halimbawa ang episode na ito ng kapalit na nakikita sa resulta ng buong pangkat, nang hindi ipinapalagay na sapat ang bilang ng pag-normalize upang masukat ang gawain.

Para sa creator o negosyong nagpapasa ng pangkat na iyon sa katrabahong maglalathala, ang kapaki-pakinabang na tala ng pagkumpleto ay magtutukoy sa 12 huling file, sa mga limitasyong ginamit, at sa 5 file na pumalit sa naunang pag-export. Kung magkasama sa isang folder ang orihinal at inayos na bersiyon nang walang malinaw na pagpili ng huling gagamitin, may hiwalay na problema sa pagpasa na hindi malulutas ng pagsukat sa lakas ng tunog.

Tungkol ang mga bilang na ito sa mga bersiyon ng episode na pinroseso namin sa laboratoryo. Hindi ito paghusga sa tagapagsalita, sa orihinal na produksiyon, o sa kaangkupan nito para sa mga tagapakinig. Hindi namin pinili ang mga bahagi dahil sa sinabi o sa tunog ng mga ito. Nakatakda na ang mga posisyon bago sinukat ang anumang resulta ng lakas ng tunog.

Para sa episode na may master na, ang unang pasya ay ang pamantayan ng mga clip na ipapasa. Pagkasunduan ang pagitan ng lakas ng tunog, pinakamataas na peak, format ng file, at paglalathalaang destinasyon bago bigyang-kahulugan ang markang pasado. Kung ibang pamantayan ang gamit ng kliyente o platform, hindi maaaring ilipat dito ang mga bilang na ito nang walang pagbabago.

Pagkatapos, magpasya sa na-export na file kung pananatilihin o aayusin ito. Sa sinubukang piling paraan, maaaring panatilihin ng editor ang anumang file na malinaw na pasok sa parehong limitasyon. Kapag tiyak na hindi pasado o masyadong malapit sa hangganan ang resulta, inaayos ito mula sa orihinal na bahaging walang pagkawala ng datos, saka nag-e-export ng pamalit at nagsusuri muli. Nililinaw ng tuntuning ito ang gagawin sa hindi tiyak na resulta sa halip na magbigay ng pahintulot na walang paliwanag.

Ang huling pagsusuri ay dapat gawin pagkatapos ng huling pagbabagong nakaaapekto sa audio na ipapasa. Kapag nagdagdag ng pambungad, musika, fade, o bagong edit, iba na ang file kaysa sa sinukat dito. Hindi dapat dalhin ang resultang nakakabit sa naunang bersiyon na para bang inilalarawan nito ang mas bagong na-export na file. Itabi ang sukat kasama ng mismong file na napiling ipasa.

Gawing sapat ang detalye ng tala sa pagpasa upang magamit ng susunod na tao: ang napiling file, mga halaga ng lakas ng tunog at peak, inilapat na mga limitasyon, at nagresultang katayuan. Ang talang “na-normalize” lang ay pangalan ng isang hakbang sa pagproseso. Hindi nito sinasabi sa katrabahong maglalathala kung sinukat ang huling na-encode na file o kung pasok ito sa napagkasunduang mga limitasyon.

Nakasalalay rin sa pagpasa ang pagpili sa piling pagproseso o palaging pag-normalize. Kapaki-pakinabang dito ang piling pag-aayos dahil karamihan sa mga na-export na file ay maaaring panatilihin at 9 lang ang kailangang palitan. Mas payak naman ang palaging pag-normalize dahil isang pag-export lang ang kailangan sa bawat bahagi. Pareho ang nasukat na resulta ng mga file na ipapasa sa pangkat na ito, ngunit magkaiba ang pagkakaayos ng pagproseso.

Maaaring piliin ng maliit na pangkat ang paraang maayos na sinusuportahan ng mga tool nito. Pabor ang ebidensiya sa pagsukat muna bago magpasya na bawat bahagi ay kailangang i-normalize muli. Hindi nito ipinapakitang dapat gumugol ng ilang minuto ang isang tao sa pamamahala ng file upang makatipid ng ilang segundo ng native na pagproseso. Ihiwalay ang nasukat na teknikal na kapalit sa gawaing pang-editoryal na kailangan pa ring gawin.

Pinili namin ang 6 na pinakabagong kumpletong programang HPR na nailathala bago ang Oktubre 23, 2026, hindi kasama ang araw na iyon, at may habang nasa pagitan ng 20 at 60 minuto ayon sa pahina ng producer. Mula Oktubre 8 hanggang Oktubre 21 ang mga petsa ng paglalathala. Itinakda ang kwalipikasyon mula sa metadata bago tingnan ang mga resulta ng audio. Pinanatili namin ang kumpletong nailathalang audio na may pagkakakilanlan ng programa at hiwalay na itinala ang aktuwal na haba matapos i-decode, bukod sa habang nakasaad sa pahina.^[1][2]

Ito ay pag-aaral ng iisang podcast sa teknolohiya na gawa ng isang komunidad, hindi kinatawang sample ng mga podcast o creator. 2 sa napiling programa ay magkasunod na talakayan ng Beer Garden na may mga nagbabalik na kalahok. Dumaan na sa produksiyon ang mga nailathalang audio, at hindi namin muling binuo ang mga detalye ng prosesong iyon. Ang pag-normalize namin sa buong episode ay dagdag na hakbang sa laboratoryo, hindi pagtulad sa hilaw na recording ng mikropono.

Inihanda namin ang bawat buong episode sa FFmpeg 8.1.2 gamit ang loudnorm na may 2 pasada, na may target na −16 LUFS at −1.5 dBTP, saka pinanatili ang stereo PCM master sa 48 kHz. Itinakda ang LRA sa 50 upang hindi magpatupad ng hiwalay na target ang default na 7-LU; hindi kabilang sa mga resulta ng maikling clip ang lawak ng pagbabago ng lakas ng tunog. Itinala sa mga rekord ng pagproseso kung linear o dynamic ang aktuwal na paraan ng pag-normalize.^[4]

Para sa bawat programa, inilagay namin ang gitna ng mga clip sa eksaktong 20%, 40%, 60%, at 80% ng bilang ng mga na-decode na sample. Sa bawat gitna ay kumuha kami ng magkakapatong na saklaw na 15, 30, at 60 segundo, kaya 12 saklaw bawat programa at 72 sa kabuuan. Parehong mga bahaging pinutol mula sa parehong mga master ang ginamit sa lahat ng paraan. Hindi pinili ang mga posisyon ayon sa tagapagsalita, nilalaman, katahimikan, o nasukat na lakas ng tunog.

Ginamit sa huling pagmamarka ang native na panukat na ebur128 sa bahaging pinatutugtog ng na-decode na AAC. Isinaalang-alang namin ang paunang pagkaantala ng encoder (AAC priming) at ang mga dagdag na sample sa hulihan upang ang nilalayong bilang ng sample ang masaklaw ng bawat pagsukat. Ipinapakita sa huling buod ng panukat ang kabuuang antas ng lakas ng tunog at true peak sa mga hakbang na 0.1. Binigyan namin ng palugit ang pag-round na iyon sa pamamagitan ng pagtrato sa bawat halaga bilang pagitan na umaabot nang 0.05 sa magkabilang direksiyon. Palugit ito para sa pag-round, hindi pahayag tungkol sa katumpakan ng pagsukat.^[5]

Upang pumasa, kailangang ang buong pagitan para sa pag-round ng lakas ng tunog ay nasa loob ng −17 hanggang −15 LUFS, at hindi mas mataas sa −1 dBTP ang itaas na dulo ng pagitan ng peak. Tiyak na hindi pasado ang malinaw na labas sa kahit isang limitasyon. Minarkahang malapit sa hangganan ang mga natitira at inayos sa piling paraan. Nasa iisang download ang mga teknikal na resulta sa bawat saklaw, mga depinisyon ng pagproseso, code ng pagkalkula, at pagtutugma ng mga sukat ng panukat. Walang muling ipinamamahaging orihinal o hinangong audio.^[7]