Riduzione del rumore in un’intervista per strada: test comparativo di 20 secondi

La domanda alla base del test

Le dimostrazioni degli strumenti per la riduzione del rumore possono facilmente trasformarsi in clip promozionali: si sceglie un rumore evidente, si alza il volume della traccia elaborata e si passa rapidamente da A a B. Questo può mostrare se un rumore è stato ridotto, ma una traccia più forte può anche sembrare migliore. In questo confronto usiamo lo stesso intervallo della registrazione originale e i livelli effettivi dei file esportati, poi riportiamo dati misurabili prima di discutere cosa l’ascolto può e non può dirci.

La fonte è un video diffuso pubblicamente, con riprese della manutenzione dell’E-3 Sentry e interviste. Per l’originale e il risultato dello strumento web di QuietTake usiamo lo stesso intervallo di intervista di 20 secondi. Puoi ascoltare direttamente entrambe le tracce nei lettori qui sopra. Non abbiamo uniformato il loudness delle tracce: questo non è quindi uno studio di ascolto alla cieca e non indica quale percentuale di persone preferisca la versione elaborata.

In breve: il loudness complessivo della traccia elaborata è inferiore di 1,2 LU. Entrambi i file durano 20 secondi e sono AAC mono a 48 kHz. La riduzione del rumore può abbassare l’energia complessiva del segnale insieme al rumore, quindi un livello inferiore, da solo, non dimostra né un errore né un parlato più chiaro. La valutazione dipende comunque dalle parole effettivamente pronunciate e dalla registrazione.

Campione ed elaborazione

La fonte è stata pubblicata dall’U.S. Defense Visual Information Distribution Service (DVIDS) e indicata come di pubblico dominio nella relativa pagina. I crediti del campione riportano autore, fonte e modalità d’uso; l’indicazione di pubblico dominio non implica l’approvazione da parte di DVIDS o della persona intervistata. Abbiamo preparato un intervallo di lavoro di 30 secondi, vicino al secondo 190 della fonte, lasciando un tratto iniziale per il riscaldamento del modello e usando i 20 secondi successivi per il confronto. La traccia elaborata proviene dal flusso di lavoro web effettivo di QuietTake, con la preimpostazione Forte. Abbiamo poi codificato entrambe le tracce nello stesso formato AAC.

Specifiche dei file esportati: 20,000 secondi, AAC-LC, 48 kHz, mono. Non abbiamo modificato indipendentemente EQ, compressione, loudness o dinamica, né amplificato il file ripulito. Mantenere la differenza di livello consente al lettore di riprodurre i file esportati, invece di una versione rifinita in post-produzione per risultare più gradevole.

Questa immagine illustra il flusso di lavoro per l’ascolto; non mostra lo spettro né una misurazione del rumore della clip di 20 secondi. Una forma d’onda dall’aspetto più semplice non corrisponde necessariamente a un parlato migliore. Usa i lettori per ascoltare le stesse consonanti, gli stessi nomi, le desinenze, i respiri e le pause.

Risultati misurabili sui file

Abbiamo misurato il loudness integrato con FFmpeg ebur128 su ciascun file AAC finale di 20 secondi. Le dimensioni dei file corrispondono ai byte effettivamente esportati; la differenza non viene interpretata come una differenza di qualità.

Misura	Originale	Con riduzione del rumore	Differenza
Durata	20,000 s	20,000 s	Uguale
Codec / frequenza di campionamento / canali	AAC-LC / 48 kHz / mono	AAC-LC / 48 kHz / mono	Stesso formato
Loudness integrato	−17,4 LUFS	−18,6 LUFS	1,2 LU in meno
Dimensione del file	329.896 byte	336.220 byte	6.324 byte in più, circa 1,9%

LUFS stima l’intensità sonora integrata di una clip. Non misura il livello del rumore di fondo né l’intelligibilità del parlato. Un file leggermente più grande significa solo che questa codifica AAC ha prodotto più byte: non dimostra una fedeltà maggiore o minore. Inoltre, una singola intervista, con la propria distanza dal microfono, il vento, l’attrezzatura e l’acustica dell’ambiente, non può rappresentare tutte le registrazioni in strada.

Cosa ascoltare nel confronto A/B

Ascolta una volta la registrazione originale, scegli una frase che contenga parole brevi e abbia una conclusione completa, quindi confronta lo stesso intervallo nella versione elaborata. Mantieni costante il volume di riproduzione; non giudicare passando avanti e indietro sui primi due secondi. Durante le pause, ascolta se il rumore di fondo pulsa o cambia. Nel parlato, controlla le consonanti e i nomi. Alla fine di una frase, verifica che le sillabe più deboli siano ancora presenti. Valuta se il respiro, il fruscio dei vestiti e i suoni dell’ambiente risultano ancora naturali.

Se il rumore di fondo diminuisce ma la voce diventa sottile, acquosa, interrotta o metallica, non cercare di eliminarlo del tutto. Prova un’impostazione più delicata, un intervallo più breve oppure accetta un po’ di rumore costante. Un preset intenso può essere utile con un tipo di rumore e risultare innaturale con un’altra registrazione.

Lo strumento per la rimozione del rumore audio ti permette di provare una breve sezione del tuo contenuto multimediale prima di decidere se elaborare l’intera registrazione. Conserva l’originale e salva il risultato separatamente. Non dedurre da questo esempio la velocità sul tuo dispositivo né un miglioramento garantito per tutti i file.

Cosa questo test non ha dimostrato

Si tratta di un singolo intervallo della fonte, elaborato una volta con lo strumento web. Non è un test delle prestazioni su più dispositivi, un sondaggio sulle preferenze degli ascoltatori né una classifica dei modelli. Non disponiamo di una registrazione simultanea e pulita della stessa scena da usare come riferimento, quindi non possiamo calcolare l’accuratezza del restauro né dichiarare un miglioramento misurato dell’intelligibilità. Il risultato di −1,2 LU è riproducibile a partire da questi file, ma non indica quali frequenze del rumore siano diminuite né quali dettagli del parlato siano cambiati.

La fonte pubblica fissa la distanza dal microfono, il vento, l’intervistato, l’attrezzatura e il luogo. Un altro telefono, un microfono a clip, una stanza riverberante, una base musicale o più persone che parlano contemporaneamente costituiscono un caso diverso. Un clipping grave, il parlato completamente coperto dal rumore di un motore o le voci simultanee potrebbero non essere recuperabili dalla registrazione.

Anche il flusso di lavoro per la riduzione del rumore e il supporto del browser possono cambiare nel tempo. Questa pagina documenta la coppia di campioni esistente; non promette prestazioni su un nuovo dispositivo. Una valutazione affidabile per l’elaborazione in batch o per usi critici richiederebbe materiale autorizzato, impostazioni fisse, più dispositivi, ascolti alla stessa intensità e in cieco, e una valutazione dell’intelligibilità del parlato.

Quando usare questo flusso di lavoro

• Aria condizionata, ventola o rumore stradale costanti con parlato comprensibile: prova un breve intervallo e confronta la qualità della voce e le parole più deboli.
• Un clacson, un urto sul microfono o una folla rumorosa in un singolo momento: valuta di modificare il montaggio, intervenire solo su quella sezione o registrare di nuovo, invece di applicare ovunque un’impostazione intensa.
• Parlato completamente coperto dal rumore o distorto dal clipping: conserva l’originale e cerca la traccia di un altro microfono o della videocamera; non aspettarti che ricompaiano dettagli mancanti.
• Intervista destinata alla pubblicazione: controlla anche i dati personali, il consenso, i sottotitoli e le impostazioni di esportazione.

Dati e note sul campione

La coppia audio proviene dal campione A/B già presente nella homepage di QuietTake. Le informazioni sulla fonte e sui diritti sono disponibili nella scheda del campione. I file di 20 secondi sono street-interview-original.m4a e street-interview-cleaned.m4a. L’intensità sonora è stata misurata con FFmpeg ebur128; le proprietà dei file sono state verificate con FFprobe. Queste misurazioni descrivono solo questi due file.