By SongTools.ai
Setiap platform streaming utama menormalisasi audio ke level loudness target. Jika master Anda lebih keras dari target itu, master akan diturunkan. Berikut cara bekerja dengan sistem ini.
Sepanjang tahun 2000-an dan awal 2010-an, industri musik terlibat dalam perang kenyaringan — perlombaan untuk membuat master setenang mungkin dengan asumsi bahwa yang lebih keras terdengar lebih baik. Hasilnya adalah rilisan yang dinamikanya terjepit, melelahkan untuk didengarkan, dan secara teknis terganggu dalam proses mengejar tingkat RMS maksimum.
Streaming mengakhiri perang itu. Bukan karena platform mengatakan sesuatu yang sangat meyakinkan, tetapi karena mereka menerapkan normalisasi kenyaringan — sebuah sistem yang secara otomatis menyesuaikan volume pemutaran ke tingkat target yang konsisten. Ketika setiap trek diputar pada kenyaringan yang kira-kira sama, insentif kompetitif untuk kompresi berlebihan menghilang.
Memahami bagaimana normalisasi bekerja, dan apa artinya bagi master Anda, kini menjadi persyaratan dasar untuk merilis musik secara profesional.
Kenyaringan dalam streaming diukur dalam LUFS — Loudness Units Full Scale. Ini adalah pengukuran perseptual yang mempertimbangkan bagaimana pendengaran manusia menimbang frekuensi yang berbeda seiring waktu, daripada hanya mengukur tingkat puncak.
Target normalisasi platform streaming utama saat ini:
Jika kenyaringan terintegrasi Anda melebihi target platform — misalnya Anda mengirimkan master pada -8 LUFS ke Spotify — platform menerapkan pengurangan gain untuk menurunkannya menjadi -14 LUFS. Master Anda diturunkan sebesar 6 dB saat diputar.
Inilah masalahnya: ketika Anda sangat mengkompres dan membatasi sebuah mix untuk mencapai -8 LUFS, Anda telah menukar rentang dinamis dengan kenyaringan. Setelah platform menurunkannya kembali, Anda memiliki master yang terdengar terkompresi dan datar pada tingkat pemutaran yang sama dengan master -14 LUFS yang terdengar terbuka dan dinamis.
Anda tidak memenangkan apa pun. Anda hanya membuat musik Anda terdengar lebih buruk.
Pendekatan praktis untuk sebagian besar genre adalah bertujuan untuk kenyaringan terintegrasi antara -14 dan -13 LUFS, dengan true peak maksimum -1 dBTP. Beberapa engineer lebih memilih -0.3 dBTP untuk memberikan headroom tambahan bagi artefak encoding lossy.
Pada -14 LUFS, Spotify memutar trek Anda dengan volume penuh tanpa pengurangan gain. Mix Anda mempertahankan rentang dinamis yang membuatnya 'bernapas'.
Beberapa genre — terutama EDM dan hip-hop yang sangat terkompresi — memiliki konvensi yang mendorong ke arah -10 atau -11 LUFS. Dalam kasus ini, Anda membuat pilihan kreatif yang disengaja untuk menukar sebagian rentang dinamis dengan kepadatan. Itu sah, tetapi Anda masih akan diturunkan volumenya di sebagian besar platform.
Waktu paling efisien untuk memeriksa kenyaringan terintegrasi Anda adalah pada tahap mixing, sebelum Anda mengirim ke mastering. Analisis kenyaringan pada mix Anda memberi tahu Anda titik awal Anda dan membantu Anda memberikan arahan kepada mastering engineer secara akurat.
Alat Analisis Kenyaringan SongTools.ai mengukur LUFS terintegrasi trek Anda, kenyaringan jangka pendek, dan tingkat true peak di semua target platform utama. Melakukan pemeriksaan ini sebelum mastering — bukan sesudahnya — berarti Anda tiba di mastering dengan informasi akurat daripada hanya menebak-nebak.
Tingkat puncak yang ditampilkan oleh DAW Anda dan tingkat true peak tidak sama. Ketika audio digital dikonversi ke analog atau di-encode ke format lossy seperti MP3 atau AAC, sampel di antara titik-titik sampel dapat menciptakan puncak yang melebihi maksimum yang ditampilkan — ini disebut intersample peaks.
Sebuah mix yang menunjukkan puncak -0.5 dBFS di DAW Anda mungkin memiliki true peaks yang melebihi 0 dBTP setelah encoding. Inilah mengapa standar -1 dBTP ada — ini memberikan headroom bagi intersample peaks ini untuk diselesaikan tanpa clipping dalam rantai pengiriman akhir.
Lakukan pemeriksaan true peak pada master Anda sebelum pengiriman. Jika Anda melebihi -1 dBTP, Anda perlu menurunkan master tersebut.
Semua alat yang dibahas dalam artikel ini tersedia di SongTools.ai — gratis untuk dijelajahi.