By SongTools.ai
True peak, 플랫폼별 노멀라이제이션, 경쟁보다 조용해 보이지 않게 다이내믹을 유지하는 법.
# mastering-for-streaming-platforms-practical-guide
2000년대 중반부터 2010년대 초반까지 음악 산업은 라우드니스 전쟁에 휘말려 있었다. 더 크게 들릴수록 더 좋다는 가정 하에 마스터를 최대한 크게 만들려는 경쟁이었다. 그 결과물은 다이나믹이 완전히 뭉개진, 피로감을 주는, 최대 RMS 레벨을 추구하는 과정에서 기술적으로 손상된 릴리스들이었다.
스트리밍이 이 전쟁을 끝냈다. 플랫폼이 특별히 설득력 있는 말을 해서가 아니라, 라우드니스 노멀라이제이션을 도입했기 때문이다. 이것은 모든 곡의 재생 음량을 일정한 목표 레벨로 자동으로 조절하는 시스템이다. 모든 트랙이 거의 동일한 음량으로 재생될 때, 과도한 압축에 대한 경쟁적 인센티브가 사라진다.
노멀라이제이션이 어떻게 작동하는지, 그리고 그것이 마스터에 무엇을 의미하는지 이해하는 것은 이제 음악을 전문적으로 릴리스하기 위한 기본 요구사항이다.
스트리밍에서의 라우드니스는 LUFS (Loudness Units Full Scale)로 측정된다. 이것은 단순히 피크 레벨을 측정하는 것이 아니라 시간에 따른 다양한 주파수 대역에 대한 인간의 청각 특성을 고려한 지각 측정이다.
주요 스트리밍 플랫폼의 현재 노멀라이제이션 목표값:
통합 라우드니스가 플랫폼의 목표값보다 높으면 — 예를 들어 Spotify에 -8 LUFS 마스터를 전달하면 — 플랫폼은 게인 감소를 적용하여 -14 LUFS로 낮춘다. 마스터가 재생 시간에 6 dB 낮춰진다.
문제는 이것이다: 믹스를 -8 LUFS로 만들기 위해 많은 압축과 리미팅을 사용했다면, 다이나믹 레인지를 라우드니스로 교환한 것이다. 플랫폼이 다시 낮춘 후, 당신은 열린 느낌의 다이나믹한 -14 LUFS 마스터와 같은 재생 레벨에서 압축되고 평탄한 소리의 마스터를 갖게 된다.
당신은 아무것도 얻지 못했다. 당신의 음악을 더 나쁘게 만들었을 뿐이다.
대부분의 장르에서 실용적인 접근 방식은 -14에서 -13 LUFS 사이의 통합 라우드니스를 목표로 하고, true peak 최대값을 -1 dBTP로 설정하는 것이다. 일부 엔지니어는 손실 압축 인코딩 아티팩트에 대한 추가 헤드룸을 제공하기 위해 -0.3 dBTP를 선호한다.
-14 LUFS에서 Spotify는 게인 감소 없이 전체 음량으로 트랙을 재생한다. 당신의 믹스는 숨을 쉴 수 있게 해주는 다이나믹 레인지를 유지한다.
특히 과도하게 압축된 EDM과 힙합 같은 일부 장르는 -10 또는 -11 LUFS로 향하는 관례를 가지고 있다. 이 경우 일부 다이나믹 레인지를 밀도로 교환하기 위해 의도적인 창작 선택을 하는 것이다. 이것은 정당하지만, 여전히 대부분의 플랫폼에서 음량이 낮춰진다.
통합 라우드니스를 확인하기에 가장 효율적인 시간은 마스터링을 보내기 전 믹스 단계이다. 믹스의 라우드니스 분석은 시작점이 어디인지 알려주고 마스터링 엔지니어에게 정확하게 설명할 수 있도록 도와준다.
SongTools.ai의 Loudness Analysis 도구는 모든 주요 플랫폼 목표값에 걸쳐 트랙의 통합 LUFS, 단기 라우드니스 및 true peak 레벨을 측정한다. 마스터링 후가 아니라 마스터링 전에 이 확인을 실행하면, 추측이 아닌 정확한 정보를 가지고 마스터링에 도착하게 된다.
DAW에서 표시되는 피크 레벨과 true peak 레벨은 같은 것이 아니다. 디지털 오디오가 아날로그로 변환되거나 MP3나 AAC 같은 손실 형식으로 인코딩될 때, 샘플 포인트 사이의 샘플들이 표시된 최대값을 초과하는 피크를 생성할 수 있다. 이를 intersample peak라고 한다.
DAW에서 -0.5 dBFS 피크를 보이는 믹스도 인코딩 후 0 dBTP를 초과하는 true peak를 가질 수 있다. 이것이 -1 dBTP 표준이 존재하는 이유다. 이것은 최종 전달 체인에서 이러한 intersample peak가 클리핑 없이 해결될 수 있도록 헤드룸을 제공한다.
전달 전에 마스터의 true peak를 확인하자. -1 dBTP를 초과하면 마스터를 낮춰야 한다.
이 글에서 다루는 모든 도구는 SongTools.ai에서 무료로 탐색할 수 있습니다.