오디오 형식과 비트레이트, 그리고 어떤 트랙이 더 크게 들리는 이유

마스터는 무손실로 유지하십시오. 작업 중에는 WAV, 보관할 때는 FLAC입니다. 어떤 재생 환경인지 알고 있다면 AAC나 Opus로, 모른다면 MP3로 내보냅니다. 음성은 낮은 비트레이트의 모노로 내보냅니다. 레벨은 피크가 아니라 LUFS 기준으로 맞추고, 풀 스케일 아래에 1 dB 정도의 헤드룸을 남깁니다.

여기까지가 결론입니다. 나머지는 그 이유입니다.

각 형식의 쓰임새

무손실이란 디코딩된 샘플이 입력된 것과 완전히 동일하다는 뜻입니다. FLAC은 각 샘플을 앞선 샘플들로부터 예측하고 오차만 저장하는 방식으로 용량을 줄입니다. 손실 형식은 귀가 알아채지 못할 부분을 모델링해 정보를 영구히 버립니다.

uncompressed   44100 x 16 x 2 / 8 = 176400 B/s = 10.6 MB per minute
lossy          192000 / 8 x 60    = 1.44 MB per minute

샘플레이트와 비트 심도

샘플레이트는 파형을 얼마나 자주 측정하는지를 나타냅니다. 나이퀴스트 한계에 따르면 샘플링된 신호는 샘플레이트의 절반까지의 주파수만 담고 그 위는 담지 못합니다. 따라서 44.1 kHz는 22.05 kHz 아래를 모두 포함하며, 사람의 청각은 20 kHz 부근에서 끝나고 나이가 들수록 더 일찍 끝납니다. 영상과 함께 쓸 때는 48 kHz를 쓰고, 그보다 높은 레이트는 제작 과정에서만 도움이 됩니다.

비트 심도는 세밀함이 아니라 다이내믹 레인지를 정합니다. 1비트가 약 6 dB에 해당하므로 16비트는 노이즈 플로어를 풀 스케일보다 대략 96 dB 아래에, 24비트는 대략 144 dB 아래에 둡니다. 다만 변환기가 실제로 내주는 것은 120 dB 정도입니다. 그 비트들은 녹음용 헤드룸입니다. 레벨을 여유 있게 잡아 녹음한 뒤, 들리는 잡음을 함께 끌어올리지 않고 나중에 레벨을 올릴 수 있습니다. 이미 완성되어 레벨이 맞춰진 파일에는 그런 비트가 필요 없습니다.

업샘플링으로 얻는 것은 없습니다. 44.1 kHz를 96 kHz로 보간하면 정보는 그대로인 채 파일만 두 배가 되고, 24비트로 채워 넣어도 원본의 노이즈 플로어가 그대로 따라옵니다. 리샘플링할 때마다 필터가 돌아가므로 48 kHz로 갔다가 돌아오는 왕복은 아무 대가 없는 작은 손실입니다.

비트레이트, 그리고 더 올려도 소용없어지는 지점

수치의 단위는 kbps입니다. MP3는 양쪽 끝에서 나이를 드러냅니다. 약 96 kbps 아래에서는 소리가 들릴 만큼 뭉개지고, 약 192 kbps 위에서는 개선을 알아듣기가 매우 어려워집니다. 그래서 320 kbps는 품질이라기보다 확신을 사는 값입니다. AAC는 같은 결과를 내는 데 대략 3분의 2 정도의 비트레이트면 됩니다. Opus는 그보다 더 나으며, 비트레이트가 낮아질수록 격차가 벌어집니다. 대역폭이 낮아지면 음성이 만들어지는 방식을 토대로 한 모드로 전환하기 때문입니다. 그래서 MP3로는 64 kbps가 필요한 목소리가 Opus에서는 그 절반으로도 충분합니다.

손실 파일을 다른 손실 형식으로 변환하면서 비트레이트를 올려도 복원되는 것은 없습니다. 128 kbps MP3를 320 kbps로 재인코딩하면 작은 파일의 아티팩트가 큰 파일 안에 충실히 보존되고, 두 번째 인코더는 그 아티팩트를 진짜 오디오로 취급하며 비트를 낭비합니다. 무손실 마스터에서 작업하십시오.

모노, 스테레오, 그리고 다운믹스

같은 품질이라면 스테레오는 모노의 약 두 배를 씁니다. 마이크 하나 앞의 한 사람에게서는 스테레오 정보가 나오지 않으므로, 낭독 파일을 스테레오로 두면 거의 동일한 채널이 두 개 있는 셈이고 모노로 바꾸면 잃는 것 없이 용량이 절반이 됩니다. 음악과 공간 녹음은 스테레오로 유지합니다.

다운믹스가 공짜는 아닙니다. 다운믹스는 채널을 평균하므로 좌우가 위상이 어긋난 부분은 상쇄됩니다. 스테레오 확장 효과나 마이크 케이블이 반대로 연결된 경우는 모노에서만 얇아지거나 아예 사라질 수 있습니다. 배포 전에 확인하고, 합산하면 레벨이 올라가므로 약 3 dB 감쇠하십시오.

피크, RMS, LUFS

피크는 dBFS 단위로 표시한 가장 높은 샘플 값이며, 0이 디지털의 절대 상한입니다. 피크 기준 노멀라이즈는 가장 큰 샘플이 목표치에 오도록 파일 전체를 스케일합니다. 그래서 문 닫히는 소리 하나가 들어간 조용한 녹음은 여전히 조용합니다. 그 문 소리만 천장으로 올라가고 나머지는 거의 움직이지 않기 때문입니다. RMS는 일정 구간의 에너지를 평균하므로 실제로 들리는 크기에 더 가깝지만, 60 Hz와 3 kHz를 같은 것으로 취급합니다. LUFS는 청각을 모델링하도록 측정에 가중치를 주고, 조용한 구간은 게이트로 걸러내며, 프로그램 전체에 대해 하나의 수치를 보고합니다. 플랫폼은 LUFS를 측정합니다.

플랫폼이 모든 것을 목표치 쪽으로 끌어당기기 때문에, 마스터를 크게 만든다고 해서 더 크게 재생되지 않습니다. 플랫폼이 트랙을 줄여버리므로 청취자는 크기는 얻지 못한 채 눌린 다이내믹스만 듣게 됩니다. 라우드니스 전쟁이 끝난 방식이 바로 이것입니다. 20년 동안 리미팅이 점점 강해지면서 마스터에는 피크와 평균 레벨 사이의 간격이 거의 남지 않았고, 그 결과가 평평하고 피로한 소리였습니다.

클리핑은 풀 스케일을 넘어설 샘플이 최댓값으로 잘려 나가는 현상으로, 파형의 꼭대기가 평평해지면서 하모닉 왜곡을 만듭니다. 트루 피크는 여기서 한 걸음 더 나아갑니다. 샘플과 샘플 사이에서 재구성된 파형은 저장된 가장 높은 샘플보다 더 올라갈 수 있으므로, -0.1 dBFS로 측정되는 파일이 출력 과정에서 +0.5 dBTP에 도달해 클리핑될 수 있습니다. 상한은 -1 dBTP로 두고, 뒤에 손실 인코딩이 이어진다면 더 낮게 잡으십시오. 오디오 볼륨 도구는 고정된 데시벨만큼 이동시키는 대신 목표치에 맞춰 노멀라이즈할 수 있습니다.

클릭음, 이어붙이기, 자르기

파형을 임의의 지점에서 자르면 보통 한 주기의 중간, 즉 0이 아닌 값에서 잘리므로 출력이 한 샘플 만에 무음으로 떨어집니다. 그 계단은 광대역 임펄스이며 클릭음으로 들립니다. 편집 지점마다 520밀리초의 페이드를 넣으면 이 소리가 사라지고, 그 길이는 너무 짧아 귀에 들리지 않습니다. 이어붙이는 지점에서는 1050밀리초의 크로스페이드가 더 깔끔합니다.

이어붙이기에는 조건이 맞아야 합니다. 파일들의 샘플레이트가 같아야 합니다. 48 kHz 파일을 44.1 kHz 스트림에 이어 붙이면 약 9퍼센트 느리고 낮게 재생되기 때문입니다. 채널 수도 같아야 하며, 그렇지 않으면 어떤 구간이 엉뚱한 채널로 들어갑니다. 라우드니스도 맞추십시오. 오디오 변환기로 리샘플링하고, 오디오 볼륨으로 레벨을 맞춘 다음, 오디오 병합을 사용하십시오. 의도적인 속도 변경은 오디오 속도 도구가 처리합니다. 리샘플링은 음정과 속도를 함께 움직이는 반면, 음정을 유지하려면 타임 스트레칭이 필요하고 이는 트랜지언트를 뭉갤 수 있습니다.

자르기는 재인코딩을 완전히 건너뛸 수 있으며, 이때 품질 손실은 없습니다. WAV는 자르기가 바이트 복사이므로 샘플 단위로 정확합니다. 압축 형식은 프레임으로 구성되어 있어서, 복사 방식의 자르기는 프레임 경계에만 놓일 수 있습니다.

MP3 frame = 1152 samples = 26.12 ms at 44.1 kHz
cut asked for at 12.000 s
nearest boundaries: frame 459 = 11.990 s, frame 460 = 12.016 s

AAC는 1024 샘플 프레임을 쓰며 48 kHz에서 약 21 ms이고, Opus는 보통 20 ms 패킷을 씁니다. MP3에는 비트 저장고도 있어서 한 프레임이 앞선 프레임들로부터 공간을 빌려 올 수 있는데, 그 때문에 잘린 지점 바로 다음 프레임에 데이터가 빠져 잡음이 날 수 있습니다. 경계가 정확해야 하는 경우에는 오디오 자르기 도구가 재인코딩하도록 두고 한 세대분의 손실을 감수하십시오.

브라우저가 감당할 수 있는 양

이 모든 작업은 메모리에서 일어납니다. 무언가를 측정하거나 페이드를 넣거나 이어 붙이거나 재인코딩하기 전에 파일은 먼저 원시 샘플로 디코딩되며, 보통 32비트 부동소수점으로 풀립니다. 44.1 kHz 스테레오 한 시간은 16비트 PCM으로 약 635 MB이고 디코딩하면 1.27 GB입니다. 탭 하나의 메모리 상한은 데스크톱 애플리케이션이 다룰 수 있는 양보다 훨씬 낮으므로, 한계를 정하는 것은 형식이 아니라 길이입니다. 먼저 자르거나, 긴 녹음을 나누어 처리한 뒤 조각들을 병합하십시오.