音声ノーマライズとは？ 録音のゲインを変えて、音量を選んだ目標レベルに合わせる処理のことで、小さい音のファイルと大きい音のファイルを比べやすくします。信号全体を一定の量でスケールするだけで、ノイズを除去したり歪みを直したりはしません。
録音を文字起こしする
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語
要点
- ピークノーマライズは最大のサンプルを上限に合わせ、ラウドネスノーマライズは聞き手が感じるレベルを目標にします。
- ゲインを上げると声と一緒にノイズも持ち上がるため、両者の比率は変わりません。
- 録音中に起きたクリッピングは、あとからノーマライズしても元に戻せません。
- ほとんどのエディタやコマンドラインツールは、一度の処理で複数のファイルをまとめてノーマライズでき、音量がばらばらな録音のアーカイブに向いています。
- 異なる機器で録音したファイルから文字起こしを作るときは、複数のクリップを一つの目標に揃えると役立ちます。
見た目のイメージ
// loudness-normalize a quiet interview to a common target
ffmpeg -i quiet_interview.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 level.wav
// peak-normalize: scale so the loudest sample reaches the ceiling
ffmpeg -i clip.wav -af "volume=replaygain=track" clip_level.wav
関連情報
よくある質問
ノーマライズで文字起こしは良くなりますか。
元の録音がとても小さかった場合だけです。声を扱いやすいレベルにはできますが、録音にもともとなかった明瞭さは加えられません。
ノーマライズはノイズ除去と同じですか。
いいえ。ノーマライズはファイル全体に一つのゲイン変更を適用します。ノイズ除去は特定の不要な音を取り除こうとするもので、信号の変え方が異なります。
ピーク目標とラウドネス目標の違いは何ですか。
ピーク目標は最も高い一点を制限します。ラウドネス目標は一定時間の平均的な聞こえ方の音量を測るので、音声や混ざったクリップに向いています。
ボットに送る前にノーマライズすべきですか。
再生して声が聞き取りにくいときだけで十分です。通常の音量でクリアな録音には不要で、上げすぎると歪みが加わることがあります。
ノーマライズでクリッピングした録音を直せますか。
いいえ。クリッピングで潰れたピークの形は戻りません。言葉に影響するほどの損傷なら、録り直してください。
出典
各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。
- Audio normalization (Wikipedia), Wikipedia · 確認日
- Signal-to-noise ratio (Wikipedia), Wikipedia · 確認日
お手持ちの録音で試してみましょう
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
Telegram で @potok_now_bot を開く