ピーク検査を通ったWAVが、ほかの音より約11 LUうるさかった。音量検査を4段階で組んだ記録

hot.wav のピークは -1.6 dBTP でした。上限を -1.0 に決めた検査は、このファイルを問題なしと返しました。
同じ検査を通った loop-a.wav は -16.1 LUFS、hot.wav は -5.3 LUFS です。差は約11 LU。LUは音量の差を表す単位で、1 LUは1 dBと同じ幅です。パックに入れて売れば、2本目から急に大きく鳴る商品になります。耳では聞いていません。ここに書くのは、測った数字だけです。
以前の続きです。見たのは音量ではなく開始位置でした
以前、音声素材の冒頭の無音をWAVで検査する見本を書きました。あのとき見たのは、音が始まる位置だけです。音量は測っていません。
音声素材を寄せ集めて売る副業では、素材ごとに出どころが違い、音量もそろいません。AIに作らせた音でも事情は同じだと思います。ただ今回はAIを使っていません。ffmpegで合成した正弦波を、わざと不ぞろいにして試しました。実際の商品ではありません。
目標は -16 LUFS ± 2 LUに決めました。この合成ファイルのために決めた値で、配信先や販売先の規定ではありません。ピークの上限 -1.0 dBTP も同じです。
7本を合成しました
loop-a.wavloop-b.wav440 Hzと330 Hzの正弦波。通したい側quiet.wav同じ音を小さくしたもの。止めたい側hot.wavピークを -1.6 dBTP まで上げたもの。止めたい側clipped.wav持ち上げすぎて頭が切れたもの。止めたい側short.wav0.3秒しかない音。判断は検査の結果を見てからsilent.wav3秒すべて無音
見本を作るスクリプト(make_samples.sh、全文)
#!/usr/bin/env bash
# 検査用のWAVを7本作る。全部ffmpegで合成した音で、実際の商品ではない
set -euo pipefail
mkdir -p pack
mk() { ffmpeg -hide_banner -loglevel error -y "$@"; }
# lavfiのsineは振幅0.125(-18 dBFS)で出る。volumeで狙いの大きさへ寄せる
mk -f lavfi -i "sine=f=440:d=3:r=48000" -af volume=5.7dB -ac 1 -c:a pcm_s16le pack/loop-a.wav
mk -f lavfi -i "sine=f=330:d=3:r=48000" -af volume=5.7dB -ac 1 -c:a pcm_s16le pack/loop-b.wav
mk -f lavfi -i "sine=f=440:d=3:r=48000" -af volume=-8dB -ac 1 -c:a pcm_s16le pack/quiet.wav
mk -f lavfi -i "sine=f=440:d=3:r=48000" -af volume=16.5dB -ac 1 -c:a pcm_s16le pack/hot.wav
# 30 dB持ち上げて、16-bitに収まらない分を頭で切り落とす
mk -f lavfi -i "sine=f=440:d=3:r=48000" -af volume=30dB -ac 1 -c:a pcm_s16le pack/clipped.wav
mk -f lavfi -i "sine=f=440:d=0.3:r=48000" -af volume=5.7dB -ac 1 -c:a pcm_s16le pack/short.wav
mk -f lavfi -i "anullsrc=r=48000:cl=mono" -t 3 -c:a pcm_s16le pack/silent.wav
ls pack
作業は、空のディレクトリ(ここでは loudness-sample)の中でします。環境は ffmpeg 7.1.5 と Python 3.13.5 です。
cd loudness-sample
./make_samples.sh
実行すると pack フォルダに、上の7本が ls の順(アルファベット順)で並びます。
1段目 ピークだけ見ると、7本中6本が通ります
最初の検査は、ffmpegの ebur128=peak=true で真のピークを測り、-1.0 を超えたら止める、それだけです。結果は次のとおりでした。ffmpegの画面では単位が dBFS と出ますが、peak=true のときの値は真のピークなので、検査の表示では dBTP と書いています。
python3 loudness_gate.py pack --stage 1
NG clipped.wav -0.9 LUFS 0.2 dBTP ピーク 0.2 dBTP が上限 -1.0 を超えています
OK hot.wav -5.3 LUFS -1.6 dBTP
OK loop-a.wav -16.1 LUFS -12.4 dBTP
OK loop-b.wav -16.1 LUFS -12.4 dBTP
OK quiet.wav -29.8 LUFS -26.1 dBTP
OK short.wav -70.0 LUFS -12.4 dBTP
OK silent.wav -70.0 LUFS -inf dBTP
7本中 1本を止めました
止まったのは clipped.wav だけです。quiet.wav は -29.8 LUFS、hot.wav は -5.3 LUFS。同じパックに入るファイルの間で、24 LU以上の開きがあります。ピークは「割れていないか」を見る数字で、「大きさがそろっているか」は見ていません。当たり前の話です。ただ、検査を作る側からすると、ピークで割れを止めた時点で、仕事を終えた気になりそうな画面でした。
検査スクリプト全文(loudness_gate.py)
"""WAVの音量を、ffmpegのebur128で測って止める。--stage 1..4 で検査の段階を切り替える。"""
import argparse
import re
import subprocess
import sys
from pathlib import Path
TARGET_LUFS = -16.0
TOLERANCE_LU = 2.0
PEAK_LIMIT_DBTP = -1.0
UNMEASURABLE = -70.0 # ebur128が測れなかったときに返す値
FLAT_LIMIT = 0.1 # astatsのFlat factor。この見本で決めた値
def measure(path: Path) -> tuple[float, float]:
proc = subprocess.run(
["ffmpeg", "-hide_banner", "-nostats", "-i", str(path),
"-af", "ebur128=peak=true", "-f", "null", "-"],
capture_output=True, text=True,
)
if proc.returncode != 0:
raise RuntimeError(f"ffmpegが失敗しました (exit {proc.returncode})")
summary = proc.stderr.split("Summary:", 1)[-1]
loud = re.search(r"I:\s+(-?[\d.]+|-inf) LUFS", summary)
peak = re.search(r"Peak:\s+(-?[\d.]+|-inf) dBFS", summary)
if not loud or not peak:
raise RuntimeError("ebur128の結果を読めませんでした")
return float(loud.group(1)), float(peak.group(1))
def flatness(path: Path) -> float:
proc = subprocess.run(
["ffmpeg", "-hide_banner", "-nostats", "-i", str(path),
"-af", "astats=measure_perchannel=Flat_factor:measure_overall=none",
"-f", "null", "-"],
capture_output=True, text=True,
)
found = re.findall(r"Flat factor:\s+(-?[\d.]+|-?inf|nan)", proc.stderr)
if proc.returncode != 0 or not found:
raise RuntimeError("astatsの結果を読めませんでした")
return max(float(x) for x in found)
def check(path: Path, stage: int) -> list[str]:
loudness, peak = measure(path)
problems = []
if peak > PEAK_LIMIT_DBTP:
problems.append(f"ピーク {peak:.1f} dBTP が上限 {PEAK_LIMIT_DBTP} を超えています")
if stage >= 2:
if stage >= 3 and loudness <= UNMEASURABLE:
problems.append("音量を測れません(0.4秒未満か、無音です)")
elif abs(loudness - TARGET_LUFS) > TOLERANCE_LU:
problems.append(f"音量 {loudness:.1f} LUFS が目標 {TARGET_LUFS:.0f}±{TOLERANCE_LU:.0f} から外れています")
if stage >= 4:
flat = flatness(path)
if flat > FLAT_LIMIT:
problems.append(f"波形の頭が平らです (Flat factor {flat:.3f})。音割れの疑いがあります")
return problems
def main() -> int:
ap = argparse.ArgumentParser()
ap.add_argument("folder", type=Path)
ap.add_argument("--stage", type=int, default=4, choices=(1, 2, 3, 4))
args = ap.parse_args()
files = sorted(args.folder.glob("*.wav")) if args.folder.is_dir() else []
if not files:
print(f"検査対象のWAVがありません: {args.folder}", file=sys.stderr)
return 2
failed = 0
for f in files:
try:
loudness, peak = measure(f)
problems = check(f, args.stage)
except RuntimeError as e:
loudness, peak, problems = float("nan"), float("nan"), [str(e)]
status = "NG" if problems else "OK"
failed += bool(problems)
print(f"{status} {f.name:<12} {loudness:6.1f} LUFS {peak:6.1f} dBTP " + " / ".join(problems))
print(f"{len(files)}本中 {failed}本を止めました")
return 1 if failed else 0
if __name__ == "__main__":
sys.exit(main())
今回は絶対値の目標を置きました。「パックの中のばらつきが何LU以内か」という基準は、今回作っていません。
2段目 音量を足したら、無音が「小さすぎる」と言われました
統合ラウドネス(ファイル全体の平均的な大きさ)を測り、-16 ± 2 LUの外なら止めます。これを足しました。quiet.wav と hot.wav はちゃんと止まります。
気になったのは、残りの2本の出し方です。
python3 loudness_gate.py pack --stage 2 | grep -E 'short|silent|本中'
NG short.wav -70.0 LUFS -12.4 dBTP 音量 -70.0 LUFS が目標 -16±2 から外れています
NG silent.wav -70.0 LUFS -inf dBTP 音量 -70.0 LUFS が目標 -16±2 から外れています
7本中 5本を止めました
止まってはいます。ただ、理由が違います。short.wav は音が普通に鳴っていて、ピークも -12.4 dBTP あります。それを「音量が小さい」と書かれても、直す人は迷います。
ffmpegは、測れなかったときに -70.0 LUFS を返していました。しきい値の欄も 0.0 LUFS です。長さを変えて試すと、0.35秒は -70.0、0.4秒からは -16.1 が出ました。EBU Tech 3341は、ゲーティングの区間を400 msと定めています。0.4秒より短い音は、その区間が1つも取れません。手元の4通りの長さの結果も、この読みと合います。全編無音も同じ -70.0 になるので、値だけでは両者を区別できません。
3段目 「測れない」を別の理由にしました
-70.0 LUFS 以下なら、「音量を測れません(0.4秒未満か、無音です)」と出すようにしました。
python3 loudness_gate.py pack --stage 3 | grep -E 'short|silent|本中'
NG short.wav -70.0 LUFS -12.4 dBTP 音量を測れません(0.4秒未満か、無音です)
NG silent.wav -70.0 LUFS -inf dBTP 音量を測れません(0.4秒未満か、無音です)
7本中 5本を止めました
止まる本数は変わりません。変わったのは、見た人が次に何をするかです。無音なら外します。短い効果音なら、ラウドネスではなくピークで見ると決めます。後者の分岐は、この検査ではまだ作っていません。0.3秒の効果音は、今のところ人が判断する扱いです。
ここまでの3回は、毎回、前の検査が通した穴を次の検査が見つけています。1段目が通した hot.wav を2段目が止め、2段目が理由を間違えた2本を3段目が直しました。次の穴は、直す作業そのものに隠れていました。
音量だけ直したら、音割れまで通りました
測った差から、音量を直します。quiet.wav は +13.8 dB、hot.wav は -10.7 dB。どちらも volume フィルタで済みます。
迷ったのは clipped.wav でした。同じように音量だけ下げれば、数字は合います。試してみました。
./fix_pack.sh
python3 loudness_gate.py gain-only --stage 3
OK clipped.wav -16.0 LUFS -14.9 dBTP
1本中 0本を止めました
通りました。ところが、この波形の頭は切れたままです。音量を下げても、一度平らになった頂上は戻りません。3段目までの検査は、これを見落とします。
直しのスクリプト(fix_pack.sh、全文)
#!/usr/bin/env bash
# 測った値から差を出して、音量だけを直す。clipped.wavは下げただけの版も作る
set -euo pipefail
mk() { ffmpeg -hide_banner -loglevel error -y "$@"; }
rm -rf pack-fixed gain-only && mkdir pack-fixed gain-only
cp pack/loop-a.wav pack/loop-b.wav pack-fixed/
mk -i pack/quiet.wav -af volume=13.8dB -c:a pcm_s16le pack-fixed/quiet.wav
mk -i pack/hot.wav -af volume=-10.7dB -c:a pcm_s16le pack-fixed/hot.wav
# 音割れしたWAVを、音量だけ下げた版(直ったように見えるか確かめる)
mk -i pack/clipped.wav -af volume=-15.1dB -c:a pcm_s16le gain-only/clipped.wav
# 元の音を、切り落とさない大きさで作り直した版
mk -f lavfi -i "sine=f=440:d=3:r=48000" -af volume=5.7dB -ac 1 -c:a pcm_s16le pack-fixed/clipped.wav
4段目 波形の頭の平らさを見ました
ffmpegの astats には、ピークの位置で同じ値が続く度合いを返す Flat factor があります。正常な loop-a.wav では 0.0、頭を切った clipped.wav では 33.204、音量だけ下げた版も 33.204 でした。値が変わらないのは、平らな部分の形が下げても同じだからです。しきい値は 0.1 にしました。この3本を分けるために決めた値で、根拠はそれだけです。
python3 loudness_gate.py gain-only --stage 4
NG clipped.wav -16.0 LUFS -14.9 dBTP 波形の頭が平らです (Flat factor 33.204)。音割れの疑いがあります
1本中 1本を止めました
直した側の pack-fixed は、5本とも通りました。clipped.wav は音量調整ではなく、切り落とさない大きさで作り直した版です。
python3 loudness_gate.py pack-fixed
OK clipped.wav -16.1 LUFS -12.4 dBTP
OK hot.wav -16.0 LUFS -12.3 dBTP
OK loop-a.wav -16.1 LUFS -12.4 dBTP
OK loop-b.wav -16.1 LUFS -12.4 dBTP
OK quiet.wav -16.0 LUFS -12.3 dBTP
5本中 0本を止めました
short.wav と silent.wav はパックから外しました。短い効果音を商品に入れるかどうかは、今回の検査では決められません。
悪い入力でも失敗が出ます
0円や空の結果を成功と返す穴は、検査の定番の落とし穴です。空のフォルダ、存在しないフォルダ、WAVではないファイルの3通りを試しました。
mkdir -p empty bad
echo "not audio" > bad/broken.wav
python3 loudness_gate.py empty; echo "exit=$?"
python3 loudness_gate.py nothere; echo "exit=$?"
python3 loudness_gate.py bad; echo "exit=$?"
検査対象のWAVがありません: empty
exit=2
検査対象のWAVがありません: nothere
exit=2
NG broken.wav nan LUFS nan dBTP ffmpegが失敗しました (exit 183)
1本中 1本を止めました
exit=1
3つとも0以外で終わります。nan の表示は見栄えが悪いです。止まることを優先して、今回はそのままにしました。
つまずき: loudnormの出力が192 kHzになっていました
音量を直す手段として loudnorm も試しました。1回の処理で -16.0 LUFS には合います。ところが、-ar 48000 を付けずに書き出したWAVは、サンプルレートが192000 Hzになりました。
mkdir -p ln
ffmpeg -hide_banner -loglevel error -y -i pack/quiet.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 -c:a pcm_s16le ln/no-ar.wav
ffmpeg -hide_banner -loglevel error -y -i pack/quiet.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 -ar 48000 -c:a pcm_s16le ln/with-ar.wav
python3 loudness_gate.py ln
NG no-ar.wav -16.0 LUFS -12.3 dBTP 波形の頭が平らです (Flat factor 5.976)。音割れの疑いがあります
OK with-ar.wav -16.0 LUFS -12.3 dBTP
2本中 1本を止めました
192 kHzの理由は、ffmpegのドキュメントに書かれています。真のピークを正確に見るために、内部で192 kHzへアップサンプルするそうです。-ar かaresampleで出力レートを指定するよう、同じ場所に注意があります。
もう1つ、予想外のことがありました。no-ar.wav は音割れしていません。ピークは -12.3 dBTP です。それでも4段目が止めました。レートを上げると、頂上の付近で隣り合うサンプルが同じ値になりやすいからだと考えていますが、原因の切り分けまでは確かめていません。Flat factorはサンプルレートに左右される指標で、今のしきい値を、そのまま実際の素材へ当てるのは危険です。
まだ確かめていないこと
- 実際の音楽、話し声、環境音、フェードインを含む素材。今回は正弦波だけです
- ステレオ、24-bit、MP3、圧縮WAV。モノラル16-bit PCMのファイルに限りました
- Flat factorのしきい値0.1。実素材での誤検出率は測っていません
- 耳で聞いたときの印象。数字だけで判断しています
- 販売先ごとの音量規定。-16 LUFS は今回の都合で決めました
用語
| 用語 | この記事での意味 |
|---|---|
| LUFS | 人の聞こえ方に寄せて測った音量の単位。大きいほど0に近づきます |
| LU | LUFSの差を表す単位。1 LUは1 dBと同じ幅です |
| dBTP | 真のピーク。サンプルの間で実際に波形が出る山の高さを、0 dBを上限として表します |
| 統合ラウドネス | ファイル全体を区間ごとに測って平均した値。検査ではこの値を使いました |
| ゲーティング | 無音に近い区間を平均から外す処理。区間が取れないと -70.0 が返りました |
| Flat factor | ピークの位置で同じ値が続く度合い。音割れの目安に使いました |


