適切な音量が調べられる ffmpeg の ebur128 の使い方

LUFS、いわゆる平均ラウドネス値を調べるebur128フィルタの使い方。

LUFS（Loudness Unit Referred to Full Scale）とは平均ラウドネス値の単位で、LKFS（Loudness K Weghted Full Scale）とも言われている。

任意のラウドネス値に音量を調整する loudnorm

ニコニコ動画にも2020年1月29日（水）より大きすぎる音量感を抑制する方向でのみラウドネスノーマライゼーション（自動音量調整機能）を追加することが発表された。
動画音量の自動調整機能を導入します【PC版ニコニコ動画】｜ニコニコインフォ
ニコニコ動画のラウドネスノーマライゼーション（自動音量調整機能）について:ニコニコ窓口:niconico窓口チャンネル(ニコニコ窓口担当) – ニコニコチャンネル:社会・言論

音量測定用AviUtlプラグイン「loudness.auf」 – ニコニコ動画

技術的な話

• t032 | 一般社団法人 日本民間放送連盟
• PDF：民放連技術規準Ｔ032「テレビ放送における音声レベル運用規準」
• 4Gamer.net ― 適切な音量について考える。ゲームサウンドの「ラウドネス基準」はどうあるべきか
• テレビ業界から飛び火した「ラウドネス問題」って何だ？SIG-Audio#01「ラウドネス勉強会」レポート | インサイド
• 君は音圧戦争を生き抜けるか？　音楽ストリーミング時代のラウドネス・ウォー対策 (1/3) – ITmedia NEWS
• 人が感じる音の大きさを正規化するとはどういうことか – 音楽/音源情報 – Audiophile JP forum
• トゥルーピークの限界と非情な現実 – 音楽/音源情報 – Audiophile JP forum
• PDF：テレビＣＭ素材搬入基準「音声レベル運用規準」の適用について：web.archive.org より
• PDF：ラウドネスレンジ(LRA)の設定と評価法 – web.archive.org より
• PDF：第 7 回 ラウドネス及び音に関する用語説明と計算式 v1.1
• LUFS/LKFS…ラウドネスメーターについて復習して理解を深めよう | SOUNDEVOTEE.NET
• AES Release Recommendations for Loudness of Audio Streaming and Network File Playback — Pro Tools Expert
• PDF：LOUDNESS NORMALISATION AND PERMITTED MAXIMUM LEVEL OF AUDIO SIGNALS
• EBU Technology & Innovation – Loudness test set
• BS.1770 : Algorithms to measure audio programme loudness and true-peak audio level

基本コマンド

• ラウドネスの値を映像化して再生
  ffplay -f lavfi -i "amovie=input.mp4,ebur128=video=1:size=640x480:meter=9[out0][out1]"
• ラウドネスの値を映像化して動画出力
  ffmpeg -i input.mp4 -filter_complex "ebur128=video=1:size=640x480:meter=9" -pix_fmt yuv420p output.mkv
• フレーム毎のログ表示
  ffmpeg -i input.mp4 -vn -filter_complex ebur128=framelog=info -f null -
• 結果だけをログ表示
  ffmpeg -i input.mp4 -vn -filter_complex ebur128=framelog=verbose -f null -
• M：400ミリ秒毎のラウドネス値 の値だけ
  ffmpeg -i input.mp4 -filter_complex "[0:a]ebur128=video=1[out1];[out1]crop=64:12:159:4" -pix_fmt yuv420p output.mkv
• S：3秒毎の移動平均ラウドネス値 の値だけ
  ffmpeg -i input.mp4 -filter_complex "[0:a]ebur128=video=1[out1];[out1]crop=64:12:231:4" -pix_fmt yuv420p output.mkv
• I：全体の平均ラウドネス値 の値だけ
  ffmpeg -i input.mp4 -filter_complex "[0:a]ebur128=video=1[out1];[out1]crop=92:12:337:4" -pix_fmt yuv420p output.mkv
• LRA：ラウドネスレンジ の値だけ
  ffmpeg -i input.mp4 -filter_complex "[0:a]ebur128=video=1[out1];[out1]crop=104:12:495:4" -pix_fmt yuv420p output.mkv
• 目盛りだけ
  ffmpeg -i input.mp4 -filter_complex "[0:a]ebur128=video=1[out1];[out1]crop=15:452:16:24" -pix_fmt yuv420p output.mkv
• 右のバーだけ
  ffmpeg -i input.mp4 -filter_complex "[0:a]ebur128=video=1[out1];[out1]crop=22:434:611:39" -pix_fmt yuv420p output.mkv
• 2つのグラフを比較して再生
  ffplay -f lavfi -i "amovie=input.mp4,asplit[1],ebur128=video=1:target=-10[0v][0a];[1]ebur128=video=1:size=640x480:target=0[1v][1a];[0v][1v]hstack[out0];[0a][1a]amix[out1]"

公式ドキュメント：FFmpeg Filters Documentation : ebur128

オプション

• video[boolean]
  ラウドネスの値を映像化するかどうか。有効にすると映像と音声の2出力になる
  既定値：0（音声だけ）
• size[image_size]
  ラウドネスの値を映像化したときの解像度。最小値は 640×480
  既定値：640×480
• meter[int]
  RBU スケールメーター（左のメモリ）の値の最大値
  既定値：9
  範囲：9 から 18 まで
• framelog[int]
  1フレーム当たりにログを表示するか
• 32, info：表示する。既定値
• 40, verbose：表示しない
• metadata[boolean]
  メタデータに表示に切り替える。100ms 毎に1フレーム描写する
  既定値：0
• peak[flags]
  ピークモードの指定
• none：ピークモードの設定をしない。既定値
• sample：ピークサンプルモード
• true：トゥルーピークモード
• dualmono[boolean]
  モノラル入力をデュアルモノラルのように扱う
  既定値：0
• panlaw[double]
  デュアルモノラルのファイルのパンローを設定する
  既定値：-3.0103
  範囲：-10 から 0 まで
• target[int]
  LUFS のどの値の基準を相対的なレベルとして描写するかの指定。波形が見切れる場合に調整する
  既定値：-23
  範囲：-23 から 0 まで
• gauge[int]
  ゲージ値の指定
• 0, momentary, m：瞬時。既定値
• 1, shortterm, s：短期
• scale[int]
  ラウドネスのスケール値の指定。映像出力のみに影響を与える
• 0, absolute, LUFS：絶対値。既定値
• 1, relative, LU：相対値

TARGET：targetの指定
M：400ミリ秒毎のラウドネス値
S：3秒毎の移動平均ラウドネス値
I：全体の平均ラウドネス値
LRA：ラウドネスレンジ

ログ表示の内容

Threshold がどのような値なのかよくわからない。

  Integrated loudness:
    I:         平均ラウドネス LUFS（音量感）
    Threshold: しきい値 LUFS

  Loudness range:
    LRA:        ラウドネスレンジ LU
    Threshold: しきい値 LUFS
    LRA low:   最小ラウドネス LUFS
    LRA high:  最大ラウドネス LUFS

adrawgraph の描写例

M、S、I、LRAが最大最小の範囲を指定して描写できる。
ffplay -f lavfi -i "amovie=input,ebur128=metadata=1,adrawgraph=lavfi.r128.M:min=-32:max=0"
ffplay -f lavfi -i "amovie=input,ebur128=metadata=1,adrawgraph=lavfi.r128.M:min=-32:max=0:mode=bar"
ffplay -f lavfi -i "amovie=input,ebur128=metadata=1,adrawgraph=lavfi.r128.S:min=-32:max=0"
ffplay -f lavfi -i "amovie=input,ebur128=metadata=1,adrawgraph=lavfi.r128.I:min=-32:max=0"
ffplay -f lavfi -i "amovie=input,ebur128=metadata=1,adrawgraph=lavfi.r128.LRA:min=0:max=2"

M、S、Iを同時に表示する。
ffplay -f lavfi -i "amovie=input,ebur128=metadata=1,adrawgraph=m1=lavfi.r128.M:min=-32:max=0:m2=lavfi.r128.S:m3=lavfi.r128.I"

adrawgraphも同じオプション。
メタデータを映像化する drawgraph, adrawgraph

ametadata の利用例

ametadataフィルタで表示する例。
ffplay -f lavfi -i amovie=input,ebur128=metadata=1,ametadata=print:key=lavfi.r128.M,ametadata=print:key=lavfi.r128.S,ametadata=print:key=lavfi.r128.I[out0];amovie=input[out1]

fileでテキストに出力する。
ffmpeg -i input -af ebur128=metadata=1,ametadata=mode=print:file=foo.txt -vn -f null -

複数トラックを解析してテキストに出力する。
ffmpeg -i input -filter_complex [0:a:0]ebur128=metadata=1,ametadata=mode=print:file=foo.txt;[0:a:1]ebur128=metadata=1,ametadata=mode=print:file=bar.txt -vn -f null -

ffmpeg | 識別子の指定方法：任意のトラックを指定する
メタデータをコンソールに表示する metadata, ametadata

他のフィルタを併用して映像で並べる

showvolume、ebur128、avectorscopeフィルタのログを縦に並べる。
ffplay -f lavfi "amovie=input.mp4,asplit=3[sv][eb][av];[sv]showvolume=b=4:f=0:ds=log:c=VOLUME:w=640:h=68[sv-v];[eb]ebur128=video=1:size=640x480:meter=18[eb-v][out1];[av]avectorscope=s=640x460:zoom=1.3:rc=2:gc=200:bc=10:rf=1:gf=8:bf=7[av-v];[sv-v][eb-v][av-v]vstack=3"

1920×1080の映像を右に並べる。CPUが強くないと音が途切れ途切れになる。
ffplay -f lavfi "movie=input.mp4,split=4[v][wf][wfc][vs];[wf]waveform=m=1:d=0:r=0:c=7[wf-vus];[wf-vus][v]scale2ref=iw:1220-ih[wf-va][sig];[wf-va]setsar=1[wf-v];[wfc]waveform=m=0:d=0:r=0:c=7,scale=610x610,setsar=1[wfc-v];[vs]vectorscope=m=color3:g=color,scale=610x610,setsar=1[vs-v];[sig][wf-v]vstack[2c];[wfc-v][vs-v]vstack[3c];[2c][3c]hstack[out0];amovie=input.mp4[out1]"

• リアルタイムでVUメーターを表示する showvolume
• 音声をベクタースコープで表示する avectorscope
• ffplay / ffmpeg with audio and video filters – Stack Overflow

運用方法

テレビ放送では-24LUFS ±1dB、PS3では-23LUFS ±2dB、Vitaでは-18LUFS程度とされている。ニコ生では配信内容で目安となる値を変えて、ゲーム配信ならPS3に倣って-23程度に、雑談配信なら-24程度を目標とする。

ニコニコ動画は-15LKFS/LUFSを基準とすることにした。

この値を目標に音量を変更するにはloudnormフィルタが最適である。
任意のラウドネス値に音量を調整する loudnorm

具体的な区間で特定の音量に上げ下げするにはvolumeフィルタとタイムライン編集を併用する。
Windows の ffmpeg で生放送する方法 – volume 音量調整
特定の区間だけフィルタを当てるタイムライン編集について

10秒から180秒までvolumeフィルタで2dB上げる。
ffmpeg -i input -af volume=2dB:enable='between(t,10,3*60)' -c:v copy output

複数の区間にフィルタを当てるには複数回volumeフィルタを当てる。
ffmpeg -i input -af volume=2dB:enable='between(t\,10\,3*60)',volume=2dB:enable='between(t\,200\,4*60)' -c:v copy output

その他のオーディオフィルタ。

• 音声統計データを表示する astats
• 複数の周波数帯の音量を変えるanequalizer
• 音声のダイナミックレンジを調べる drmeter
• 音声のダイナミックレンジを広げる crystalizer
• ffmpeg で聞き取りやすい音量に変える dynaudnorm
• リアルタイムでVUメーターを表示する showvolume
• 18の周波数帯に分けてゲインを調整する superequalizer