Pegelverhältnisse und Endpegel für Video?

[DEWEO]

Hallo zusammen,


es geht um die richtigen Pegelverhältnisse mehrerer Tonobjekte in Videos zueinander.
Im Internet bin ich über verschiedene Normen, Angaben und Empfehlungen gestolpert und nun etwas verwirrt.

Es geht um Musik von CD und Sprachaufnahmen.

Welchen Pegel in dB oder dbFS muss die Musik haben und welchen Pegel in dB oder dbFS muss die Sprache haben?

Am Ende muss das ganze dann auf -23 LUFS ausgepegelt werden oder waren es -9dbFS ?

Wie mache ich es richtig?

Gruß Deweo

[pillepalle]

Für die Pegelverhältnisse innerhalb eines Videos von verschiedenen Tonobjekten gibt es kein richtig oder falsch, denn es hängt ja stark vom Inhalt und der gewünschten Wirkung ab. In der Regel freut sich der Zuschauer, wenn die Sprachaufnahmen auch verständlich sind, also z.B. nicht zu leise z.B. da wo Musik und Sprache gleichzeitig laufen. Aber das ist eigentlich Geschmackssache.

Ja, am Ende Pegelt man das ganze auf -23 LUFS, wenn man der Broadcast-Norm der EBU (R128) entsprechen möchte. Für Internetvideos gilt das aber eigentlich nicht. Da haben die Portale allerdings meist Algorithmen, die zu laute Videos herunterpegeln, meist auf -14 LUFS, soweit ich weiß.

VG

[Bluboy]

Am Ende muss das ganze dann auf -23 LUFS ausgepegelt werden oder waren es -9dbFS ?

-23 LUFS gilt für Wav oder MPA

[Frank Glencairn]

es geht um die richtigen Pegelverhältnisse mehrerer Tonobjekte in Videos zueinander.
Im Internet bin ich über verschiedene Normen, Angaben und Empfehlungen gestolpert und nun etwas verwirrt.

Die Frage ist, was du damit am Ende vor hast. Das Ziel entscheidet über die Pegel.

[vaio]

Ich mische mit Kopfhörer ab und kontrolliere das Ergebnis über die TV-Lautsprecher.

[DEWEO]

es geht um die richtigen Pegelverhältnisse mehrerer Tonobjekte in Videos zueinander.
Im Internet bin ich über verschiedene Normen, Angaben und Empfehlungen gestolpert und nun etwas verwirrt.

Die Frage ist, was du damit am Ende vor hast. Das Ziel entscheidet über die Pegel.

Hallo,
nun ja, es soll alles gut verständlich sein und der Zuschauer sollte nicht dauernd am Lautstärkeregler drehen müssen.

Gruß
Deweo

[Frank Glencairn]

nun ja, es soll alles gut verständlich sein und der Zuschauer sollte nicht dauernd am Lautstärkeregler drehen müssen.

Das hat halt alles nur überhaupt nix mit den EBU (und anderen) Normen zu tun, nach denen du gefragt hast.

Deshalb nochmal die Frage: Was hast du damit vor?

Wenn es nur für den Heimgebrauch gut verständlich sein, und keiner am Regler drehen soll, dann brauchst du dich um LUFS nicht scheren.
Da langt dann ein Brickwall-Limiter kurz unter Null DB.

Wenn das ganze aber z.B. auf YT soll, dann wären theoretisch -14 LUFS im Endpegel angesagt.
In deinem Fall wär das aber auch egal, und du kannst das auch YT überlassen.

Was den Mix aus Musik und Sprache betrifft, gibt es keine festen Regeln, dafür sind deine Ohren zuständig.
Wenn man Sprache mit Musik unterlegt, macht man mit nem EQ oder - noch besser - mit nem dynamischen Multiband Kompressor in der Musik entsprechen entsprechend Platz für die Sprache.
Nennt sich dann Dialog Masking.

[DKPost]

nun ja, es soll alles gut verständlich sein und der Zuschauer sollte nicht dauernd am Lautstärkeregler drehen müssen.

Das hat halt alles nur überhaupt nix mit den EBU (und anderen) Normen zu tun, nach denen du gefragt hast.

Deshalb nochmal die Frage: Was hast du damit vor?

Wenn es nur für den Heimgebrauch gut verständlich sein, und keiner am Regler drehen soll, dann brauchst du dich um LUFS nicht scheren.
Da langt dann ein Brickwall-Limiter kurz unter Null DB.

Wenn das ganze aber z.B. auf YT soll, dann wären theoretisch -14 LUFS im Endpegel angesagt.
In deinem Fall wär das aber auch egal, und du kannst das auch YT überlassen.

Was den Mix aus Musik und Sprache betrifft, gibt es keine festen Regeln, dafür sind deine Ohren zuständig.
Wenn man Sprache mit Musik unterlegt, macht man mit nem EQ oder - noch besser - mit nem dynamischen Multiband Kompressor in der Musik entsprechen entsprechend Platz für die Sprache.
Nennt sich dann Dialog Masking.

Als Ergänzung: Der Peak ist für Youtube oder Online generell trotzdem -1dB bei -14 LUFS.
Die LUFS beschreiben nicht die maximale Lautstärke sondern die durchschnittliche Lautheit.

[Blackbox]

In deinem Fall wär das aber auch egal, und du kannst das auch YT überlassen.

Bist Du da sicher, oder ist das Mutmaßung?
Ich habe den Eindruck, dass YT zwar höhere Pegel absenkt, aber niedrige Pegel nicht auf -14 anhebt.

[Frank Glencairn]

Ich habe den Eindruck, dass YT zwar höhere Pegel absenkt, aber niedrige Pegel nicht auf -14 anhebt.

Da hast du auch völlig recht - ich hab mich dabei allerdings auf meine vorherige Einlassung mit dem Limiter kurz unter Null bezogen.
Sprich ich bin dabei von einem Signal weit über -14 ausgegangen.

[Blackbox]

An den Threadersteller:
Du solltest auch bedenken für welche Zielgruppe und für welche Plattformen du das machst.
Youtube für <30 oder broadcast für >50 macht nen großen Unterschied.
Im Zweifelsfall:
Sprachverständlichkeit geht vor
Ansonsten noch:
Sprachverständlichkeit geht vor

Sobald die Sprachverständlichkeit nicht ausreichend gut ist (i.d.R. sollte nicht nur Satzverständlichkeit gegeben sein, sondern auch durchgängige Wort- und Silbenverständlichkeit) wirds sehr anstrengend fürs Gehirn und es wird weggezappt/ausgeschaltet/negativ bewertet.
Was auch ne Rolle spielt:
die eigene Hörfähigkeit, die ja mit dem Alter abnimmt.
Ein größer werdender Teil der Bevölkerung (siehe 'Zielgruppe') hört bereits im kritischen Bereich der Konsonanten (4-8khz) zu schlecht um mit nem Mix klarzukommen, der vom jugendlichen Ohr 'auf Kante' abgemischt wurde.
Dazu kommt die Tatsache, dass auch bereits jüngere Menschen zunehmend Hörprobleme haben, was ebenfalls dafür spricht der Sprachverständlichkeit Priorität einzuräumen.
Wie schon geschrieben wurde spielt der Pegel der Mischung keine Rolle, sondern das Verhältnis von Sprache und Musik/Atmo.
Der Tipp mit dynamic-EQ wurde dir ja bereits gegeben, wodurch etwas (!) höhere Lautstärken bei Musik/Atmo möglich werden.
Auch da gilt aber: HINHÖREN ob der Sound von Musik/Atmo konstant genug bleibt, so dass keine Hörirritationen entstehen.
Schlechtest mögliche Methode, die aber leider immer noch gelegentlich anzutreffen ist:
Musik bei allen Sprachanteilen schnell und gründlich runterfaden und nach Satzende wieder schnell und gründlich hochfaden.
Mach das NIE !!! *

Auch gut:
Beim letzten Kontrollhören andere Menschen mithören lassen und im Raum irgendeinen breitbandigen Störsound laufen lassen (lauten PC, Ventilator, etc.). Auch dann muss zumindest Wortverständlichkeit gegeben sein.

* Ausnahme: bewußte ästhetische Entscheidung für diesen 'Effekt'

[MK]

Beim letzten Kontrollhören andere Menschen mithören lassen und im Raum irgendeinen breitbandigen Störsound laufen lassen (lauten PC, Ventilator, etc.). Auch dann muss zumindest Wortverständlichkeit gegeben sein.

Oder einen 2000 Watt Staubsauger

[Bluboy]

Google: Dialoge zu leise, Action zu laut

wärs so Einfach wär das Netz nicht voll davon

[DKPost]

An den Threadersteller:
Du solltest auch bedenken für welche Zielgruppe und für welche Plattformen du das machst.
Youtube für <30 oder broadcast für >50 macht nen großen Unterschied.
Im Zweifelsfall:
Sprachverständlichkeit geht vor
Ansonsten noch:
Sprachverständlichkeit geht vor

Sobald die Sprachverständlichkeit nicht ausreichend gut ist (i.d.R. sollte nicht nur Satzverständlichkeit gegeben sein, sondern auch durchgängige Wort- und Silbenverständlichkeit) wirds sehr anstrengend fürs Gehirn und es wird weggezappt/ausgeschaltet/negativ bewertet.
Was auch ne Rolle spielt:
die eigene Hörfähigkeit, die ja mit dem Alter abnimmt.
Ein größer werdender Teil der Bevölkerung (siehe 'Zielgruppe') hört bereits im kritischen Bereich der Konsonanten (4-8khz) zu schlecht um mit nem Mix klarzukommen, der vom jugendlichen Ohr 'auf Kante' abgemischt wurde.
Dazu kommt die Tatsache, dass auch bereits jüngere Menschen zunehmend Hörprobleme haben, was ebenfalls dafür spricht der Sprachverständlichkeit Priorität einzuräumen.
Wie schon geschrieben wurde spielt der Pegel der Mischung keine Rolle, sondern das Verhältnis von Sprache und Musik/Atmo.
Der Tipp mit dynamic-EQ wurde dir ja bereits gegeben, wodurch etwas (!) höhere Lautstärken bei Musik/Atmo möglich werden.
Auch da gilt aber: HINHÖREN ob der Sound von Musik/Atmo konstant genug bleibt, so dass keine Hörirritationen entstehen.
Schlechtest mögliche Methode, die aber leider immer noch gelegentlich anzutreffen ist:
Musik bei allen Sprachanteilen schnell und gründlich runterfaden und nach Satzende wieder schnell und gründlich hochfaden.
Mach das NIE !!! *

Auch gut:
Beim letzten Kontrollhören andere Menschen mithören lassen und im Raum irgendeinen breitbandigen Störsound laufen lassen (lauten PC, Ventilator, etc.). Auch dann muss zumindest Wortverständlichkeit gegeben sein.

* Ausnahme: bewußte ästhetische Entscheidung für diesen 'Effekt'

Warum sollte man Musik nicht runterziehen wenn Sprache kommt?

[DEWEO]

Hallo zusammen,

ich danke Euch erst mal für die wertvollen Hilfestellungen, Ratschläge und Tipps.

Das hilft mir schon sehr weiter.

Gruß
Deweo

[Pianist]

Warum sollte man Musik nicht runterziehen wenn Sprache kommt?

Er schrieb nicht, dass man das nicht soll, aber eben nicht mit zu kurzen Rampen.

Matthias

[TomStg]

Auch gut:
Beim letzten Kontrollhören andere Menschen mithören lassen und im Raum irgendeinen breitbandigen Störsound laufen lassen (lauten PC, Ventilator, etc.). Auch dann muss zumindest Wortverständlichkeit gegeben sein.

Und um den Workflow beim Mixen nicht unnötig zu verkomplizieren, sollte man auf Kopfhörer verzichten. Denn damit funktioniert ein hörgerechter Pegel-Mix grundsätzlich nicht.

[Pianist]

So ist es. Daher meine ich eben, dass es wichtig ist, dass nicht nur der Sprecherraum, sondern auch das Schnittstudio akustisch ausgebaut ist, damit Probleme nicht durch Raumhall überdeckt werden. Dennoch sollte man aber auch noch mal mit verschiedenen Kopfhörern kontrollieren, weil die Leute heute unterwegs viel mit Ohrstöpseln hören.

Matthias

[Blackbox]

Und um den Workflow beim Mixen nicht unnötig zu verkomplizieren, sollte man auf Kopfhörer verzichten. Denn damit funktioniert ein hörgerechter Pegel-Mix grundsätzlich nicht.

Hat sich m.E. mittlerweile in einigen Bereichen stark geändert.
Je nach Produkt/Zielgruppe wird mehr auf Kopfhöreren konsumiert als auf Lautsprechern, so dass es immer wichtiger wird für LS und Kopfhörer zu produzieren.
Wird sich u.U. noch weiter verstärken wenn/falls sich 'immersive audio' in einigen Jahren breiter durchsetzt und sich die usability von binauralem Hören (massentaugliche gratis HRTF Profil Erstellung) nach und nach verbessert.
Zwar tobt mal wieder ein Industriestreit mit untereinander nicht kompatiblen Formaten, aber durch Spieleindustrie und den Einstieg von Apple ins binaurale 2-kanal Geschäft mit Soft- (Logic) und Hardware (KH mit Head-tracking) )wird das wohl aus der traditionell eher kleinen Surround-Nische herauskommen können.
Apple-Marketing:
"Personalisiertes 3D Audio mit dynami­schem Head Tracking bietet dir bei Filmen und Serien einen Surround-Sound wie im Kino.1 Mit integrierten Gyro‑ und Beschleunigungs­sensoren verfolgen die AirPods Max und dein iPhone, iPad, Mac oder Apple TV die Bewegungen deines Kopfes und passen den Sound auf deinem Gerät an.
Und bei Apple Music sorgt personalisiertes 3D Audio mit dynamischem Head Tracking für ein drei­dimensio­nales Hörerlebnis."
Tracking und Foto basiertes HRTF gibts ja jetzt auch schon bei den günstigeren Airpods. Auch außerhalb der Apple-Bubble nimmt das langsam Formen an. Siehe etwa Nuendo ab Version 11/12.

Zudem haben KH bei Restauration und der Überprüfung von Störfreiheit nach wie vor die Nase vorn.
Stimme aber insoweit zu, als Mischen/Mastern speziell was die Sprachverständlichkeit angeht ohne LS ein 'no go' ist, während das ohne KH mit guter Abhöre durchaus möglich ist ohne dass es dabei im KH schlecht klingt.

[TomStg]

Zum Mischen/Mastern mit LS oder mit KH ist sicher entscheidend, um welchen Content für welche Zielgruppe es sich handelt. In Summe sehe ich aber KH zum Mischen aktuell noch als Ausnahme an - insbesondere für reine Musikproduktionen, aber auch für Film-Ton mit Sprache. Denn das Hören der fertigen Mischung per KH passiert deutlich seltener im Vergleich zum Hören per LS.

[Frank Glencairn]

"Personalisiertes 3D Audio mit dynami­schem Head Tracking bietet dir bei Filmen und Serien einen Surround-Sound wie im Kino.1 Mit integrierten Gyro‑ und Beschleunigungs­sensoren verfolgen die AirPods Max und dein iPhone, iPad, Mac oder Apple TV die Bewegungen deines Kopfes und passen den Sound auf deinem Gerät an.

Darf ich mal fragen, wer beim sehen eines Filmes ständig den Kopf vom Bildschirm weg dreht?

[MK]

ADHS Kiddies

[pillepalle]

Darf ich mal fragen, wer beim sehen eines Filmes ständig den Kopf vom Bildschirm weg dreht?

Wenn der Millenium Falke auf die Kamera zufliegt drehe ich mich immer um, um zu schauen wo er denn nun geblieben ist. 😅

VG

[vaio]

Sowohl für das optimale Pegelverhältnis, als auch um eventuelle Störgeräusche heraus zu hören, sind Kopfhörer für mich unerläßlich (geworden). Dabei meine ich „geschlossene“ und durchaus hochwertige Hörer. Wenn man immer die selben Voraussetzungen beim abmischen hat, macht der Rest die Erfahrung. Eine abschließende Probe über die TV-Lautsprecher gehört selbstredend dazu.

Die Beiträge mit den verschiedenen Zielgruppen find ich eher lächerlich. Die allerwenigsten User in diesem Forum werden für unterschiedliche Zielgruppen, bzw. Endgeräte „produzieren“. Erstens fehlt diesen Leutchen schlicht die Arbeitszeit, da sie von morgens bis abends zu jedem Thema ihren Senf schreiben. Zweitens offenbaren sie sich für mich als Theoretiker. Einen guten Mix hört man auf alle Geräte vernünftig. Leider gibt es mittlerweile in diesem Forum diese Theoretiker in weit höherer Teilnehmerzahl, als es vor Jahren noch der Fall war. Das schreibe ich als Hobby-User…

Habt einen schönen Abend.

[TomStg]

Sowohl für das optimale Pegelverhältnis, als auch um eventuelle Störgeräusche heraus zu hören, sind Kopfhörer für mich unerläßlich (geworden). Dabei meine ich „geschlossene“ und durchaus hochwertige Hörer. Wenn man immer die selben Voraussetzungen beim abmischen hat, macht der Rest die Erfahrung. Eine abschließende Probe über die TV-Lautsprecher gehört selbstredend dazu.

Die Beiträge mit den verschiedenen Zielgruppen find ich eher lächerlich. Die allerwenigsten User in diesem Forum werden für unterschiedliche Zielgruppen, bzw. Endgeräte „produzieren“. Erstens fehlt diesen Leutchen schlicht die Arbeitszeit, da sie von morgens bis abends zu jedem Thema ihren Senf schreiben. Zweitens offenbaren sie sich für mich als Theoretiker. Einen guten Mix hört man auf alle Geräte vernünftig. Leider gibt es mittlerweile in diesem Forum diese Theoretiker in weit höherer Teilnehmerzahl, als es vor Jahren noch der Fall war. Das schreibe ich als Hobby-User…

Das Thema bezieht sich hier ausschließlich auf das Mischen. Du siehst Deine unprofessionelle Arbeitsweise mittels KH beim Mischen leider als Maßstab für alle an. Damit liegst Du sehr weit neben den Anforderung der realen praktischen Welt.

[Blackbox]

Darf ich mal fragen, wer beim sehen eines Filmes ständig den Kopf vom Bildschirm weg dreht?

Klar darfst Du fragen, kriegst sogar ne Antwort ;-)
Es geht dabei im Kern nicht um irgendwelche großen Kopfbewegungen komplett weg vom Bild, sondern vor allem um die kleineren Bewegungen so im Bereich von vielleicht 5-30°, die vom homo sapiens (und auch von etlichen Tieren) unwillkürlich(!) gemacht werden um die Lokalisation von Schallquellen zu verbessern.
( Siehe die damaligen Diskussionen um das 'Seiten-Loch' bei 5.1.
Minimale Kopfbewegungen stabilisieren/verbessern da die (immer noch nur mäßig gute) Lokalisation für Seite-Hinten.
Bei 7.1. ist das besser. )
Da unser Hörapparat (also Ohr plus Hirn) diese minimalen Kopfbewegungen sehr regelmäßig nutzt, agieren wir natürlich auch mit Kopfhörern über den Ohren so, wobei das Hirn dann (zu Recht) eine Präzisierung der Lokalisation erwartet.
Das passiert dann auch eingermaßen glaubhaft, sofern ein genügend schnell reagierendes Head-tracking zum Einsatz kommt.
Ohne Tracking allerdings ergibt sich ein Widerspruch zwischen vermuteter ungefährer Richtung beim Hören ohne Kopfbewegung und der dann - bei Kopfbewegung - ausbleibenden Verifikation bzw. Präzisierung. Dabei sind auch vorne-Hinten Konfusionen möglich.
Resultat dann: Immersion funktioniert nicht, da ja alle Quellen - statt ortskonstant zu bleiben - synchron zur Kopfbewegung mitwandern und damit die erste Lokalisationsvermutung negieren.

Übers Tracking hinaus ist natürlich zwingend ein fürs Hörsystem verwertbarer immersive-Sound (also zB binaurale Kodierung von Atmos mit personifizierter HRTF) vonnöten.
Stereo plus Headtracking gibt ja noch kein Surround.

Großer Vorteil von Kopfhörern mit HRTF und Headtracking:
es braucht keine 9.2.4 Lautsprecher am Abhörort, und der 'Konsum' ist jederzeit auch mobil möglich, was vermutlich (Flexibilisierung der Lebensbereiche und so) immer wichtiger werden wird.

[Frank Glencairn]

Danke für die ausführliche Abhandlung.

Großer Vorteil von Kopfhörern mit HRTF und Headtracking:
es braucht keine 9.2.4 Lautsprecher am Abhörort, und der 'Konsum' ist jederzeit auch mobil möglich, was vermutlich (Flexibilisierung der Lebensbereiche und so) immer wichtiger werden wird.

Ich glaub allerdings, daß das hauptsächlich für's Handy gemacht wird - die einzigen die ich bisher mit Kopfhörern vor dem TV gesehen habe waren über 80jährige.

Ich kann mir deshalb nicht vorstellen daß die Leute (außer ein paar Audio/Technik Freaks) in Zukunft mit Kopfhörern TV sehen werden.
Und was mobile Anwendungen betrifft - Spielfilm auf nem Handy macht doch auch nicht wirklich Spaß.
Ich tu mir da echt schwer ne Nische zu sehen, außer im Game Sektor.

[Pianist]

Ist das eigentlich das Verfahren, was am Tonmeister-Institut der Musikhochschule Detmold entwickelt wurde und vor über zehn Jahren auf der Tonmeistertagung vorgestellt wurde? Das war ursprünglich für Tonbearbeitung gedacht, wo Leute am großen Mischpult sitzen und sich mal etwas nach links und etwas nach rechts drehen, und die Hörrichtung trotzdem gleich bleiben soll.

Matthias

[dosaris]

...
Er schrieb nicht, dass man das nicht soll, aber eben nicht mit zu kurzen Rampen.

seit Jahren nehme ich immer
- 0.5 Sec Rampe vorn u hinten
- -18dB ducking für die Off-Kommentarstimme.

Zusätzlich kommt ein Sound-shaping auf die Kommentare:
- leichtes peak-clippen 6dB
- Hochpass 80Hz
- Kompression ca 6dB
- Höhenanhebung ab zw 1 kHz u 3kHz um 3dB
- leichter De-Esser -3dB

Der Audio-Editor macht das alles in einem Rutsch per Script.

Das passt fast immer.

[Pianist]

Klingt für mich zu sehr nach "rein technischer Abarbeitung". Ich arbeite nie mit festen Werten, sondern regele das jeweils nach Bedarf und nach Gehör. Unterschiedliche Stimmen setzen sich auch unterschiedlich durch, so dass man da jeweils anders verfahren muss.

Wenn Du übrigens immer zwischen 1 und 3 kHz den Kommentar anhebst, dann scheinst Du die Sprachaufnahme nicht mit einem U 87 zu machen, oder? Das würde sich in diesem Bereich nämlich von ganz alleine durchsetzen. Daher hebe ich nie was an, sondern höre immer, wo ich was absenken muss. Bei mir selbst ist das bei 150 Hz, zwischen 300 und 400 Hz und dann noch mal zwischen 1,5 und 1,7 kHz. Jeweils -4 dB und ziemlich schmalbandig.

Wenn ich die Sprachaufnahmen analog mit meinen ADT-Modulen bearbeite, dann klingt das übrigens sehr viel besser als wenn ich das alles digital im DHD-Mischpult oder in der Software mache. Als EQ habe ich für beide Plätze einen TM 105 und als Voice-Prozessor (Kompressor, De-Esser, Limiter) jeweils einen TM 119. Als Vorverstärker natürlich den TM 101 mit Übertrager im Eingang.

Matthias