Loudness, LUFS e a normalização de áudio do streaming

Por que o pico não diz o quão alto algo soa

O dBFS (decibel relativo ao fundo de escala) é uma medida de amplitude: 0 dBFS é a maior amostra que o formato consegue representar, e todo o resto é negativo. É uma escala logarítmica, como quase toda relação em decibéis, a mesma ideia de razão entre grandezas que aparece no guia de conversão de unidades. O problema é que o pico só olha para um instante: a única amostra mais alta do arquivo. Ele não sabe se aquele pico durou um estalo ou o disco inteiro, nem se a energia está concentrada num assobio agudo ou espalhada por todo o espectro. O ouvido se importa com exatamente essas duas coisas.

Um exemplo trabalhado deixa a diferença nua. Um tom senoidal de 997 Hz batendo em 0 dBFS, aplicado a um único canal (esquerdo, central ou direito), mede exatamente −3,01 LKFS: é assim que o BS.1770 se calibra. Ponha o mesmo tom nos dois canais de um par estéreo e a soma ponderada dobra, a leitura vira 0,0 LUFS, com o pico intacto. Agora pegue uma masterização pop densa que também pica em 0 dBFS: ela integra muito mais alto, porque preenche o espectro inteiro e sustenta essa energia por minutos. Mesmo pico, loudness completamente diferente. Quem normaliza pela amostra mais alta iguala o número que ninguém escuta e deixa desigual o que todo mundo escuta.

O que o LUFS mede de verdade

A receita está no ITU-R BS.1770, a recomendação que define como medir loudness e true peak, hoje na revisão BS.1770-5, de novembro de 2023, mas estável no essencial desde a primeira versão de 2006. O primeiro passo é a ponderação K, um filtro de dois estágios que aproxima como ouvimos: um pré-filtro em prateleira (shelf) que realça os agudos em torno de +4 dB, modelando o efeito da cabeça, seguido de um filtro passa-altas RLB que corta as frequências muito graves. Não é a curva perfeita de audibilidade, mas é simples, reprodutível e boa o bastante para reger todo o áudio profissional. Se você quiser sentir na prática o quanto graves e agudos pesam diferente na percepção, brinque com o equalizador de graves e agudos.

Depois do filtro, o algoritmo eleva o sinal ao quadrado e tira a média (a média quadrática, ou mean square) em janelas de 400 ms com 75% de sobreposição. Cada canal é medido separadamente e somado com um peso: o somatório ponderado por canal é o coração da medida.

A constante −0,691 não é mágica: ela cancela o ganho do filtro K em 997 Hz, ancorando a escala. Os pesos maiores para os canais surround (1,41, cerca de +1,5 dB) refletem que som vindo de trás é percebido como um pouco mais alto. Antes de continuar, vale fixar o vocabulário, abaixo, cada sigla com o significado exato.

dBFS

Decibéis relativos ao fundo de escala digital. 0 dBFS é a maior amostra representável; tudo abaixo é negativo. Mede amplitude de amostra, não loudness.

dBTP

Decibéis true peak: o pico do sinal reconstruído entre as amostras, estimado por sobreamostragem. Pode passar de 0 dBFS mesmo sem nenhuma amostra em 0.

LUFS

Loudness Units relative to Full Scale: a escala absoluta de loudness do BS.1770 (ponderação K + gating).

LKFS

Loudness, K-weighted, relative to Full Scale: o nome que o ATSC e a ITU dão à MESMA escala do LUFS. 1 LKFS = 1 LUFS.

LU

Loudness Unit: a mesma magnitude de 1 dB, mas usada de forma relativa, a distância entre dois valores de loudness ou até um alvo.

LRA

Loudness Range: a variação de loudness do programa (percentil 95 menos percentil 10 dos blocos short-term), em LU. Alta = dinâmico; baixa = comprimido.

gating

Descarte de trechos silenciosos antes de calcular a loudness integrada: um gate absoluto em −70 LUFS e um gate relativo 10 LU abaixo do nível já filtrado.

Momentary / Short-term / Integrated

As três janelas do EBU Mode: momentânea (400 ms), curto prazo (3 s) e integrada (o programa inteiro, com gating).

As três janelas, o gating e o LRA

Um medidor de loudness sério mostra três números, definidos pelo EBU Tech 3341 como "EBU Mode". Cada um responde a uma pergunta diferente sobre a mesma faixa.

• Momentary (M): janela de 400 ms. Pega picos instantâneos de loudness, útil para flagrar um estouro pontual.
• Short-term (S): janela de 3 s. Acompanha a mixagem enquanto você trabalha, seguindo a evolução da música.
• Integrated (I): o programa inteiro, com gating. É este o número que você compara a um alvo como −14 ou −23 LUFS.

O gating existe porque um silêncio ou uma pausa longa afundaria a média e faria uma faixa parecer mais baixa do que soa. O BS.1770 aplica dois portões antes de calcular a loudness integrada: um gate absoluto em −70 LUFS, que joga fora o que é praticamente silêncio, e um gate relativo posicionado 10 LU abaixo do nível já medido com o gate absoluto. Só os blocos acima desse segundo portão entram na média final. Sem gating, um podcast com longos trechos de fala baixa e um comercial gritado poderiam registrar a mesma integrada, o que derrubaria o sentido da medida.

O LRA (Loudness Range), definido no EBU Tech 3342, resume quão dinâmica é a faixa: pega os blocos short-term e mede a distância entre o percentil 10 e o percentil 95, ignorando os extremos. É uma medida de distribuição, não de média, a mesma lógica estatística de olhar para a dispersão dos dados que aparece no guia de correlação e regressão. Um LRA alto significa contrastes fortes entre trechos quietos e intensos; um LRA baixo denuncia compressão pesada, onde tudo foi nivelado ao mesmo volume.

True peak: o pico que o medidor de amostra não vê

Pico de amostra (sample peak) é a maior amostra do arquivo. True peak (dBTP) é o maior valor que o sinal atinge depois de reconstruído em forma de onda contínua, e os dois quase nunca coincidem. Entre duas amostras que estão logo abaixo de 0 dBFS, a curva que o conversor desenha pode subir mais alto do que qualquer amostra existente. Esse é o pico entre amostras (inter-sample peak), e ele é traiçoeiro justamente porque é invisível para um medidor de pico comum. Visualizar a onda ajuda a entender onde ela se aproxima do teto: dá para gerar e inspecionar isso no gerador de forma de onda.

Os padrões de broadcast: uma régua, duas regras

O BS.1770 é só a régua, como medir. As regras de quanto vêm em cima dela. Na Europa, a EBU R 128 fixou o alvo de −23 LUFS integrados para programas, com tolerância de ±0,5 LU (±1 LU para material ao vivo, menos previsível) e true peak máximo de −1 dBTP. Nos Estados Unidos, o ATSC A/85, que o CALM Act tornou obrigatório para comerciais, usa −24 LKFS, com margem de ±2 LU. Vale gravar isto: LKFS e LUFS são a mesma escala com nomes diferentes; a distância de 1 LU entre os dois alvos é real, mas pequena.

1. 2006ITU-R BS.1770

   A ITU publica o algoritmo que define a ponderação K e o true peak, a régua comum de toda a indústria.

2. 2010EBU R 128

   A União Europeia de Radiodifusão fixa o alvo de −23 LUFS e o EBU Mode (Momentary, Short-term, Integrated, LRA).

3. Dez. 2010CALM Act sancionado

   Nos EUA, a lei (Public Law 111-311) manda a FCC exigir controle de loudness dos comerciais.

4. Dez. 2012Regras da FCC em vigor

   As regras do CALM Act passam a valer, adotando o ATSC A/85 (−24 LKFS) como referência obrigatória.

5. 2010sStreaming adota normalização

   Uma a uma, as plataformas de música e vídeo passam a normalizar a reprodução por loudness, cada uma com seu alvo.

6. 2023BS.1770-5

   A revisão mais recente do algoritmo mantém a base intacta e refina detalhes de medição.

Streaming e o fim da loudness war

O streaming importou a ideia do broadcast, mas com um alvo mais alto. A Spotify normaliza a reprodução para −14 LUFS no modo Normal, com opções de −11 LUFS (Loud) e −19 LUFS (Quiet) para assinantes. Importante: ela não altera o seu arquivo, aplica um ganho só no momento de tocar, para baixo nas faixas altas e para cima nas baixas. E respeita o true peak: pela documentação oficial, uma faixa em −20 LUFS cujo true peak está em −5 dBFS é subida apenas para −16 LUFS, não −14, porque +6 dB empurrariam o pico para +1 dBFS e clipariam. A plataforma deixa 1 dB de folga e para antes.

Aqui está o desfecho da loudness war. Por décadas, masterizações foram comprimidas e limitadas cada vez mais alto para "ganhar" no rádio e no CD: quem tocasse mais alto chamava mais atenção. A normalização por loudness aposentou essa lógica. Suponha que você masterize em −6 LUFS, brickwalled; ao tocar na Spotify no modo Normal, a faixa leva −8 dB de ganho para descer aos mesmos −14 LUFS de uma masterização dinâmica em −14. As duas chegam iguais no volume, mas a sua perdeu os transientes e a respiração no caminho. Espremer não compra mais volume; só custa qualidade.

Quando toda faixa é nivelada para o mesmo LUFS, espremer a dinâmica não compra volume nenhum, só custa os transientes.

Comunidades como o Dynamic Range Database e campanhas como a "Turn Me Up!" vinham documentando essa perda de dinâmica muito antes de as plataformas agirem. Hoje o incentivo econômico se inverteu: uma masterização com dinâmica preservada soa igual em volume às outras e melhor em qualidade. A prática se resume a mixar com o ouvido, checar a integrada e o true peak no fim, e não masterizar para um número mais alto que o alvo do destino. Fecha o ciclo de produção com outras ferramentas de áudio, como o detector de BPM.

• Meça a loudness integrada (LUFS) da faixa, não só o pico, use o normalizador de volume ou um medidor com EBU Mode.
• Limite o true peak em −1 dBTP (−2 dBTP se a masterização for alta), com um limitador de true peak, não só de pico de amostra.
• Não masterize acima do alvo do destino esperando "volume": as plataformas abaixam a faixa de volta ao alvo delas.
• Preserve dinâmica (olho no LRA): compressão pesada não dá vantagem depois da normalização.
• Cheque o álbum inteiro em conjunto, muitas plataformas normalizam por álbum para manter as relações entre as faixas.
• Guarde uma masterização mais dinâmica como fonte; é mais fácil abaixar depois do que recuperar transientes perdidos.