Tự mix giọng hát trên trình duyệt: đích số từ đâu

Công cụ tự mix phải trả lời bằng con số: giọng to hay nhỏ hơn nhạc bao nhiêu, EQ sửa dải nào, có kéo giọng về đúng nốt không. Những «đích» ấy lấy từ đâu thì đáng tin? Kết luận ngắn: đích giọng so với nhạc của MuziAI đo trên 144 bài có stem thật (giọng nhỏ hơn nhạc 2,2 LU ở trung vị), không đo trên bài do chính site tạo; bàn thử bắt được bốn lỗi mà con số ở bảng chính vẫn trông hợp lý; và auto-tune được đo bằng hai thước, có cái giá thật về độ sạch của giọng, nên mặc định tắt.

Vì sao không lấy đích từ chính bài của site

Trên máy chủ có sẵn 57 cặp beat và giọng, nhưng cả 57 đều là bài AI do chính site tạo. Bài khách tải lên để tách bị xoá sau 24 giờ, nên số cặp giọng người thật còn lại là 0. Đo 57 cặp ấy tức là đo cách AI mix, không phải cách người mix.

Nên chúng tôi dùng một bộ dữ liệu bản thu tách stem công khai: 144 bài, mỗi bài là bản xem trước 7 giây, giọng và nhạc là các track thu riêng thật chứ không phải tách bằng máy.

Các con số đích, và cái nào trang dùng làm mặc định

Hai thước độc lập cho cùng một số, nhưng đó là số của một bộ dữ liệu phương Tây, phần lớn là rock. Bài AI của site để giọng to hơn nhạc 1,9 LU, và một bài nhạc Việt thật chúng tôi đo được +2,3 LU. Vì thế mặc định của trang là +2, có thanh kéo ±4 và một vạch ở −2,2 để bạn thấy chuẩn kia nằm đâu. Trang nói thẳng rằng mẫu nhạc Việt mới có một bài.

EQ cũng theo cùng tinh thần. Với mỗi quãng tám, khoảng q1-q3 của 144 bài rộng 4-5 dB. Công cụ chỉ sửa quãng tám nằm ngoài khoảng ấy, và chỉ kéo tới mép chứ không kéo về trung vị: kéo mọi giọng về trung vị là tô màu. Vang được dò tới khi tỉ lệ hai bên so với giữa đạt −11,8 dB. Ở chế độ chỉ beat, công cụ cố ý không tự EQ: beat mỗi thể loại một kiểu. Muốn chỉnh âm sắc beat thì đưa bài tham chiếu; phổ quãng tám được khớp 70% mỗi lượt, hai lượt, kẹp ±4 dB, độ to không chép.

Bốn lỗi bàn thử bắt được, cả bốn đều cho số trông hợp lý

Thước đo độ to và đỉnh thật của công cụ khớp một công cụ chuẩn trên 10/10 tệp, lệch dưới 0,05. Bộ kiểm 42 ca trên 21 bài, giọng bị làm hỏng có chủ ý, đạt 42/42. Nhưng trước khi lên site, bàn thử đã bắt được bốn lỗi mà nhìn bảng kết quả chính thì không ai thấy:

1. Bộ chặn đỉnh để lọt xung trong 5 ms đầu, ở +15,3 dBFS. Phần ảo trước mẫu âm thanh đầu tiên được tính bằng 1, kéo trung bình trượt lên. Vòng master khi ấy cứ hạ trần rồi bù khuếch đại, ra −20 LUFS và +1,2 dBTP.
2. Bộ nén đè giọng khoảng 30 dB, rồi máy bù lại +46 dB. Bản thu có nền ồn liền cả bài khiến «nền + 12 dB» cao hơn cả tiếng hát, không khung nào được tính là có tiếng, và ngưỡng nén rơi về −120. Bản ra vẫn đúng −14 LUFS và đúng tỉ lệ giọng với nhạc. Chỉ ca kiểm «lượng bù có xấp xỉ lượng đã làm hỏng không» mới lộ ra. Nay ngưỡng không được thấp hơn đỉnh trừ 10 dB.
3. Hàm tính phân vị sắp xếp 10 triệu số mỗi lần gọi, cộng với việc lọc phổ quãng tám trên cả bài 4 lần. Sau khi lấy phân vị thưa, phân tích 10 đoạn × 3 giây và lọc cả bài đúng một lần, thời gian xử lý giảm từ 30 giây xuống 9,5 giây.
4. Đồng hồ trả thời gian âm (−50 giây) trên máy thử. Đổi sang đồng hồ đơn điệu của trình duyệt.

Bài học từ lỗi số 2: bàn thử chỉ kiểm độ to bản ra sẽ cho qua một bộ nén phá hỏng giọng, vì khâu master che hết. Sau khi sửa, một bài 4 phút có cả bè được xử lý trong 11,8 giây trên trình duyệt.

Auto-tune: hai thước đo và cái giá thật

Auto-tune của công cụ dò cao độ theo khung 10 ms rồi dịch cao độ từng chu kỳ giọng về nốt đích. Mức «nhẹ» dời tâm nốt ±70 ms và giữ rung giọng; mức «mạnh» ép từng khung. Chúng tôi đo bằng thước của mình và một công cụ ngữ âm học độc lập, trên giọng tổng hợp biết đáp án lẫn một giọng thật bị đẩy lệch +30 cent:

Auto-tune làm đúng việc của nó: giọng thật lệch 30 cent về còn khoảng 12 theo thước độc lập. Nhưng hai cột cuối là cái giá. Jitter (độ chênh độ dài giữa các chu kỳ rung liên tiếp, càng cao nghe càng lạo xạo) tăng khoảng 0,2 điểm phần trăm, và HNR (tỉ lệ hoạ âm so với nhiễu, càng cao càng sạch) giảm 0,5 đến 0,8 dB. Vì vậy auto-tune mặc định tắt, và trang nói thẳng lý do.

Bàn thử auto-tune bắt thêm hai lỗi bằng một ca đơn giản: không cần sửa gì thì bản ra phải y hệt bản vào. Mốc tổng hợp không neo vào mốc phân tích, và bước tổng hợp không dùng khoảng cách thật giữa hai mốc, nên cả đoạn trôi pha. Trước khi sửa, độ trùng (SNR) giữa bản ra và bản vào chỉ −2,6 dB; sau khi sửa là 150 dB, trùng khít. Mọi ca đo cao độ đều đạt từ đầu.

Giới hạn và điều chưa biết

• Mẫu nhạc Việt có stem để đo mới có một bài (+2,3 LU). Mặc định +2 dựa trên một bài ấy cộng bài AI của site, không phải một phép đo đủ lớn.
• Bộ 144 bài là bản xem trước 7 giây, phần lớn là rock, không đại diện cho mọi thể loại.
• Auto-tune mới kiểm trên giọng tổng hợp và một giọng thật; giọng của bạn có thể trả giá khác.
• Ở mức T-Pain, độ đúng nốt được chấm theo trần lý tưởng đo được (89%), sản phẩm đạt 87%; không có ngưỡng 90% nào đặt tay.
• Giọng AI vốn đã đúng nốt (8-9 cent), nên auto-tune mức nhẹ gần như không đổi gì trên bài AI.

Áp dụng thế nào khi tự tạo bài

1. Bắt đầu từ mặc định +2. Nếu muốn cân bằng kiểu pop/rock phương Tây, kéo về phía vạch −2,2; nếu muốn gần với bài nhạc Việt thật đã đo (+2,3), giữ quanh +2.
2. So trước và sau ở cùng độ to −14 LUFS; bản to hơn thường nghe «hay hơn».
3. Bài AI: để auto-tune tắt, giọng đã đúng nốt.
4. Giọng tự thu bị chênh nốt: thử mức nhẹ trước, nghe kỹ nốt ngân; lạo xạo chính là cái giá jitter ở trên.
5. Muốn beat mang màu một bài cụ thể, đưa bài ấy làm tham chiếu.
6. Chưa có bài để mix thì tạo một bài ở trang tạo nhạc.