Ton

Der Ton führt, das Bild folgt. Die vergangene Zeit wird aus dem Audio-Kontext gelesen, weil ein Versatz im Ton hörbar ist und ein ausgelassenes Bild nicht — jede Position, die der Editor anzeigt, kommt über die Uhr aus AudioContext.currentTime, und nichts leitet Projektzeit aus einem Dekoder-Zeitstempel ab.

Der Graph

Clip → Puffer-Quelle → Clip-Pegel (Lautstärke, Blenden)
     → Spur-Inserts (Equalizer, Kompressor, …)
     → Spur-Bus (Pegel für Lautstärke/Stumm/Solo → Stereo-Panorama)
     → Summen-Inserts (die Mastering-Kette)
     → Summenpegel
     → Ausgang

Jeder Clip, dem die Bibliothek Kanäle zuschreibt, bekommt eine Stimme — gleich auf welcher Art Spur er liegt: eine Videospur trägt Clips, deren Medium eine Tonspur hat, und auf einer Tonspur kann eine Videodatei liegen, die jemand dort abgelegt hat. Nur der Bibliothekseintrag weiß es.

Ein Medium, das sich nicht dekodieren lässt, kostet seinen eigenen Clip den Ton und sonst nichts. Eine Lücke macht nicht die ganze Zeitleiste stumm.

Lautstärke, Stumm und Solo

Spurpegel, Stumm und Solo wirken auf den Spur-Bus und nicht auf die einzelnen Clip-Pegel. Damit bleibt eine Spur, die mitten in einer Blende stummgeschaltet wird, stumm, und die Blendenautomation darunter bleibt unangetastet.

Stumm schlägt Solo. Eine Spur, die stumm und solo ist, bleibt stumm, und sie auf Solo zu setzen stummt trotzdem jede Spur, die nicht solo ist. Die beiden Knöpfe im Mischpult sind aus demselben Grund voneinander unabhängig: der eine darf beim Drücken den anderen nicht stillschweigend löschen.

Effekte auf einem Bus

Eine Spur und das Projekt selbst tragen je eine Effektkette. Angesprochen wird sie mit denselben Kommandos effect.add und effect.setParam wie die Kette eines Clips — nur auf on.track(id) oder on.project gerichtet statt auf on.clip(id).

Drei gibt es, und alle drei sind native Web-Audio-Knoten:

Effekt	Knoten	Regler
Equalizer	BiquadFilterNode, Glockenfilter	Frequenz, Anhebung, Güte
Kompressor	DynamicsCompressorNode	Schwelle, Verhältnis, Ansprechzeit, Rückfallzeit
Limiter	DynamicsCompressorNode, Verhältnis 20, ohne Kniebereich	Schwelle

Inserts liegen vor dem Regler, so wie ein Pult sie verdrahtet. Der Regler fährt dann auf einem Signal, das der Kompressor schon eingeebnet hat: ihn herunterzuziehen ändert, wie laut die Spur ist, und nicht, was der Kompressor mit ihr macht. Dieselbe Regel auf der Summe lässt den Summenregler das Letzte vor dem Ausgang sein, und dafür ist ein Regler da.

Einen Effekttyp, für den dieser Stand keinen Knoten hat — eine Unschärfe, die jemand auf einem Bus abgelegt hat, oder ein Typ aus einer neueren Fassung —, überspringt die Kette, und der Rest klingt weiter. Die Kette zu verweigern kostete die ganze Spur ihren Ton wegen eines einzigen Eintrags. Einen abgeschalteten Effekt überspringt sie genauso.

Ketten sind Folgen, keine Mengen: ein Limiter nach einer Anhebung fängt ein, was die Anhebung erzeugt hat — dieselben zwei andersherum heben an, was der Limiter schon niedergehalten hat.

Was die Schwelle des Limiters nicht ist

DynamicsCompressorNode bringt eine eigene Nachverstärkung mit. Der Pegel, der herauskommt, liegt deshalb über der Schwelle und nicht auf ihr — gemessen kommt bei Verhältnis 20 und ohne Kniebereich ein vollausgesteuerter Ton mit Schwelle −12 bei etwa −4 dBFS heraus. Der Regler heißt darum Schwelle und nicht Deckel: was er tut, ist echt und einsinnig (weiter herunter heißt leiser und gleichmäßiger), aber es ist keine harte Obergrenze, und ihn so zu nennen hieße etwas zu benennen, was der Knoten nicht liefert.

Automation auf einem Bus

Ein Bus-Parameter nimmt Keyframes genau wie der eines Clips: ein automatisierter Filterschwenk oder ein Ducking-Verlauf ist dieselbe Mechanik wie eine animierte Unschärfe. Anders als bei einem Clip lässt er sich setzen, wo der Abspielkopf gerade steht — eine Spur und eine Mastering-Kette haben kein Clip-Fenster, aus dem man fallen könnte.

Aufgelöst werden die Keyframes im Kern und sonst nirgends. Der Graph liest die Zeiten der Ecken, um zu entscheiden, wann er fragt, fragt dann Document.effectParamsAt nach dem Wert an jeder von ihnen und übergibt das Ergebnis derselben Planung, die auch die Blenden benutzen. Zwischen zwei Ecken fragt er an einigen Zwischenstellen noch einmal: eine Kurve, die der Kern biegt, wird so als Streckenzug durch dessen eigene Werte nachgefahren, statt zur Geraden zwischen ihren Enden gestreckt zu werden. Einer linearen Strecke schadet das nicht — jede zusätzliche Abtastung landet wieder auf der Geraden, die sie ohnehin hatte. Ein gehaltener Keyframe springt statt zu gleiten, weil der Graph zusätzlich einen Flick vor jeder Ecke fragt.

Der Satz, der daran zählt: Vorschau, Export, der Renderer auf dem Server und die Lautheitsmessung bekommen alle denselben Auflöser und denselben AudioGraph. Es gibt nirgends eine zweite Interpolation, über die zwei von ihnen uneins werden könnten.

Blenden

Eine Blende ist Automation, keine Rechnung pro Bild. Die Hüllkurve ist eine Liste von Ecken, und der Audio-Thread interpoliert zwischen ihnen pro Abtastwert — ein Pegel, der einmal pro Bild geschrieben wird, ist eine Treppe, und eine Treppe in einer Amplitude ist ein Knacken.

Eine Wiedergabe, die mitten in einer Blende einsetzt, beginnt beim interpolierten Wert und plant nur noch, was vor ihr liegt. Das wiegt schwerer, als es klingt: Automationszeiten sind absolut und dürfen nicht negativ werden, und ein Clip, dessen Blende vor der Wiedergabe begann, ist der Regelfall und nicht der Randfall.

Trimmen und Teilen fassen die Blenden nicht an, also ist ein Clip, der kürzer ist als seine eigenen Blenden, erreichbar, ohne dass jemand einen Blendengriff angefasst hätte. Beide Blenden werden dann mit demselben Faktor verkleinert, behalten also ihr Verhältnis, und die Hüllkurve erreicht ihren Höchstwert dort, wo die beiden sich gekreuzt hätten.

Rückwärts laufende Clips

Ein AudioBufferSourceNode kennt keine negative Abspielrate, also spielt ein umgekehrter Clip eine umgedrehte Kopie seines eigenen Bereichs, die beim Vorbereiten einmal entsteht. Die Versatz-Arithmetik braucht dafür keinen Sonderfall: eine Position p im Clip verbraucht p × Rate Sekunden Quelle, vom Ausspielpunkt zurückgerechnet, und das ist dasselbe p × Rate vom Anfang der Kopie vorwärts.

Geschwindigkeit

Versatz und Dauer werden in der Zeit des Puffers gemessen, und die läuft mit der Abspielrate relativ zur Zeitleiste — ein Clip mit halber Geschwindigkeit verbraucht eine halbe Sekunde Quelle je Sekunde Zeitleiste.

Wellenformen

Die Zeitleiste zeichnet je Clip einen Streifen aus den Abtastwerten, die der Graph für die Wiedergabe ohnehin schon dekodiert hat. Es gibt keinen zweiten Dekodierlauf und keinen zweiten Zwischenspeicher, also können Gesehenes und Gehörtes nicht auseinanderlaufen — ein umgekehrter Clip zeigt sich so, wie er spielt.

Jeder Bucket hält das Minimum und das Maximum der Abtastwerte unter ihm, nicht ihren Mittelwert: ein Mittelwert macht aus einem Snare-Schlag eine Delle und aus einer Passage Sprache ein graues Band. Der Streifen wird in eigenen Koordinaten gezeichnet und per viewBox auf den Clip gedehnt, also überlebt er jede Zoomstufe, ohne neu gebaut zu werden.

Ein Clip ohne Spitzenwerte bekommt gar keinen Streifen. Eine flache Linie wäre ein Versprechen auf ein Signal, das noch keiner gelesen hat.

Lautheit

Videola misst integrierte Lautheit nach ITU-R BS.1770 / EBU R128, in LUFS. Die Koeffizienten der K-Bewertung werden für die Abtastrate des Projekts aus den Filterformeln neu gerechnet und nicht aus der 48-kHz-Tabelle des Standards übernommen — damit misst ein Projekt mit 44,1 kHz genauso richtig wie eines mit 48 kHz.

Beide Tore greifen: Blöcke unter −70 LUFS absolut, danach Blöcke mehr als 10 LU unter dem Mittel dessen, was übrig blieb. Das ist es, was verhindert, dass die Pausen einer Dialogspur die Anzeige nach unten ziehen.

Gemessen wird das Programm, nicht das Material. Die Zahl kommt aus einem echten Offline-Lauf des echten Graphen, also stecken Clip-Pegel, Blenden, Spur-Busse, Stumm, Solo und der Summenpegel darin — weil sie alle die Zahl verändern.

Eine Messung rendert die ganze Zeitleiste, sie läuft also, wenn im Mischpult danach gefragt wird, und nie pro Bild.

Was die Zahl bedeutet

−23 LUFS ist der Zielwert für die Ausspielung nach EBU R128 im Rundfunk. Streaming-Plattformen normalisieren auf etwa −14 bis −16 LUFS. Ein Programm, das bei −23 gemessen wird, dreht eine Plattform mit Ziel −14 wieder hoch — lauter zu mastern als der Zielwert bringt also nichts außer verlorenem Aussteuerungsspielraum.

Das Mischpult

Das Pult wird im Transport aufgeklappt, neben dem Schalter für die Messgeräte, und es beginnt zugeklappt. Ein Streifen aus zwei beschrifteten Reglern über Stumm, Solo und der Effektauswahl ist hundertneunzig Pixel hoch; stand er da, ob jemand mischte oder nicht, und waren die Messgeräte ebenfalls offen, blieben dem Bild sechzig von siebenhundert Pixeln. Wer das Bild aufgibt und wann, ist eine Entscheidung und keine Voreinstellung. Auf dem Telefon liegt das Pult stattdessen hinter einem der Reiter.

Ein Streifen je Spur, in der Reihenfolge, in der die Zeitleiste die Spuren stapelt, und nicht in der, in der der Kern sie hält — tracks[0] ist unten im Stapel, und ein Mischpult in dieser Reihenfolge setzte den Streifen der obersten Spur ans Ende.

Jeder Streifen trägt eine Pegelanzeige, einen Pegelregler, ein Panorama von links über die Mitte nach rechts sowie die Knöpfe für Stumm und Solo. Ein Zug am Regler ist ein Schritt in der Historie, nicht einer je Pixel. Darunter stehen die beiden Aktionen, die die Abtastwerte brauchen und nicht nur das Projekt: das Auswahlfeld, das diese Spur unter einer anderen absenkt, und der Knopf, der die Stille aus ihr herausschneidet.

Darunter liegt die Insert-Kette des Streifens: ein Knopf je Effekt, für den dieser Stand einen Klang hat, und sobald einer hinzugefügt ist, eine Zeile je Parameter mit denselben Keyframe-Bedienelementen wie im Inspektor. Eine Zeile zeigt den Wert, den der Kern für den Abspielkopf aufgelöst hat, geklemmt auf den Bereich, den der Effekt angibt — dieselbe Klemme, die der Graph anwendet, bevor die Zahl an einem Filter ankommt. Was dasteht, ist also das, was zu hören ist.

Ganz rechts, durch einen Rahmen abgesetzt, steht der Summenzug: der Regler des Projekts und die Mastering-Kette. Alles links davon läuft dort hinein.

Tiefensperre und Höhensperre

Zwei Filter mit je einem Regler, auf derselben Insert-Kette wie der Equalizer.

Keiner von beiden ist eine Rauschunterdrückung, und einen so zu nennen wäre gelogen: kein Filter trennt eine Stimme von einem Geräusch, das ihr Band teilt — dafür ist die Rauschunterdrückung weiter unten da. Sie nehmen ein Band weg, in dem nichts steht, was jemand will — Rumpeln, Wind und Netzbrumm unter einer Stimme, Bandrauschen oder ein Lüfter darüber — und bei einer Außenaufnahme ist das das meiste, was daran nicht stimmt.

Die Tiefensperre steht voreingestellt auf 80 Hz, unter dem tiefsten Ton einer Sprechstimme; die Höhensperre auf 12 kHz, über den Konsonanten und mitten im Rauschen. Einen Güte-Regler gibt es nicht: die Güte eines Biquads an seiner Grenzfrequenz ist eine Resonanz, und ein resonanter Hochpass auf einer Stimme ist ein Heulen bei genau der eingestellten Frequenz.

Beide sind durch den echten Renderer an zwei Tönen in einem Signal gemessen, keiner kann also bestehen, indem er still wird: bei 1 kHz Grenzfrequenz lässt die Tiefensperre den 200-Hz-Ton unter einem Zehntel seiner Stärke und den 6-kHz-Ton über sieben Zehnteln, und die Höhensperre dasselbe andersherum.

Bass, Höhen und der Brummfilter

Drei Inserts, die nach dem fragen, was jemand tatsächlich will, statt nach einer Frequenz.

Bass und Höhen sind Kuhschwanzfilter: sie heben oder senken alles jenseits einer Ecke — genau das heißt „mehr Bass“ und „weniger Zischeln“. Das Glockenfilter des Equalizers kann das nicht: eine Glocke ist ein Hügel um eine Frequenz, ein Kuhschwanz eine Stufe hinter ihr. Zwei Effekte statt eines mit Typschalter, aus dem Grund, der beim Equalizer steht: ein Manifest trägt Fließkommazahlen, ein Typ ist eine Auswahl, und eine Auswahlliste im Kanalzug ist eine andere Arbeit.

Der Brummfilter ist eine schmale Kerbe auf der Netzfrequenz: 50 Hz in Europa, 60 in Amerika. Sein Bereich endet mit Absicht bei 70 Hz — das ist keine Einschränkung, sondern der Punkt: ein Filter, den man in die Stimme hochziehen kann, wäre eine Tiefensperre mit irreführendem Namen. Bei der voreingestellten Schärfe von 30 ist die Kerbe etwa zwei Hertz breit: sie nimmt das Brummen und lässt den Ton daneben stehen — genau das, was eine Tiefensperre, hoch genug für das Brummen, nicht kann.

Rauschunterdrückung

Gebaut. Ein Schalter in den Eigenschaften des Clips, neben seiner Lautstärke, und die Stärke daneben. Es ist eine spektrale Rauschunterdrückung: das, was die zwei Sperrfilter nicht können.

Warum das überhaupt geht. Rauschen ist stetig, Sprache nicht. Zwischen Wörtern, zwischen Tönen, zwischen Takes bleibt in einer Aufnahme nur ihr Rauschen übrig — diese Fenster sind also eine Messung davon. Das leiseste Fünftel des Clips, nach Gesamtenergie, wird Bin für Bin zu einem Rauschboden gemittelt, und jedes Fenster des Clips wird dann pro Bin um so viel abgesenkt, wie davon Boden ist. Spektrale Subtraktion mit Restpegel — das, was Audacitys Rauschunterdrückung ist und wovon jeder Broadcast-Denoiser ausgeht.

Einstellung	Wirkung
Stärke	wie oft der gemessene Boden abgezogen wird. Einmal lässt einen hörbaren Rest; über drei sind die Artefakte das Lauteste, was bleibt
Restpegel	wie weit ein Bin heruntergedrückt werden darf, in Dezibel. Nie bis zur Stille: ein Bin, der zwischen zwei Fenstern aus- und wieder eingeschaltet wird, ist das Wabern, an dem man billige Rauschunterdrückung erkennt

Wo es läuft. Über dem dekodierten Puffer, im Tongraphen, dort wo die Samples eines Clips geladen werden — nicht als Insert auf einem Bus. Zwei Gründe, beide struktureller Art. Die Analyse braucht die ganze Aufnahme, ein lebender Knoten sieht 128 Samples auf einmal; und Rauschen gehört zu einer Aufnahme und nicht zu einer Mischung — einen Boden für einen Bus mit zwei Mikrofonen zu lernen würde keines von beiden säubern. Es ist deshalb ein Clip-Effekt, und derselbe Puffer speist Vorschau, Export und den Wellenform-Streifen. Genau darum ändert sich der Streifen sichtbar, wenn man es einschaltet, und genau das misst die Browser-Prüfung.

Das Ergebnis wird nach den Einstellungen und nach dem Bereich des Clips zwischengespeichert: die Stärke hochzudrehen analysiert neu, den Clip über die Zeitleiste zu ziehen nicht.

Die Rechnung, und warum sie hier steht. 2048er-Fenster im Viertelschritt, ein periodisches Hann-Fenster in der Analyse und in der Synthese, und die Overlap-Add-Summe geteilt durch die Fensterenergie, die auf jedem Sample wirklich gelandet ist. Vier periodische Hann-Fenster in diesem Schritt summieren sich zu einer Konstanten — das ist es, was einen Durchgang mit Verstärkung eins die Aufnahme zurückgeben lässt statt einer Fassung davon mit einer Welle darin. Der Verstärkungsfaktor wird über die zwei Nachbarn jedes Bins geglättet, bevor er angewandt wird, denn ein Faktor, der von Bin zu Bin springt, klingelt — und das Klingeln hört man als metallische Kante an jedem Konsonanten.

Der Clip wird an jedem Ende mit einem Fenster Stille aufgefüllt. Ohne das sind das erste und das letzte Sample von einem einzigen Fenster gedeckt, dessen Flanke dort fast Null ist, und durch diese Fenstersumme zu teilen machte die Enden jedes Clips achtzehnmal zu laut — ein Fehler, den jedes Verhältnis innerhalb der Datei übersah und den eine Spitzenwertmessung sofort fand. Beide Prüfungen stehen jetzt in der Suite.

Was es nicht kann. Ein stetiges Signal von stetigem Rauschen unterscheiden. Eine Aufnahme ohne jede Pause — ein gehaltener Ton, ein durchgehender Drone — hat kein Fenster, in dem das Rauschen allein ist, und dort ist nichts messbar, was nicht auch das Signal ist. Das ist die Bedeutung von Stationarität und kein Mangel dieser Schätzung, und deshalb ist die Stärke ein Regler und kein Schalter.

Gemessen und nicht behauptet: gegen einen Ton in Stößen mit Rauschen darüber fällt das Rauschen im eigenen Band des Tons um mehr als 9 dB, während der Ton innerhalb von 2 dB bleibt, wo er war. Kein Filter kann das behaupten — und genau darum steht das hier neben ihnen.

Pegelabsenkung

Jeder Kompressor und Limiter auf einem Bus trägt unter seinen Einstellungen einen Balken: wie hart er gerade arbeitet, in Dezibel unter Null, nach unten wachsend — denn das ist es, was er tut, Verstärkung wegnehmen.

Gelesen wird sie von DynamicsCompressorNode.reduction am lebenden Knoten, womit dies das einzige Bedienelement der Kette ist, das den Graphen liest und nicht das Projekt. Es ist auch die einzige Zahl über einen Kompressor, die seine Einstellungen nicht bestimmen: was er tut, hängt davon ab, was durch ihn geht.

Einmal pro Bild für das ganze Pult gefragt und direkt in die Höhe des Elements geschrieben; nur die gedruckte Zahl geht durch React — ein Wert, der sich sechzigmal pro Sekunde ändert, darf nicht jeden Regler des Streifens durch ein Rendern schicken. Ist nichts geplant, wird nichts gemeldet: ein stehengebliebener Balken behauptete, ein Kompressor arbeite an Ton, der aufgehört hat — dieselbe Regel, der die Pegelanzeigen folgen.

Nur die zwei Inserts, die eine Antwort haben, bekommen einen. Ein Equalizer wendet eine Verstärkung an, die seine eigenen Einstellungen bestimmen, ein Balken darunter wäre die Anzeige von nichts.

Beats

Das Metronom-Symbol auf einem Streifen setzt auf jeden Schlag dieser Spur einen Marker.

Ein Beat ist hier ein Anstieg, kein Pegel: die Differenz zwischen einem Hüllkurven-Eimer und dem vorigen, und nur, wo sie positiv ist. Eine laute Passage ist kein Beat und eine leise steckt voller davon — deshalb kann der Pegel selbst nicht das Signal sein. Die Schwelle wandert mit der Musik, als Mittelwert über die umliegende halbe Sekunde mal einem Faktor, also werden in der leisen Hälfte einer Spur dieselben Schläge gefunden wie in der lauten; eine feste Schwelle kann das nicht. Ein Anstieg muss außerdem größer sein als seine unmittelbaren Nachbarn, damit ein Schlag ein Beat ist und nicht die drei oder vier Eimer, über die sein Einschwingen verteilt ist.

Gelesen wird die Hüllkurve, die der Wellenform-Streifen ohnehin hält; das kostet ein paar Durchläufe über ein paar tausend Fließkommazahlen statt eines Dekodiervorgangs. Der Schritt vom Eimer zur Zeit läuft über dieselbe Umkehrung wie die Stille-Erkennung, ein Clip auf einer Geschwindigkeitsrampe bekommt seine Beats also dort, wo sie zu hören sind.

Marker und keine Schnitte, mit Absicht. Wo der Schlag fällt, ist ein Vorschlag zum Schneiden — die Zeitleiste rastet an Markern ein — und hundert ungefragte Schnitte wären hundert Clips, die einzeln zurückzunehmen sind. Der ganze Tastendruck ist ein Schritt in der Historie, gleich was er gefunden hat.

Ein gleichbleibender Ton hat keine Einsätze und liefert nichts. Das ist die richtige Antwort, kein Fehlschlag.

Surround

Gebaut. Ein Projekt liegt über Stereo oder 5.1, gewählt am Master-Streifen, und jede Spur hat eine Position in diesem Feld statt eines Platzes zwischen zwei Boxen.

Die Kanalreihenfolge wird einmal festgelegt und überall eingehalten: L, R, C, LFE, Ls, Rs — WAVE-Reihenfolge, das, was jeder Codec hier schreibt und worin der Offline-Kontext, der Encoder und die Anzeigen zählen.

Regler	Wirkung
Panorama	links nach rechts, dieselbe Zahl wie in einer Stereomischung — ein Projekt auf 5.1 umzustellen behält also die Platzierung, die es schon hatte
Hinten	vorne nach hinten, 0 an den Frontboxen bis 1 hinter dem Hörer
LFE	wie viel von der Spur auf den Tiefbasskanal geht

Paarweise, konstante Leistung. Eine Position wird zwischen den zwei Boxen aufgezogen, zwischen denen sie steht: links nach Mitte über die linke Hälfte des Panoramas, Mitte nach rechts über die rechte, und das hintere Paar als eine Spanne dahinter. Beide Achsen folgen einem Viertelkreis-Sinus/Kosinus, eine Spur behält also überall ihre Lautheit — ein linearer Verlauf fällt in der Mitte jeder Bewegung um 3 dB ab, was man hört, als würde der Ton beim Passieren der Mitte zurückweichen, und ist der Grund, warum kein Pult einen benutzt.

Drei Amplituden auf einmal zu mischen verliert dieselben 3 dB: Amplituden addieren sich, und Leistung ist ihr Quadrat. Die erste Fassung hat genau das getan, und die Prüfung, die die Leistung an fünfzehn Positionen misst, hat es gefunden.

Eine Stereospur behält ihre Breite. Jeder ihrer zwei Kanäle wird eine ganze Panoramabreite zu seiner Seite gesetzt, ein Bett, das bleibt, wo es ist, kommt also aus dem Frontpaar, wie es hineinging — nicht zu Mono summiert und als Punkt platziert, was ein Musikbett nicht übersteht. Zum Rand gezogen laufen die zwei Hälften zusammen und die Spur wird ein Punkt, denn jenseits der letzten Box gibt es nichts, worin sich etwas ausbreiten kann. Zieht man ein Bett nach innen, landet die Hälfte, die die Mitte erreicht, auf der Center-Box — genau dafür ist ein Center-Kanal da.

Der LFE ist ein Weg, kein Ort. Was dort hingeht, ist ein Band: ein Tiefpass bei den 120 Hz, die die Spezifikation für diesen Kanal nennt, abgenommen von beiden Kanälen, damit auch eine hart zur Seite gezogene Spur den Subwoofer erreicht. Eine Position legt dort nie etwas ab.

Aus Verstärkungen gebaut und nicht aus PannerNode. Dieser Knoten ist ein Stereogerät — er rechnet eine 3D-Position über HRTF oder ein Equal-Power-Gesetz auf zwei Kanäle und kennt weder eine Center-Box noch einen LFE. Ein Surround-Panner ist eine Tabelle von Verstärkungen: also ein Splitter, eine Verstärkung je Ziel und ein Merger, und surroundGains ist die eine Stelle, an der die Tabelle entschieden wird.

Ausgabe. Der Export rendert im Layout des Projekts und kodiert es, wo die Maschine kann: eine 5.1-Mischung, die der Browser nicht kodiert, wird in Stereo geschrieben und nicht in Stille — und die Platzierung wird dabei nicht weggeworfen: der Graph setzt jede Spur weiterhin dorthin, wo die Mischung es sagt, und der Zweikanal-Lauf faltet sechs nach den Standardregeln herunter. Verloren geht das Ausgabeformat, nicht die Mischung.

Die Anzeige eines Streifens liest die Spur und nicht die lauteste Box — deshalb ist der Abgriff mit diesem Schritt vor den Panner gewandert. In Stereo sind beide dieselbe Zahl.

Gemessen und nicht behauptet. Fünfzehn Positionen auf konstante Leistung, und für jede Behauptung ein echter Sechskanal-Lauf: ein Bett vorne landet auf dem Frontpaar und nichts dahinter, nach hinten geschoben auf dem hinteren Paar, nach innen gezogen erreicht es die Center-Box, vierzig Hertz passieren den LFE-Weg, während ein Kilohertz vierfach gedämpft ist, und ein halber Weg kommt mit halbem Pegel an.

Pegelanzeigen

Jeder Streifen trägt eine Pegelanzeige, die Spurstreifen wie der Summenzug, und jede davon ist ein echter Abgriff in der Signalführung und kein Balken daneben: ein AnalyserNode sitzt in der Leitung, denn ein Knoten ohne Weg zum Ausgang wird gar nicht verarbeitet, und eine seitlich angehängte Anzeige zeigte genau so lange null, wie niemand hinsieht. Ein Analyser reicht seinen Eingang unverändert durch — deshalb rendert der Export weiterhin abtastwertgleich zur Wiedergabe.

Der Abgriff einer Spur sitzt hinter ihrem Regler und ihrem Panorama, ein Streifen zeigt also, was diese Spur sendet, und nicht, was ihre Clips waren, bevor jemand am Pult war. Stumm und Solo liegen davor auf dem Bus-Pegel, eine stummgeschaltete Spur zeigt also Stille.

Drei Zahlen je Balken, alle in dBFS:

• Spitze — der lauteste Abtastwert im Fenster, gezeichnet als blasser Teil des Balkens. Sie sagt, ob etwas übersteuert hat.
• Effektivwert — der quadratische Mittelwert, gezeichnet als voller Balken. Ihn liest das Auge als Lautstärke: die Spitze eines Sinus steht 3 dB über seinem eigenen Effektivwert, die einer Rechteckschwingung nicht.
• Haltemarke — eine Marke auf der zuletzt größten Spitze, die mit 20 dB je Sekunde fällt. Eine Transiente über einen Puffer sieht ohne sie niemand.

Der Balken ist linear in Dezibel über 60 dB, nicht in der Amplitude: die halbe Breite sind 30 dB weniger. Genau das macht eine Anzeige lesbar — das leise Ende bekommt so viel Platz wie das laute. Die letzten sechs Dezibel färben den Balken rot.

Das ganze Pult wird einmal je Bild gelesen, und nichts davon läuft über React: die Schleife schreibt drei Längen und eine Klasse direkt auf die Elemente. Ein Mischpult mit zehn Streifen kostet je Streifen und Bild ein getFloatTimeDomainData über ein Fenster von 2048 Werten und kein einziges Neuzeichnen.

Was nicht gemessen ist

Ein Browser ohne Bildschirm hat keine Tonausgabe. Dass die Anzeigen im Betrieb ausschlagen, ist also das eine, was die Tests nicht sehen. Gemessen ist alles beidseits davon: die Rechnung an echt gerenderten Abtastwerten und die Abgriffe selbst an einem echten Offline-Lauf — eine Spur mit halbem Pegel zeigt durch den echten AnalyserNode −6,02 dBFS.

Ein Projekt auf einen Zielwert bringen

Der Summenzug des Mischpults bietet die drei Zielwerte, nach denen wirklich gefragt wird — −14 LUFS fürs Streaming, −16 für einen Podcast, −23 für den Rundfunk — und einen Knopf, der den Summenregler so weit bewegt, bis das Programm dort gemessen wird.

Danach wird erneut gemessen. Was anschließend in der Anzeige steht, ist ein Messwert und nie der Zielwert, nach dem gefragt wurde. Das zählt in den Fällen, in denen der Zielwert nicht erreichbar ist: ein Programm, das schon an der Obergrenze 4 des Reglers steht, oder ein stummes, sagt das dann mit einer Zahl, statt einen Erfolg zu behaupten.

Warum ein Durchgang reicht und trotzdem nachgemessen wird

Die Befürchtung ist die richtige: ein Kompressor oder ein Limiter ist keine Verstärkung, er hört auf zu begrenzen, sobald sein Eingang leiser wird, und DynamicsCompressorNode legt eigenen Ausgleichspegel darauf. Sie greift hier nur nicht, und das liegt an der Verschaltung und nicht am Knoten — Inserts sitzen vor dem Fader, die Mastering-Kette sieht bei jeder Reglerstellung dasselbe Signal, und der Regler ist eine reine Verstärkung dahinter. Gemessen, mit einem Limiter zwanzig Dezibel unter dem Material: ein Durchgang.

Daraus folgt nicht, dass man der Rechnung glauben dürfte. Die Tore von R128 hängen vom Pegel ab — ein verschobenes Programm hat andere Blöcke, die das absolute Tor bei −70 LUFS überschreiten. Was zurückkommt, ist also immer ein Messwert.

Ducking

Die Musik absenken, solange jemand spricht. Die Sprachspur im Auswahlfeld auf dem Streifen der Musikspur wählen, und die Musik geht herunter, solange die Sprache liegt, und danach wieder hoch.

Es entstehen Keyframes, keine unsichtbare Automatik. Der Musikbus bekommt einen Insert Verstärkung und darauf eine Kurve: vier Ecken je Phrase — offen, unten, unten, offen — die Senkung eine Viertelsekunde vor dem Beginn der Phrase, denn ein Bett, das erst auf der ersten Silbe zu fallen beginnt, hat sie schon zugedeckt, und die Rückkehr eine halbe Sekunde danach. Zwei Phrasen so dicht beieinander, dass die Rückkehr noch stiege, wenn die nächste Senkung beginnt, lassen das Bett dazwischen unten — so macht es ein Pult, und so hätte es ein Cutter von Hand gezeichnet.

Weil es Keyframes sind, gehört danach alles Ihnen: jede Ecke ist ein Wert in einer Zeile des Streifens, mit derselben Raute, demselben Vor und Zurück und derselben Interpolation, die der Inspektor jedem anderen Parameter gibt. Ein zweites Ducking über eine neu geschnittene Sprachspur ersetzt die Kurve, statt eine zweite darüberzulegen, und das ganze Ducking geht in einem Schritt zurück.

Warum kein Seitenketten-Kompressor

Weil die Web-Audio-API keine Seitenkette hat. DynamicsCompressorNode nimmt einen Eingang, und es gibt keinen zweiten, über den er gesteuert werden könnte — eine Seitenkette müsste hier aus einem Analyser und einem je Bild geschriebenen Pegel gebaut werden, also aus genau der Treppe, deretwegen es jede andere Hüllkurve in diesem Graphen gibt. Die Keyframes kosten nichts obendrauf: die Insert-Kette automatisiert jeden Parameter, den sie hat, ohnehin abtastwertweise auf dem Tonfaden, und Vorschau wie Export lesen dieselbe Spur davon.

Der Insert sitzt wie jeder andere vor dem Fader, Ducking und der Regler des Streifens multiplizieren sich also, statt sich zu bekämpfen — und ebenso Ducking und die Blende eines Clips, die weiter oben auf dem Clip-Pegel liegt. Gemessen: ein Bett mit halber Verstärkung unter einer Blende bei der Hälfte steht bei einem Viertel.

Stille finden und schneiden

Der Knopf auf einem Spurstreifen findet die Pausen darin und nimmt sie heraus; wo eine war, bleibt eine Lücke.

Die Erkennung liest die Spitzenwerte, die die Zeitleiste ohnehin zeichnet, in einer Auflösung, die für diese Aufgabe fein genug ist — die Abtastwerte wurden für die Wiedergabe dekodiert und für den Streifen einmal durchgesehen, das hier ist also ein dritter Lauf über ein paar tausend Zahlen und nicht über ein paar Millionen. Ein Bucket zählt als klingend, wenn er −40 dBFS erreicht; Lücken unter 250 ms liegen innerhalb einer Phrase und nicht zwischen zweien und werden geschlossen; was danach übrig und kürzer als 150 ms ist, war ein Knacken und keine Phrase; und jede Phrase wächst an beiden Enden um eine Zehntelsekunde, damit der Schnitt in die Pause fällt und nicht auf die erste Silbe.

Ein Bucket wird zu einem Zeitpunkt, indem die Quellenabbildung des Kerns umgekehrt wird, nicht indem eine Dauer geteilt wird. Das macht es für einen Clip richtig, der nicht geradeaus läuft: unter einer Geschwindigkeitskurve liegen die Spitzenwerte über dem Puffer, und der ist zur Projektzeit gar nicht proportional. Ein rückwärts laufender Clip braucht keinen eigenen Fall — sein Puffer ist bereits die umgekehrte Kopie, die der Graph spielt.

Eine Lücke, kein Ripple

Der Schnitt lässt alles dahinter stehen, wo es steht. Ein Ripple zöge den Rest dieser Spur nach vorn und ließe jede andere Spur — vor allem das Bild, zu dem die Stimme gehört — stehen. Stille zu entfernen lohnt sich; Stille so zu entfernen, dass der Ton von den Lippen wandert, nicht. Die Zeitleiste danach zu schließen ist ein Ripple-Löschen auf den Lücken, und das ist ein Befehl, den man sieht und zurücknehmen kann.

Was es noch nicht gibt

Benannt statt angedeutet, denn ein Bedienelement, das nichts tut, ist schlimmer als keines:

• Andere Filterformen als das Glockenfilter. Der Equalizer kann kein Hoch- oder Tiefpass sein, denn eine Filterform ist eine Auswahl, und die Effektbeschreibungen tragen nur Fließkommazahlen. ParamValue kennt bereits eine Auswahl-Art; die Kuhschwanzfilter kommen mit dem Bedienelement, das eine solche bearbeiten kann.
• Anzeige der Pegelreduktion. Die Streifen zeigen, was ein Bus sendet; wie stark sein Kompressor arbeitet, ist eine zweite Anzeige, und DynamicsCompressorNode.reduction wäre ihre Quelle.
• Layouts über 5.1 hinaus. 7.1 und Atmos sind mehr Kanäle und, für das zweite, ein Renderer anderer Art. AUDIO_LAYOUTS im Kern ist die Stelle für einen dritten Eintrag.
• Bus-Automation in der Keyframe-Spur der Zeitleiste. Die Ecken eines Duckings lassen sich auf dem Streifen bearbeiten, der sie geschrieben hat, mit denselben Bedienelementen wie im Inspektor; die Spur unter einem Clip zeichnet nur Clip-Keyframes, und die einer Spur zu zeichnen hieße, einer Lane eine Identität zu geben, die kein Clip ist.
• True Peak (dBTP). Der Spitzenwert ist ein Abtastwert-Spitzenwert; ein Zwischenwert-Spitzenwert braucht Überabtastung.
• Die Lippensynchronität ist nirgends gemessen. Ein Browser ohne Bildschirm hat keine Tonausgabe, der Versatz zwischen Bild und Ton ist also erschlossen und nicht beobachtet.