অডিও টুলস, যা আপনার রেকর্ডিং কখনো শোনে না

একটি সাউন্ড ফাইল আসলে কী সংরক্ষণ করে

তিনটি সংখ্যা একটি রেকর্ডিংকে বর্ণনা করে, আর যেকোনো একটি ফাইলে তার মাত্র দুটি খাটে। স্যাম্পল রেট হলো শব্দ কত ঘন ঘন মাপা হয়েছিল: CD-র জন্য ৪৪.১ kHz, ভিডিও থেকে আসা যেকোনো কিছুর জন্য ৪৮ kHz। বিট ডেপথ হলো প্রতিটি মাপ কতটা সূক্ষ্মভাবে লেখা হয়েছে, আর এর অর্থ আছে কেবল আনকমপ্রেসড ফরম্যাটে — ১৬-বিট CD-র মান, ২৪-বিট পরের প্রসেসিংয়ের জন্য বাড়তি জায়গা রাখে, ৩২-বিট ফ্লোট মিক্সিংয়ের জন্য। বিটরেট-এর অর্থ আছে কেবল কমপ্রেসড ফরম্যাটে: এনকোডারকে প্রতি সেকেন্ডে কত বিট খরচ করতে দেওয়া হয়েছিল।

এ কারণেই সাইজগুলো এত আলাদা আচরণ করে। WAV-এর সাইজ সোজা গুণ — রেট গুণ ডেপথ গুণ চ্যানেল — তাই ৪৪.১ kHz-এ ১৬-বিট স্টেরিওর এক মিনিট মোটামুটি ১০ MB, ভেতরে যা-ই থাকুক, নীরবতা হলেও। MP3-এর সাইজ আপনার বেছে নেওয়া বিটরেট যা, তা-ই: ১৯২ kbps-এ মিনিটে মোটামুটি ১.৪ MB, আর ৯৬-এ তার অর্ধেক। WAV শোনার নয়, কাজের ফরম্যাট — আর এই পার্থক্যই যেকোনো দিকে কনভার্ট করার কারণ।

MP3 থেকে WAV-এ কনভার্ট করলে কিছুই ফেরে না, কখনো ফিরবেও না। MP3 তৈরির সময় এনকোডার খুঁটিনাটি ফেলে দিয়েছে; তা থেকে বানানো WAV সেই ক্ষতিকেই পূর্ণ রেজোলিউশনে ধরে রাখে। কনভার্শনের কাজ হলো ক্ষতি যেন আর না বাড়ে — WAV থেকে পরবর্তী এডিট, কাটা আর আবার সেভ করায় কিছুই হারায় না। FLAC-এর বেলাতেও একই কথা, যা লসলেস কমপ্রেশন: যে স্যাম্পল দেওয়া হয়েছে হুবহু সেগুলোই ছোট আকারে রাখার উপায়, উন্নত করার উপায় নয়। FLAC-এ পরিণত করা একটি MP3 মানে ভেতরে MP3 রাখা একটি বড় ফাইল।

লসি এনকোডারের ভেতর দিয়ে প্রতিবার গেলে আরও কিছু হারায়, আর তা কখনো ফেরে না। AAC থেকে MP3, OGG থেকে MP3, বা এক MP3 থেকে আরেক MP3 — প্রতিটিই এমন এক দফা। উৎসের নিজস্ব বিটরেটে বা তার বেশিতে এনকোড করলে — ফাইল ছাড়ার সময় এখানকার প্রতিটি পেজ যা দেখায় — ক্ষতি সামান্য থাকে; তার চেয়ে অনেক বেশিতে গেলে বিটগুলো খরচ হয় কেবল প্রথম এনকোডারের ভুলগুলো সংরক্ষণে। একটি রেকর্ডিংয়ে কয়েকটি কাজ করতে চাইলে আগে WAV-এ কনভার্ট করুন, কাজগুলো সারুন, আর শেষে একবার এনকোড করুন।

কাটা আর জোড়ার জন্য রি-এনকোডের দরকারই নেই। কমপ্রেসড শব্দ ছোট ছোট ফ্রেমে থাকে — MP3-এ প্রায় ২৬ মিলিসেকেন্ড — আর “অডিও কাটা” এই ফ্রেমগুলো ডিকোড না করে কপি করে, তাই কাটা MP3 বিট ধরে ধরে আগের সেই MP3-ই থাকে, আর লম্বা রেকর্ডিং মোটামুটি যত দ্রুত পড়া যায় তত দ্রুতই কাটা হয়। এর দাম হলো, কপি করা কাট শুরু হয় নিকটতম ফ্রেমের সীমানায় — আপনার বেছে নেওয়া বিন্দুর এদিক-ওদিক কয়েক শতাংশ সেকেন্ড; “নিখুঁত কাট”-এ টিক দিলে রি-এনকোড করে ঠিক আপনার চাওয়া স্যাম্পলে পৌঁছায়। “অডিও মার্জ” একইভাবে কাজ করে — কোডেক, স্যাম্পল রেট আর চ্যানেলের সংখ্যা একই এমন ফাইল কপি করে জোড়া হয়, আর আলাদা হলে প্রথমটির সঙ্গে মেলাতে ডিকোড করে আবার এনকোড করা হয়।

লেভেল সমান করা লাউডনেস নর্মালাইজেশন নয়, কমপ্রেশনও নয়। “অডিওর ভলিউম বাড়ানো-কমানো” ফাইলের সবচেয়ে জোরালো মুহূর্তটি মাপে এবং সবকিছুকে সেই একই পরিমাণে তোলে, যাতে সর্বোচ্চ বিন্দু (পিক) সীমার ঠিক নিচে থাকে। এটি পিক নর্মালাইজেশন, আর যে রেকর্ডিং শুরু থেকে শেষ পর্যন্ত শুধুই বেশি আস্তে, তার জন্য এটাই সঠিক সমাধান। পডকাস্ট আর স্ট্রিমিং প্ল্যাটফর্ম যে LUFS মাপ নির্ধারণ করে, এটি তা নয় — LUFS পুরো অনুষ্ঠানজুড়ে কানে কতটা জোরে লাগে তা মাপে; একই পিকে নর্মালাইজ করা দুটি ফাইলও স্পষ্টতই আলাদা জোরে শোনাতে পারে। আর পুরো ফাইল তুললে আস্তে আর জোরালো অংশ একসাথে ওঠে, তাই যে রেকর্ডিং দুটোর মধ্যে দোল খায়, এটি তাকে সমানও করতে পারে না। সেটি ডায়নামিক-রেঞ্জ কমপ্রেশন: আলাদা একটি কাজ, আর এই টুলগুলো তা করে না।

যেখানে ব্রাউজার সত্যিই ভুল টুল

আপনার রেকর্ডিং গোপন রাখার জন্যই এগুলো বানানো, আর প্রসেসিংয়ের দিক থেকে এতে আপনার কোনো লাভই হয় না। এই টুলগুলো কনভার্ট করে, কাটে, জোড়ে আর ভলিউম ঠিক করে। শব্দ এডিট করে না।

মেরামত বা শব্দ গড়ে তোলার কিছু নেই। নয়েজ কমানো নেই, হাম বা ক্লিক সরানো নেই, EQ নেই, ডি-এসার নেই, ডায়নামিক-রেঞ্জ কমপ্রেশন নেই, ফেড নেই, মাল্টি-ট্র্যাক মিক্সিং নেই। জোড়া দেওয়া অংশগুলোর মাঝে ক্রসফেডও নেই — এ কারণেই জোরালো গানের মাঝখানে কাটলে ক্লিক শব্দ হতে পারে। Audacity বিনামূল্যে, সব ডেস্কটপে চলে, আর এসবই ঠিকঠাক করে — হিসহিস শব্দওয়ালা সাক্ষাৎকার, কিংবা পেছনে ফ্রিজের গুঞ্জনসহ রেকর্ডিংয়ের জন্য এটি নয়, Audacity দরকার।

পিক মাপা হয়; লাউডনেস নয়। “অডিওর ভলিউম বাড়ানো-কমানো” আগে ও পরের পিক জানায় এবং সীমা ছাড়িয়ে যাবে এমন কিছু আটকে রাখে, কিন্তু কোনো ট্রু-পিক লিমিটার নেই, LUFS লক্ষ্যও নেই। কোনো নির্দিষ্ট মান মেনে জমা দিতে হলে — পডকাস্টের জন্য −১৬ LUFS, স্ট্রিমিং প্ল্যাটফর্মের জন্য −১৪ — আপনার এমন টুল দরকার, যা পিক নয়, লাউডনেস মাপে।

ট্যাগ সঙ্গে যায় না। শিরোনাম, শিল্পী, অ্যালবাম আর্ট আর চ্যাপ্টার এখানে এখনো কনভার্শনের সঙ্গে যায় না: শব্দ আসে, লাইব্রেরির মেটাডেটা আসে না। গানের লাইব্রেরি কনভার্ট করতে এমন ডেস্কটপ ম্যানেজার ব্যবহার করুন, যা চলতে চলতে ট্যাগ আবার লিখে দেয় — ঘণ্টার পর ঘণ্টা নতুন করে ট্যাগ বসানো থেকে বাঁচবেন।

এক ফাইল, এক ক্লিক। আটশো ভয়েস মেমো কনভার্ট করা ffmpeg ঘিরে একটি শেল লুপের কাজ — যা বিনামূল্যে, আর একজন মানুষ ক্লিক করে যে কাজে পুরো বিকেল কাটাতেন, তা এক মিনিটে সেরে দেবে।

আর কিছু কাজ কোনো ব্রাউজারই পারে না। সুরক্ষিত কেনাকাটা — পুরোনো .m4p ফাইল, Apple Music-এর ডাউনলোড, যেকোনো সাবস্ক্রিপশনের জিনিস — এখানে খোলা যায় না, আর সেই সুরক্ষা সরাতে আমরা সাহায্য করি না। MP3 নিজেই সর্বোচ্চ দুটি চ্যানেল আর ৪৮ kHz পর্যন্ত বহন করে, তাই সারাউন্ড বা উচ্চ রেটের উৎস পথে ভাঁজ হয়ে কমে আসে।

একই রকম শোনায় এমন টুলগুলোর মধ্যে বাছাই

অডিও কমপ্রেস বনাম WAV থেকে MP3। দুটি একই ফাইল তৈরি করতে পারে, আর এর মধ্যে কেবল একটিই সঠিক পথ। “WAV থেকে MP3” আনকমপ্রেসড উৎস থেকে প্রথম এনকোড, যা সবচেয়ে কম ক্ষতির এনকোড। “অডিও কমপ্রেস” যেকোনো কিছু নিয়ে আপনার বেছে নেওয়া বিটরেটে রি-এনকোড করে — WAV থেকে হলে কাজটি একই, কিন্তু MP3 থেকে হলে এটি দ্বিতীয় দফা লসি প্রসেসিং। আপনার চাওয়া বিটরেটে ফাইল ছোট না হলে এটি সতর্ক করে দেয় — যেমন ১২৮ kbps-এর MP3-কে ১৯২-এ কমপ্রেস করলে যা ঘটে।

অডিওতে “কমপ্রেস” মানে দুটি জিনিস, আর এখানে আছে কেবল একটি। “অডিও কমপ্রেস” বিটরেট কমিয়ে ফাইল ছোট করে। ডায়নামিক-রেঞ্জ কমপ্রেশন জোরালো অংশের তুলনায় আস্তে অংশগুলোকে জোরালো করে — পডকাস্ট প্রযোজক শব্দটি দিয়ে এটাই বোঝান। “অডিও কমপ্রেস” বা “অডিওর ভলিউম বাড়ানো-কমানো” — কোনোটিই দ্বিতীয়টি করে না; “অডিওর ভলিউম বাড়ানো-কমানো” পুরো ফাইলকে একই পরিমাণে সরায়।

AAC থেকে MP3 বনাম M4A থেকে MP3। প্রায় একই পেজ। .aac ফাইল হলো খালি AAC স্ট্রিম, আর .m4a হলো MP4 বাক্সের ভেতরে AAC, যাতে আর্টওয়ার্ক আর চ্যাপ্টারও থাকতে পারে; দুটি পেজই দুটি পড়ে, আর ভেতরের শব্দ হুবহু একই। M4A পেজটি লেখা iPhone-এর ভয়েস মেমোর জন্য, যা আগে থেকেই কম বিটরেটের মনো AAC, আর বের হওয়ার সময় ১২৮ kbps মনো-ই যথেষ্ট।

MP3 থেকে WAV বনাম FLAC থেকে MP3। উল্টো দিক, আর দুটিই একমুখী। “MP3 থেকে WAV” এমন একটি কাজের কপি তৈরি করে, যা আর কিছু না হারিয়ে এডিট করা যায়; এটি শব্দ উন্নত করে না, আর ফাইল প্রায় দশ গুণ বড় হয়। “FLAC থেকে MP3” এমন মাস্টার ফাইলের বহনযোগ্য কপি বানায়, যেটি আপনার রেখে দেওয়া উচিত — কারণ একটি MP3-কে কখনো আবার সেই FLAC-এ ফেরানো যায় না, যা থেকে এটি এসেছে।

অডিও কাটা বনাম অডিও মার্জ। “অডিও কাটা” একটি ফাইল থেকে অংশ কেটে বাদ দেয় — মাঝখানের অংশও — আর যা থাকে তা জুড়ে দেয়। “অডিও মার্জ” আলাদা আলাদা ফাইল একটার পর একটা জোড়ে, টেনে এনে আপনার ঠিক করা ক্রমে। তিন ভাগে রেকর্ড করা একটি সাক্ষাৎকার, যার দ্বিতীয় ভাগে একটা কাশি আছে — এতে দুটো কাজই লাগে: কাশিটি কেটে বাদ দিন, তারপর তিনটি মার্জ করুন।