Raumhall ohne RT60 abschätzen

Die lehrbuchmäßige Art, den Nachhall eines Raums zu messen, ist RT60, die Zeit, die ein bekannter Impuls braucht, um 60 dB abzuklingen. Sie ist exakt, sie ist standardisiert, und sie ist völlig nutzlos für die QA eines Podcasts, den jemand bereits aufgenommen hat.

Für die praktische Sprach-QA bringen dich drei pragmatische Messungen zu 80 % ans Ziel, und das allein anhand der Aufnahme selbst:

1. Hüllkurvenabfall nach Sprechpausen

Wenn eine sprechende Person aufhört zu reden, fällt ihre Stimme nicht auf null ab, der Raum klingt nach. Die Form dieses Ausklingens ist im Wesentlichen die Impulsantwort des Raums, gefaltet mit der Stimme.

Die günstige Messung:

1. Erkenne Übergänge von Sprache zu Stille mit einfacher VAD (Energieschwelle auf einer geglätteten Hüllkurve).
2. Miss für jeden Übergang den Hüllkurvenwert 200ms nach dem Übergang im Verhältnis zum Wert am Übergang.
3. Mittele das Verhältnis über alle Übergänge in der Aufnahme.

function decayRatio(envelope, mask, hopSec) {
  const decays = [];
  for (let i = 1; i < mask.length - 30; i++) {
    if (mask[i - 1] && !mask[i]) {
      const peak = envelope[i - 1];
      if (peak < 1e-5) continue;
      const window = Math.min(30, Math.floor(0.6 / hopSec));
      let tail = 0;
      for (let k = 0; k < window; k++) tail += envelope[i + k];
      tail /= window;
      decays.push(tail / peak);
    }
  }
  return decays.reduce((a, b) => a + b, 0) / decays.length;
}

Die Werte liegen typischerweise in diesem Bereich:

Mittleres Abklingverhältnis	Raumcharakter
< 0.05	Trocken / bedämpfte Kabine
0.05–0.15	Knapper Raum
0.15–0.35	Lebendiger Raum
> 0.35	Hallig

Genau dieses Signal verwenden MixLab und VoiceLab, um den „Raum“-Charakter einzuordnen.

2. Spektrale Autokorrelation

Hallige Räume färben das Spektrum auf charakteristische Weise: Kammfilter-Einbrüche durch frühe Reflexionen und eine langsame Neigung durch die Verteilung der Raummoden. Eine spektrale Autokorrelation über ein 4-sekündiges Sprachfenster macht beides sichtbar.

In der Praxis ist die spektrale Autokorrelation schwerer zu deuten als der Hüllkurvenabfall, aber sie ist das richtige Werkzeug, wenn du erkennen willst, welche Art von Raumproblem du hast (frühe Reflexionen vs. später Nachhall). Für QA-Zwecke reicht der Hüllkurvenabfall allein meist aus.

3. Stimmqualität von Vokalsegmenten

Die sauberste Messung ergibt sich aus der Analyse gehaltener Vokalsegmente. Wähle den längsten Vokal mit stabilem Verlauf in der Aufnahme (meist etwa 200ms stimmhafte Energie mit niedriger ZCR) und betrachte seine spektrale Flachheit. Eine klare Stimme in einem trockenen Raum hat einen tonalen Vokal mit ausgeprägten harmonischen Spitzen. Ein halliger Raum verschmiert diese Spitzen zu einem verrauschteren Spektrum.

Das erfordert mehr Aufwand (Vokalerkennung ist ohne Phonemmodell nicht trivial), ist aber die für Hörende relevanteste Messung, weil sie direkt damit korreliert, wie „dumpf“ oder „kistig“ die Stimme klingt.

Warum RT60 für die QA falsch ist

RT60 verlangt, dass du einen bekannten Reiz in den Raum einspeist. Das kannst du bei einer bereits gemachten Aufnahme nicht tun. Und selbst wenn du es könntest, misst RT60 den Raum, nicht die Aufnahme, und die Aufnahme ist das, was deine Hörenden zu hören bekommen.

Bei der QA lautet die Frage nicht „Wie hoch ist die RT60 dieses Raums?“ Sie lautet „Klingt diese Aufnahme, als wäre sie in einem kontrollierten Umfeld entstanden?“ Die Hüllkurvenabfall-Messung beantwortet genau diese Frage, ohne Kalibrierung, ohne spezielle Ausrüstung und ohne Annahmen über die Mikrofonposition.

Verwandt

• Warum die Fülllaut-Dichte wichtiger ist als die Fülllaut-Anzahl
• Hörunterstützung gestalten, ohne sie zu medikalisieren, der größere Rahmen