Odstranjevanje šuma iz zvočnega posnetka za promocijski video fotografinje živali

13

Namen diplomskega dela je prikazati proces izboljšanja zvoka z odstranjevanjem šuma iz promocijskega videa fotografinje živali, ki smo ga ustvarili timsko. Izdelek vsebuje videoposnetke iz terena, v katerih je prikazana fotografinja med svojim delom, intervju s fotografinjo ter glasbeno podlago. V intervjuju fotografinja pripoveduje o sebi, o svojih izkušnjah in  o težavah  pri fotografiranju živali.

Intervju je bil posnet v video obliki. Zaradi slabe kakovosti zvočnega dela video-intervjuja ter želji po izpopolnitvi besedila, smo intervju ponovno posneli. Tokrat le v zvočni obliki. Zaradi vsebine videoposnetka novega zvočnega posnetka nismo mogli uporabiti v celotnem izdelku. Zato je naš izdelek sestavljen iz dveh različnih zvočnih posnetkov govorke. To je bila tudi osnova za uporabo dveh različnih metod odstranjevanja šuma.

V delih, kjer je video-intervju ostal, smo uporabili grafično metodo za odstranjevanje šuma Noise Reduction process. Z njo pobrišemo šum neposredno iz zvočnega zapisa. To počnemo s pomočjo različnih orodij v pogledu Waveform. Ta metoda ni virtualna in na posnetek vpliva destruktivno. To pomeni, da shranjuje spremembe neposredno na zvočni zapis. Pri tej metodi moramo paziti, da v procesu odstranjevanja šuma ne pobrišemo delov zvočnega zapisa, ki bi jih želeli ohraniti, saj bi po shranjevanju te informacije permanentno izgubili.

V delih, kjer je bil uporabljen zvočni posnetek, ki smo ga ponovno posneli, smo uporabili algoritmično metodo za odstranjevanje šuma. Z njo odstranimo šum s pomočjo Adaptive noise reduction efekta. Ta efekt lahko dodamo bodisi posameznemu zvočnemu izseku bodisi celotni zvočni stezi. Gre za virtualni efekt, ki na posnetek ne vpliva destruktivno. To pomeni, da sprememb, ki jih ustvari efekt, ne preoblikuje in ne shranjuje neposredno na zvočni zapis.

Z diplomskim delom smo prišli do naslednjih ugotovitev.

Če iz zvočnega posnetka odstranimo šum, bo ta jasnejši oziroma razločnejši. Tako lahko prvo hipotezo H1 potrdimo. Šum v zvočnem posnetku namreč do neke mere prekriva informacije, ki jih želimo slišati oziroma sporočiti. Zato po odstranitvi oziroma zmanjšanju šuma v zvočnem posnetku postanejo informacije jasnejše oziroma razločnejše. Območje šuma v zvočnem posnetku določamo na podlagi posnetka šuma v prostoru Noise Print. V njem je posnet samo ambientalen zvok, to je zvok okolja brez govora. S pomočjo Noise Printa slišimo, v kolikšni meri je šum prisoten v zvočnem posnetku, in katere informacije bodo  iz njega odstranjene.

Tudi drugo hipotezo H2 potrdimo. Od vrste šuma v zvočnem posnetku je namreč odvisno, katero metodo za njegovo odstranjevanje bomo izbrali. Šum v zvočnih posnetkih je lahko različen. Zato odstranjevanje vseh vrst šuma samo po eni metodi ni enako učinkovito, kot je s prilagajanjem metod glede na vrsto šuma. Efekt Adaptive Noise Reduction, ki smo ga uporabili pri ponovno posnetem zvoku intervjuja, hitro odstrani spremenljiv širokopasovni šum in napake, kot so zvoki v ozadju, tresljaji in veter. Noise Reduction Process Effect pa je postopek, ki smo ga uporabili na zvoku iz video intervjuja. Z njim šum odstranimo s pomočjo Noise Printa, ki ga iz zapisa zvoka izberemo grafično. S tem postopkom lahko natančno določimo, katere frekvence bomo odstranili iz zvočnega posnetka.

Prav tako potrdimo tretjo hipotezo H3: Obdelava zvoka bo neposredno izboljšala kakovost končnega izdelka, saj  je videoposnetek neločljiva celota zvoka in slike. Zvok v videu neposredno vpliva na gledalčevo izkušnjo ob ogledu videa. Zato obdelan in kakovostno izboljšan zvok  neposredno vpliva na kakovost končnega videoizdelka.

Z obema metodama odstranjevanja šuma iz zvočnega posnetka smo dosegli zastavljen namen diplomskega dela – izboljšava zvoka v promocijskem videu fotografinje živali. S pomočjo tega diplomskega dela lahko bralec spozna postopka za odstranjevanje šuma iz zvočnih posnetkov v programu Adobe Audition CC 2015. Tako rešimo problematiko šuma v zvoku videa in pridobimo kakovostnejši končni izdelek.

Download full insight