Вся запись получилась тихой: усиление, нормализация и предел спасаемого

Запись вышла тихой: где по дороге потерялась громкость

Полтора часа переговоров, файл открывается — и слышно всех одинаково плохо. Не один участник тише другого, а вся запись целиком: приходится выкручивать плеер на максимум и всё равно вслушиваться. Первое, что делает человек в этой ситуации, — ищет, где настраивается громкость микрофона. Настройка действительно существует, но потерялась громкость обычно не в ней.

Между ртом говорящего и числами в файле стоит цепочка, и громкость теряется на любом её звене. Причём потери складываются: полметра лишнего расстояния плюс чехол плюс низкий уровень входа дают не сумму неудобств, а запись, которую невозможно слушать.

Шесть причин, по которым запись выходит тихой целиком

Разберём по порядку — от самых частых к самым обидным. Колонка «чинится после» здесь важнее остальных: она показывает, стоит ли вообще открывать редактор.

Обратите внимание на закономерность: чинится то, где тихо, но чисто. Низкий уровень входа и тихий разговор в тихой комнате поднимаются полностью и без последствий — в файле лежит нормальная речь, просто записанная маленькими числами. А карман, чехол и большое расстояние приносят вместе с тишиной то, что усилением не разделишь: гул комнаты, шорох ткани и потерянные верхние частоты.

Автоматическая регулировка усиления: почему громкость гуляет

Отдельная строка в таблице заслуживает пояснения, потому что её последствия выглядят странно. Автоматическая регулировка усиления — АРУ, она же AGC — есть почти во всех диктофонах телефонов, веб-камерах и платформах для созвонов. Она постоянно измеряет входящий уровень и подкручивает усиление: тихого говорящего поднимает, громкого придерживает, чтобы на выходе получалась примерно одинаковая громкость.

• В паузах громкость растёт. Речь кончилась — уровень упал — АРУ решает, что стало тихо, и поднимает усиление, вытаскивая наверх кондиционер и шорохи. Это тот самый шипящий фон между фразами.
• Начало фразы прижимается. Человек заговорил, уровень скакнул, автоматика опускает усиление — и первые слоги успевают прозвучать не так, как остальная фраза.
• Дальний участник то есть, то нет. АРУ ориентируется на самый громкий голос в комнате: пока говорит ближний, дальний прижат вместе с фоном.
• Общая громкость всё равно низкая. Если в комнате постоянный фон, автоматика держит запас до потолка и не даёт речи выйти на нормальный уровень — получается ровно тихая запись с ровным шипением.

Сначала проверьте, есть ли в файле сигнал

Прежде чем что-то усиливать, стоит потратить минуту на диагностику. Она отвечает на единственный вопрос, от которого зависит всё остальное: речь в файле громче фона или нет. Всё остальное — детали.

Уровень в цифровом файле меряют в dBFS — децибелах относительно полной шкалы. Ноль здесь не тишина, а потолок: 0 dBFS — максимальный уровень, который вообще можно записать, и все реальные значения идут ниже него, со знаком минус. Типовой ориентир для речи — держать средний уровень в районе −20 dBFS, чтобы до потолка оставался запас в те самые восемнадцать-двадцать децибел на неожиданный смех или хлопок двери.

1. Откройте файл там, где видно форму волны. Любой бесплатный редактор рисует дорожку целиком. Тонкая нитка посередине — тихо; толстая полоса, прижатая к краям, — перегруз.
2. Посмотрите на паузы. В нормальной записи между фразами почти ровная линия. Если в паузах полоса заметной толщины — это фон, и он поднимется вместе с речью.
3. Сравните речь и паузы на глаз. Речь заметно выше фона — вытянется. Речь и фон одной толщины — не вытянется ничем.
4. Послушайте в наушниках на полной громкости. Слышны слова, пусть с усилием, — сигнал есть. Слышно только ровное шипение — записывать было нечего.
5. Проверьте крайний случай. Идеально прямая линия на всей дорожке означает цифровой ноль: микрофон не был подключён или его перехватило другое приложение. Спасать нечего, и лучше узнать это сразу.

Усиление, нормализация и компрессия: чем они отличаются

Дальше начинается место, где теряют больше всего времени. Три слова звучат как три разных инструмента, а на деле два из них — одно и то же действие.

Вот главный вывод, который экономит вечер: усиление и нормализация — одна операция. И та и другая умножают весь файл на число. Разница в том, что при усилении число выбираете вы на глаз, а при нормализации программа сама измеряет текущий уровень и подбирает множитель так, чтобы результат попал в цель. Никакого «улучшения» в нормализации нет — это аккуратно посчитанное усиление, не более.

Отсюда следует то, что многие проверяют на собственном опыте по два-три раза: умножение не может изменить соотношение речи и фона. Если голос был на шесть децибел выше гула, после любого множителя он останется на шесть децибел выше гула. Громче станет всё вместе — и речь, и кондиционер, и шипение тракта.

Компрессия — единственная из трёх, которая соотношение меняет. Она применяет разные множители в разные моменты: там, где громко, придерживает, там, где тихо, подтягивает. Для тихой записи с ровной речью это работает хорошо. Для тихой записи с заметным фоном — плохо: в паузах между фразами компрессор находит тот же фон и честно подтягивает его к уровню речи. Получается ровная громкость и ровное шипение, ровно как у автоматики при записи.

Клиппинг: почему после него ничего не вернуть

У громкости есть потолок, и он жёсткий. Цифровая запись — это последовательность чисел, и у каждого числа есть максимум, который помещается в отведённые ему разряды. Когда сигнал пытается выйти выше, лишнее просто не записывается: вершина волны срезается по прямой.

Восстановить это нельзя ни одним инструментом — и причина принципиальная, а не техническая. Обработка распоряжается тем, что в файле есть; на месте срезанной вершины в файле не «плохие» данные, а одинаковые. Программы, обещающие восстановление клиппинга, дорисовывают правдоподобную форму по соседним отсчётам — это догадка, а не реставрация, и на речи она чаще добавляет призвуков, чем разборчивости.

Что делать с тихой записью, которая уже есть

И теперь главное — если из записи нужен текст, а не звук, поднимать громкость чаще всего не нужно вовсе.

Распознаванию абсолютная громкость почти безразлична: перед разбором сигнал всё равно приводится к своему рабочему уровню, и ваше умножение на два просто продублирует эту работу. Значение имеет соотношение речи и фона — а его, как мы выяснили, умножение не меняет. Поэтому порядок такой: сначала текст как есть, и только потом, если он вышел рваным, разбор причины.

1. Сделайте копию оригинала. Обработка необратима, и вернуться к исходнику захочется чаще, чем кажется.
2. Отправьте файл на расшифровку без обработки. Часто выясняется, что текст читается: то, что вы разбирали с третьего раза, разбирается с первого.
3. Оцените результат по тексту, а не на слух. Ровно посредственный текст по всей длине — низкий уровень при чистом сигнале. Обрывки и пропуски целыми фразами — речь была вровень с фоном.
4. Пройдите по местам, где потеря дороже всего. Суммы, даты, фамилии, номера договоров: у каждой реплики стоит время, и спорное переслушивается кликом.
5. Замедлите спорный фрагмент до 0,75. На тихой записи это работает лучше усиления: окончания слов слышны там, где на нормальной скорости была каша.
6. Только теперь нормализуйте — если нужен сам звук. Для пересылки коллеге или для приложения к письму громкость важна; для текста она уже сыграла свою роль.

1. Копияоригинал в сторону
2. Текст как естьбез обработки
3. Диагнозтихо или тихо и шумно
4. Точкицифры и фамилии по таймкоду

Где проходит предел спасаемого

Скажем прямо, потому что вокруг обработки звука много обещаний. Тихую запись поднять можно — и часто до полностью рабочего состояния. Но у этого есть жёсткая граница, и проходит она не там, где кажется.

Обработка не добавляет в файл информацию — она по-разному распоряжается той, что уже записана. Если в момент записи голос не поднялся над фоном, признаков речи в сигнале не осталось, и никакое усиление их не создаст. Это же относится и к срезанным вершинам: там, где значений нет, восстанавливать нечего. Вечер, потраченный на фильтры, в этих двух случаях не вернёт ничего, а те же полтора часа хватило бы, чтобы собрать содержание другим путём — переспросить участников или свести то, что вытащилось, в короткий итог.

Отдельно стоит сказать про соблазн прогнать тихую запись через шумодав на максимуме. На тихой речи это худшее из возможных решений: подавление шума срезает вместе с фоном согласные и окончания, а их у тихого сигнала и так немного. Где проходит граница между полезной чисткой и вредной, разобрано в статье про шумоподавление и качество записи; а если текст вышел рваным и непонятно, звук виноват или что-то ещё, есть отдельная диагностика — почему расшифровка получилась плохой.

Десять секунд до записи: где на самом деле настраивается громкость микрофона

Всё, что действительно решает задачу, делается до нажатия кнопки. Проверка занимает 10 секунд и экономит те 40 минут, которые иначе уйдут на попытки вытянуть готовый файл. Порядок один и тот же для диктофона, ноутбука и созвона.

1. Запишите 10 секунд и послушайте их. Скажите пару фраз обычным голосом с того места, где будете сидеть. Не «раз-раз» вплотную к микрофону — так проверяется не то.
2. Смотрите на индикатор, а не на слух. Полоска уровня должна на речи уверенно доходить до середины шкалы и не упираться в конец. Если она еле шевелится — уровень низкий; если постоянно в упоре — перегруз.
3. Уберите преграду. Достаньте телефон из кармана и из-под бумаг, снимите толстый чехол, не накрывайте устройство ладонью. Это самый дешёвый плюс к громкости из всех существующих.
4. Сократите расстояние вдвое. Оно работает сильнее любых настроек: подвинуть устройство ближе почти всегда дешевле, чем потом вытягивать файл.
5. Поднимите уровень входа, если он низкий. В свойствах микрофона на компьютере это ползунок уровня и отдельное усиление; в приложениях записи — чувствительность. Ставьте так, чтобы речь шла в середине шкалы, а не под потолок.
6. Решите, что делать с автоматикой. Оставляете АРУ — получаете ровную, но приподнятую в паузах запись. Выключаете — отвечаете за уровень сами, и тогда десять секунд проверки обязательны.

И последнее из практики: параметры файла на громкость не влияют. Час речи в mp3 при 64 кбит/с весит 29 МБ — 64 000 бит в секунду × 3600 секунд ÷ 8, — и разговору такого битрейта достаточно; пересохранить файл в 192 кбит/с можно, но громче он не станет, а вырастет втрое. То же с частотой дискретизации: разборчивость речи держится на полосе примерно до 8 кГц, и 16 кГц дискретизации покрывают её целиком, поэтому пересчёт тихой записи из 16 кГц в 48 кГц новых частот в файл не добавит. Что записалось тихо, тихо и останется. Разумные значения для речи разобраны отдельно, в статье про битрейт и частоту дискретизации.

Частые вопросы

Проверено 15 августа 2026. Определение dBFS (децибелы относительно полной шкалы), правило «0 dBFS — максимально возможный уровень, все значения не больше нуля» и то, что превышение этого потолка даёт цифровой клиппинг, — по статье dBFS в англоязычной Википедии и справочным материалам по цифровым уровням. Ориентир по построению уровней — средний рабочий уровень около −20 dBFS с запасом до потолка порядка 18–20 дБ — по руководству Biamp «Gain structure: input and output levels»; распространённая практическая рекомендация для записи речи — держать пики в диапазоне примерно −12…−6 dBFS. Соотношение «около 6 дБ динамического диапазона на каждый бит разрядности» — общепринятое правило для импульсно-кодовой модуляции. Связь полосы и частоты дискретизации — по теореме Котельникова (Найквиста): частота дискретизации должна вдвое превышать верхнюю частоту полезной полосы, поэтому речевой полосе до 8 кГц соответствуют 16 кГц дискретизации. Вес файла посчитан из битрейта: 64 000 бит в секунду × 3600 секунд ÷ 8 = 28,8 МБ на час. Описание автоматической регулировки усиления (AGC) и характерного эффекта подъёма фона в паузах из-за быстрого времени восстановления — по отраслевым материалам об AGC в записи звука и видео.