Les incontournables secrets de la fabrication du Dolby E L avènement de la TNT et surtout de la HD ont conduit le son à prendre le pas de l image. L évolution à prévoir était le multicanal 5.1, déjà pratiqué au cinéma depuis une quinzaine d années, mais pas encore en télévision. Intro par Anaïs Libolt En TV numérique, le format de diffusion sonore le plus utilisé est le Dolby Digital, mais il ne permet ni la production ni la contribution. Dolby s est donc penché sur le sujet et n a pas manqué d inventer le fameux Dolby E, d autant plus célèbre qu il n est pas aisément abordable! Après une brève présentation de la technologie et de ses non moins célèbres métadonnées, nous verrons quelle utilisation en est faite actuellement en France et quels sont les problèmes qui se posent. Nous aborderons également l aspect pratique d un encodage et verrons quelles précautions doivent être prises pour éviter le scénario catastrophe. Présentation Le Dolby E permet de coder jusqu à 8 canaux audio sur une paire AES-3 ou sur deux pistes audio d une cassette vidéo numérique. L adjonction de métadonnées offre la possibilité de contrôler l encodage en Dolby Digital, autant que la reproduction du programme chez le spectateur. L ensemble présente un débit allant jusqu à 2300 kbps. La postproduction reste possible sur le flux codé, grâce à des fonctionnalités prévues à cet effet. Ce format (utilisé uniquement dans le domaine professionnel) est donc destiné en majorité à véhiculer du son multicanal (par exemple le 5.1 et la stéréo associée). Cependant, la présence de métadonnées alourdit le procédé tout en permettant de maîtriser l audio sur toute la chaîne... Figure 1 : Principe de l'encodage en Dolby E Les 3D... Le Dialogue Level repose sur la mesure de loudness qui n est autre qu une mesure du niveau sonore perçu par un auditeur. Les appareils Dolby (LM100, DP570) utilisent la pondération Leq(A) donc les mesures effectuées s expriment en dbfs Leq(A) (pour le numérique). Plus spécifiquement, le Dialogue Level correspond au niveau moyen du dialogue sur un programme. C est donc une mesure de loudness ciblée sur les éléments les plus porteurs de sens (la plupart du temps le dialogue). L opération de normalisation de dialogue consiste à appliquer une atténuation au programme pour qu il soit reproduit au niveau normalisé de - 31 dbfs. [Cette valeur a été déterminée par Dolby comme étant la valeur de Dialogue Level pour les films à très grande dynamique. Toute une gamme de programme peut donc ainsi entrer dans ce gabarit.] Ainsi, en changeant de chaîne le spectateur n aura pas besoin de saisir sa télécommande car la normalisation du dialogue agit comme un Figure 2 : Application du Dialogue Level
contrôle automatique du volume. Quelque soit son niveau de dialogue à l entrée, un programme ressortira avec un niveau de dialogue normalisé à -31 dbfs. Figure 3 : Structure des profils du Dynamic Range Control En TV numérique, la dynamique peut être très grande comparée à l analogique, mais elle doit pouvoir être restituée sur tous les systèmes d écoute. Pour cela, des informations sont véhiculées dans les métadonnées afin de pouvoir agir sur l audio de façon paramétrable à la fois par le producteur du programme et par l auditeur. Ce sont les valeurs du Dynamic Range Control (DRC) qui sont incluses dans le flux AC- 3 pour gérer tous les problèmes de compression. Six profils de compression prédéfinis permettent de traiter diverses natures de programmes. Chacun s appuie sur la valeur de Dialogue Level pour définir les zones de compression de part et d autre du dialogue. Les décodeurs grand public fonctionnent suivant deux modes opératoires : le Line Mode et le RF Mode. Le Line Mode alimente les sorties au niveau ligne par l audio décodé en canaux discrets (2 à 6 canaux). Le spectateur peut choisir (suivant le décodeur dont il dispose) une compression plus ou moins importante. Lorsqu il n y a que 2 sorties analogiques, la compression est obligatoire (cf paragraphe suivant). Le RF Mode alimente principalement la sortie RF (antenne) qui peut être reliée à un téléviseur. Le décodeur amplifie le signal de 11 db et donc la compression est obligatoire pour éviter l écrêtage. Le RF Mode est rarement disponible à ce jour sur les terminaux en Europe. Cependant, il ne faut pas le négliger car le décodeur s en sert pour effectuer les réductions mono ou pour passer en Midnight Mode (mode à dynamique très restreinte). Figure 4 : Niveaux de sortie et gestion de la compression suivant le mode opératoire dans les décodeurs Dolby Digital Le décodeur Dolby Digital doit être capable de fournir un mixage adapté à tous les systèmes d écoute. La fonctionnalité du Downmixing lui permet de générer deux réductions stéréo (Lt/Rt et Lo/Ro) et une réduction mono. Il peut également simuler un système d écoute particulier par des Listening Modes (Surround (4 canaux), 3 HP frontaux, centre fantôme).
Figure 5 : Sélecteur d'écoute pour les Downmix sur la télécommande du DP570 (Multichannel Audio Tool) Plusieurs paramètres des métadonnées permettent de régler les niveaux de mixage du centre et des arrières dans les réductions stéréo Lo/Ro et Lt/Rt. Soulignons que dans ces réductions, le canal LFE n est pas utilisé et que la compression s applique systématiquement pour éviter l écrêtage. L opérateur pourra indiquer dans les métadonnées quel est le Downmix préféré afin que le spectateur en bénéficie en priorité. Pour les PAD, c est le Lt/Rt qui est demandé afin de permettre un décodage Surround. Utilisation du Dolby E A ce jour en Europe, le Dolby E est utilisé principalement en transmissions de contribution (captation, postproduction). Il cohabite avec le PCM (son non compressé) sur les PAD-HD, soit sur la deuxième paire AES, soit sur les paires AES 3 et 4 (suivant le nombre de version disponibles). Il n est pas systématiquement synonyme de 5.1 et transporte bien souvent du 2.0 en attendant une plus ample expansion du multicanal! Parfois, ce 2.0 subit un Upmix afin d être encodé en 5.1 et de nourrir les 6 enceintes des Home Theatre Quoiqu il en soit, la LED indiquant la présence de Dolby Digital s allumera chez le consommateur. Cette technologie «envahit» donc tous ceux qui veulent produire ou diffuser en 5.1, imposant ses facilités comme ses difficultés J ai nommé : les métadonnées. La principale difficulté du Dolby E se situe donc au niveau de sa complexité. Son utilisation dès la production pose des contraintes techniques qui s apparentent au transport d un signal vidéo et requière des compétences particulières. Le renseignement des métadonnées nécessite de la précision et ne peut pas relever de l automatisme. Il n y a pas de recette toute prête ou «Comment réussir un bon encodage en un tour de main»! Il y a donc un besoin de formation au niveau du personnel autant chez les fournisseurs que chez les diffuseurs. Seulement, pour des personnes qui ne sont pas habituées à ce genre de concept et qui doivent assimiler le fonctionnement du Dolby E, quelques jours de formation ne sont pas du tout suffisants (pour personne d ailleurs). Il en résulte une grande incompréhension face à la technologie en elle-même, mais également entre les différents intervenants. L aspect très technique et on peut même dire «rébarbatif» de la mise en œuvre du Dolby E le place à mille lieues des préoccupations artistiques des ingénieurs du son. Réaliser que des données informatiques correspondent à du son ne se fait pas de prime abord. De ce fait, tout le monde conserve ses anciennes habitudes de mixage, ce qui ne facilite pas les mesures de Dialogue Level. Il est à prévoir qu après quelques expériences malheureuses, beaucoup prendront conscience de l effet des métadonnées et prendront en charge l encodage afin d assurer la bonne restitution de leur travail! En attendant, beaucoup d erreurs se glissent dans les rangs, dues à une mauvaise méthodologie de mesure ou à des incompréhensions. Cela ne simplifie pas la tâche des vérificateurs qui peuvent parfois avoir des difficultés à trancher sur la validité d un paramètre. Il est donc très important de rédiger des recommandations claires et précises. De la même façon, tous les fournisseurs devraient rédiger une fiche de bande comportant toutes les informations aidant à la vérification des PAD. Cela éviterait de nombreux malentendus et de malencontreuses négligences. Sur un plan plus technique, le Dolby E pose des problèmes de synchronisation entre l image et le son. L encodage et le décodage prennent tous deux le temps d une image, et à la limite ce n est qu une goutte d eau dans l océan de la HD. Ce que l on appelle «phasing» est un problème d alignement des trames du Dolby E avec les images de la vidéo afin de permettre l édition du flux (entre autres). En effet, chaque trame doit correspondre à une image vidéo afin que l on puisse monter deux flux ensemble. Si une trame est coupée en deux, elle n est plus décodable. Lors de
l hébergement du Dolby E dans l AES-3, il faut prendre soin de placer la trame à la bonne ligne du signal vidéo (valeurs définies par Dolby selon le format utilisé). Sinon, lors d un cut le flux Dolby E sera corrompu. Il existe des outils permettant de contrôler ce paramètre (DM100 ), mais il n y en a pas encore permettant de connaître la place du Dolby E dans un signal HD-SDI du fait du temps de latence des démultiplexeurs. Et très peu de multiplexeurs le font correctement! Figure 6 : La position idéale de la trame Dolby E dans le signal AES3 Cela peut donc rendre le Dolby E indécodable. Les problèmes de lypsync sont quantifiés en images de décalage et sont liés à l ensemble des retards induits par le codage, décodage et tous les temps de traitement des appareils de plus en plus nombreux en amont de la diffusion. Il est très difficile de compenser précisément tous ces retards qui s accumulent sur l image et le son. Mais le cas le plus critique est celui du matériel non compatible Dolby E, c'est-à-dire le matériel qui ne restitue pas à la sortie bit pour bit le même signal qu en entrée. Tous les équipements appliquant au signal un traitement (changement de gain, égalisation, effets ) qui se ferait sur de l audio en PCM modifient la valeur des échantillons et corrompent le flux Dolby E. Les embedder/desembedder SD doivent être mis en mode DATA afin de ne pas endommager l AES. L utilisation de cette technologie nécessite donc un renouvellement partiel du parc de matériel afin de pouvoir transporter le signal sans risque. Dolby a mis en place des partenariats avec de nombreux constructeurs qui s engagent à proposer un matériel compatible, c est le Dolby Partner. Soulignons également que les écrans LCD induisent un retard supplémentaire à l affichage de l image et ne facilitent pas la vérification de la synchro image / son! Et pour le spectateur Sur la TNT, le 5.1 est loin d être toujours au Rendez-vous. Sur les chaînes en HD, on a au moins toujours un flux Dolby Digital, mais pas toujours en 5.1. Bien sûr, le multicanal en télévision est assez jeune dans notre pays et devrait prendre rapidement de l expansion. Cependant, les choses se complexifient pour les terminaux (set top box) des particuliers qui doivent être compatibles Dolby Digital, puis HD Entre les petits adaptateurs TNT et les décodeurs fournis par les opérateurs privés, il y a un monde de non-standardisation! Il est difficile de prévoir de façon précise ce que le spectateur va voir/entendre. Les options de compression et de downmixing sont rarement les mêmes et ne portent pas le même nom selon les constructeurs. Les set top boxes qui extraient le Dolby Digital ne proposent que rarement le RF Mode et on constate ainsi en France de très gros décalages de niveaux sur la TNT, le satellite et la TV analogique, allant au-delà de 15 dbfs LeqA! Vous l avez d ailleurs très certainement déjà remarqué La première cause de ce désagrément est l alignement du Dialogue Level à -31 dbfs en sortie ligne des décodeurs Dolby Digital. La seconde est que sur le câble, le satellite, l ADSL et la TNT, l audio est diffusé avec un niveau de référence à - 12 dbfs au lieu de - 18 dbfs (particularité française due au Rapport Signal à Bruit des prises Péritel)! L écart se creuse donc de façon très critique. Il devient extrêmement urgent de remédier à ce problème, et c est ce à quoi travaillent plusieurs groupes de travail, notamment au sein du HD-Forum.
Le Dolby E en pratique Importance d une méthode commune Tout d abord, la métadonnée la plus célèbre (et pour cause!) est le Dialogue Level. Qui dit Dialogue Level dit mesure de loudness et c est là que se trouve la difficulté. Déjà, s il est question de mesure, il est aussi question de méthode de mesure et d interprétation de ces mesures. Or, avec un même programme et un matériel de mesure assez similaire on peut obtenir de telles différences qu il devient impossible de faire un compromis. Pour être certains d obtenir ce qu ils souhaitent, les diffuseurs doivent donc établir des recommandations très précises. Et si ces recommandations sont communes à tous les diffuseurs, c est encore mieux car cela évite la confusion dans les laboratoires. Plusieurs méthodes sont possibles pour mesurer un Dialogue Level, mais celle qui est retenue par de nombreux diffuseurs est une mesure effectuée sur tous les canaux et sur l intégralité du programme utile. On entend par programme utile ce qui est utile à la compréhension, donc en général le dialogue. Il faut alors sélectionner des passages de dialogue représentatifs de l ensemble des dialogues du film, afin d en déterminer le niveau moyen. Dans un mixage 5.1, les dialogues se trouvent dans le canal central. On pourrait donc penser à effectuer la mesure uniquement sur le centre. Cependant, il est préférable de mesurer tous les canaux pour harmoniser la pratique avec la mesure de la stéréo ou d autres programmes qui ne sont pas formatés cinéma. Nous avons vu plus haut que la compression se base sur la mesure de Dialogue Level. Donc si la valeur renseignée est fausse, le profil de compression ne s applique pas aux bons éléments du mixage. La première conséquence (surtout pour les profils dits «standards»), est que les voix sont touchées par le compresseur. De la même façon, le bruit de fond et le rumble sont remontés de façon imprévue alors que les effets sont trop retenus, voire censurés. Il en résulte un déséquilibre du mixage qui peut devenir très désagréable. Figure 7 : La télécommande du Multichannel Audio Tool DP570 (version officielle en vigueur) Figure 8 : L'application du DRC lors d'un renseignement erroné de la valeur de Dialogue Level
De plus, il est normal et même indispensable de réduire la dynamique pour adapter le mixage à un environnement domestique, mais il également souhaitable de faciliter le travail du compresseur Dolby qui rappelons-le, n est pas un compresseur multi-bande mais la simple application de ratios entre l entrée et la sortie. Si on souhaite que le résultat soit correct, il ne faut pas encoder des dynamiques trop importantes (typiquement mixage 5.1 pour la salle) car le DRC risque de ne pas travailler très élégamment! Le plus important dans le choix d un Dialogue Level, est que le programme raccorde avec les autres. Mais on constate alors que le Dialogue Level trouvé n est pas toujours celui qui permet de raccorder avec les autres (surtout en musique)! Cela vient généralement de la dynamique et du poids qui est donné au mixage. C est pour cela que les chaînes demandent un Dialogue Level à -27 db +/- 4 (donc entre -31 et -23) car elles considèrent qu un mixage effectué correctement pour la TV se situe dans cette fourchette. Effectivement, si on veut que l antenne reste homogène, il faut maintenir une certaine normalisation dans les mixages. Il est donc dans l intérêt de tous de faire entrer la valeur de Dialogue Level dans cette fourchette. Et en direct Le renseignement des métadonnées semblant découler d une mûre réflexion, on peut se demander comment cela se passe dans une situation de direct S il s agit d une contribution, l audio sera décodé, remanié et réencodé avec de nouvelles métadonnées. Comme le mixeur a déjà certaines habitudes de mixage, il peut présumer d une valeur de Dialogue Level et tout faire pour s y tenir. Il aura également fait des essais auparavant pour déterminer les autres paramètres. Les plus délicats sont ceux qui concernent les Downmix car il est difficile pour l ingénieur du son d écouter simultanément le Downmix et de modifier son mixage en 5.1 pour qu il s adapte aux réglages du downmixing Par conséquent, l encodage Dolby E lors d une diffusion en direct relève de la haute voltige car il faut à la fois maîtriser les sources externes, les paramètres des métadonnées et s y tenir (peu de changement possible en cours de route). Cela demande donc une certaine expérience avant de trouver les réglages adaptés. Comme tout le monde est en phase d apprentissage, on comprendra aisément qu il y ait encore quelques ratés Quelques recommandations Les choix des paramètres des métadonnées ne sont pas toujours compréhensibles de prime abord. Par conséquent, si d autres personnes sont amenées à vérifier ou à remanier les métadonnées que vous avez encodées, pensez toujours à remplir une fiche de bande ou un quelconque autre document leur permettant de comprendre et de valider vos choix. Parfois, on est forcés de faire un compromis et toutes les raisons menant à cette décision ne seront pas d emblée perçues par les personnes en aval; afin d éviter les refus ou une double charge de travail, il est indispensable de les informer. De plus, cela peut également être utile pour soi, pour établir sa propre méthodologie. En choisissant une valeur de Dialogue Level, gardez présent à l esprit qu elle a pour mission de faire raccorder le programme avec son entourage sonore. D une part, avec les autres programmes en Dolby Digital, donc elle sera la plus objective possible. D autre part, avec les autres programmes en MPEG stéréo. Bien sûr, tant que le problème n aura pas été résolu par les diffuseurs, l écart de loudness continuera à persister. Cependant, en choisissant un Dialogue Level qui entre dans la fourchette demandée (-27 +/- 4 db), on a plus de chance de conserver un loudness homogène sur l ensemble des programmes. Afin que ces deux dernières recommandations ne soient pas contradictoires, il faudra bien sûr ABSOLUMENT éviter d encoder des programmes ayant une dynamique trop importante. Déjà l encodage sera bien plus aisé et ensuite le décodage sera bien plus écoutable! La maîtrise de la dynamique passe tout d abord par un re-mixage pour la télévision des mixages prévus pour la salle de cinéma. Ce mixage pourra alors également servir au DVD, permettant ainsi à des millions de spectateurs d économiser les piles de leur télécommande! Pour ce qui est de la stéréo, l idéal serait d élaborer un mixage à partir des éléments du 5.1 plutôt que d utiliser le Downmix. Sinon, il faut au moins prendre le temps d écouter les différentes réductions pour régler les paramètres des métadonnées. Rappelons tout de même qu actuellement, la majorité des spectateurs écoutent en stéréo et profitent plus de la sortie DVD que de la sortie salle! Ce qui devrait justifier certains coûts de production!
Conclusion L ère de la HD vient de débuter, nous apportant conforts et complications supplémentaires. En ce qui concerne le son, la première difficulté vient de la cohabitation entre l ancien format toujours d actualité (stéréo) et le nouveau pas encore généralisé (5.1). Les exigences sont à redéfinir et les pratiques doivent être harmonisées. Les outils évoluent sans cesse et il faut un certain temps avant que chacun acquière une expérience solide. Le principal dysfonctionnement induit par les métadonnées provient d une dynamique non adaptée au média ciblé. Il faut donc toujours garder à l esprit que le programme est destiné à être entendu dans un environnement domestique, sur un matériel grand public et inséré parmi d autres programmes. Petit à petit, les écarts devraient se combler et l ensemble de l offre en Dolby Digital deviendra plus homogène. Anaïs Libolt