Sans entrer dans le débat entre techniques coïncidentes et non coïncidentes pour l’enregistrement stéréo et périphonique, les techniques de prise de son coïncidentes permettent, en théorie, une localisation précise des objets sonores à l’écoute. Mais la théorie peut être contredite par la réalité des dimensions physiques des microphones d’une technique coïncidente. Comme il est impossible de placer toutes les capsules au même point de l’espace, la localisation en technique coïncidente, format-B natif compris, est affectée par le décalage angulaire vertical des objets sonores par rapport au plan horizontal du dispositif de prise de son stéréo ou périphonique. Le plan horizontal est défini par les axes de captation des microphones, perpendiculaires à leurs membranes.Without going into the debate over coincident techniques versus non-coincident techniques for stereo and surround recording, coincident microphone techniques will theoretically yield precise sound objects localization in playback. But the theory can be negated by the reality of the physical dimensions of the microphones involved in a coincident technique. Since it’s impossible to put all the mic capsules in the same point in space, localization in coincident techniques, native B-Format included, will be affected by the sound objects vertical angular offset relative to the horizontal plane of the stereo or surround microphone setup. The horizontal plane is the result of the microphones sound capture axes: the axes are perpendicular to the microphones diaphragms.
Par exemple, un objet sonore décalé verticalement d’environ −45° par rapport à l’assemblage en format-B natif produira des écarts dans le moment d’arrivée du son aux trois membranes. À l’écoute en stéréo ou en périphonie, ces écarts brouillent la localisation de l’objet sonore : même si les niveaux des canaux du format-B sont justes, quelques échantillons de différence suffisent à altérer le rendu spatial. L’objet sonore est moins net (ou plus large que ses dimensions physiques réelles) et sa position, moins précise.For example, if we have a sound object with a vertical offset of about -45° relative to the native B-Format assembly, the offset will lead to differences in the moment of sound arrival at the three diaphragms. Once monitored in stereo or surround, these differences will blurry the sound object localization: even if the levels are right in the B-Format channels, a few samples of difference will affect spatial rendering. The sound object is less focused (or larger than its actual physical dimensions) and less precise in position.
Il existe quelques stratégies pour corriger cet écart temporel.There’s a few strategies to correct the time difference.
Sur le lieu d’enregistrement, on peut réduire l’écart en inclinant physiquement l’assemblage vers la source sonore principale. Sans éliminer l’écart temporel, on le réduit : si aucune autre correction temporelle n’est appliquée en postproduction, il faut toujours faire cette inclinaison pour réduire l’écart le plus possible.At the recording venue, it’s possible to lower the difference by physically tilting the assembly towards the general sound source. While not eliminating the time difference, it will reduce it: if no other time correction is applied in post-production, this tilting should always be done to minimize as much as possible the difference.
Pour l’enregistrement de musique acoustique, l’inclinaison de l’assemblage peut aussi aider à équilibrer le son entre les premières et les dernières rangées de musiciens. La profondeur physique d’un ensemble dans une salle de concert, généralement acceptable sur place, mène parfois à une profondeur excessive à l’écoute en stéréo ou en périphonie horizontale (sans doute à cause d’une esthétique établie en enregistrement de musique acoustique et d’indices spatiaux incomplets à l’écoute). En pointant l’axe principal de l’assemblage en format-B vers la dernière rangée, les premières rangées, plus proches de l’assemblage, sont captées dans une zone moins sensible : cela réduit les différences d’amplitude entre l’avant et l’arrière et peut éliminer le besoin de microphones d’appoint. L’inclinaison peut évidemment s’appliquer aussi au signal en format-B d’un microphone de type Soundfield, sauf qu’elle se fera alors par traitement du signal en postproduction.In the case of acoustic music recordings, the assembly tilting can also help balance the sound between the first rows of musicians and the last rows. An ensemble physical depth in a concert hall, while usually resulting in an acceptable sound on site, will sometimes lead to excessive depth in stereo or horizontal surround playback (probably a result of established esthetics in acoustic music recording and incomplete spatial cues in playback). So by aiming the B-Format assembly main axis at the last row, the first rows, that are closer to the assembly, will be picked up in a less sensitive region: this will reduce amplitude differences between front and back and could eliminate the need for spot microphones. The tilting can of course also be done to a B-Format signal out of a Soundfield-type mic, except that it will be done by signal processing in post-production.
En définitive, la stratégie de correction temporelle la plus efficace est l’alignement à l’échantillon près en postproduction, dans la station audionumérique. Pour être pleinement efficace, cette technique exige des repères sonores enregistrés sur place : pour emprunter au cinéma, on peut utiliser un clap pour produire un signal d’alignement. Ce son bref et impulsif produit une crête facile à repérer dans la station audionumérique. Sans clap, quelques claquements de mains isolés font aussi l’affaire. Nous recommandons de faire le clap aux coins de l’ensemble et devant chaque microphone d’appoint : chaque microphone doit avoir sa propre piste. Une fois enregistré, le clap permet un alignement facile en faisant glisser les fichiers sonores sur leur piste ou avec un plug-in de délai à l’échantillon près : nous préférons cette dernière méthode, qui facilite les ajustements fins. Nous utilisons actuellement le Metric Halo ChannelStrip de cette façon.Ultimately, the time correction strategy that will work the best is post-production sample-based alignment in the DAW. To be the most effective, this technique needs specific audio information recorded at the venue: to take a historical cue from cinema, a slate can be used to produce a time alignment signal. The short impulsive sound will produce an easily identifiable spike in the DAW. If a slate is not available, a few single hand claps can also work. We recommend slating at the corners of the performing ensemble and in front of all the spot microphones: all microphones should have their own tracks. Once recorded, the slate will permit easy alignment using sound file sliding in the track or by using a sample-based delay plug-in: we prefer the latter since it allows easier tweaking. We currently use Metric Halo ChannelStrip in this fashion.
L’alignement temporel à l’échantillon près profite grandement des fréquences d’échantillonnage élevées (96 kHz et plus) : il gagne en précision, même si le produit final est à une fréquence plus basse (44,1 et 48 kHz). L’alignement doit évidemment se faire avant le sous-échantillonnage.Sample-based time alignment will benefit greatly from high sample rates (96 kHz and up): it will allow for greater accuracy in the process, even if the final product is at low sample rate (44.1 and 48 kHz). Of course, the alignment must be done before downsampling.
Un dernier mot sur l’alignement temporel : par nature, ce sera toujours un compromis. Optimiser l’alignement pour un décalage vertical donné en dégradera un autre. Il revient à l’ingénieur et au producteur de choisir les objets sonores qui bénéficieront d’une localisation plus précise, et ceux qui ne souffriront pas, ou pourraient même profiter, d’une localisation plus floue.A final word on time alignment: by nature, it will always be a compromise. Optimizing the time alignment for a particular vertical offset will degrade another. It’s up to the engineer and producer to choose what sound objects they want to have a more precise localization and what other sound objects won’t suffer, or even might benefit, from having a more blurry localization.