Matija je snimku od 4,80 GB (1080p) smanjio HandBrakeom na 403,7 MB (720p). Isti original smo kodirali na više načina i svaki usporedili s originalom, kadar po kadar, na cijelih 37 min 11 s. Mjeri se veličina i vjernost originalu (SSIM i PSNR; više je bolje). U drugom krugu (10. 11.) obradili smo zvuk za razumljivost i izbacili kadrove u kojima se ploča ne mijenja.
| Varijanta | Ukupno | Razlika | Video kbit/s | Zvuk kbit/s | SSIM | PSNR | Kodiranje |
|---|---|---|---|---|---|---|---|
| HandBrake 1.10.2 (Matija) x264 CRF 23, brza postavka | 403.657.141 B | — | 1277 | 162 | 0,9703 | 38,11 dB | nepoznato |
| x264 iste veličine slow, 2 prolaza na 1277 kbit/s | 404.138.668 B | +0,1 % | 1277 | 164 | 0,9739 | 41,89 dB | 17 min |
| x264 CRF 23 slow | 485.019.557 B | +20,2 % | 1634 | 97 | 0,9758 | 42,48 dB | 13 min |
| x265 CRF 26 medium | 230.683.828 B | −42,9 % | 722 | 97 | 0,9739 | 41,88 dB | 21 min |
| AV1 SVT preset 6 CRF 35 | 192.391.010 B | −52,3 % | 586 | 97 | 0,9792 | 43,21 dB | 34 min |
Sve varijante: 1280×720, 30 fps, 66.918 kadrova (HandBrake 66.908). Vrijeme kodiranja je na poslužitelju s 12 jezgri pri najnižem prioritetu, pa nije usporedivo s Matijinim računalom.
Ploča i projektor većinu vremena stoje. Filtar mpdecimate našao je da je 38–55 % kadrova gotovo jednako prethodnom, a promjena scene ima samo 4. Takve kadrove ne treba spremati. Sve tri varijante imaju novi zvuk (AAC 96 kbit/s mono).
| Varijanta | Postavke | Ukupno | Video kbit/s | SSIM | PSNR | Kodiranje |
|---|---|---|---|---|---|---|
| S1 | AV1 SVT p6 CRF 35, 15 fps | 121.836.222 B | 336 | 0,9730 | 37,97 dB | 20 min |
| S2 | AV1 CRF 35, izbacivanje duplikata (mpdecimate hi=768 lo=320 frac=0,33), promjenjivi fps | 157.980.966 B | 464 | 0,9783 | 42,12 dB | 26 min |
| S3 · zvuk 5 · objavljeno | isti video kao S3, zvuk 5 (AAC 128 kbit/s) | 93.174.296 B | 202 | 0,9714 | 37,56 dB | prepakiranje |
| S3 | AV1 CRF 40, 15 fps + izbacivanje duplikata, zvuk 4 | 84.426.792 B | 202 | 0,9714 | 37,56 dB | 15 min |
| HandBrake (za usporedbu) | x264 CRF 23, 30 fps | 403.657.141 B | 1277 | 0,9703 | 38,11 dB | — |
Čitljivost ploče provjerena je na kadru u 20:00: tekst i razlomak (x−3)/(x+3) čitljivi su u S1 i S3. Niži PSNR kod 15 fps dijelom je posljedica mjerenja, jer se 15 fps uspoređuje s referencom od 30 fps (pokret ruke).
Kodek nije gubio ništa: energija u pojasevima iznad 4, 8, 12 i 15 kHz jednaka je unutar 0,7 dB u originalu (256 kbit/s), kod HandBrakea (162) i kod nas (96). Iznad 12 kHz snimka nema signala. Problem je bio što je snimka 14 dB pretiha za govor na webu.
| Mjera (cijelih 37 min) | Izvor | Krug 1 | Krug 2 | Krug 3 | Krug 4 | Krug 5 · objavljeno |
|---|---|---|---|---|---|---|
| Glasnoća (EBU R128) | −30,3 LUFS | −16,7 | −16,1 | −17,2 | −16,9 | −17,1 LUFS |
| Raspon glasnoće (LRA) | 16,5 LU | 10,8 | 8,4 | 11,4 | 11,3 | 11,2 LU |
| Stvarni vrh | −1,3 dBFS | +0,5 | — | — | 0,0 | −1,7 dBTP |
| Tipičan govor (medijan RMS) | −43,5 dB | — | — | — | −21,3 | — |
| Govor naspram šuma (p90 − p10) | 36,1 dB | 30,2 | 24,6 | 32,3 | 32,3 | — |
| Mikrofonija 1050–1090 Hz (sekundi ≥ 25 dB iznad okoline) | 37 | — | — | — | 48 | 0 |
| Veličina zvuka | 71,8 MB (AAC 256k) | 27,6 MB (AAC 96k) | 36,3 MB (AAC 128k mono) |
Mikrofonija (Ivan, 3:25): zvižduk na 1070 Hz (luta 1050–1090), najjači na 3:28, postoji već u izvornoj snimci. Krug 4 ga je pojačao za oko 6 dB jer ga je izjednačavanje glasnoće dizalo kao govor. Krug 5 ga usko izrezuje (bandreject f=1072 w=40, dvaput) prije izjednačavanja i dodaje alimiter na −3 dBFS. AAC na 96 kbit/s podizao je vrh za 3,5 dB (PCM −2,1 → +1,5 dBTP), zato 128 kbit/s (−1,7). Mjerni prag ≥ 12 dB lovio je i harmonike govora, pa je mjerodavan ≥ 25 dB.
Krug 4: mono → highpass 80 Hz (brum) → afftdn nr=10 (blago uklanjanje šuma) → dynaudnorm f=500 g=31 m=15 p=0,9 t=0,003 (izjednačava glasnoću, pauze bez govora ne pojačava) → loudnorm I=−16 TP=−2 LRA=7 u dva prolaza. Krug 2 je jače sažimao i podigao šum pauza (SNR 24,6), pa je odbačen. Slušanje prije i poslije: A/B stranica.
| Hipoteza | Kriterij | Ishod |
|---|---|---|
| H1 · x264 CRF 23 slow | ≥ 25 % manji od HandBrakea uz SSIM ≥ HandBrake | PAD — 20,2 % veći (kvaliteta bolja: +4,4 dB). Pretpostavka o 60 fps duplikatima bila je kriva: HandBrake ima prosječno 29,99 fps. |
| H2 · AV1 | ≥ 50 % manji uz SSIM unutar 0,005 | DRŽI — 52,3 % manji, SSIM +0,009 (bolje, ne samo unutar granice) |
| H3 · x265 | ≥ 40 % manji uz SSIM unutar 0,005 | DRŽI — 42,9 % manji, SSIM +0,004 |
| dodatno · x264 iste veličine | poštena usporedba istog kodeka | ista veličina (+0,1 %), SSIM +0,004, PSNR +3,8 dB |
| V1 · statični dio (c20030) | ≤ 124 MB za 37 min uz SSIM ≥ 0,970 | DRŽI — S1 121,8 MB / 0,973; S3 84,4 MB / 0,971 |
| kriterij c2049 (od ranije) | predavanje od 45 min ≤ 150 MB | DRŽI za S3 — oko 102 MB za 45 min (prvi put) |
| Z2 · glasnoća (c20030) | oko −16 LUFS, tipičan govor ≥ +15 dB | DRŽI — −16,9 LUFS, +22,2 dB |
| Z1 · dinamika (c20030) | LRA ≤ 8 LU i stvarni vrh ≤ −1,5 dBTP | PAD — LRA 11,3; vrh 0,0. Jače sažimanje diže šum pauza. |
91158b65…).HandBrake 1.10.2, x264 core 165, crf=23, subme=2 ref=1 me=hex), ne pretpostavljene.ffmpeg ssim i psnr na cijeloj snimci.ffmpeg s libx264, libx265 i libsvtav1, zvuk AAC 96 kbit/s (x264 iste veličine: 162 kbit/s kao HandBrake). Skripta i rezultati su na poslužitelju u testnoj mapi; ništa nije išlo u produkciju.ebur128 (EBU R128, s mjerenjem stvarnog vrha); razine govora i šuma iz astats RMS po prozorima od 0,5 s (p10 = tišina, p50 = tipično, p90 = govor). Pojasevi visokih tonova: highpass na 4, 8, 12 i 15 kHz pa RMS.Za predavanja uz ploču na webu: AV1 (SVT, preset 6, CRF 40, 720p, 15 fps, izbacivanje duplikata) i zvuk po krugu 5 (AAC 128 kbit/s mono, −16 LUFS, urez mikrofonije kad je ima), uz x264 s istim zvukom kao rezervu za starije Apple uređaje.
Predavanje stane u petinu prostora uz jednaku vjernost, a govor se čuje. Ugradnja ide u postojeći services/media_proc.py (zaseban DA). U HandBrakeu je najbliže koder SVT-AV1 s 15 fps; za zvuk HandBrake nema normalizaciju glasnoće.