ENPrenota l’audit gratuito

Montare video con Claude: le 4 regole sull'audio da dargli, spiegate da un musicista

Strategia, dati e trackingdi Giorgio Terenziani13 min di lettura

Montare video con Claude: le 4 regole sull'audio

In sintesi

Per montare un video con Claude e ottenere un buon audio servono poche regole precise: non tagliare i silenzi dentro le doppie, non far comprimere la voce dopo le B e le P, tenere voce ed effetti su due tracce e dire a Claude con quale microfono hai registrato. Claude non ascolta l'audio: lo calcola, quindi va istruito su cosa non fare.

  • Le doppie contengono un silenzio brevissimo: se chiedi di togliere i silenzi, Claude le perde e "bello" diventa "belo".
  • B e P hanno un picco alto e rapidissimo: è lì che il compressore pompa e schiaccia la voce.
  • Voce ed effetti sulla stessa traccia diventano "intubati": servono due tracce e un mix lineare.
  • Microfono, distanza e inclinazione vanno dichiarati: altrimenti Claude comprime verso i medio-alti e la voce diventa sibilante.
  • Tre-cinque minuti in più sull'audio valgono più di un microfono da 5.000 euro.

Per guardare il video accetta i cookie.

Perché l’audio di un video montato con Claude suona male?

Perché Claude non è un editor che guarda la forma d’onda e pensa “qui c’è un silenzio, qui la parola è più bassa, la alzo”. Lavora in modo algoritmico, matematico: molto preciso, ma poco intelligente. Un algoritmo applica la regola esattamente come è scritta e non si accorge di quando quella regola sta rovinando una parola.

Il risultato è un audio che sulla carta è pulito e all’ascolto suona strano: parole mangiate, voce schiacciata, effetti che coprono tutto. Non è colpa di Claude e non è colpa tua. Gli hai chiesto “migliora l’audio”, che non è un’istruzione: è una speranza.

Il criterio da cambiare è uno solo. Non chiederti “suona bene?”, chiediti “cosa ha fatto l’algoritmo alla mia voce?”. Da lì nascono le quattro regole di questo articolo.

Chi scrive. Sono Giorgio Terenziani, socio fondatore di Ermethe e musicista professionista dal 1999. Registro, mixo e pubblico video ogni settimana: quando un video è montato con l’AI, l’audio è la prima cosa che controllo.

Cosa sono i LUFS e perché sono diversi dai dB?

I dB dicono quanto è alto un segnale, i LUFS dicono quanto un suono sembra forte a chi ascolta. Sono due domande diverse, e la voce risponde in modo molto diverso all’una e all’altra: per questo Claude lavora con i LUFS e non solo con i dB.

LUFS (o LKFS) sta per Loudness Units relative to Full Scale. È l’unità con cui lo standard ITU-R BS.1770 misura la sonorità percepita: il segnale passa da un filtro che lo pesa come lo sente l’orecchio umano e il livello viene mediato nel tempo, non letto istante per istante. Una differenza di 1 LU (unità di sonorità) equivale a 1 dB. La misura è “integrata” quando riguarda l’intero video, e in quel caso i passaggi quasi silenziosi sono esclusi con un gate: sotto i -70 LUFS assoluti e sotto i 10 LU rispetto alla media. Esistono anche una lettura momentanea (finestra di 0,4 secondi) e una a breve termine (3 secondi).

Misura Cosa dice Come si legge Esempio con la voce
dBFS (picco) Quanto il segnale si avvicina al massimo digitale, 0 dBFS Istante per istante Una B o una P può toccare il picco più alto di tutto il video
dBTP (true peak) Il picco reale tra un campione e l’altro, quello che può distorcere dopo la conversione Il massimo Il nostro limite di sicurezza è -1,5 dBTP
LUFS integrati Quanto “forte” suona l’intero video Media pesata nel tempo, con gate -14 LUFS è il nostro valore di partenza
LU La differenza tra due livelli di sonorità 1 LU = 1 dB Portare un video da -20 a -14 LUFS significa +6 LU

Come cambia la compressione quando si passa dai dB ai LUFS?

Un compressore reagisce ai dB: quando il livello istantaneo supera una soglia, abbassa il guadagno. Le plosive B e P sono picchi altissimi e brevissimi, con pochissima energia: per i dB pesano tantissimo, per i LUFS quasi nulla.

Se chiedi a Claude di portare la voce a un certo livello in LUFS e lui alza il volume di tutto, i picchi di B e P arrivano al limite prima del resto. Per tenerli sotto il massimo interviene il compressore o il limiter, e schiaccia proprio quelle sillabe: la voce “pompa”, cala subito dopo ogni B e ogni P.

Il modo giusto si fa in due passaggi. Prima si misurano i LUFS integrati. Poi si applica un guadagno lineare, cioè la stessa moltiplicazione su tutto il segnale, che non cambia la dinamica. Infine si controlla il picco reale e il limiter interviene solo sui picchi della voce sopra i -4,2 dBFS.

Per riferimento, lo standard EBU R 128 per la TV indica -23 LUFS e un picco massimo di -1 dBTP; per i video social non c’è un valore unico e le piattaforme normalizzano a modo loro. Noi partiamo da -14 LUFS con un picco massimo di -1,5 dBTP. Se per arrivare a -14 servirebbe comprimere, la regola è scendere a -15 LUFS: il video di questo articolo è uscito a -15 LUFS, con un picco di -2,7 dBTP.

Regola 1: come si evita che Claude rovini le doppie?

Si dice a Claude di non tagliare i silenzi dentro le doppie e si indicano i punti esatti. In italiano le doppie (bello, spazzare, anno) contengono un silenzio brevissimo: la consonante si trattiene e poi si rilascia. Se chiedi di togliere i silenzi, quel vuoto sembra un silenzio come un altro e viene tagliato: “bello” diventa “belo”.

Il taglio dei silenzi funziona bene sulle pause vere e male sulle micro-pause dentro le parole. Questi sono i valori di partenza che usiamo noi, da adattare alla voce:

  • I silenzi tra una parola e l’altra sotto circa 0,25 secondi non si toccano. La pausa dentro una doppia è una frazione di secondo, molto sotto questa soglia.
  • Tra una parola e l’altra restano 80-150 millisecondi di respiro: Claude tende a chiudere le parole troppo presto, sulle code.
  • Dopo ogni taglio si controlla l’attacco della parola successiva, perché B, P, T e S non risultino mozzate.
  • Ogni taglio ha una dissolvenza incrociata di 20-30 millisecondi: mai tagli secchi sull’audio.
  • Le pause volute si tengono. Se guardo in camera per un secondo prima di una frase, quella pausa è parte del discorso e Claude va avvisato di non accorciarla.

Il modo più affidabile è la trascrizione con i tempi: la leggi, trovi le parole con le doppie e le segnali. Per esempio: “Non tagliare i silenzi sotto 0,25 secondi e mai dentro le doppie (bello, spazzare, anno). Al secondo 37 ci sono parole con le doppie: non toccarle.”

Regola 2: perché il compressore rovina la voce dopo B e P?

Perché B e P sono picchi rapidissimi, e un compressore li legge come un segnale troppo forte: abbassa il volume e lo rialza lentamente. Le sillabe che arrivano subito dopo escono più deboli. Si sente come un respiro nel volume della voce, per questo si dice che il compressore “pompa”. Basta una frase con “perché”, “prima” o “bene” per accorgersene.

Claude tende a comprimere perché è il modo più rapido per portare una voce a un livello costante. Si evita togliendo il compressore dalla ricetta e chiedendogli un’altra strada:

  1. Niente compressore sulla voce e niente makeup gain, cioè il volume di compensazione che il compressore aggiunge dopo aver schiacciato.
  2. Guadagno lineare, cioè la stessa moltiplicazione su tutto il segnale: si misura il livello, lo si applica e si rimisura. Valore di partenza: -14 LUFS integrati.
  3. Picco reale massimo di -1,5 dBTP.
  4. Limiter solo sui picchi della voce sopra i -4,2 dBFS, quelli che lineare non riesce a portare dentro il limite.
  5. Controllo finale con i numeri: se loudness e picco non rientrano, il file non viene consegnato.

Se per arrivare a -14 LUFS servirebbe comprimere, si preferisce scendere a -15 LUFS. Un punto di volume in meno non lo sente nessuno, una voce che pompa sì.

Regola 3: perché voce ed effetti vanno su due tracce?

Perché se stanno insieme, il compressore tratta voce ed effetto come un unico suono. Mi è capitato in un video con il fuoco: Claude metteva la voce sopra l’effetto su una sola traccia, il volume saliva, il compressore interveniva e schiacciava tutto. Il risultato è un suono “intubato”: si perdono gli alti e sembra che il video giri su se stesso.

Si risolve chiedendo due tracce vere:

  • Voce e effetti su tracce separate, con due file distinti (stem) prima del mix.
  • Gli effetti restano almeno 20 dB sotto la voce mentre parlo, con il ducking: l’effetto si abbassa da solo quando la voce entra e torna su quando smette.
  • Nessun compressore sulla somma. Il mix finale è lineare, la stessa operazione della regola 2.

Un esempio di istruzione: “Genera due stem, voce.wav ed effetti.wav. Gli effetti stanno almeno 20 dB sotto la voce mentre parlo, con ducking. Mixa in modo lineare, senza compressione sulla somma.”

Regola 4: cosa dire a Claude sul microfono e sulla distanza?

Digli quale microfono usi, a che distanza e con quale inclinazione, prima che tocchi la voce. Non lo sa e non può sentirlo: se ha davanti un buon microfono, tende comunque a comprimere, e la compressione schiaccia verso le medio-alte. La voce diventa sibilante, con le S e le C che graffiano.

La distanza conta quanto il microfono. Se muovi la testa o il microfono, cambia la prossimità, cioè quanto i bassi vengono esaltati dalla vicinanza: nel video lo faccio sentire dicendo “doppia doppia doppia” da posizioni diverse. Il volume e il carattere della voce cambiano a ogni frase e Claude non lo corregge da solo.

Questi sono i valori di partenza che usiamo noi per una voce un po’ cupa, da adattare alla propria e da confrontare con lo spettro di un video che ti piace:

  • Una voce cupa o “boomy” ha di solito il problema tra 200 e 350 Hz, l’effetto della prossimità.
  • Filtro passa-alto a 90 Hz, -3 dB a 210 Hz (con un Q di 1,3), -1 dB a 350 Hz e +1 dB di presenza sopra i 4 kHz.
  • Contro la sibilanza, de-esser o EQ leggeri: non si spingono i medio-alti.
  • I bassi da prossimità si compensano con l’EQ, non si comprimono.

La frase da dare a Claude: “Sto usando [modello di microfono] a [distanza] centimetri, inclinato [verso la bocca / di lato]. Prima di trattare la voce dimmi cosa vedi nello spettro, poi applica solo l’EQ che ti ho indicato.”

Non serve un microfono costoso: anche con un Neumann da 5.000 euro Claude non edita come un musicista o un sound engineer, ma come un software.

In che ordine conviene lavorare e quale prompt usare?

Conviene lavorare in cinque passi, senza fretta: Claude ti fa già risparmiare molto tempo, quindi mettici cinque minuti invece di uno.

  1. Trascrizione parola per parola. Dai al sistema di trascrizione un glossario: Whisper scrive “loops” al posto di LUFS e “Ermete” al posto di ERMETHE. I tempi sono precisi solo entro 0,3-0,5 secondi, quindi i punti di taglio si allineano all’energia reale della voce, non al tempo della parola.
  2. Pause e doppie. Leggi la trascrizione e segna dove tenere le pause volute e quali parole hanno le doppie.
  3. Tagli con margine ampio. Meglio una pausa in più che una parola mozzata.
  4. Effetti su una traccia separata. Mai sulla stessa della voce.
  5. Mix finale e controllo. Misura LUFS e picco, e ascolta con le cuffie.

Puoi incollare questo prompt all’inizio del lavoro e adattare i valori alla tua voce:

Stai montando un video in cui parlo. Segui queste regole sull'audio.
1. Non tagliare i silenzi sotto 0,25 secondi tra le parole e mai dentro le doppie (bello, spazzare, anno). Lascia 80-150 ms di respiro tra le parole. Dopo ogni taglio controlla l'attacco della parola successiva. Dissolvenza incrociata di 20-30 ms su ogni taglio.
2. Niente compressore sulla voce e niente makeup gain. Porta il volume a -14 LUFS integrati con guadagno lineare, picco reale massimo -1,5 dBTP. Limiter solo sui picchi della voce sopra -4,2 dBFS. Se per arrivare a -14 servirebbe comprimere, usa -15 LUFS.
3. Voce ed effetti su due tracce separate. Gli effetti stanno almeno 20 dB sotto la voce mentre parlo, con ducking. Mix finale lineare.
4. Il microfono è [modello], a [distanza] cm, inclinato [come]. Non spingere i medio-alti: contro la sibilanza usa un de-esser leggero.
5. Alla fine misura LUFS e picco e dimmi i numeri. Non dirmi che suona bene: dimmi cosa hai cambiato.

Quali errori fa Claude con l’audio e cosa dirgli, in sintesi?

Errore di Claude Cosa si sente Cosa dirgli
Taglia i silenzi dentro le doppie “bello” diventa “belo” Non tagliare sotto 0,25 s e mai dentro le doppie; indica i secondi esatti
Chiude parole e pause troppo presto Parole mozzate, nessuna pausa d’effetto Lascia 80-150 ms tra le parole e tieni le pause volute
Comprime la voce Il volume “pompa” dopo B e P Niente compressore: guadagno lineare, -14 LUFS, picco massimo -1,5 dBTP
Mette voce ed effetti sulla stessa traccia Suono intubato, alti persi Due tracce, effetti 20 dB sotto la voce, con ducking
Non conosce il microfono Voce sibilante, volume instabile Modello, distanza e inclinazione; de-esser leggero, medio-alti intatti

Perché un musicista sa cosa chiedere all’AI sull’audio?

Perché ha passato anni a sentire cosa fa un suono quando lo si schiaccia, lo si somma a un altro o lo si registra da troppo vicino. Faccio il musicista di mestiere dal 1999, da quando ero in quinta superiore. Ho cominciato registrando per conto terzi, poi mi sono costruito un piccolo home studio per occuparmi di tutta la registrazione del mio basso. Per quattro-cinque anni ho fatto il sound engineer anche per altri, poi mi sono specializzato sul suono del basso. Da sempre tengo corsi di fisica del suono e di home recording, e sono un appassionato di audio e di editing.

Tenere le mani in pasta, provare in prima persona plugin e macchine analogiche, mi ha dato una sensibilità che nessun algoritmo ha. A questo si aggiunge il lavoro da creator: circa 8.000 iscritti su YouTube, 2 milioni di visualizzazioni e 15.000 follower su Instagram, dove continuo a pubblicare. Per questo l’audio è sempre al centro di quello che propongo.

So quando mi serve un risultato assolutamente professionale, come sui dischi o in alcuni video per i marchi che mi sponsorizzano, e quando posso accontentarmi, perché pubblicare ed essere veloci è importante. Con l’AI questa differenza vale ancora di più: mi accelera senza l’ossessione della perfezione, a patto di conoscere le quattro o cinque cose che fanno l’80-20 di Pareto, cioè il piccolo gruppo di scelte che produce quasi tutto il risultato. Non avere fretta, fare in modo che la cosa funzioni e andare avanti: le quattro regole di questo articolo sono esattamente quelle.

La checklist in sette passi

  1. Fai trascrivere il video parola per parola, con un glossario per i termini tecnici e i nomi.
  2. Segna con i secondi le parole con le doppie e le pause volute da tenere.
  3. Vieta il taglio dei silenzi sotto 0,25 secondi e dentro le doppie; chiedi 80-150 ms di respiro tra le parole e dissolvenze di 20-30 ms sui tagli.
  4. Togli il compressore dalla voce: guadagno lineare a -14 LUFS integrati (-15 se servirebbe comprimere), picco massimo -1,5 dBTP, limiter solo sopra -4,2 dBFS.
  5. Separa voce ed effetti su due tracce, con gli effetti almeno 20 dB sotto e il ducking.
  6. Dichiara microfono, distanza e inclinazione, e dai a Claude l’EQ di partenza invece di lasciargli scegliere.
  7. Fai misurare LUFS e picco, fatti dire i numeri e ascolta tutto con le cuffie prima di pubblicare.

Il metodo e i valori di partenza (0,25 s, 80-150 ms, 20-30 ms, 20 dB, EQ della voce) sono la pratica di lavoro di Ermethe, non uno standard.

Domande frequenti

Claude può montare un video da solo con un buon audio?

Può fare il montaggio, ma l'audio no senza istruzioni: non lo ascolta, lo calcola. Con le quattro regole di questo articolo e un controllo finale con i numeri e con le cuffie, il risultato è professionale.

Cosa sono i LUFS e quale valore devo usare?

I LUFS misurano la sonorità percepita di un audio, pesata come la sente l'orecchio e mediata nel tempo. Per i video social noi partiamo da -14 LUFS integrati, con un picco reale massimo di -1,5 dBTP, e scendiamo a -15 LUFS se servirebbe comprimere. Per la TV lo standard EBU R 128 indica -23 LUFS.

Perché la mia voce suona intubata dopo il montaggio?

Le cause più comuni sono due: voce ed effetti sulla stessa traccia, schiacciati insieme da un compressore, e un microfono troppo vicino, che esalta i bassi tra 200 e 350 Hz. Si risolve con due tracce separate e un'EQ leggera.

Devo togliere del tutto il compressore dalla voce?

Nel lavoro con Claude conviene di sì: usa il guadagno lineare e un limiter solo sui picchi oltre i -4,2 dBFS. Un tecnico che ascolta può usare il compressore molto bene; un automatismo che non ascolta, no.

Serve un microfono costoso?

No. Anche con un Neumann da 5.000 euro Claude lavora come un software, non come un sound engineer. Contano la distanza costante e dire a Claude che microfono hai.

Quanto tempo serve per avere un audio buono?

Tre-cinque minuti in più a ogni video. Una volta salvato il prompt con le regole, la parte lunga è la lettura della trascrizione per segnare doppie e pause.

Fonti

#montaggio video#Claude#audio#LUFS#video marketing

Vuoi applicarlo al tuo e-commerce?

Una consulenza gratuita per capire cosa funzionerebbe nel tuo negozio.

Prenota una consulenza gratuita