Introducción: El papel de las normas de radiodifusión en el audio digital

La producción digital de audio ha transformado la forma en que el sonido es capturado, procesado y entregado. Desde las primeras transmisiones de radio hasta los servicios de streaming inmersivos de hoy, cada paso depende de estándares de radio establecidos. Estos estándares definen cómo el audio está codificado, transmitido y decodificado, asegurando que el contenido mantenga su calidad prevista en diversos sistemas de reproducción y condiciones de red.

Antecedentes históricos de las normas de radiodifusión

La era analógica: NTSC, PAL y SECAM

Antes de que el audio digital se hiciera mayor, el audio de transmisión se unió con estrictos estándares de vídeo analógicos. Los tres principales sistemas de televisión analógicos —NTSC (Comité Nacional del Sistema de Televisión), PAL (línea de alternancia de la Phase), y SECAM (Séquentiel Couleur À Mémoire)— cada uno de ellos definió no sólo las especificaciones de vídeo, sino también el método de frecuencia y modulación dominante.

Aunque estos estándares analógicos priorizaron la compatibilidad en una vasta base instalada de receptores, impusieron limitaciones significativas en la fidelidad de audio. La respuesta de frecuencia fue limitada, ratios de señal a ruido fueron modestos, y la transmisión estéreo requería un segundo canal de audio que a menudo se añadió como una posterior compresión de audio (por ejemplo, BTSC en los EE.UU., NICAM en Europa).

La transición digital: nacimiento de las normas de audio básicas

La revolución digital comenzó a finales de los años setenta y ochenta, impulsada por el desarrollo de la modulación de códigos de pulso (PCM) y la necesidad de interfaces estandarizadas. Audio Engineering Society (AES) AES3 (también conocido como AES/EBU) en 1985. Este estándar definió una interfaz digital en serie para el audio PCM de dos canales, sin complicaciones a tasas de muestra de hasta 48 kHz y profundidades de bits de hasta 24 bits. AES3 rápidamente se convirtió en la columna vertebral de interconexiones profesionales en estudios, consolas de transmisión y sistemas de routing.

Simultáneamente, la necesidad de una transmisión de audio digital eficiente a través de bandas de canales de televisión limitadas impulsó el desarrollo de codificación perceptual. Dolby Digital (AC-3) surgió a principios de los años 90 como el primer sistema de compresión multicanal ampliamente adoptado para la emisión. Dolby Digital se convirtió en obligatorio en los EE.UU. para la televisión digital de Apple y se adoptó en todo el mundo para los DVDs y más tarde para la transmisión. Dolby Digital se convirtió en un sistema de radiodifusión de audio multimillonario, que permite la transmisión de audio multimillonario de alta calidad de ATSC.

Modernos estándares de radiodifusión para audio de alta definición e inmersivo

Audio basado en objetos e inmersivo: Dolby Atmos y DTS:X

Las normas de transmisión de hoy van mucho más allá de la simple entrega basada en canales. El audio basado en objetos permite a los productores describir las fuentes de sonido como objetos individuales, cada uno con sus propios metadatos posicionales, en vez de asignarlos a canales de altavoces fijos. Dolby Atmos y DTS:X. Dolby Atmos, lanzado en 2012, se ha convertido en el estándar de facto para el audio inmersivo en cine, teatro de casa y cada vez más en la radio. Admite hasta 128 objetos simultáneos más una cama tradicional 7.1.4 (siete canales principales, un LFE y cuatro canales de altura). Los emisores están adoptando Atmos para deportes en vivo, eventos musicales y drama, con metadatos que permiten la reproducción automática en sistemas de consumo SMPTE ha publicado estándares relacionados con el audio inmersivo, incluyendo ST 2098-1 (Intimación de Bitstream de audio inmersivo), que define cómo se encapsula el audio basado en objetos para el transporte en flujos de trabajo de transmisión y transmisión.

DTS:X, aunque menos común en la radiodifusión lineal tradicional, es ampliamente utilizado en plataformas Blu-ray, de juego y streaming. Ambos sistemas dependen de metadatos detallados para adaptar la experiencia de escucha a diferentes diseños de altavoces. Para los ingenieros de producción de audio, mezclar en un paradigma basado en objetos requiere nuevas habilidades: en lugar de rebosar a un hablante específico, usted coloca objetos en el espacio 3D y confía en el decodificador para computar la velocidades más alta para calcular el complejo de la señal para cada vez.

Audio de base IP: SMPTE ST 2110 y AES67

La transición de la transmisión de vídeo y audio basado en SDI (Serial Digital Interface) a las infraestructuras de todo el sistema es uno de los cambios más importantes en las instalaciones modernas de radiodifusión. SMPTE ST 2110 es la suite de estándares que define el transporte de vídeos separados, audio y flujos de datos auxiliares sobre redes IP. Para audio, ST 2110-30 y ST 2110-31 especificar cómo el audio PCM (así como el audio comprimido como Dolby E o Dolby Digital) está empaquetado y sincronizado en toda la red. AES67 Proporciona un estándar de interoperabilidad de audio-sobre IP de alto rendimiento que permite que equipos de diferentes proveedores para intercambiar flujos PCM sin compresión con baja latencia (sub-millisecond) y sincronización precisa de muestra mediante el protocolo de tiempo de precisión (PTP).

Estos estándares basados en IP tienen profundas implicaciones para la producción de audio. Permiten una trucha flexible sin las limitaciones físicas de cables dedicados, soportan cientos de canales en una sola red, y simplifican la integración con herramientas de producción basadas en la nube. Las instalaciones de radio pueden ahora ampliar su capacidad de audio simplemente añadiendo capacidad de red en lugar de reemplazar los flujos de parches.

Normas de transmisión y de TAC: HLS, MPEG-DASH y Codecs de próxima generación

La transmisión de on-the-top (OTT) ha crecido explosivamente, conduciendo la evolución de la entrega de bitrate adaptativo y nuevos codecs de audio. HLS (HTTP Live Streaming) de Apple y MPEG-DASH (Aceleración Adaptada Dinámica sobre HTTP). Ambos soportan múltiples versiones de audio, por ejemplo, AAC estéreo a 128 kbps, 5.1 Dolby Digital Plus a 192 kbps, y Atmos inmersivos en MPEG-H o Dolby Digital Plus JOC (Codificación de objetos de unión).

En los contextos de emisión, estos protocolos se utilizan para la distribución de Internet y como sustituto para la transmisión tradicional de RF en algunos mercados. AC-4 codec (desarrollado por Dolby) proporciona mayor eficiencia que AC-3 en el mismo bitrate, con soporte para metadatos de mejora de audio y diálogo basados en objetos. MPEG-H Audio, utilizado en la norma ATSC 3.0, ofrece capacidades similares y está siendo adoptado por los transmisores en Corea del Sur, Brasil y partes de los Estados Unidos.

Impacto en los flujos de trabajo de producción de audio digital

Normas de laudencia y medición

Tal vez ningún desarrollo único ha cambiado la forma en que se produce el audio para transmitir más que la adopción de normas internacionales de ruido. EBU R128 (Europa) UIT-R BS.1770 (global) y ATSC A/85 (EE.UU.) definen algoritmos para medir la intensidad integrada (en LUFS), la ruidosidad a corto plazo y los niveles de pico verdadero. Estos estándares sustituyeron la vieja práctica de apuntar a un nivel de pico específico (por ejemplo, -10 dBFS) e introdujo un nivel de ruido objetivo (por lo general -23 LUFS para EBU, -24 LKFS para ATSC).

Para los productores de audio, el cumplimiento de los estándares de ruido significa ajustar los flujos de trabajo de mezcla y masterización. Los medidores ahora muestran una alta intensidad integrada y momentánea, y los medidores de sonido verdadero (que consideran los picos de intersample) son obligatorios. Muchas estaciones de audio digitales (DAWs) ofrecen plugins de alta tensión que automatizan la medición y corrección.

Compatibilidad de Formato y Gestión de Metadatos

Las cadenas de transmisión modernas requieren un manejo preciso de metadatos. Los metadatos Dolby incluyen banderas de configuración de canales, perfiles de compresión (por ejemplo, modo RF para TV vs. modo línea para el teatro de casa), y ajustes de nivel de diálogo. Para las corrientes AC-3 y E-AC-3, los metadatos incorrectos pueden conducir a errores o una compresión excesiva de rango dinámico en los territorios del consumidor.

Audio también se puede entregar en una variedad de formatos de archivo: WAV (BWF) con iXML para metadatos, MXF (Material eXchange Format) para audio con videoconjunto, y varios contenedores codec (M4A, MP4). El AES ha publicado AES31 para intercambio de audio, pero muchas instalaciones utilizan envoltorios patentados.

Vigilancia y calibración

Los entornos de monitoreo para la producción deben reflejar la alta y la frecuencia de la cadena de transmisión prevista. Las habitaciones están calibradas a un nivel de escucha de referencia (por ejemplo, 83 dB SPL para monitorizar con una señal de ruido rosa dBFS) y se ajustan con frecuencia a estándares como ITU-R BS.1116 Con la introducción de audio inmersivo y basado en objetos, las configuraciones de monitoreo ahora incluyen canales de altura y requieren una alineación cuidadosa de todos los altavoces. Además, la calibración de altavoces debe tener en cuenta la acústica de la habitación, utilizando filtros de igualación que cumplen con AES20 (tratamiento de la habitación de baja frecuencia) y EBU Tech 3276 (condiciones de habitación de alistamiento).

También ha evolucionado el control de los auriculares, mientras que estándares como BS.1770-4 Originalmente se asume la reproducción de altavoces, la vigilancia binaural y las curvas de corrección de auriculares (por ejemplo, el campo difuso o la compensación de campo libre) han llegado a ser más frecuentes en los flujos de trabajo de audio espacial. Los productores a menudo revisan sus mezclas utilizando un conjunto representativo de auriculares de consumo, pero las directrices de transmisión todavía requieren que la ruido y el rango dinámico cumplan con los mismos objetivos independientemente del dispositivo de monitoreo.

Tendencias futuras en las normas de radiodifusión

5G y radiodifusión en la nube

La implantación de redes 5G promete una menor latencia y mayor ancho de banda para la producción móvil y remota. Los estándares de transmisión futuros probablemente aprovecharán las capacidades de corte de red 5G para garantizar el transporte de audio isocrono con latencia de sub-5 ms. La producción basada en la nube también está acelerando. NMOS (Clásicas abiertas de medios de comunicación red) de JT-NM (Joint Task Force on Networked Media) se están ampliando para gestionar los recursos de la nube, permitiendo que el audio se procesa en máquinas virtuales que pueden escalar dinámicamente. ST 2110 La suite está siendo adaptada para el despliegue de la nube, con perfiles que toleran mayor brillo y utilizan RTP (Protocolo de Transporte de tiempo real) sobre WAN. Para los ingenieros de audio, esto significa la posibilidad de mezclar eventos en vivo desde un estudio remoto utilizando herramientas basadas en IP, con todos los activos gestionados en la nube.

Códigos de próxima generación y audio espacial

Las mejoras continuas en la codificación perceptual traerán más bitrates y más alta calidad. LC3plus codec (Low Complexity Communication Codec plus), ya estandarizado dentro de Bluetooth y el ETSI TS 103 635, está siendo considerado para aplicaciones de transmisión porque ofrece calidad casi transparente a 48-64 kbps por canal. Para el audio espacial, el MPEG-H 3D Audio estándar (ISO/IEC 23008-3) está ganando tracción en ensayos ATSC 3.0 y DAB+. Admite hasta 64 altavoces y mezclas basadas en objetos con un formato de bitstream eficiente. Las versiones futuras pueden incorporar una renderización binaural más avanzada para los oyentes de auriculares, audio personalizado (por ejemplo, conmutación entre lenguajes de comentario o descripciones de audio), e integración con la formación de haz IA para eventos en vivo.

Producción de IA y Automatización

La inteligencia artificial está empezando a afectar la producción de audio en las áreas como mezcla automática, optimización de ruido y generación de metadatos. Los modelos de aprendizaje automático pueden analizar el contenido del programa en tiempo real y ajustar la compresión o la igualdad para satisfacer la ruidosa necesidad sin intervención humana. Algunos sistemas pueden incluso extraer el diálogo de una grabación ruidosa y nivelarlo contra la música de fondo, simulando el trabajo de un mezclador humano. EBU ha comenzado a explorar un modelo de ruido “zona segura” que aloja la mezcla automática, mientras que todavía requiere una supervisión humana final para contenidos críticos como noticias y eventos en vivo.

Conclusión

La evolución de los estándares de transmisión de sistemas analógicos NTSC/PAL a audio inmersivo basado en objetos, IP refleja la transformación más amplia de la industria de los medios. Para los profesionales de la producción de audio, mantenerse al día con estos estándares no es opcional, es esencial para entregar contenido que cumpla con las especificaciones técnicas, satisface las expectativas de audiencia y evita costosos re-work.