Brizm
ऑडियो से इको हटाएँ
अपने डिवाइस पर तुरंत शोर कम करें। AI किसी भी रिकॉर्डिंग से इको और रिवर्ब हटाता है।
🏥 Brizm क्लिनिकऑडियो फ़ाइल यहाँ ड्रॉप करें या ब्राउज़ करने के लिए क्लिक करें
MP3, WAV, FLAC, OGG, M4A · 30 मिनट तक
नॉइज़ फ्लोर का विश्लेषण किया जा रहा है...
लगातार बैकग्राउंड नॉइज़ (हिस, हम) को कम करता है। इको और रिवर्ब के लिए, नीचे दिए गए AI इको रिमूवल का उपयोग करें।
क्या अभी भी गूंज या रूम रिवर्ब सुनाई दे रहा है?
गूंज और प्रतिध्वनि अस्थिर होते हैं — उन्हें हटाने के लिए AI की आवश्यकता होती है। ऊपर दिया गया नॉइज़ स्लाइडर लगातार होने वाली सरसराहट और भिनभिनाहट को संभालता है।
Cloud Assist के ज़रिए प्रोसेस किया जा रहा है...
गूंज कैसे हटाएं
- 1 कोई भी ऑडियो फ़ाइल अपलोड करें — MP3, WAV, FLAC, OGG, या M4A। 30 मिनट तक।
- 2 लगातार होने वाली सरसराहट और गूंज को कम करने के लिए स्लाइडर का उपयोग करें। A/B टॉगल के साथ रीयल-टाइम में पूर्वावलोकन करें।
- 3 कमरे की गूंज और प्रतिध्वनि के लिए, AI इको रिमूवल का उपयोग करें। पहले 30 सेकंड का पूर्वावलोकन करें, फिर पूरे ट्रैक को प्रोसेस करें।
अक्सर पूछे जाने वाले प्रश्न
इको (गूंज) और बैकग्राउंड नॉइज़ (पृष्ठभूमि शोर) में क्या अंतर है?
क्या मैं लाइव रूम रिकॉर्डिंग से इको हटा सकता हूँ?
क्या यह रिवर्ब रिमूवर भी है? क्या यह रिकॉर्डिंग से रूम रिवर्ब को हटा सकता है?
यह Audacity या GarageBand में EQ-आधारित डी-रिवर्ब से कैसे अलग है?
मैं वीडियो रिकॉर्डिंग से इको कैसे हटाऊँ?
क्या यह मेरी आवाज़ या वाद्ययंत्रों को प्रभावित करेगा?
AI डीरिवर्ब वास्तव में कैसे काम करता है
कमरे के रिवर्ब का कन्वोल्यूशन मॉडल
हर रिकॉर्ड की गई आवाज़ दो चीज़ों का परिणाम होती है: ड्राई सिग्नल (आवाज़ या वाद्ययंत्र जैसा वह स्रोत से निकलता है) और रूम इम्पल्स रिस्पॉन्स (वह कमरा माइक्रोफ़ोन तक पहुँचने के रास्ते में आवाज़ को कैसे रिफ्लेक्ट, एब्जॉर्ब और डिले करता है)। गणितीय रूप से, रिकॉर्ड किया गया सिग्नल दोनों का एक कनवोल्यूशन (convolution) है: wet = dry × impulse_response। इम्पल्स रिस्पॉन्स जगह के बारे में सब कुछ कैप्चर करता है — दीवार का मटीरियल, छत की ऊँचाई, फ़र्नीचर, माइक से दूरी। एक बाथरूम में तेज़ हाई-फ़्रीक्वेंसी रिफ्लेक्शन के साथ एक छोटी, घनी टेल (tail) होती है। एक कैथेड्रल में एक लंबी, बिखरी हुई टेल होती है जो सेकंडों तक बनी रहती है। एक ट्रीटेड स्टूडियो में लगभग कोई टेल नहीं होती है।
रिवर्ब (reverb) को हटाने के लिए आपको रिकॉर्डिंग को डीकनवॉल्व (deconvolve) करना होगा — कनवोल्यूशन को पूर्ववत करना होगा — लेकिन यह गणितीय रूप से तब तक गलत (ill-posed) है जब तक कि आप पहले से कमरे के बारे में नहीं जानते। आमतौर पर आप नहीं जानते हैं। इसका क्लासिकल विकल्प स्पेक्ट्रल सबट्रैक्शन (spectral subtraction) या नॉच ईक्यू (notch EQ) है, जो फ़्रीक्वेंसी स्पेस में औसत रिवर्ब टेल का अनुमान लगाता है और इसे घटा देता है। यह तेज़ है, लेकिन यह ट्रांसिएंट्स (transients) को सुस्त कर देता है और म्यूज़िकल आर्टिफैक्ट्स (musical artifacts) छोड़ देता है।
न्यूरल नेटवर्क बेहतर काम क्यों करते हैं
आधुनिक डीरिवर्ब (dereverb) गणित को पूरी तरह से दरकिनार कर देता है। मॉडल को लाखों पेयर किए गए उदाहरणों पर प्रशिक्षित किया जाता है — हज़ारों मापे गए और सिंथेटिक इम्पल्स रिस्पॉन्स के साथ कनवॉल्व की गई साफ़ ड्राई रिकॉर्डिंग, फिर उन्हें मूल (originals) के साथ वापस पेयर किया जाता है। उस ट्रेनिंग के माध्यम से नेटवर्क स्पीच और म्यूज़िक के आँकड़ों बनाम रूम टेल्स के आँकड़ों को सीखता है, और टाइम-फ़्रीक्वेंसी रिप्रजेंटेशन में रिवर्बरेंट कंटेंट को प्रभावी ढंग से मास्क करना सीखता है। आउटपुट को इनवर्स शॉर्ट-टाइम फूरियर ट्रांसफॉर्म (inverse short-time Fourier transform) के माध्यम से फिर से बनाया जाता है। परिणाम किसी भी एनालिटिकल फ़िल्टर द्वारा व्यवहार में उत्पन्न किए जा सकने वाले ट्रू इनवर्स (true inverse) के अधिक करीब होता है। यदि रिवर्ब व्यापक ऑडियो डैमेज को छिपा रहा है, तो परिणाम को Audio Repair या ऑडियो एन्हांसर के माध्यम से आगे के रेस्टोरेशन के लिए चलाएँ।
सही टूल चुनना: इको (echo) बनाम रिवर्ब (reverb) बनाम बैकग्राउंड नॉइज़
एक त्वरित डिसीजन ट्री (decision tree)
तीन सबसे आम ऑडियो समस्याएँ सुनने में एक जैसी लगती हैं लेकिन उनके लिए अलग-अलग टूल्स की आवश्यकता होती है। लगातार बनी रहने वाली नॉइज़ (Persistent constant noise) — हिस (hiss), हम (hum), पंखा, एयर कंडीशनिंग, लाइन बज़ — एक नैरो बैंड में होती है जो स्रोत के साथ नहीं बदलती। Remove Background Noise या इस पेज पर मौजूद नॉइज़ स्लाइडर का उपयोग करें; दोनों एक स्पेक्ट्रल गेट (spectral gate) लागू करते हैं जो सीखे गए नॉइज़ फ़्लोर (noise floor) से नीचे की ऊर्जा को दबा देता है। अलग-अलग दोहराई जाने वाली ध्वनियाँ (Discrete repeated sounds) — सीढ़ियों में स्लैप-बैक, दालान में तालियों की आवाज़, स्पष्ट गूँज जिन्हें आप लगभग गिन सकते हैं — शॉर्ट इम्पल्स रिस्पॉन्स हैं। इस पेज पर AI Echo Removal का उपयोग करें। लगातार फैलने वाली टेल्स (Continuous diffuse tails) — बाथरूम शावर, खाली बेडरूम, क्लासरूम, कैथेड्रल — समय के साथ फैले हुए लॉन्ग इम्पल्स रिस्पॉन्स हैं। इसके लिए भी इस पेज पर AI Echo Removal का उपयोग करें; एक ही मॉडल दोनों को संभालता है।
दबी हुई आवाज़ों (muffled vocals), कम-बिटरेट वाले MP3, या AI-जनरेटेड वॉयस आर्टिफैक्ट्स के लिए, स्रोत रिवर्बरेंट होने के बजाय डिग्रेडेड (degraded) होता है। सामान्य स्पष्टता के लिए ऑडियो एन्हांसर का उपयोग करें, या टेक्स्ट-टू-स्पीच और वॉयस क्लोनिंग मॉडल द्वारा छोड़े गए विशिष्ट फेज़िंग और वॉर्बल आर्टिफैक्ट्स (warble artifacts) के लिए Fix AI Audio का उपयोग करें।
मैनुअल ईक्यू (Manual EQ) बनाम AI डीरिवर्ब (AI dereverb)
Audacity और GarageBand नॉच-ईक्यू (notch-EQ) और स्पेक्ट्रल-गेट (spectral-gate) प्लगइन्स के साथ आते हैं जो रिवर्ब टेल्स को मैन्युअल रूप से दबा सकते हैं। वे बहुत हल्के मामलों के लिए काम करते हैं, लेकिन इसके लिए यह सुनने की क्षमता की आवश्यकता होती है कि टेल किस फ़्रीक्वेंसी बैंड में है, और लगभग हमेशा स्रोत की आवाज़ को पतला या बिखरा हुआ छोड़ देते हैं। AI डीरिवर्ब डेटा से ट्रेड-ऑफ़ सीखता है और एक स्पष्ट रूप से अधिक प्राकृतिक ड्राई सिग्नल उत्पन्न करता है — जो शून्य लागत पर iZotope RX Dereverb के बराबर है। अंतर को विज़ुअली देखने के लिए, पहले और बाद की फ़ाइलों को Spectrum Analyzer में डालें और 2 kHz से ऊपर की टेल एनर्जी की तुलना करें।
