Usuń echo z nagrania

Szum tła jest stały — buczenie wentylatora, klimatyzacja, szum taśmy. Echo i pogłos są zmienne: zmieniają się wraz z każdym dźwiękiem, odbijając się od ścian i innych powierzchni. Suwak szumu służy do regulacji dźwięków stałych; do eliminacji echa konieczne jest zastosowanie funkcji usuwania pogłosu opartej na sztucznej inteligencji.

Tak. Funkcja AI Echo Removal eliminuje pogłos pomieszczeniowy i odbicia dźwięku w nagraniach na żywo, podcastach i notatkach głosowych. W przypadku bardzo dużych pomieszczeń lub silnego pogłosu warto skorzystać z 30-sekundowego podglądu, aby ocenić jakość przed przetworzeniem całego utworu.

Tak. Echo i pogłos to to samo zjawisko fizyczne — dźwięk odbijający się od powierzchni i docierający do mikrofonu z opóźnieniem. Model AI do usuwania pogłosu eliminuje zarówno pojedyncze echa (odbicia w klatkach schodowych, powtórzenia w korytarzach), jak i ciągłe ogony pogłosu (prysznic w łazience, pusty pokój, katedra). Można go stosować w przypadku każdego nagrania, w którym głos mówcy lub dźwięk instrumentu brzmi odlegle lub „mocznie”.

Tradycyjne metody usuwania pogłosu wykorzystują bramkowanie spektralne lub korektor wycinający do tłumienia ogona pogłosu — jest to szybkie, ale często powoduje powstanie zauważalnych artefaktów i przytłumienie dźwięku źródłowego. Brizm wykorzystuje sieć neuronową, która została wytrenowana na milionach sparowanych próbek sygnału surowego i z pogłosem, dzięki czemu uczy się szacować odwrotną odpowiedź impulsową. Wynik jest czystszy i zawiera mniej artefaktów; można go porównać do iZotope RX Dereverb, ale jest to rozwiązanie darmowe i działające lokalnie na Twoim urządzeniu.

Wyeksportuj ścieżkę dźwiękową z edytora wideo, prześlij plik audio tutaj, uruchom funkcję usuwania echa opartą na sztucznej inteligencji, a następnie ponownie zaimportuj oczyszczoną ścieżkę dźwiękową do projektu wideo. Narzędzie obsługuje dowolny format audio i eksportuje pliki w formacie WAV lub MP3.

Brama spektralna przy umiarkowanych ustawieniach pozwala zachować sygnał powyżej poziomu szumu tła. Funkcja usuwania pogłosu oparta na sztucznej inteligencji odtwarza sygnał „suchy” i może nieznacznie zmienić barwę dźwięku w przypadku źródeł o silnym pogłosie. Przed pobraniem pełnego wyniku zawsze należy odsłuchać podgląd.

Model splotu pogłosu pomieszczeniowego

Każdy nagrany dźwięk jest wynikiem połączenia dwóch elementów: sygnału surowego (głosu lub instrumentu w momencie opuszczenia źródła) oraz odpowiedzi impulsowej pomieszczenia (sposobu, w jaki pomieszczenie odbija, pochłania i opóźnia dźwięk w drodze do mikrofonu). Matematycznie rzecz biorąc, sygnał nagrany jest splotem tych dwóch elementów: wet = dry × impulse_response. Odpowiedź impulsowa oddaje wszystkie cechy przestrzeni — materiał ścian, wysokość sufitu, meble, odległość od mikrofonu. Łazienka charakteryzuje się krótkim, gęstym ogonem z silnymi odbiciami wysokich częstotliwości. W katedrze ogon jest długi i rozmazany, utrzymujący się przez kilka sekund. W wygłuszonym studiu ogon praktycznie nie występuje.

Aby usunąć pogłos, trzeba przeprowadzić dekonwolucję nagrania — cofnąć konwolucję — ale z matematycznego punktu widzenia jest to zadanie źle sformułowane, chyba że znamy już charakterystykę pomieszczenia. Zazwyczaj jednak nie znamy tych parametrów. Klasycznym rozwiązaniem jest odejmowanie spektralne lub korektor z wycięciem, który szacuje średnią długość ogona pogłosu w przestrzeni częstotliwościowej i odejmuje ją. Jest to szybkie, ale tłumi transjenty i pozostawia artefakty muzyczne.

Dlaczego sieci neuronowe działają lepiej

Nowoczesne metody usuwania pogłosu całkowicie pomijają obliczenia matematyczne. Model jest trenowany na milionach sparowanych przykładów — czystych, „suchych” nagrań, poddanych konwolucji z tysiącami zmierzonych i syntetycznych odpowiedzi impulsowych, a następnie ponownie sparowanych z oryginałami. Dzięki temu szkoleniu sieć uczy się rozróżniać statystyki mowy i muzyki od statystyk ogonów pogłosowych oraz skutecznie maskuje elementy pogłosowe w reprezentacji czasowo-częstotliwościowej. Sygnał wyjściowy jest rekonstruowany za pomocą odwrotnej krótkoczasowej transformacji Fouriera. Wynik jest bliższy prawdziwej odwrotności niż jakikolwiek filtr analityczny jest w stanie uzyskać w praktyce. Jeśli pogłos maskuje poważniejsze uszkodzenia dźwięku, przetwórz wynik za pomocą Audio Repair lub Wzmacniacz dźwięku w celu dalszej renowacji.

Krótkie drzewo decyzyjne

Trzy najczęstsze problemy z dźwiękiem na pierwszy rzut oka wydają się podobne, ale wymagają różnych narzędzi. Utrzymujący się stały szum — syczenie, buczenie, odgłos wentylatora, klimatyzacji, brzęczenie linii — występuje w wąskim paśmie, które nie zmienia się w zależności od źródła. Użyj funkcji Usuń szum tła lub suwaka szumu na tej stronie; obie opcje stosują bramkę spektralną, która tłumi energię poniżej wyuczonego poziomu szumu tła. Pojedyncze, powtarzające się dźwięki — odbicie dźwięku w klatce schodowej, klaskanie w korytarzu, wyraźne echa, które niemal da się policzyć — to krótkie odpowiedzi impulsowe. Użyj funkcji AI Echo Removal na tej stronie. Ciągłe, rozmyte ogony — prysznic w łazience, pusta sypialnia, sala lekcyjna, katedra — to długie odpowiedzi impulsowe rozciągnięte w czasie. Również funkcja AI Echo Removal na tej stronie; ten sam model obsługuje oba rodzaje.

W przypadku przytłumionego wokalu, plików MP3 o niskiej przepływności lub artefaktów głosu generowanych przez sztuczną inteligencję źródło dźwięku jest raczej zniekształcone, a nie pogłosowe. Należy użyć Wzmacniacz dźwięku – w celu ogólnego poprawienia jakości dźwięku lub Fix AI Audio – w celu usunięcia konkretnych artefaktów związanych z fazowaniem i drganiem dźwięku, pozostawionych przez modele syntezy mowy i klonowania głosu.

Ręczna korekcja dźwięku a usuwanie pogłosu za pomocą sztucznej inteligencji

Programy Audacity i GarageBand zawierają wtyczki typu notch-EQ i spectral-gate, które pozwalają ręcznie tłumić ogony pogłosu. Sprawdzają się one w bardzo łagodnych przypadkach, ale wymagają wyczucia, w jakim paśmie częstotliwości znajduje się ogon pogłosu, i niemal zawsze sprawiają, że dźwięk źródłowy brzmi cienko lub jest zamazany. Funkcja AI Dereverb uczy się kompromisu na podstawie danych i generuje zauważalnie bardziej naturalny sygnał suchy — porównywalny z iZotope RX Dereverb, a to wszystko bez żadnych kosztów. Aby wizualnie sprawdzić różnicę, wrzuć pliki „przed” i „po” do Spectrum Analyzer i porównaj energię ogona powyżej 2 kHz.