Как убрать шум из аудиозаписи

Чем это отличается от шумодава в редакторе

Классическое шумоподавление в аудиоредакторе работает по спектру: вы даёте программе образец «тишины», она запоминает его частотный портрет и вычитает эти частоты из всей записи.

Метод хорошо справляется с ровным постоянным фоном — гулом кондиционера, шипением дешёвого микрофона. Но у него есть известная плата: вместе с шумом вычитаются частоты голоса, и речь начинает звучать глухо, «под водой», с характерными металлическими призвуками.

Нейросеть решает задачу иначе. Она обучена на огромном количестве записей и умеет отличать человеческую речь от всего остального. Вместо вычитания частот она восстанавливает голос и убирает то, что речью не является — независимо от того, ровный это гул или лай собаки в соседней комнате.

Что можно спасти, а что уже нет

Главное правило: нейросеть восстанавливает голос, а не выдумывает его. Если речь физически не записалась — вытащить её неоткуда.

Хорошо поддаются очистке записи, где голос слышен, но мешает фон: интервью на улице, созвон с гулким помещением, запись на встроенный микрофон ноутбука, подкаст с шумом вентилятора, лекция с кашлем и шорохом в зале.

Плохо поддаются случаи, где голос тонет в шуме полностью или перегружен: запись с сильным клиппингом, разговор на фоне громкой музыки в клубе, диктофон в кармане. Здесь результат будет лучше исходника, но идеальным не станет.

Как это выглядит на практике

Отсутствие настроек — не упрощение, а особенность подхода: модель не нуждается в образце шума и порогах срабатывания, потому что опознаёт речь напрямую.

Сколько стоит

Совет для длинных записей: перед обработкой часового интервью прогоните минуту самого проблемного фрагмента. Если результат устроил — обрабатывайте целиком, если нет — материал, скорее всего, за гранью спасения, и вы сэкономите почти шесть тысяч кредитов.

Когда дешевле переозвучить, чем чистить

Неочевидный вариант, о котором стоит помнить: иногда запись проще не спасать, а заменить.

Если материал — это закадровый текст, а не живой разговор, посчитайте оба пути. Очистка часовой записи стоит около шести тысяч кредитов. Синтез речи того же объёма текста — примерно 45–800 кредитов в зависимости от модели, то есть в разы дешевле. И результат будет идеально чистым, а не «настолько чистым, насколько удалось».

Логика простая: очистка нужна там, где важен именно этот голос и именно эта запись — интервью, живое выступление, разговор, который нельзя повторить. Для закадрового текста, инструкций и обучающих материалов переозвучка обычно и дешевле, и качественнее.

Промежуточный вариант — смена голоса: вы переписываете реплику сами в нормальных условиях, а модель заменяет тембр на нужный. Так сохраняется живая интонация, но уходит проблема с акустикой помещения.

Куда это встраивается

Очистка редко бывает конечной целью — обычно это подготовительный шаг. Несколько типичных цепочек.

• Очистка → транскрибация: чистый звук распознаётся заметно точнее, меньше правок в расшифровке
• Очистка → дубляж: весь конвейер перевода начинается с распознавания речи, и шум ломает его на первом шаге
• Очистка → монтаж: если часть реплик записана живьём, а часть озвучена нейросетью, чистый исходник проще свести
• Очистка → публикация подкаста: там, где переписать эпизод невозможно

Все инструменты работают с общего баланса, поэтому цепочку из двух-трёх шагов не нужно оплачивать по частям в разных сервисах.

Разбор типичных случаев

Интервью на улице

Самый частый запрос. Транспорт, ветер в микрофон, обрывки чужих разговоров — всё это модель уверенно опознаёт как «не речь» и убирает. Голос при этом остаётся живым, без эффекта «из бочки», характерного для агрессивного шумодава.

Что останется: если рядом громко говорил другой человек, его речь модель тоже посчитает речью и сохранит. Разделять голоса она не умеет — это другая задача.

Созвон с эхом

Гулкая комната без мягких поверхностей даёт реверберацию: голос словно доносится из соседнего помещения. Обычный шумодав здесь бессилен, потому что эхо — это тот же голос, только отражённый, и по частотам от него не отличается.

Нейросеть справляется заметно лучше, поскольку опирается не на спектр, а на то, как звучит прямая речь. Полностью убрать сильную реверберацию не получится, но разборчивость обычно поднимается достаточно, чтобы запись стало можно слушать и расшифровывать.

Запись с музыкой на фоне

Случай, где разница с классическими инструментами максимальна. Музыка занимает весь частотный диапазон, поэтому вычесть её по спектру невозможно в принципе — вместе с ней уйдёт и голос. Модель же просто отделяет речь от всего остального, и фонограмма исчезает почти целиком.

Диктофон в кармане

Худший из реалистичных сценариев: приглушённый голос, шорох ткани, всё вперемешку. Здесь честный ответ — обработка улучшит запись, но чуда не будет. Если слова неразличимы на слух в оригинале, восстановить их неоткуда.

Как не попадать в такие ситуации

Очистка спасает уже записанный материал, но лучший шум — тот, которого нет. Несколько правил, которые снимают большую часть проблем на записи.

1. 1Микрофон ближе к говорящему. Расстояние важнее цены микрофона: дешёвая петличка у воротника даст лучший результат, чем дорогой микрофон в двух метрах.
2. 2Мягкие поверхности против эха. Ковёр, шторы, диван в комнате убирают гулкость лучше любой обработки.
3. 3Выключите то, что гудит. Кондиционер, вентилятор ноутбука, холодильник — на записи они громче, чем кажутся.
4. 4Пишите пару секунд тишины в начале. Пригодится и для ручной обработки, и как ориентир по уровню шума.
5. 5Следите за уровнем. Перегруз исправить невозможно — обрезанные пики не восстанавливаются ничем.