清理语音录音

在嘈杂环境里录的音,听起来累,转写也难。把它拖到这里,语音增强模型会去掉背景、保留人声——全部在你自己的设备上完成,采访或保密会议的录音不会离开它。

正在加载工具……

工作原理

  1. 拖入音频或视频文件:语音备忘录、采访、会议或讲座。
  2. 选择强度,点击“清理录音”。首次使用时会下载模型(8.6 MB)和运行它的引擎,并保存在浏览器中。
  3. 对比原始和清理后的版本,需要时调整强度(结果会立即更新),然后下载 WAV 或 MP3。

为什么什么都不用上传

这个页面上的每一步操作,都由运行在你浏览器标签页里的代码完成,用的就是渲染网页的那套引擎。文件从磁盘读进标签页的内存,在那里被处理,再作为下载写回去。它不会被送到任何地方 —— 不会送给我们,也不会送给第三方。

自己动手验证

  1. 打开浏览器的开发者工具(F12),选择“网络”(Network)面板。
  2. 载入你的文件,运行这个工具。
  3. 你能看到的请求只有这些:工具自己的代码 —— 少数几个重型工具还会取它们的开源引擎(同样来自本站)或来自 Hugging Face 的 AI 模型 —— 外加一条发往 loreatec.jp 的小小访问记录(页面地址和标题,仅此而已)。没有一条带着你的文件。

文件不外传的证明 →

常见问题

它能去除哪些噪声?有哪些做不到?

它经过训练,保留语音、去掉其他一切:嗡嗡声、嘶嘶声、风扇、空调、道路噪声这类稳定的噪声,以及键盘声、碰撞声、咖啡馆嘈杂声这类变化的噪声。做不到的是:从多人同时说话中分离出一个人的声音(所有语音都会保留)、去除人声下方的音乐,或消除空旷大房间里的强烈回声。它也无法修复录音音量过大造成的失真(削波),也不能让远处的声音听起来像近处录的——那些是另外的问题。

强度应该选多少?

强度是工具最多可以去除的噪声量。默认的 24 dB 能去掉大部分噪声,并留下一点点环境声,听起来自然。数值越低,保留的环境声越多,对人声越温和;“最大”会尽可能去除所有噪声,停顿处可能静得不自然。清理完成后也可以调整,结果会立即更新,无需重新处理。

我的录音会被上传吗?

不会。音频的读取和清理都在这个标签页中完成。唯一需要下载的是模型本身——DeepFilterNet 3,作者 Hendrik Schröter 及贡献者,8.6 MB,MIT 许可,来自 Hugging Face——以及运行它的引擎(27 MB,来自本站)。两者都会保存在浏览器中,所以从第二次起也可以离线使用。

可以用视频或立体声文件吗?

可以。拖入 MP4、MOV 或 WebM,会清理其中的音轨。大多数音频格式可以直接打开;WMA 或旧手机的 AMR 等少见格式由首次使用时下载的音频引擎打开(约 32 MB)。立体声和多声道文件会先混合成一个声道,所以结果是单声道,这对语音正合适。要把清理后的声音放回视频,请使用本栏目中的“更换视频的音轨”。

录音可以多长?需要多久?

音频按 10 秒一块进行清理,模型的记忆会从一块传到下一块,所以长录音的结果与一次性处理完全相同。在较新的笔记本电脑上,所需时间约为录音时长的十分之一——十分钟的采访大约一分钟。真正的限制是内存:整段录音必须能放进这个标签页(每十分钟约 400 MB),所以超过一小时左右的录音请先拆分。

为什么清理后的声音听起来有点不同?

模型会根据它判断为语音的部分重建声音,所以也会削减一些房间混响和呼吸声,音量可能会略低一些。对没有噪声的录音,它改变很少。使用结果前请两个版本都听一下,尤其是噪声很大的时候,任何降噪都可能让人声显得单薄或发闷。