Cómo funciona la reducción de ruido: perfiles de ruido, IA y regeneración de voz

En una grabación suenan muchas frecuencias a la vez

Todo sonido es una mezcla de frecuencias. Un zumbido es un tono grave; el siseo, un abanico de tonos agudos, y una voz, un conjunto de tonos que cambia con cada sílaba. Si dibujas una grabación con el tiempo avanzando de izquierda a derecha y el tono cada vez más agudo de abajo arriba, el habla aparece como franjas brillantes, y el ruido constante, como una neblina detrás de ellas.

1. El perfil de ruido: aprender cómo es el ruido y quitarlo de toda la grabación

El método clásico solo necesita una cosa de ti: unos segundos sin voz, solo con el ruido. En Denoise es el motor Clásico, que te pide marcar un tramo así y te propone algunos. En ese tramo mide la intensidad del ruido en cada banda de frecuencia, lo que se conoce como perfil de ruido, y después baja esas bandas en esa misma medida en toda la grabación. El Nivel de reducción de ruido determina cuánto.

Funciona mejor con ruidos que nunca cambian: un ventilador, un aire acondicionado, el zumbido eléctrico, el siseo de una cinta. Le cuesta más con el ruido que va y viene, como el tráfico, el viento o gente hablando, porque un solo perfil no puede describirlo todo. Y como baja las mismas bandas en todas partes, si se fuerza mucho deja un sonido acuoso y ondulante, y le quita cuerpo a la voz allí donde la voz y el ruido comparten frecuencias.

2. Supresión de ruido con IA: la misma idea, pero automática

Los reductores de ruido con IA hacen el mismo trabajo sin pedirte una muestra. Se han entrenado con miles de horas de habla limpia mezclada con todo tipo de ruidos, así que han aprendido qué aspecto tiene una voz en esa imagen y qué aspecto tiene el ruido. Cada pocos milisegundos calculan, banda por banda, qué parte del sonido es voz, la conservan y bajan el resto. Como vuelven a decidir a cada instante, siguen al ruido cuando cambia: un coche que pasa, una ráfaga de viento, una puerta.

Es lo que hace AI · Auto de forma predeterminada en Denoise, y los modelos DPDFNet y DeepFilterNet también se ofrecen por separado como AI · DPDFNet y AI · Fast Denoise; AI · aTENNuate trabaja directamente sobre la onda sonora, no sobre bandas de frecuencia. Todos ellos trabajan solo con el sonido que se grabó, así que no pueden añadir palabras que nadie dijo. La Intensidad de reducción decide cuánto ruido se quita, y dejar un poco a menudo suena más natural.

3. Restauración: reconstruir lo que la grabación perdió

Algunas grabaciones no solo han ganado ruido: también han perdido parte de la voz. Una llamada telefónica, una grabadora de voz antigua o una compresión fuerte pueden cortar las frecuencias más altas, de modo que la voz suena apagada incluso en una sala silenciosa. La opción Restaurar la calidad de voz reconstruye esa parte superior que falta a partir de lo que queda. Complementa la voz en lugar de sustituirla, así que las palabras siguen siendo las que se dijeron; lo que añade es un brillo verosímil, no el detalle que se perdió.

4. Regeneración: una voz nueva a partir de una descripción de la antigua

Los modelos de restauración más recientes van más allá. Escuchan la grabación dañada, deducen lo que creen que se dice en ella y lo vuelven a generar en una grabación nueva, de forma muy parecida a como lo haría un sintetizador de voz. Así es como AI · Sidon puede rescatar audio que un reductor de ruido no puede salvar: voces muy distorsionadas, saturadas o muy apagadas.

El inconveniente es que el resultado es la mejor suposición del modelo. Cuando falta demasiado del original, un modelo de regeneración puede producir un habla que suena bien, con la voz y el ritmo adecuados, pero que dice sílabas que nadie pronunció, a veces auténticos disparates. Eso es exactamente lo que oímos con VoiceFixer, el modelo que Denoise usaba antes, en la grabación muy dañada de una clase: un habla que sonaba nítida, pero que no tenía ningún sentido. Sidon, que lo sustituyó, se diseñó y se probó para conservar las palabras, pero ningún modelo de regeneración es inmune, así que comprueba los nombres y las cifras en todo lo que sea importante, y usa la regeneración solo cuando la reducción de ruido habitual no pueda ayudar.

De qué depende lo bueno que puede ser el resultado

Todos los métodos anteriores solo pueden trabajar con lo que la grabación todavía conserva. Lo que más importa son cuatro cosas:

• Qué parte de la voz ha sobrevivido. Si una parte de la voz nunca llegó a grabarse, o la descartó un formato de baja calidad, la reducción de ruido no puede recuperarla; solo la restauración puede añadir una versión verosímil.
• Lo fuerte que suena el ruido en comparación con la voz. Cuando el ruido suena tan fuerte como la voz o más, ambos comparten la mayoría de las frecuencias, y al quitar el ruido se van con él partes de la voz: el resultado suena sin cuerpo, apagado o robótico.
• Si la grabación se saturó. Si el sonido era demasiado fuerte para el micrófono o para el nivel de grabación, los picos de la onda sonora se cortaron y quedaron planos. Esa distorsión crepitante forma parte ahora de la voz, no es un ruido aparte, así que un reductor de ruido la deja; solo la regeneración puede volver a dibujarla.
• Qué otros sonidos de fondo se parecen a una voz. Otras personas hablando o la música cantada parecen habla a ojos de cualquier método, así que una parte se queda. Para la música existe una alternativa: AI · Music separa las voces de los instrumentos.

El eco no es ruido

El eco de una sala, o reverberación, es la propia voz que vuelve a llegar un instante después desde las paredes, el techo y el suelo. Como está hecho del mismo sonido, es más difícil de quitar que el ruido: los reductores de ruido con IA atenúan parte de él, pero en una sala grande, un hueco de escalera o una habitación vacía las palabras se funden unas con otras, y ningún ajuste consigue que vuelvan a sonar del todo nítidas. La solución es la distancia: cuanto más cerca esté el micrófono de la boca, más fuerte sonará la voz en comparación con su eco.

La mejor reducción de ruido es la que se hace antes de grabar

El software rescata grabaciones, pero no puede recuperar un sonido que nunca se captó. Unos pocos hábitos sirven más que cualquier ajuste:

• Acerca el micrófono. Un teléfono sostenido cerca de quien habla es mejor que uno sobre una mesa al otro lado de la sala. Para entrevistas y videos, un micrófono de solapa (lavalier) prendido del cuello de la ropa de quien habla es, por sí solo, la mayor mejora posible, ya sea con cable o inalámbrico.
• Protégelo del viento. En exteriores ayuda poner un protector antiviento de espuma o de pelo en un micrófono externo; con un teléfono, ponte de espaldas al viento o resguarda el teléfono con la mano o en un rincón.
• Vigila el nivel. Si el medidor llega al máximo, el sonido se satura. Es más seguro que quede un poco bajo, porque lo bajo se puede subir después y la saturación no se puede deshacer.
• Elige el lugar más silencioso que puedas. Apaga los ventiladores y el aire acondicionado mientras grabas, y aléjate del tráfico y de las máquinas en funcionamiento.
• Las salas con materiales blandos tienen menos eco. Los muebles, las cortinas, las alfombras y las estanterías con libros absorben el eco; los azulejos, el cristal y las habitaciones vacías lo hacen rebotar.