降噪原理：噪音配置、AI 与语音再生成

一段录音同时包含许多频率

任何声音都是多种频率的混合。嗡嗡声是一个低沉的音调，嘶嘶声是一片散开的高音，而人声是一组随每个音节变化的音调。如果把录音画成图，让时间从左往右走、音高从下往上升，语音就会显示为一道道明亮的条纹，持续稳定的噪音则像条纹背后的一层薄雾。

1. 噪音配置：先认识噪音，再在整段录音中去除它

经典方法只需要你提供一样东西：几秒钟没有说话、只有噪音的片段。在 Denoise 中，这就是经典引擎：它会请你标出这样一段，还会推荐几段。它测量这一段里每个频段的噪音有多响，这份测量结果就是噪音配置，相当于噪音的“指纹”；然后在整段录音中把这些频段压低相应的量。压低的幅度由降噪强度决定。

这种方法最适合始终不变的噪音：风扇、空调、电流嗡嗡声、磁带嘶嘶声。对于时有时无的噪音，比如车流声、风声或人们的交谈声，它就力不从心了，因为一份噪音配置无法描述全部噪音。而且，由于它在各处压低的都是相同的频段，调得太狠就会留下一种像在水里、忽高忽低颤动的声音，并在人声和噪音共用频率的地方让人声变得单薄。

2. AI 降噪：思路相同，但由 AI 替你完成

AI 降噪模型做的是同样的事，但不需要你提供噪音样本。它们用数千小时的干净语音训练而成，这些语音里混入了各种各样的噪音，因此它们学会了在上面那种图里，人声是什么样子、噪音又是什么样子。每隔几毫秒，它们就逐个频段估算声音中有多少是人声，保留这部分，压低其余部分。由于它们每时每刻都在重新判断，所以能跟上不断变化的噪音：驶过的汽车、一阵风、开关门声。

在 Denoise 中，AI · Auto 默认做的就是这件事；DPDFNet 和 DeepFilterNet 模型也可以单独选用，分别是 AI · DPDFNet 和 AI · Fast Denoise；AI · aTENNuate 则直接处理声波本身，而不是处理频段。它们都只处理录下来的声音，所以不会添加没人说过的话。降噪强度决定去掉多少噪音，保留一点往往听起来更自然。

3. 修复：重建录音丢失的部分

有些录音不只是多了噪音，还丢失了一部分人声。电话通话、老式录音笔或高强度压缩都可能截掉较高的频率，所以即使在安静的房间里，人声听起来也发闷。恢复语音质量会根据剩下的部分，重建缺失的高频部分。它是在人声上做补充，而不是替换人声，所以词语仍是当时说出的那些；它补上的是听起来合理的明亮感，而不是已经丢失的细节。

4. 再生成：根据对原声的描述，生成新的声音

最新的修复模型走得更远。它们会听取受损的录音，推断出它们认为录音里说了什么，然后像语音合成器那样，把这段话重新生成为一段全新的录音。正因如此，AI · Sidon 才能挽救降噪模型无能为力的音频：严重失真、削波或非常发闷的人声。

问题在于，结果只是模型的最佳猜测。当原始录音缺失得太多时，再生成模型可能会生成听起来很对的语音，音色和节奏都没错，说出的却是没人说过的音节，有时甚至完全是胡言乱语。我们在 Denoise 以前使用的模型 VoiceFixer 上就听到过这种情况：处理一段严重受损的讲座录音时，它生成的语音听起来很清晰，却毫无意义。取代它的 Sidon 在设计和测试时都以保留原话为目标，但没有哪个再生成模型能完全避免这个问题，所以凡是重要的内容，请核对其中的人名和数字，并且只在普通降噪无能为力时才使用再生成。

效果能有多好，取决于什么

上面介绍的每一种方法，都只能利用录音中仍然保留的内容。最重要的有四点：

• 人声保留了多少。如果部分人声根本没被录下来，或者被低质量的格式丢掉了，降噪就无法找回；只有修复才能补上一个听起来合理的版本。
• 噪音和人声相比有多响。当噪音和人声一样响甚至更响时，两者的大部分频率是重叠的，去除噪音时也会连带去掉部分人声：结果听起来单薄、发闷，或者像机器人。
• 录音是否削波（爆音）。如果声音对麦克风或录音电平来说太响，声波的峰值就会被削平。这种噼啪作响的失真已经成了人声的一部分，而不是独立的噪音，所以降噪模型会把它保留下来；只有再生成才能把它重新画出来。
• 背景里还有什么听起来像人声。其他人的说话声，或者带演唱的音乐，在任何方法看来都像语音，所以会残留一部分。如果是音乐，可以改用 AI · Music 把人声和乐器分离开。

回声不是噪音

房间里的回声，也就是混响，是人声本身经墙壁、天花板和地板反射后，稍晚片刻再次传来的声音。由于它和人声是同一种声音，所以比噪音更难去除：AI 降噪模型能减弱一部分，但在礼堂、楼梯间或空荡荡的房间里，字词会糊成一片，任何设置都无法让它们完全恢复清晰。解决办法是缩短距离：麦克风离嘴越近，人声相对于回声就越响。

最好的降噪，在录音之前就开始了

软件能挽救录音，但找不回从未录下的声音。下面几个小习惯，比任何设置都管用：

• 把麦克风靠近一些。拿在说话人旁边的手机，录音效果胜过放在房间另一头桌上的手机。拍采访和视频时，在说话人的衣领上别一个夹式麦克风（领夹麦），无论有线还是无线，都是单项改进中效果最大的。
• 给麦克风挡风。在户外，给外接麦克风套上海绵或毛绒防风罩会有帮助；如果用手机录，就背对着风，或者用手或墙角为手机挡风。
• 留意录音电平。如果电平表顶到了最上面，声音就会削波。音量稍微偏小一点更保险，因为偏小的音量事后可以调大，而削波无法挽回。
• 尽量选最安静的地方。录音时关掉风扇和空调，并远离车流和正在运转的机器。
• 软装多的房间回声小。家具、窗帘、地毯和书架会吸收回声；瓷砖、玻璃和空房间则会把回声反射回来。