Usuń szumy z nagrania audio

Stałe, niezmienne tło: wentylator, klimatyzację, szum taśmy, przydźwięk sieciowy, warkot ulicy za oknem, komputer w rogu pokoju, stukot klawiatury pod mową. To są dźwięki, których kształtu model potrafi się nauczyć i je odjąć. Znacznie słabiej radzi sobie z jednorazowymi zdarzeniami — trzaskiem drzwi, kaszlnięciem, szurnięciem krzesła — i nie oddzieli innej osoby mówiącej w tle od tej, której chcesz słuchać, bo dla modelu obie są mową.

Tak. Bez rejestracji, bez karty kredytowej, bez dziennego limitu minut i bez znaku wodnego czy lektora na wyniku. Model działa na Twoim własnym komputerze, więc nie ma czasu serwera, za który mielibyśmy Cię obciążyć. Możesz wyczyścić dziesięć plików pod rząd, jeśli chcesz.

Nie. Plik jest wczytywany prosto z dysku, dekodowany przez przeglądarkę i przetwarzany przez kompilację modelu odszumiającego w WebAssembly, działającą w karcie. Możesz to sprawdzić samodzielnie: otwórz DevTools, przejdź do panelu Sieć i wyczyść coś — zobaczysz, jak za pierwszym razem pobiera się model, i zobaczysz, że Twoje nagranie nigdzie nie idzie.

Nie, i warto powiedzieć to wprost: model trenowano na mowie, więc wszystko, co nie jest głosem, wygląda dla niego jak szum. Skieruj go na piosenkę, a przerzedzi talerze, wydrąży pogłos i będzie przeżuwał przeciągane dźwięki. Używaj go do wywiadów, notatek głosowych, wykładów, podcastów i nagrań lektorskich — nie do utworu, który miksujesz. Jeśli chcesz tylko odjąć odrobinę pomieszczenia z nagrania, w którym jest też muzyka, zejdź suwakiem Redukcja do 40 albo 50 i słuchaj uważnie.

To mieszanka Twojego oryginału i wersji oczyszczonej, a nie drugi przebieg przez model — i dlatego jego przesuwanie działa natychmiast. Przy 100% dostajesz wszystko, co model jest gotów usunąć; niektóre głosy zaczynają tam brzmieć cienko albo lekko „podwodnie”. Preset „zostaw trochę tła pomieszczenia” siedzi na 85%, co zostawia cienką warstwę oryginalnej akustyki: zupełna cisza między zdaniami brzmi nienaturalnie, a delikatne tło ukrywa też momenty, w których model się włącza i wyłącza. Jest również łagodny filtr 80 Hz na stuknięcia w biurko i dudnienie, domyślnie wyłączony.

MP3, WAV, M4A, AAC, OGG, Opus i FLAC, a także wideo MP4, MOV i WebM. Plik wideo jest przyjmowany celowo — nagranie mówiącej osoby zrobione telefonem to jedna z najczęstszych rzeczy, które ludzie chcą wyczyścić — ale z powrotem wychodzi wyłącznie dźwięk. Dostajesz plik audio, a nie wideo z nową ścieżką.

Do 200 MB albo 60 minut. Prawdziwym ograniczeniem jest pamięć, a nie rozmiar pliku: wszystko jest dekodowane do audio 48 kHz w zapisie zmiennoprzecinkowym, co kosztuje około 11 MB na minutę na kanał, a narzędzie trzyma jednocześnie oryginał, oczyszczoną kopię i miks. Dziesięciominutowy wywiad jest na laptopie wygodny; powyżej mniej więcej piętnastu minut zobaczysz ostrzeżenie i warto zamknąć inne karty. Samo przetwarzanie idzie zdecydowanie szybciej, niż trwałoby odsłuchanie nagrania.

Tak, w każdej nowoczesnej przeglądarce mobilnej — model jest mały i pobiera się raz, waży około megabajta. Trzymaj jednak pliki krótsze niż na laptopie: telefon ma znacznie mniej pamięci do dyspozycji, a długie nagranie stereo potrafi wyczerpać kartę. Jeśli zamiast pliku WAV chcesz MP3, ten krok dociąga jednorazowo silnik audio o rozmiarze 31 MB; pobranie WAV nie wymaga niczego dodatkowego i jest gotowe w chwili, gdy czyszczenie się kończy.