Убрать фоновый шум из записи

Ровный, неизменный фон: вентилятор, кондиционер, шипение плёнки, сетевой гул, шум улицы за окном, компьютер в углу, стук клавиатуры под речью. У таких звуков модель умеет выучить форму и вычесть её. С разовыми событиями она справляется куда хуже — хлопнувшая дверь, кашель, отодвинутый стул — а второго человека, говорящего на фоне, она вообще не отделит: для неё это такая же речь.

Да. Без регистрации, без карты, без суточного лимита минут, без водяных знаков и подложенного голоса в результате. Модель работает на вашем компьютере, так что серверного времени, которое нужно было бы вам выставить, просто нет. Хоть десять файлов подряд.

Нет. Файл читается прямо с диска, декодируется браузером и обрабатывается WebAssembly-сборкой модели внутри вкладки. Проверить легко: откройте инструменты разработчика, вкладку «Сеть», и обработайте что-нибудь — увидите, как в первый раз скачивается модель, и как ваша запись никуда не уходит.

Нет, и лучше сказать прямо: модель обучена на речи, поэтому всё, что не голос, для неё шум. На песне она истончит тарелки, выест реверберацию и обгрызёт длинные ноты. Берите её для интервью, голосовых заметок, лекций, подкастов и закадрового текста — не для трека, который вы сводите. Если в записи и так есть музыка, а убрать нужно лишь немного комнаты, опустите ползунок до 40–50 и слушайте внимательно.

Это пропорция между оригиналом и очищенной версией, а не второй прогон через модель — поэтому он срабатывает мгновенно. На 100% вы получаете всё, что модель готова убрать; некоторые голоса там становятся тонкими, будто из-под воды. Пресет «оставить немного комнаты» стоит на 85% и сохраняет тонкий слой исходного помещения: полная тишина между фразами звучит неестественно, а лёгкий фон вдобавок прячет моменты, где модель включается и отпускает. Есть ещё мягкий фильтр на 80 Гц против ударов по столу и низкого гула, по умолчанию выключен.

MP3, WAV, M4A, AAC, OGG, Opus и FLAC, а также видео MP4, MOV и WebM. Видео принимается намеренно — говорящий человек, снятый на телефон, один из самых частых случаев — но обратно выходит только звук. Вы получаете аудиофайл, а не видео с новой дорожкой.

До 200 МБ или 60 минут. Настоящее ограничение — память, а не размер файла: всё декодируется в 48 кГц с плавающей точкой, это около 11 МБ на минуту на канал, и инструмент держит одновременно оригинал, очищенную копию и смесь. Десятиминутное интервью ноутбук переносит спокойно; после четверти часа появится предупреждение, и стоит закрыть другие вкладки. Сама обработка идёт заметно быстрее, чем запись звучит.

Да, в любом современном мобильном браузере — модель маленькая, около мегабайта, и скачивается один раз. Но файлы берите короче, чем на компьютере: памяти у телефона намного меньше, и длинная стереозапись может исчерпать вкладку. Если вместо WAV нужен MP3, этот шаг один раз подтянет аудиодвижок на 31 МБ; для WAV ничего подгружать не нужно, он готов сразу по окончании обработки.