主题
音频降噪
会议录音里空调呼呼响，人声被压住听不清。或者街头采访的素材有持续的车流声。
打开「音频降噪」看到的初始界面。在服务器端处理，免费。
它对什么有效、对什么无效
理解这一点能省很多无效尝试：
有效——稳态噪声：空调、风扇、电流嗡声、持续的车流。这类噪声的频谱特征稳定，算法能建模并减去它。
有限——突发噪声：关门声、咳嗽、掉东西。它们短促且频谱与人声重叠，很难在不伤人声的前提下去掉。
无效——同时说话的其他人声：另一个人的声音和目标人声在频谱上是同一类东西，算法无法区分「谁是主角」。
所以降噪不是万能修复，录制时避开噪声比事后处理有效得多。
三档强度的取舍
降噪的本质是减法——它在去掉噪声的同时，必然也会削掉一部分人声。强度越大，削得越多。
| 强度 | 效果 | 代价 |
|---|---|---|
| 轻度 | 压掉明显的底噪 | 几乎无损 |
| 标准 | 默认，噪声明显减弱 | 人声轻微发闷 |
| 强力 | 噪声大幅减少 | 人声可能出现金属感、水声感 |
别默认选最强。过度降噪产生的「机器人音」比原本的底噪更难听，而且会降低转写准确率——模型也认不出被削变形的音。
做法：先用标准档，听一段再决定要不要加强。
增强人声
默认开启。它做的是提升人声频段的清晰度，与降噪配合。
在噪声本来就小的录音上，这个开关的作用有限；在嘈杂环境的录音上，它比单纯降噪更能改善可懂度。
用于转写时的顺序
如果目的是转写，正确顺序是：提取音轨 → 降噪 → 转写。
降噪必须在转写之前。转写之后再处理音频没有意义——文字已经生成了。
处理不了的情况
已经严重削波的录音（录制时音量过大导致波形被削平），信息已经丢了，降噪救不回来。
极低比特率的音频，高频已经没了，降噪只会让它更闷。