AI ノイズリダクション は、古いツールが決してできなかったことを約束します: 静かな間隙だけではなく、あなたがまだ話しているときに、背景ノイズをあなたの声から引き出すこと。数十年間、オーディオのクリーニングは静かな部分をミュートするか、固定ノイズフィンガープリントを減算するか、どちらかを意味しました。両方のアプローチは、あなたの部屋が予測不可能になった時点で失敗しました。このガイドは平易な言葉で、AI ノイズリダクション がどのように実際に機能するか、なぜ古典的な方法を打ち負かすか、どこでまだ失敗するか、そして記録、編集、通話、またはライブストリーミングの正しいアプローチを選択する方法を説明します。誇大広告なし、謎の箱なし、メカニクスだけ。
TL;DR
- 古い方法: ノイズゲート は音量しきい値より下のオーディオをミュートします。 スペクトル減算 はノイズをサンプリングしてそのフィンガープリントを減算します。両方のアプローチはアーティファクトを残します。
- AI ノイズリダクション は音声を他のすべてから分離するように訓練されているため、話しているときでもノイズを低下させ、サンプリングしたことのない音に一般化します。
- この一般化は、キーボードクリック、サイレン、その他の音声の抑制を購入するものであり、単に安定したハムではありません。
- リアルタイムとオフライン は重要な分け方です: リアルタイム AI デノイズはきつい遅延予算で実行され、より穏やかです。オフラインクリーニングはより重いものができます。
- 実際の制限: 音声色付け、押し込められたときの水中アーティファクト、音楽削除の完全な失敗 (別のタスク)。
- ライブで出ていくきれいなオーディオの場合、VoxBooster のリアルタイムノイズ抑制は 1 つのオプションです。過度な広告ではなく、シナリオに基づいてツールを選択してください。
AI ノイズリダクション とは何ですか?
AI ノイズリダクション は、人間の音声と他のすべての音を区別するように訓練されたモデルによって実行されるオーディオクリーニングです。静かなセクションをミュートしたり、固定ノイズプロファイルを減算する代わりに、音声自体の形を学んだため、単に単語間の休止ではなく、話しているときでも背景ノイズを低下させることができます。
その 1 つの違い、音量ではなくコンテンツで分離することが、すべてのストーリーです。この記事の他のすべては、その結果です。ツールが音声がどのように見えるかを理解すると、ノイズが大きいか小さいか、一定か急か、サンプリングか新しいかは気になります。それは単に音声を保つ残りをドロップしようとします。なぜこれが重要なのかを見るには、その前に何があったかを知る必要があります。
AI 前に従来のノイズリダクション がどのように機能していたか
オーディオの歴史の大部分では、2 つの技術がほぼすべてのノイズ除去を実行しました。どちらもまだ存在しています。彼らは安価で予測可能だからです。AI ノイズリダクション は主に弱点を修正することで定義されているため、それらを理解する価値があります。
ノイズゲート: 音量しきい値
ノイズゲート は本の中で最も古いトリックです。信号の大きさを見ては、設定したしきい値より下のものをすべてミュートします。ゲートを -40 dB に置いて、その静かなものはすべてサイレンシングされます。あなたが話すと、しきい値を超えて、ゲートが開き、あなたの声が通ります。停止すると、その下に落ちて、ゲートが閉じて、部屋が静かになります。数学は簡単です: レベルをしきい値と比較して、開くか閉じます。
ひっかかりは、ゲートは大きさだけを知っており、内容は知りません。音声とノイズを区別できません。そのため、あなたが話し、ゲートが開いている間、背景ノイズのあらゆる部分があなたの言葉の下で行きます。ファン、キーボード、外の交通、それはすべてあなたの声が通るのと同じ速さで通ります。また、ゲートが機能しているのが聞こえます: オーディオは、開いて閉じるにつれて、完全に静かから全音量に変わり、呼吸と文の尾部にポンピングまたはチャタリング効果を生成します。ゲートは、ドアで音量をチェックし、すべてのラウドウォークを入れるボウンサーです。
スペクトル減算: ノイズプリント
次のステップはスペクトル減算です。ノイズだけの短いサンプルを取得します。通常は、部屋だけが存在する 1 秒の「沈黙」で、ソフトウェアは周波数プロファイルを構築し、そのノイズがスペクトル全体でどのように見えるかのノイズプリントを構築します。その後、その印を記録全体から減算します。周波数帯域による周波数帯域。壁の電源周波数のハム、トップのヒス、エアコンのドロー: それらが一定で予測可能であるため、そのフィンガープリントを減算すると、彼らは遠くに落ちます。これが、多くの人々が使用した古典的な Audacity ノイズ減少 効果の裏側にあるエンジンです。
スペクトル減算はゲートより非常に賢いため、話しているときでも機能します。しかし、ノイズがそのままであると想定しています。ノイズが変わる瞬間、車が通る、誰かが咳をする、椅子がかき落とされる、保存されたプリントはもう現実と一致しません。減算は、エンジニアが音楽ノイズと呼ぶ波形のバブル残留物を残します: あなたの声の周りで羽ばたき出入りする小さな音の工芸品。強度を強化して、より多くのノイズを殺し、これらのアーティファクトが悪くなります。これは 1 つの悪い仮定に連鎖した賢い方法です。ノイズはそのままです。本当の部屋はしていません。古典的な技術のファミリーについて、一般的な ノイズ除去 概要を読むことができます。
AI ノイズリダクション がどのように実際に機能するか
ここが変化します。固定音量しきい値または固定ノイズプリントの代わりに、機械学習ノイズリダクション は、多数の種類のノイズと意図的に混合された膨大な量のきれいな音声に対して訓練されます。その訓練を通じて、モデルは、一般的には、スペクトム全体で人間の音声がどのように見えるか、そして音声以外のすべてがどのように見えるかを学びます。その後、あなたのオーディオで、フレームごとのフレームを推定して、エネルギーが音声であり、どれがノイズであるか、音声を保つ、残りを抑制します。
それが必要としないことに注意してください。最初にノイズをサンプリングする必要がないため、トレーニングからノイズの一般的な概念をすでに学んでいます。ノイズが一定であると想定しません。オーディオの短いフレームごとに再決定されるため。最も重要なことに、それは特定のノイズを記憶するのではなく、音声自体の形を学んだため、効果的に聞いたことのない音を引き下げることができます。これが一般化があなたを購うものです。キーボードのクリック、通過サイレン、ドアをスラム、犬の吠える、背景でさえ他の人が話している、すべてが押し下げられます。あなたの声は前にあります。それらのどれも、モデルのあなたの音声の内部画像と一致しないため。
技術的には、これは ソース分離 問題です: モデルは混合信号をその部分に戻すことを試みており、あなたが望むものだけを与えます。このフレーミングは、2 つのソースがより多く重複するにつれて、分離がより難しくなるため、後で制限を説明しています。
なぜ「音声を学んだ」が「ノイズをサンプリングした」を打ち負かすか
古い方法はノイズに反応します。AI ノイズリダクション は音声を認識します。この反転は、同じツールがファン、機械キーボード、落ち葉ブロワーを 1 つの設定を変更せずに処理できる理由です。あなたはもう音声にノイズを説明していません。それがあなたの声がどのように聞こえるべきかを知り、残りを削除可能として扱うことに頼っています。人々が脱ノイザーが「スマート」に聞こえると言うとき、これは彼らが聞いているものです: 固定ルールに従う代わりにあなたの声を追う掃除。
これは、他の多くのクリエイターが既に他のジョブに依存している同じテクノロジーファミリーでもあります。2 ステップワークフローの一部として 背景ノイズを削除するオーディオエンハンサー からより特殊なタスクまで。この投稿は方法を所有しています。その人はワークフローを所有しているので、ここでそれを繰り返す必要はありません。
ライブとオフライン: AI デノイズを形成する遅延予算
2 つの AI ノイズリダクション ツールは同じコアアイデアを使用でき、それでも完全に異なる動作をします。1 つの制約のため: どの位の時間が考えられていますか。これは、ツールを選択する際に最も役立つ事柄です。
オフラインクリーニングは重いものを利用できます
完成したファイルをクリーンアップするとき、遅延は重要ではありません。ツールは後で来るオーディオを見ることができます。前に起こったことを見ていく。より大きなモデルを実行し、複数のパスを作成します。モーメントの両側のコンテキストを見ると、モデルが後でどのように起こるかを使用して今はどのように起こるかを決定できるため、分離ははるかに正確になります。これが、完成したファイルで録音したオフライン AI オーディオクリーニングが、ライブで同じアイデアを実行するよりもきれいで自然に聞こえる理由です。品質のためのトレード速度があり、オーディオがすでに存在するため、失うことはありません。
リアルタイムノイズ除去はストップウォッチで実行されます
ライブオーディオ、電話、Discord チャンネル、ストリームは反対です。モデルは数ミリ秒で音のちっぽけなフレームを処理する必要があり、そのオーディオはまだ起こっていないため、将来のオーディオを覗き込めません。因果関係と高速である必要があります。その予算に到達するには、リアルタイム AI デノイズはより小さく、より軽い、意図的により穏やかなモデルを実行します。それはまだ安定した背景ノイズをきれいに除去しますが、遅延がノイズの少しを残すより悪いため、オフラインパスのように激しく最も難しいケースを追い求めません。あなたの声が口の後ろ 1/4 秒に達する場合、電話はどれだけ清潔であっても、使用不可能です。
| 従来の (ゲート / スペクトラル) | AI ノイズリダクション | |
|---|---|---|
| に決定する | 音量または固定ノイズプリント | 音声対ノイズのモデルを学んだ |
| あなたが話している間働く | ゲート: いいえ。スペクトラル: 部分的に | はい |
| 新しい、未試験のノイズを処理する | いいえ | はい、一般化 |
| 典型的なアーティファクト | ポンピング、音楽ノイズ | 過度に駆動された場合、水中の声 |
| ノイズをサンプリングする必要があります | スペクトラル: はい | いいえ |
| 最高の家 | シンプルで予測可能なハム | 汚い、変わる本当の部屋 |
AI オーディオクリーニングができることとできないこと
AI ノイズリダクション は本当なリープで、魔法ではありません。その障害モードを事前に知ることで、あなたが存在しない完全に静かな記録を追い詰めることと、試みで良いテイクを破壊することから節約します。
あなたの声を少し色付けします
すべてのノイズリデューサーは、音声とノイズが同じ周波数の一部を共有しているため、ノイズ除去と信号保存の間の線を歩きます。ノイズを下げて、常にそれと一緒に声のスライスを引くことはできません。健全な設定では、これは繊細です。かすかな薄化またはくぼみ。これは分離の費用であり、通常はきれいな背景での公正な取引です。
難しすぎるとスプッシュして、水中のアーティファクトを得ます
強度をすべての方法を有効にして、モデルはあなたの声に実際に属する周波数を削除し始めます。結果は古典的な水中または水の音です: 詰まった、渦巻き、ロボット音が魚タンクを通じて話しているように。これは、AI デノイズで人々が犯す第 1 の間違いです。修正は簡単で直感的ではありません: より少なく使用します。ノイズが静かになるが消えないまで強度を下げてください。あなたがほぼ気づかない少し残った音声は、壊れた声より優れています。
音楽を破壊します
AI ノイズリダクション を歌に向け、それはノイズのように音楽を抑制しようとします。これにより、楽器と声の両方が損傷します。音声とバッキングトラックを分離することは、ステムセパレーション と呼ばれるタスクであり、ノイズ除去ではなく、楽器から音声を分割するために構築された特定のモデルを使用します。それがあなたの目標である場合、適切な ボーカルステムリムーバー に到達してください。ノイズリデューサーはノイズリデューサーではありません。音楽でリントローラーを使用するのは、湿った絵画でリントローラーを使用するのと同じです。
重複する声に苦労する
AI ノイズ除去の最も難しいケースは、別の人が話しています。ファンはあなたの声よりもスペクトラムの異なる部分に住んでいるので、分離するのは簡単です。2 番目の人間の音声は、あなたと同じ周波数を占め、モデルはどちらを保つかを清潔に決定できません。良いツールは背景のおしゃべりを押し下げでき、はるかに気を散らすものにできますが、混雑したカフェがあなたの後ろに消えることを期待しないでください。
シナリオによる AI ノイズ除去の選択
正しいツールは、あなたがしていることに完全に依存します。単一の最高のデノイザーはありません。あなたの状況のために最高。ここで選択する方法は、上記の 2 つの制約、リアルタイムとオフライン、およびノイズの種類にマッチしています。
| シナリオ | 最良のアプローチ | なぜ |
|---|---|---|
| Discord コールまたはボイスチャット | リアルタイム AI ノイズ抑制 | 低遅延、ライブに部屋の安定したノイズを殺す |
| ライブストリームまたはゲームプレイ | マイクのリアルタイム抑制 | ポスト作業なしで清潔なオーディオ |
| ポッドキャストまたはボイスオーバーファイル | オフライン AI オーディオクリーニング | より大きなモデル、先読み、より清潔な結果 |
| 記録上の高速ハム | スペクトル減算 (Audacity) | 無料、高速、安定したハムに良い |
| 歌に埋もれた声 | ステムセパレーション、デノイズなし | 別のタスク、別のモデル |
| 突然のバン、ドアスラム | 可能な場合はマイクをミュート | 一過性のほとんどの抑制を破壊 |
シンプルな決定パス
- すでにファイルがありますか、それともオーディオは今ライブに出ていますか?
- ライブの場合は、遅延を保護するために調整されたリアルタイム AI ノイズ抑制が必要です。
- ファイルである場合は、オフラインクリーニングを使用し、それを重いに実行して、より清潔なパスを取得します。
- ノイズが音声の下の別の歌である場合は、停止してください。これはステムセパレーションです。
- スラムのような 1 つのラウドトランジェント場合は、中断中にミュートすることはどのフィルターにも勝ります。
最初の質問に正直に答えて、他の 4 つが落ちます。ノイズツールで最も多くの欲求不満は、ライブの問題のためにオフラインファイルクリーナーをつかむか、重いオフラインパスが必要だった仕事のためにライブサプレッサーをつかむことから来ています。
通話とストリーム用のリアルタイム AI ノイズリダクション
あなたの問題がライブの場合、電話、ストリーム、Discord セッションの場合、リアルタイム AI ノイズリダクション は、あなたが望むカテゴリです。これは、VoxBooster の組み込みノイズ抑制が適切です。それはあなたの Windows PC でオンデバイスローカルプロセスとして実行されます。話しているアプリケーションに到達する前に、マイクから安定した背景ノイズを掃除します。すでに処理済みのオーディオを処理するために仮想マイクロフォンを使用しているため、同じクリーンなフィードが指すどこでも到達します。
その向学にはやルーティングが、人々が逃す実用的な部分です。圧制されたオーディオは通常のマイクロフォンになり、すべてのアプリが選択できるため、 Discord ボイスチェンジャー セットアップまたはそれぞれ特別なプラグインなしで OBS ストリームにまっすぐに落ちます。マイクを 1 回クリーンアップして、すべてのダウンストリームアプリが清潔なバージョンを聞きます。すべてがあなたのマシンに留まります。これは、生のマイクロフィードが PC を離れることのないほうが良い場合に重要です。VoxBooster は混雑したフィールドの 1 つのオプションであり、特にライブシナリオでは、そのオンデバイス、ルートどこでも設計が主な利点です。価格はここではなく 価格ページ に住んでいます。
分割のオフライン部分、あなたが既に記録したファイルをクリーンアップするために、その生のマシン機械は必要ありません。より大きなオフラインパス、無料エディタまたは専用クリーナーのいずれか、すべての場合で完成した記録上のリアルタイムツールを打ち負かし、遅延の理由のために。
FAQ
AI ノイズリダクション とは何ですか?
AI ノイズリダクション は、人間の音声と他のすべてを区別するように訓練されたモデルによって実行されるオーディオクリーニングです。静かな部分をミュートしたり、固定ノイズプリントを減算する代わりに、音声の形を学んだため、沈黙の間だけでなく、積極的に話しているときでもノイズを低下させることができます。
AI ノイズリダクション はどのように機能しますか?
モデルは、多くの種類のノイズと混ぜられたきれいな音声の膨大な量に対して訓練され、2 つを分離することを学びます。実行時には、受信オーディオのどの部分が音声であり、どの部分がノイズであるかを推定し、短いチャンクで フレームごと にフレームを働き、音声を保つ残りを抑制します。
AI ノイズリダクション はノイズゲートより優れていますか?
ほとんどの音声作業では、はい。ノイズゲートは音量のしきい値より下のオーディオをミュートするだけなので、話している間、ノイズはあなたの声の下で行きます。AI ノイズリダクション は音声とノイズを内容で分離するため、単語間の一時停止の間だけでなく、話しているときでもノイズを低下させます。
AI ノイズリダクション は背景音を削除できますか?
時々、部分的に。モデルは一般的に音声がどのように見えるかを学んだため、別の人が話しているのは、あなたと同じ周波数を共有しているため、ファンを削除するより非常に難しいです。良いモデルは背景のおしゃべりをはっきりと押し下げますが、あなたの声に触れずに完全にそれを消すことはめったにありません。
AI デノイズ後に音声が水中のように聞こえるのはなぜですか?
それは過度な処理です。強度が高すぎると、モデルはあなたの声に実際に属する周波数を削除し、水っぽい、くぐもった、水中のような音を残します。ノイズが静かになるが消えないまで強度を下げてください; あなたがほぼ常に気づかない残った少しのカスカスは、壊れた、ロボット音声を打ち負かします。
AI ノイズリダクション はリアルタイムで機能しますか?
はい、ただしより厳しい予算です。リアルタイムモデルは、将来のオーディオを見ずに数ミリ秒で各フレームを処理する必要があるため、オフラインツールより小さく、より穏やかに実行されます。このトレードは、ライブマイクロフォンフィードから安定した背景ノイズをきれいに除去しながら、呼び出しとストリームを低遅延に保ちます。
AI ノイズリダクション は音声記録から音楽を削除できますか?
あまり良くありません。ノイズリデューサーは音楽をノイズとして扱い、それを抑制しようとします。これにより、歌と下の声が損傷します。音声と楽器を分離することは、ステムセパレーション と呼ばれるタスクであり、ノイズ除去ではなく、特にそのタスクのために構築された異なる種類のモデルを使用します。
結論
AI ノイズリダクション は具体的な理由で評判を獲得しました: ノイズへの反応を停止し、音声を認識し始めました。この 1 つの反転は、ノイズゲートとスペクトル減算を破った汚い、変わる本当の部屋を処理し、サンプルしたことのない音に一般化する理由です。それはしかし、魔法ではありません。それはあなたの声を少し色付けし、あなたがそれを過度に駆動したときにあなたのオーディオを水に変え、歌から声を引き出すことはできません。タスクにツールを一致させる: 完成したファイルのオフラインクリーニング、ライブで出ているもののリアルタイム抑制、そして音楽が関与しているときのステムセパレーション。
あなたの問題がライブの場合、通話、Discord、またはストリームにクリーンなオーディオ、VoxBooster のリアルタイムノイズ抑制は、クレジットカードなし 3 日間の完全な試験で試す価値のあるオンデバイスオプションです。 VoxBooster をダウンロード。