Was ist Audio-Rauschunterdrückung? Eine klare Erklärung

Audio-Rauschunterdrückung ist der Prozess der Identifizierung und Reduzierung unerwünschter Geräusche in einer Aufnahme, während die gewünschten Geräusche - typischerweise Sprache, Musik oder andere beabsichtigte Audio - erhalten bleiben. Es ist eines der am weitesten verbreiteten Tools in der Audio-Postproduktion, und KI-basierte Ansätze haben es in den letzten Jahren weitaus zugänglicher gemacht.

Was zählt als “Rauschen”?

In der Audio-Technik bezieht sich Rauschen auf jeden Klang, der nicht absichtlich aufgenommen wurde:

• Breitbandrauschen: Zischen, Rauschen und Bandrauschen, das sich über alle Frequenzen verteilt
• Tonales Rauschen: Brummen von elektrischer Interferenz, typischerweise bei 50 Hz oder 60 Hz und Harmonischen
• Impulsives Rauschen: Klicks, Knackser und Knistern von Vinyl, beschädigten Aufnahmen oder elektrischen Problemen
• Umgebungsgeräusche: Klimaanlage, Verkehr, Wind, Regen, Menschenmengengeräusche
• Eigenrauschen: der inhärente Rauschboden von Mikrofonen und Aufnahmegeräten

Verschiedene Rauscharten erfordern verschiedene Unterdrückungstechniken.

Traditionelle Rauschunterdrückungsmethoden

Bevor KI dominant wurde, verließ sich Rauschunterdrückung auf Signalverarbeitungsalgorithmen:

Spektrale Subtraktion

Diese Methode schätzt das Rauschspektrum während eines “stillen” Abschnitts der Aufnahme und subtrahiert dieses geschätzte Rauschen vom gesamten Signal. Sie funktioniert vernünftig gut bei stationärem Rauschen, führt aber oft zu einem charakteristischen “musikalischen Rauschen”-Artefakt, einem wabernden, unterwasserartigen Qualität, das viele Hörer als unangenehm empfinden.

Noise Gate

Ein Noise Gate stummt das Signal vollständig, wenn es unter einen gesetzten Schwellenwert fällt. Das funktioniert für intermittierendes Rauschen zwischen Takes, lässt aber jedes Rauschen, das gleichzeitig mit dem gewünschten Signal auftritt, unberührt.

Adaptive Filterung

Adaptive Filter schätzen und entfernen Rauschen kontinuierlich und passen sich in Echtzeit an. Sie erfordern ein Referenzsignal (ein separates Mikrofon, das nur Rauschen erfasst) und werden häufiger in Live-Sound-Anwendungen verwendet.

Wie KI-basierte Rauschunterdrückung funktioniert

Moderne KI-Rauschunterdrückung, wie in Tools wie Noise Remover verwendet, geht einen grundlegend anderen Weg. Statt Rauschen zu schätzen und zu subtrahieren, lernt sie, Sprache direkt zu erkennen.

Ein tiefes neuronales Netzwerk wird mit Tausenden von Stunden Audio trainiert, sowohl sauberer Sprache als auch Sprache, die mit verschiedenen Rauscharten gemischt ist. Mit der Zeit lernt das Modell vorherzusagen, wie saubere Sprache klingt, sogar wenn sie unter Rauschen begraben ist. Zur Inferenzzeit läuft es Ihr Audio durch dieses gelernte Modell und gibt eine bereinigte Version aus.

Dieser Ansatz hat mehrere Vorteile:

• Er handhabt nicht-stationäres Rauschen: Rauschen, das sich über Zeit ändert, wie intermittierender Verkehr, ist kein Problem mehr.
• Er bewahrt Natürlichkeit: Statt geschätztes Rauschen zu subtrahieren (was Artefakte einführen kann), rekonstruiert das Modell Sprache.
• Er funktioniert bei verschiedenen Rauscharten gleichzeitig ohne Benutzerkonfiguration.

Die Hauptlimitation ist die Rechenkosten. Das Ausführen eines großen neuronalen Netzwerks erfordert erhebliche Verarbeitungsleistung, weshalb Echtzeit-KI-Entrauschen anfänglich nur auf leistungsstarken Servern verfügbar war. Optimierte Modellentwürfe und moderne Browser-Technologie machen es jetzt machbar, direkt in Ihrem Webbrowser zu laufen.

Rauschunterdrückung vs. Geräuschunterdrrückung

Diese Begriffe werden oft verwechselt:

Begriff	Was es bedeutet
Rauschunterdrückung	Verarbeitung aufgenommenen Audios in der Postproduktion, um Rauschen zu reduzieren
Geräuschunterdrrückung	Hardware-System (wie ANC-Kopfhörer), das gegenphasige Schallwellen erzeugt, um Rauschen in Echtzeit zu unterdrücken

Geräuschunterdrrückung ist eine Hardware-Technik, die in Kopfhörern und einigen Mikrofonen verwendet wird. Rauschunterdrückung ist ein Software-Prozess, der auf Aufnahmen angewendet wird. Sie adressieren verschiedene Probleme.

Wann sollten Sie Rauschunterdrückung verwenden?

Rauschunterdrückung ist am effektivsten, wenn:

• Sprache oder Musik deutlich lauter als der Rauschboden ist
• Das Rauschen konsistent genug ist, um charakterisiert zu werden (Zischen, Brummen, Lüftergeräusche)
• Sie eine Aufnahme bereinigen wollen, die nicht wiederholt werden kann

Es ist weniger effektiv, wenn:

• Das Rauschen lauter als das gewünschte Signal ist
• Das Rauschen Frequenzen mit dem Signal teilt (z.B. Menschenmengengeräusche während Sprache)
• Die Originalaufnahme bei sehr niedrigem Gain gemacht wurde

Das richtige Verarbeitungsniveau

Mehr Rauschunterdrückung ist nicht immer besser. Aggressive Verarbeitung kann:

• Die hochfrequente “Luft” entfernen, die Stimmen natürlich klingen lässt
• Metallische oder roboterhafte Artefakte auf Konsonanten erzeugen
• Verständlichkeit reduzieren, indem Transienten übermäßig geglättet werden

Das Ziel ist eine saubere Aufnahme, die immer noch wie ein Mensch klingt, nicht eine perfekt sterile aber leblose. Beginnen Sie mit moderaten Einstellungen und erhöhen Sie nur so viel wie nötig.

Bereit, den Unterschied zu hören? Probieren Sie Noise Remover auf Ihrer eigenen Aufnahme aus.