Apakah Pengurangan Hingar Audio? Penjelasan yang Jelas

Pengurangan hingar audio adalah proses mengenal pasti dan mengurangkan bunyi yang tidak diingini dalam rakaman sambil mengekalkan bunyi yang anda mahu simpan, biasanya ucapan, muzik, atau audio yang dimaksudkan lain. Ia adalah salah satu alat yang paling banyak digunakan dalam pasca produksi audio, dan pendekatan berasaskan AI telah menjadikannya jauh lebih mudah diakses dalam tahun-tahun kebelakangan ini.

Apa yang dikira sebagai “hingar”?

Dalam kejuruteraan audio, hingar merujuk kepada sebarang bunyi yang tidak direkam dengan sengaja:

• Hingar jalur lebar: desis, statik, dan desis pita yang tersebar merentasi semua frekuensi
• Hingar nada: dengung daripada gangguan elektrik, biasanya pada 50 Hz atau 60 Hz dan harmonik
• Hingar impulsif: klik, pop, dan derak daripada vinyl, rakaman rosak, atau kesilapan elektrik
• Hingar persekitaran: penyaman udara, trafik, angin, hujan, hingar orang ramai
• Hingar kendiri: lantai hingar sedia ada mikrofon dan peralatan rakaman

Jenis hingar yang berbeza memerlukan teknik pengurangan yang berbeza.

Kaedah pengurangan hingar tradisional

Sebelum AI menjadi dominan, pengurangan hingar bergantung kepada algoritma pemprosesan isyarat:

Penolakan spektral

Kaedah ini menganggarkan spektrum hingar semasa bahagian “diam” rakaman dan menolak anggaran hingar itu daripada isyarat audio keseluruhan. Ia berfungsi agak baik pada hingar pegun tetapi sering memperkenalkan artifak “bunyi muzik” yang khas, kualiti bergetar, berkicau yang ramai pendengar dapati tidak menyenangkan.

Noise gate

Sebuah noise gate menyenyapkan isyarat sepenuhnya apabila ia jatuh di bawah ambang yang ditetapkan. Ini berfungsi untuk hingar intermiten antara take tetapi membiarkan sebarang hingar yang berlaku serentak dengan isyarat yang diingini tidak tersentuh.

Penapisan adaptif

Penapis adaptif menganggarkan dan menyingkirkan hingar secara berterusan, menyesuaikan dalam masa nyata. Mereka memerlukan isyarat rujukan (mikrofon berasingan yang hanya menangkap hingar) dan lebih biasa digunakan dalam aplikasi audio langsung.

Bagaimana pengurangan hingar berasaskan AI berfungsi

Pengurangan hingar AI moden, seperti yang digunakan dalam alat seperti Noise Remover, mengambil pendekatan yang secara asasnya berbeza. Daripada menganggarkan dan menolak hingar, ia belajar mengenal pasti ucapan secara langsung.

Rangkaian neural deep dilatih pada beribu-ribu jam audio, kedua-dua ucapan bersih dan ucapan yang dicampur dengan pelbagai jenis hingar. Seiring masa, model belajar meramalkan bagaimana ucapan bersih terdengar, walaupun terkubur di bawah hingar. Pada masa inferensi, ia menjalankan audio anda melalui model yang telah dipelajari ini dan mengeluarkan versi yang dibersihkan.

Pendekatan ini mempunyai beberapa kelebihan:

• Ia mengendalikan hingar tidak pegun: hingar yang berubah dari masa ke masa, seperti trafik intermiten, tidak lagi menjadi masalah.
• Ia mengekalkan kealaman: berbanding menolak anggaran hingar (yang boleh memperkenalkan artifak), model membina semula ucapan.
• Ia berfungsi pada pelbagai jenis hingar secara serentak tanpa konfigurasi pengguna.

Had utamanya ialah kos pengkomputeran. Menjalankan rangkaian neural besar memerlukan kuasa pemprosesan yang signifikan, yang merupakan sebab mengapa denoising AI masa nyata pada mulanya hanya tersedia di pelayan yang berkuasa. Reka bentuk model yang dioptimumkan dan teknologi pelayar moden kini menjadikannya mungkin untuk berjalan terus dalam pelayar web anda.

Pengurangan hingar vs pembatalan hingar

Istilah-istilah ini sering dikelirukan:

Istilah	Apakah maksudnya
Pengurangan hingar	Memproses audio yang dirakam di pasca produksi untuk mengurangkan hingar
Pembatalan hingar	Sistem perkakasan (seperti fon kepala ANC) yang menjana gelombang bunyi anti-fasa untuk membatalkan hingar dalam masa nyata

Pembatalan hingar adalah teknik perkakasan yang digunakan dalam fon kepala dan sesetengah mikrofon. Pengurangan hingar adalah proses perisian yang digunakan pada rakaman. Mereka menangani masalah yang berbeza.

Bilakah anda harus menggunakan pengurangan hingar?

Pengurangan hingar paling berkesan apabila:

• Ucapan atau muzik jelas lebih kuat daripada lantai hingar
• Hingar adalah konsisten secukupnya untuk dicirikan (desis, dengung, bunyi kipas)
• Anda mahu membersihkan rakaman yang tidak boleh dirakam semula

Ia kurang berkesan apabila:

• Hingar lebih kuat daripada isyarat yang diingini
• Hingar berkongsi frekuensi dengan isyarat (contohnya, hingar orang ramai semasa ucapan)
• Rakaman asal dibuat pada gain yang sangat rendah

Tahap pemprosesan yang betul

Pengurangan hingar yang lebih banyak tidak sentiasa lebih baik. Pemprosesan agresif boleh:

• Menyingkirkan “udara” frekuensi tinggi yang menjadikan suara kedengaran semula jadi
• Mencipta artifak logam atau robot pada konsonan
• Mengurangkan kebolehfahaman dengan meratakan transient secara berlebihan

Matlamatnya ialah rakaman yang bersih yang masih kedengaran seperti manusia, bukan rakaman yang sempurna steril tetapi tidak bernyawa. Mulakan dengan tetapan sederhana dan tambah hanya sebanyak yang diperlukan.

Sedia untuk mendengar perbezaannya? Cuba Noise Remover pada rakaman anda sendiri.