什么是频谱门控？降噪的实际工作原理
当你使用降噪工具时，你的音频实际上发生了什么？答案涉及在过去几十年中显著演变的信号处理技术。了解这些技术——频谱门控、频谱减法及其现代AI替代品——有助于你更有效地使用它们，并理解它们的局限性。
将音频分解为频率：降噪发生的地方
音频降噪几乎总是通过将声音分解为其各个频率来工作，而不是直接在原始音频波形上工作。把它想象成棱镜将白光分成彩虹：降噪工具将音频分解为其组成频率，以便分别处理每个频率。
数学过程将短音频片段分解为显示该时刻每个频率多响的图表。在整个录音中运行此过程，你会得到频谱图——显示音频频率内容如何随时间变化的视觉地图。
降噪算法通过修改这一频率分解，然后将其转换回正常音频来工作。
什么是频谱减法？
频谱减法，开发于20世纪70年代末，是最早和最有影响力的降噪方法之一。基本想法很简单：
- 估计噪音频谱，通常来自只有噪音的音频部分（“噪音配置文件”）
- 在每个时间步从总音频频谱中减去估计的噪音频谱
- 将修改后的频谱转换回音频
挑战在于估计步骤。噪音从来不是完全稳态的。它会随时间变化。噪音估计中的任何误差都会导致伪影。最特征的伪影是”音乐噪音”——一种飘忽的啁啾质感，由残余噪音峰值在频谱周围移动引起，因为减法估计波动。
多年来，频谱减法的各种改进已经出现，包括过减法（减去比估计噪音多一点以减少残余噪音）、频谱下限（设置频谱bin不减低的最低水平）和多带噪音估计。
什么是频谱门控？
频谱门控通过将音量阈值应用于每个单独频率来扩展这一概念。与其减去噪音，频谱门控会降低或静音低于一定响度水平的频率，假设安静的频率主要是噪音，而较响的包含你想保留的声音。
把它想象成每个单个频率门口都有一个保镖：如果频率足够响，它就通过。如果太安静，它就被拒之门外。传统的噪音门就像对整个音频有一个保镖。频谱门控就像每个频率都有一个单独的保镖。
优势在于精确性：可以去除高频噪音，同时保留低频声音，反之亦然。缺点是它假设噪音和语音从不同时共享相同的频率，这通常不适用于复杂、变化的噪音或当噪音水平很高时。
伪影问题
频谱减法和频谱门控都遭受相同的基本问题：它们试图解决一个欠定的问题。给定只有嘈杂的信号，没有关于信号”应该”听起来如何的额外信息，就没有完美的方法将信号与噪音分开。
这导致特征性伪影：
- 音乐噪音：过度去除产生的啁啾、颤音质感
- 模糊：尖锐、快速的声音如辅音的平滑
- 齿音失真：与噪音频率重叠的”s”和”sh”音的损伤
- 闷音：从高频去除太多
伪影的程度与降噪应用的激进程度成比例。少量频谱减法通常听起来很干净。用力推进会揭示伪影。
AI如何取代这些方法
现代基于AI的降噪，如在 Noise Remover 中使用的，采取根本不同的方法。与其估计和减去噪音，深度神经网络从数百万个音频示例中学习干净的语音听起来如何。在推理时，模型使用这一学到的知识从嘈杂的输入重建干净的语音。
这更像是问”这段音频应该听起来如何？“而不是”我应该去除什么？“结果对于复杂、非稳态噪音和保留语音自然度都显著更好。
Noise Remover的AI具体通过两个独立的处理步骤处理低频成分（隆隆声和嗡嗡声存在的地方）和高频成分（语音细节和辅音存在的地方），来解决噪音的频率依赖性。
为什么这在实践中很重要
理解频谱门控和AI降噪有助于你：
- 知道何时使用哪种工具：对于非常轻微、稳定的噪音，即使简单的旧方法也工作得很好。对于重要录音中的复杂噪音，AI工具值得使用。
- 诊断伪影：如果你的降噪听起来”音乐”或”啁啾”，你可能正在过于激进地使用传统工具。切换到AI或减少用量。
- 设定期望：AI工具不是魔法。它们有效是因为它们学会了语音听起来如何，但高度不寻常的声音（不寻常的口音、耳语音、非语音音频）可能受益较少。
试试 Noise Remover，听听基于AI的光谱处理在你自己的录音上听起来如何。