Una entrevista con el móvil
El caso de manual: dos personas en una cafetería, el móvil puesto entre ellas. El filtro quita las tazas y la máquina de café, las dos voces se quedan, con la distancia que llevan. Una pasada suele bastar.
Una nota de voz dictada en una terraza ruidosa, pasada por los dos reductores de ruido del catálogo lado a lado, DeepFilterNet 3 y ElevenLabs Audio Isolation. El flujo completo, sin crear cuenta.
Workflow real, resultados reales. Muévete y haz zoom libremente.
Usar este workflowEl flujo real: la misma nota con ruido entra en dos nodos Mejorar un sonido, y oyes lo que cada uno ha quitado.
En resumen
Una entrevista grabada con el móvil en una cafetería, una nota de voz dictada en la calle, una voz de pódcast con la nevera detrás: el ruido de fondo es lo que separa una grabación utilizable de una que hay que repetir. Este flujo lo quita con los dos modelos del catálogo que saben hacerlo, y los pone lado a lado porque no trabajan igual.
DeepFilterNet 3 es un filtro: quita lo que no es voz y deja el aire de la habitación, el resultado sigue siendo natural. ElevenLabs Audio Isolation reconstruye la voz: más seca, más de radio, a veces algo sintética en las consonantes. En la nota de la demo, fabricada a propósito mezclando una voz limpia con un ambiente de calle y un zumbido, sabemos exactamente qué había que quitar.
Tu archivo entra por el botón de importar del nodo, hasta diez minutos por pasada, y el precio se cuenta por segundo: las dos limpiezas sobre catorce segundos cuestan siete centavos, y DeepFilterNet solo sale a nueve créditos por minuto.
Importa la grabación
MP3, WAV, M4A u OGG, hasta diez minutos. El nodo lee la duración y muestra el precio antes de cualquier clic. Un audio producido en otra parte del lienzo también se cablea al puerto.
Lanza el filtro
DeepFilterNet 3 primero: es el más barato y el más fiel. Si la voz sale clara y la habitación sigue ahí, has terminado.
Prueba la reconstrucción
Si el ruido era fuerte, o si la voz tiene que ir sobre música, lanza el aislamiento al lado. Sale más seca, lo que se mezcla mejor en un montaje.
Escucha las consonantes
Ahí es donde los dos se separan: las «s» y las «t» son lo primero que estropea un reductor de ruido. El archivo ganador va al montaje o se descarga desde el nodo.
El mismo canvas, ajustado a necesidades distintas: cada variante son dos o tres líneas de prompt que cambiar.
El caso de manual: dos personas en una cafetería, el móvil puesto entre ellas. El filtro quita las tazas y la máquina de café, las dos voces se quedan, con la distancia que llevan. Una pasada suele bastar.
La nevera, la calle por la ventana, el ventilador del ordenador: un ruido constante y suave que el filtro quita sin dejar rastro. En una voz cerca del micro, DeepFilterNet es lo que hace falta, la reconstrucción sería demasiado.
La nota de la demo. Ruido fuerte y variable, coches y transeúntes. El filtro deja un fondo, la reconstrucción lo borra: aquí gana ella, porque quieres entender, no conservar el ambiente.
Una voz en off grabada sin estudio, para poner sobre imágenes y música. El resultado del aislamiento, más seco, se mezcla mejor en el Montaje que una voz que aún arrastra la habitación detrás.
Una cinta digitalizada, con su soplido y su zumbido. El filtro quita el soplido y conserva la voz tal como era, que es lo que se quiere de un recuerdo: nítido, no reescrito.
Una voz lejana, reverberación, toses. Los dos limpian el ruido; ninguno acorta la reverberación de la sala, que no es ruido sino espacio. Espera una voz clara pero todavía lejana.
El precio se cuenta por segundo. Limpiar una hora de grabación para quedarte con diez minutos cuesta seis veces de más. Corta primero, limpia después, sobre el pasaje que conservas.
El filtro y luego la reconstrucción, o al revés, no da una limpieza el doble de buena: el segundo modelo trabaja sobre una voz ya transformada y acentúa sus artefactos. Una sola pasada, elegida de oído.
Un reductor de ruido quita lo que no es la voz; no acerca un micro que estaba a tres metros. La reverberación y la distancia se quedan. Lo que oirás es la misma voz, sin el ruido alrededor.
Una grabación de concierto pasada por un reductor de ruido sale con la voz y sin el grupo: los instrumentos se tratan como ruido. Para una canción, lo que hace falta es la separación en pistas, no la limpieza.
El filtro primero, casi siempre: quita el ruido sin reescribir la voz. La reconstrucción cuando el ruido era más fuerte que la voz, o cuando el resultado debe fundirse con una música, porque un timbre más seco se mezcla mejor.
No, y es a propósito. Los dos modelos guardan la voz y tiran el resto: en una canción, la música se trata como ruido. Para separar una canción en pistas, el flujo separar la voz de una canción hace ese trabajo con Demucs.
Se conservan las dos voces, ninguno de los dos modelos distingue a los hablantes. Lo que se va es el ruido entre ellas, no una de ellas. Para quedarte con una sola voz hay que describir lo que buscas a SAM Audio, otro nodo del catálogo.
DeepFilterNet 3 sale a nueve créditos por minuto, el aislamiento de ElevenLabs a catorce. La nota de la demo, catorce segundos en los dos nodos, cuesta seis créditos. El precio aparece en el nodo antes del clic, sobre la duración medida de tu archivo.
Diez minutos por pasada. Una grabación más larga se corta en trozos en el montaje, o se limpia solo en los pasajes que conservas, que de todos modos es más barato.
El filtro, no: quita, no añade nada. La reconstrucción, un poco: reescribe la voz a partir de lo que ha reconocido, y en las consonantes sibilantes se puede oír. Por eso la demo muestra los dos.
Sí, en dos pasos: el Montaje exporta la pista de sonido, el nodo la limpia, y la voz limpia vuelve a ponerse sobre las imágenes en lugar de la antigua.
No. Lo que importas se queda en tu espacio y no se entrega a ningún entrenamiento, y la pregunta pesa más aquí que en otros sitios: a menudo se trata de entrevistas y de voces de personas cercanas.
Limpiar una grabación con IA
Usar este workflowCuenta gratuita, sin tarjeta bancaria. El workflow se abre ya rellenado en tu canvas.