Wawancara lewat ponsel
Kasus klasik: dua orang di kafe, ponsel diletakkan di antara mereka. Filter membuang cangkir dan mesin kopi, kedua suara tetap, dengan jarak yang menyertainya. Satu putaran biasanya cukup.
Memo suara yang didiktekan di teras yang bising, dilewatkan kedua peredam derau katalog berdampingan, DeepFilterNet 3 dan ElevenLabs Audio Isolation. Alur kerja lengkap, tanpa membuat akun.
Workflow sungguhan, hasil nyata. Geser dan zoom sesuka Anda.
Gunakan workflow iniAlur kerja sungguhan: memo berderau yang sama masuk ke dua node Tingkatkan suara, dan Anda mendengar apa yang dibuang masing-masing.
Sekilas info
Wawancara yang direkam ponsel di kafe, memo suara yang didiktekan di jalan, suara podcast dengan kulkas di belakang: derau latar adalah yang memisahkan rekaman yang bisa dipakai dari yang harus diulang. Alur kerja ini membuangnya dengan dua model katalog yang bisa melakukannya, dan menempatkan keduanya berdampingan karena cara kerjanya tidak sama.
DeepFilterNet 3 adalah filter: ia membuang yang bukan suara dan menyisakan udara ruangan, hasilnya tetap alami. ElevenLabs Audio Isolation membangun ulang suara: lebih kering, lebih seperti radio, kadang sedikit sintetis pada konsonan. Pada memo demo, yang sengaja dibuat dengan mencampur suara bersih, suasana jalan, dan dengung, kami tahu persis apa yang harus dibuang.
Berkas Anda masuk lewat tombol impor node, sampai sepuluh menit per putaran, dan harga dihitung per detik: kedua pembersihan pada empat belas detik berbiaya tujuh sen, dan DeepFilterNet saja sembilan kredit per menit.
Impor rekaman
MP3, WAV, M4A, atau OGG, sampai sepuluh menit. Node membaca durasi dan menampilkan harga sebelum klik apa pun. Audio yang dibuat di tempat lain di kanvas juga bisa disambungkan ke port.
Jalankan filternya
DeepFilterNet 3 dulu: paling murah dan paling setia. Jika suara keluar jernih dan ruangannya masih ada, selesai.
Coba pembangunan ulang
Jika deraunya keras, atau suaranya harus duduk di atas musik, jalankan isolasi di sebelahnya. Keluarnya lebih kering, yang lebih menyatu dalam penyuntingan.
Dengarkan konsonannya
Di situlah keduanya berpisah: bunyi s dan t adalah yang pertama dirusak peredam derau. Berkas pemenang masuk ke penyuntingan atau diunduh dari node.
Canvas yang sama, disetel untuk kebutuhan berbeda: setiap variasi hanya butuh dua atau tiga baris prompt yang diubah.
Kasus klasik: dua orang di kafe, ponsel diletakkan di antara mereka. Filter membuang cangkir dan mesin kopi, kedua suara tetap, dengan jarak yang menyertainya. Satu putaran biasanya cukup.
Kulkas, jalan lewat jendela, kipas komputer: derau konstan dan lembut yang dibuang filter tanpa jejak. Pada suara yang dekat mikrofon, DeepFilterNet-lah yang diperlukan, pembangunan ulang akan berlebihan.
Memo dalam demo. Derau keras dan berubah-ubah, mobil dan pejalan kaki. Filter menyisakan lapisan, pembangunan ulang menghapusnya: di sini dialah yang menang, karena Anda ingin mengerti, bukan menyimpan suasananya.
Sulih suara yang difilmkan tanpa studio, untuk diletakkan di atas gambar dan musik. Hasil isolasi, lebih kering, lebih menyatu di Penyuntingan daripada suara yang masih menyeret ruangan di belakangnya.
Kaset yang didigitalkan, dengan desisnya dan dengungnya. Filter membuang desis dan menyimpan suara apa adanya, itulah yang diinginkan dari kenangan: jernih, bukan ditulis ulang.
Suara jauh, gema, batuk. Keduanya membersihkan derau; tidak satu pun memendekkan gema ruangan, yang bukan derau melainkan ruang. Harapkan suara yang jernih tetapi tetap jauh.
Harga dihitung per detik. Membersihkan satu jam rekaman untuk menyimpan sepuluh menit berbiaya enam kali lipat. Potong dulu, bersihkan kemudian, pada bagian yang Anda simpan.
Filter lalu pembangunan ulang, atau sebaliknya, tidak memberi pembersihan dua kali lebih baik: model kedua bekerja pada suara yang sudah diubah dan memperkuat artefaknya. Satu putaran, dipilih dengan telinga.
Peredam derau membuang yang bukan suara; ia tidak mendekatkan mikrofon yang berjarak tiga meter. Gema dan jarak tetap ada. Yang akan Anda dengar adalah suara yang sama, tanpa derau di sekitarnya.
Rekaman konser yang dilewatkan peredam derau keluar dengan vokal dan tanpa band: instrumen diperlakukan sebagai derau. Untuk lagu, pemisahan jalurlah yang diperlukan, bukan pembersihan.
Filter dulu, hampir selalu: ia membuang derau tanpa menulis ulang suara. Pembangunan ulang saat derau lebih keras dari suara, atau saat hasilnya harus melebur ke dalam musik, karena warna suara yang lebih kering lebih menyatu.
Tidak, dan memang disengaja. Kedua model menyimpan suara dan membuang sisanya: pada lagu, musik diperlakukan sebagai derau. Untuk memisahkan lagu menjadi jalur, alur kerja memisahkan vokal dari lagu mengerjakannya dengan Demucs.
Kedua suara disimpan, kedua model tidak membedakan pembicara. Yang pergi adalah derau di antara mereka, bukan salah satunya. Untuk menyimpan satu suara saja, deskripsikan yang Anda cari ke SAM Audio, node lain di katalog.
DeepFilterNet 3 sembilan kredit per menit, isolasi ElevenLabs empat belas. Memo demo, empat belas detik di kedua node, berbiaya enam kredit. Harga tampil di node sebelum diklik, pada durasi terukur berkas Anda.
Sepuluh menit per putaran. Rekaman yang lebih panjang dipotong-potong di penyuntingan, atau dibersihkan hanya pada bagian yang Anda simpan, yang memang lebih murah.
Filter, tidak: ia membuang, tidak menambah apa pun. Pembangunan ulang, sedikit: ia menulis ulang suara dari yang dikenalinya, dan pada konsonan desis bisa terdengar. Karena itulah demo memperlihatkan keduanya.
Bisa, dalam dua langkah: Penyuntingan mengekspor jalur suara, node membersihkannya, dan suara bersih kembali duduk di atas gambar menggantikan yang lama.
Tidak. Yang Anda unggah tetap di ruang Anda dan tidak diserahkan ke pelatihan mana pun, dan pertanyaan ini lebih berbobot di sini daripada di tempat lain: sering kali soal wawancara dan suara orang dekat.
Membersihkan rekaman dengan AI
Gunakan workflow iniAkun gratis, tanpa kartu kredit. Workflow terbuka sudah terisi di canvas Anda.