跳到正文

录音棚人声 AI,只留一个说话人

AI 人声提取,嘈杂的音频和视频也能用

AudioCleaner 用 AI 人声提取,把主要的人声从背景噪音、垫底音乐和旁人说话里分离出来,音频或视频最长 30 分钟、最大 400 MB。它基于录音棚人声模式:登录,看价格,先试第一分钟。视频画面始终留在你的设备上。

使用方法
  • 最长 30 分钟,400 MB
  • 先试第一分钟
  • 背景保留 0 到 50%
  • 视频返回,画面保留

在咖啡馆录的播客开场

咖啡馆人声 · 播客 · 录音棚人声

故意加入噪音后在合作工作室清理,结果原样展示。页面把音轨对齐,播放时可以随时切换。

0:00 / 0:00

录音棚人声: 把人声重建一遍,去掉房间感,回声和旁人的说话声也一起去掉。

保留的背景0%

0% 是只有人声。往上拉会带回一点现场的声音,听起来更自然。处理后可以随时改。

这里的试听也按这个响度对齐,对比更公平。

文件和结果只有你能看到,任务保留 7 天。

最长 30 分钟 · 400 MB

只适合说话,不能从歌曲里分人声 · 单声道输出

留下主要说话人,其余去掉
1 个人声
每个文件,最大 400 MB
30 分钟
先试,不重复扣费
1 分钟
保留的背景,处理后再调
0 到 50%
MP3 或 WAV,单声道,响度预设
48 kHz
结果保留,失败退回积分
7 天

AI 人声提取是怎么做的

专为说话声设计:去掉噪音、音乐和旁人说话,留下说话人,每一步都能用耳朵检查。

哪些场景需要人声提取

六种录音,都需要一个人声压过周围的一切。

咖啡馆里的采访

留下嘉宾,去掉咖啡机、杯碟声和隔壁桌。

街头 vlog

车流、风声和路人声都去掉,主持人始终在前面。

影视和视频对白

提取外景拍摄的人声,再给画面换一层新的背景声。

嘈杂教室里的讲座

嘈杂声和走动声去掉,讲师的声音成为主角。

带片头音乐的播客

把主持人的声音从下面垫着的音乐里拉到前面。

在家录的通话

隔壁房间的电视、孩子或狗叫:只留下正在说话的人。

人声提取只要三步

音频文件和视频都是这三步。先登录;每次处理前都会显示价格。

  1. 01

    打开录音

    拖入最长 30 分钟、最大 400 MB 的音频或视频:MP3、WAV、M4A、FLAC、OGG、MP4、MOV、MKV 等。文件在浏览器里读取,开始处理前什么都不会上传。

  2. 02

    先试第一分钟

    用录音棚人声处理一分钟,播放时在原声和提取的人声之间切换。留错了人,或者去掉太多?付更多钱之前你就知道了。

  3. 03

    调好背景,再下载

    处理整个文件,选好保留多少背景和响度,再下载 MP3 或 WAV,或者保留画面的 MP4、MOV。

人声提取示例:在咖啡馆录的播客开场

上面工具里的咖啡馆示例,在合作工作室处理,由我们测量,前后对比。

咖啡馆示例,由我们测量

原声灰色:嘈杂声
录音棚人声只剩主持人
14 s22 s
停顿里的嘈杂声比人声低7 dB → 52 dB
停顿电平中位数,相对满刻度-23 dB → -68 dB
人声电平不变-16 dB = -16 dB

处理前,咖啡馆的嘈杂声填满每一个停顿,只比人声低约 7 dB,主持人得和整个房间抢话。处理后,停顿处比人声低 50 dB 以上,人声电平不变。播放示例,切换视图,听听效果。

人声分离是什么意思?

就是留下一个人声,把录音里的其他声音都去掉:噪音、音乐、房间声和其他说话人。在影视和视频制作里叫对白提取,其他场合也叫人声提取。得到的是一条干净、安静的说话人音轨,可以剪辑、混音或直接发布。

人声提取还是降噪?

降噪是压低录下的人声周围的噪音,人声保持原样。人声提取只重建主要的说话人,所以音乐和旁人说话也会去掉。想保留每个人的声音、只去掉嗡声或车流声?用去除背景噪音;只有风声的话,用带专门预设的去除风噪。

哪些好提取,哪些不好

你要的说话人是文件里最清楚的声音时,效果最好。

  1. 1适合:一个说话人,背景是嘈杂人声、车流、风声、风扇或垫底音乐。
  2. 2较难:两个人同时说话;会留下声音大的那个。
  3. 3不适合:歌曲。从音乐里提取歌声是另一回事。

私密的人声提取:只上传声音

文件在浏览器里打开,开始处理前什么都不发送。处理时只上传声音,从不上传视频画面。结果保留 7 天供你下载,你也可以随时从最近的录音里删除某次处理。

人声提取常见问题

人声分离是什么、怎么收费、能分离什么、不能分离什么。

用你的录音试试人声提取

打开一段采访、vlog 或讲座,先试第一分钟,只留下说话人。音频或视频最长 30 分钟,开始前显示价格。