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。
- 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。
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。
- 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。
- 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。
- 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
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。
用大白话讲人声分离
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较难:两个人同时说话;会留下声音大的那个。
- 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。
简单说,人声分离就是留下一个人声,把其他声音都去掉。手机和通话软件会在你说话时实时处理;这个工具则是录完之后处理,有时间听完整个文件,所以连音乐和旁人说话也能去掉。
在通话里,它是手机和会议软件里的实时麦克风模式:你说话时把你的声音从房间声里过滤出来,对方就听不太到你的键盘声和街道声。它不会改变你已有的录音;处理录音请用这里的人声提取。
AI 模型用大量说话录音训练过,学会了人声和噪音、音乐、其他说话人有什么不同。拿到你的文件后,它会预测主要的人声,并把它单独重建出来。它不按频率去切,所以和人声在同一频段的嘈杂声也能去掉。
能,这就是它的主要工作:车流、风声、风扇、嗡声和咖啡馆嘈杂声都会去掉,垫底音乐和房间回声也一样。想找回一点现场感?处理后用背景滑块,最多能找回一半。
没有。浏览器里免费的快速降噪只能压低嗡声、嘶嘶声、风扇这类稳定的噪音,没法把人声从音乐或旁人说话里分离出来。这个功能基于录音棚人声,不足一分钟按一分钟计费,开始前会显示总价。可以先试第一分钟;处理失败会退回积分。
都可以。打开 MP3、WAV、M4A 或 FLAC,或者 MP4、MOV 或 MKV:只上传声音。MP4 和 MOV 下载回来是只留人声、画面不变的视频;MKV、WebM,以及部分手机和录屏软件生成的分段 MP4,返回音频。
如果是说话声下面垫的音乐,可以:旁白、带配乐的 vlog、带片头音乐的播客。歌曲不行。它是为说话声做的,音乐里的歌声处理出来可能是破碎的。要去掉整个视频下面的音乐,请看去除背景音乐。
它会留下主要的说话人,通常是声音最大、离得最近的那个,去掉其他人。它不会把每个人分到单独的音轨。如果是两个人的声音都重要的采访,请在这个页面改选 AI 降噪:它只压低噪音,保留每个人的声音。
按录音棚人声的价格计费,不足一分钟按一分钟算,开始前按钮上会显示这个文件的总价。处理整个文件时,已经试过的那一分钟不再收费;同一个文件用同样的设置也不会重复扣费。套餐见价格页面。
音频支持 MP3、WAV、M4A、AAC、FLAC、OGG、Opus 或 WebM,视频支持 MP4、MOV、M4V 或 MKV,最长 30 分钟、最大 400 MB。输出 MP3(192 kbps)或 WAV(16 位),48 kHz 单声道,响度可选播客、视频、有声书或广播。MP4 和 MOV 处理后可以按视频返回。
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。