Плохая оценка у шумоподавления почти всегда появляется не потому, что пользователь не понимает звук. Чаще причина проще: инструмент применил один и тот же агрессивный алгоритм к разным материалам.

Речь в подкасте можно чистить смелее: важна разборчивость, стабильный низ и меньше гула. Вокал в песне нельзя зажимать так же жестко: дыхание, сибилянты и верхние гармоники быстро становятся пластиковыми. Полная музыка еще чувствительнее: если использовать речевой gate или компрессию, можно съесть атаки барабанов, хвосты реверберации и воздух микса.

Поэтому в ПеснеГен шумоподавление разделено на пять режимов: speech, vocal, music, archive и live. Пользователь выбирает тип материала, а инструмент подставляет другой пайплайн и стартовую силу обработки.

Ниже не демо-картинки и не синтетическое обещание. Это открытые аудиофайлы, которые были обработаны серверным пайплайном removeNoise - тем же, который вызывает MCP tool, - с режимами, доступными на странице инструмента.

Для каждого режима взят отдельный релевантный noisy-источник: speech - реальные noisy_testset_wav utterances из VoiceBank+DEMAND на Hugging Face, vocal - вокальная запись Sophie Tucker 1911 года, music - инструментальная запись Vess L. Ossman 1907 года, archive - Arthur Sullivan wax cylinder, live - Agnes Palmisano Trio. Arthur Sullivan используется только для archive.

Начинайте не с силы шумоподавления, а с типа материала. Это снижает риск артефактов сильнее, чем ручное дергание одного общего слайдера.

Speech нужен там, где пользователь должен без усилий разобрать слова: подкаст, запись созвона, интервью на телефон, обучающее видео, voiceover. Здесь допустима более активная чистка, потому что главный критерий - понятность речи.

Пайплайн использует speech-focused обработку: снижает постоянный фон, подрезает низкий гул и аккуратно стабилизирует речь после нейросетевого прохода. На типичной записи это помогает убрать вентилятор, комнатный шум, шипение микрофона и часть фоновой улицы.

Граница: если рядом говорит второй человек поверх основного голоса, это уже не шумоподавление, а разделение источников. Если сигнал почти утонул в шуме, инструмент может сделать речь более читаемой, но не восстановит то, чего нет в записи.

Вокал часто получает плохую оценку после обычного denoise по одной причине: алгоритм принимает дыхание, тихие согласные и верхние обертоны за шум. В результате голос становится плоским, шепот пропадает, а на длинных нотах слышно дергание.

Vocal-safe режим стартует мягче. Он рассчитан на акапеллу, запись перед автотюном, демо-вокал с шумом комнаты и вокальный stem после разделения. Цель - убрать фон, но сохранить материал для дальнейшей обработки: автотюна, сведения, компрессии и мастеринга.

Если вокал уже сильно пережат, клиппует или записан слишком далеко от микрофона, сначала стоит оценить исходник. Шумоподавление не исправит клиппинг и не заменит нормальную запись.

Для полной песни нельзя использовать тот же пайплайн, что для речи. В музыке полезный сигнал находится везде: барабаны дают короткие атаки, гитара и синтезаторы держат верх, реверберация и delay живут в хвостах. Агрессивный gate может сделать микс беднее, даже если шум стал тише.

Music mode делает более консервативную чистку. Он подходит для инструментала, минуса, демо-записи группы, акустической гитары или трека с легким hiss. Здесь задача не «стереть весь фон», а убрать лишнее так, чтобы песня осталась песней.

Если нужно удалить голос, толпу, зал или конкретный инструмент, это уже не общий denoise. Для таких задач лучше использовать разделение на стемы или отдельные UVR-инструменты.

Старые записи нельзя оценивать как современный студийный вокал. У них часто узкий частотный диапазон, механический шум носителя, нестабильная громкость и исторический характер. Если стереть все слишком агрессивно, запись может стать нечищеной, а просто искусственной.

Archive mode снижает гул и шипение осторожнее, чем speech. Его цель - улучшить читаемость и убрать самые мешающие слои, но не уничтожать возраст записи. Это подходит для диктофонных архивов, кассет, пленки, старых семейных записей и оцифровок.

Перед обработкой таких файлов лучше не нормализовать их до клиппинга. Если есть выбор, загружайте WAV/FLAC после оцифровки, а не сильно сжатый MP3.

Live-аудио сложнее обычного шума. Зал, отражения, аплодисменты и дыхание публики часто являются частью записи, а не дефектом. Если убрать их полностью, концерт теряет пространство и начинает звучать как плохо обработанный студийный stem.

Live mode использует минимальную силу по умолчанию. Он нужен, когда надо слегка прибрать фон, низкий гул или лишний hiss, но сохранить ощущение сцены. Для концертных записей это обычно лучше, чем агрессивная попытка сделать «сухую студию».

Если задача именно убрать толпу, зал или сделать live ближе к студии, выбирайте специализированные инструменты: убрать толпу, убрать эхо / зал или Live -> studio.

Качественный denoise полезен, но у него есть технические границы. Важно знать их заранее, чтобы не ждать от одной кнопки восстановления испорченной записи.

Клиппинг не восстанавливается. Если микрофон был перегружен и пики обрезаны, часть формы волны потеряна. Шумоподавление может убрать фон, но не вернет исчезнувшую информацию.

Голос поверх голоса не становится одним голосом. Разговоры на фоне, которые пересекаются с основным диктором, требуют source separation, а не обычного denoise.

Очень низкий SNR остается проблемой. Если полезный сигнал тише шума настолько, что его почти невозможно разобрать на слух, нейросеть тоже будет ошибаться.

Авторские права не меняются после обработки. Если исходный файл защищен правами, очищенный результат остается производным файлом. Для публичного использования проверяйте лицензию источника.

Лучший результат обычно получается не от максимальной силы, а от нормального исходника и правильного режима.

1. Загружайте WAV или FLAC, если они есть. MP3 тоже подходит, но повторное сжатие может подчеркнуть артефакты.

2. Не усиливайте файл до 0 dB перед чисткой. Лучше оставить запас по уровню, чем получить клиппинг.

3. Обрежьте очень длинную тишину в начале и конце, если она не нужна.

4. Для речи выбирайте speech, для вокала - vocal, для полной песни - music. Не пытайтесь исправить музыку speech-режимом.

5. После обработки сравните до/после на обычной громкости. Если результат стал тише, но потерял естественность, уменьшите силу.

Для блока примеров использованы открытые источники. Мы не выдаем их за пользовательские загрузки и не скрываем происхождение файлов.