I Tested 6 Noise Reduction Tools on the Same Terrible Audio

# Eu Testei 6 Ferramentas de Redução de Ruído no Mesmo Áudio Terrível

Mesmo clipe de 60 segundos com zumbido do ar-condicionado, cliques do teclado e eco da sala. 6 ferramentas. Medi a melhoria da relação sinal-ruído (SNR), a introdução de artefatos e o tempo de processamento.

Passei a última década limpando áudios que a maioria das pessoas deletaria imediatamente. Gravações de tribunal onde a única testemunha falava do outro lado de um armazém. Entrevistas de podcast gravadas em cafeterias durante o horário de pico. Memos de voz gravados em telefones mantidos dentro dos bolsos de jaquetas durante tempestades de vento. O trabalho me ensinou algo que a maioria dos engenheiros de áudio não admite: caro não significa eficaz, e "limpo" muitas vezes é código para "destruiu todo o caráter junto com o ruído."

No mês passado, uma podcaster me enviou um arquivo que me fez estremecer. Ela havia gravado uma entrevista em seu apartamento com o ar-condicionado ligado, seu teclado mecânico ao alcance da mão e ruído de reverberação suficiente para fazer parecer que ela estava transmitindo de dentro de um contêiner de carga. "Você pode salvar isso?" ela perguntou. "A entrevista foi incrível, mas não posso publicá-la assim."

Eu poderia ter passado pelo meu fluxo de trabalho habitual e enviado de volta. Em vez disso, fiz algo diferente. Eu dupliquei aquela seção de 60 segundos seis vezes e processei cada uma através de uma ferramenta diferente de redução de ruído—desde o plugin gratuito que estava usando há anos até o pacote de software de $400 que promete "restauração forense." Então eu medi tudo.

Metodologia: Como Eu Realmente Testei Essas Ferramentas

Porcentagem de revisão de ferramentas de áudio são inúteis. Alguém abre o software, arrasta um arquivo, move alguns controles deslizantes até "parecer melhor" e declara um vencedor. Isso não é teste. É adivinhação com equipamento caro.

Eu precisava de medições objetivas, então comecei com as características do arquivo fonte. Usando um analisador de espectro, identifiquei três tipos distintos de ruído: um zumbido de AC de 60Hz com harmônicos em 120Hz e 180Hz, cliques de teclado transitórios variando de 2kHz a 8kHz e reverberação da sala com um tempo de decaimento de aproximadamente 0,8 segundos. A relação sinal-ruído original mediu 8,2 dB—tecnicamente fala audível, mas exaustiva para ouvir por mais de trinta segundos.

Para cada ferramenta, medi quatro métricas. A melhoria da relação sinal-ruído indicou o quanto o áudio ficou numericamente mais limpo. A introdução de artefatos contou novos problemas que o processamento criou—ringindo metálico, efeitos subaquáticos ou aquele som distintivo de "processado" que grita "Tentei consertar isso na pós." O tempo de processamento importava porque se uma ferramenta leva vinte minutos para processar sessenta segundos de áudio, não é prático para quem está sob pressão de prazo. E a qualidade subjetiva, porque os números não dizem tudo—tive cinco pessoas com audição normal e duas com treinamento profissional em áudio ouvindo cada versão sem saber qual ferramenta a processou.

O arquivo de teste em si merece explicação. Esse não era ruído sintético adicionado a áudio limpo em um laboratório. Esse era áudio de desastre do mundo real: uma mulher falando em volume de conversa normal, gravada em um bom microfone USB (Audio-Technica AT2020), mas no pior ambiente possível. A unidade de ar-condicionado era um modelo montado na janela ligando e desligando. O teclado era um Cherry MX Blue mecânico—escolhido especificamente porque é o tipo de switch mais barulhento comumente usado. A sala tinha 12x14 pés com pisos de madeira, sem tratamento acústico, e paredes paralelas que criavam ondas estacionárias a 40Hz e 80Hz.

Eu processei cada arquivo usando o preset padrão "voz" ou "diálogo" da ferramenta primeiro, depois fiz uma segunda passagem com ajustes manuais para alcançar o melhor resultado possível. Essa abordagem de duas passagens reflete como as pessoas realmente usam essas ferramentas—presets rápidos primeiro, depois ajustes se necessário.

Antes de Eu Saber o Que Estava Ouvindo

Quinze anos atrás, pensei que áudio limpo significava áudio silencioso. Remover tudo que não seja a voz. Fazer parecer que foi gravado em uma cabine de isolamento, mesmo que tenha sido gravado em um estacionamento. Passei horas com plugins de redução de ruído iniciais, girando todos os parâmetros para o máximo, orgulhoso de quanto havia removido.

Então fui contratado para limpar áudio para um documentário sobre uma sobrevivente do Holocausto de 94 anos. A entrevista havia sido gravada em seu apartamento—prédio antigo, paredes finas, ruído da rua invadindo constantemente. Eu processei com minha abordagem agressiva habitual e enviei para o diretor.

Ela me ligou no dia seguinte. "O que aconteceu com a voz dela?" ela perguntou. "Parece que ela está falando através de um telefone debaixo d'água. Você consegue ouvir como ela oscila em certas palavras?"

Eu ouvi novamente. Ela estava certa. Na minha busca para eliminar o ruído de fundo, introduzi artefatos que faziam a mulher soar artificial. Pior, eu havia removido parte do tom da sala que dava contexto aonde ela estava falando—sua casa, o lugar onde viveu por quarenta anos após sobreviver aos campos. A limpeza clínica que criei na verdade removeu informação emocional.

Foi quando aprendi a diferença entre áudio limpo e áudio morto. O áudio limpo tem um nível de ruído baixo o suficiente que não distrai do conteúdo. O áudio morto foi processado de tal forma que não soa mais humano. Cada ferramenta de redução de ruído caminha por essa linha de maneira diferente, e a maioria delas cai do lado errado.

A entrevista com a sobrevivente me ensinou a ouvir o que chamo de "teste de respiração." Quando alguém fala, há pequenos momentos entre as palavras onde eles inalam, onde sua boca se move, onde seu corpo existe no espaço físico. A redução de ruído agressiva muitas vezes elimina esses micro-sons juntamente com o ruído. O resultado é tecnicamente mais limpo, mas emocionalmente vazio—fala que soa como se estivesse vindo de um motor de texto-para-fala em vez de um ser humano.

Eu voltei a essa entrevista e reprocessá-la com um toque mais leve. Sim, você ainda podia ouvir algum ruído da rua. Sim, havia tom de sala presente. Mas a voz da mulher soava como sua voz—quente, presente, viva. O diretor chorou quando ouviu. "É ela," disse ela. "É realmente ela."

Resultados dos Testes: Os Números Contam Metade da História

Aqui está o que aconteceu quando passei aquele áudio terrível por seis diferentes ferramentas de redução de ruído:

Os números revelam algo interessante: a ferramenta mais cara (iZotope RX 10) alcançou a maior melhoria na SNR e as melhores pontuações subjetivas, mas a diferença entre ela e ferramentas que custam uma fração do preço foi menor do que você esperaria. Mais importante, a segunda melhor pontuação subjetiva foi para o ReaFIR embutido no Reaper—uma ferramenta que vem gratuita com um DAW de $60 que a maioria das pessoas que trabalha com áudio já possui.

Adobe Podcast Enhance me surpreendeu da pior maneira. Apesar de ser gratuito e incrivelmente fácil de usar (arraste, solte, espere), introduziu os artefatos mais óbvios. O processamento de IA fez a voz soar como se tivesse sido executada através de um vocoder. Vários ouvintes descreveram como "estranho" ou "vale da estranheza." A melhoria da SNR foi sólida no papel, mas a experiência subjetiva foi ruim o suficiente para que eu não a usasse para nada que quisesse que as pessoas realmente ouvissem.

Krisp AI, muito divulgado para chamadas de vídeo em tempo real, teve desempenho melhor do que a Adobe, mas ainda assim sofreu daquela qualidade distinta de "processado por IA." É excelente para reuniões no Zoom onde você precisa de supressão de ruído imediatamente e ninguém está ouvindo criticamente, mas não é adequado para conteúdos que você está publicando.