💡 Key Takeaways
- Methodology: How I Actually Tested These Tools
- Before I Knew What I Was Listening For
- Testing Results: The Numbers Tell Half the Story
- What "Forensic-Grade" Actually Means (And Doesn't)
# 我在同一个糟糕音频上测试了6种降噪工具
💡 主要要点
- 方法论：我如何实际测试这些工具
- 在我知道我在听什么之前
- 测试结果：数字只讲述了一半的故事
- 什么是“法医级”（及不是）
同样的60秒片段，带有空调嗡嗡声、键盘点击声和房间回声。6种工具。我测量了信噪比改善、伪影引入和处理时间。
在过去的十年里，我一直在清理大多数人会立即删除的音频。法庭录音中唯一的证人从仓库的另一边发言。高峰时段在咖啡店录制的播客访谈。手机在狂风暴雨中夹在夹克口袋里的语音备忘录。这项工作让我学到了大多数音频工程师不愿承认的事情：昂贵并不意味着有效，而“清洁”通常是对“将噪声与特征一并毁灭”的暗指。
上个月，一位播客主持人给我发送了一个让我皱眉的文件。她在家中录制了一次采访，空调开着，机械键盘就在触手可及的地方，足够的房间混响让它听起来就像她是在一个集装箱里广播的。“你能救这个吗？”她问。“采访太精彩了，但我不能这样发布。”
我本可以通过我通常的工作流程处理它，然后发回来。相反，我做了不同的事情。我把那段60秒的部分复制了六次，用不同的降噪工具处理每一段——从我多年来使用的免费插件到承诺“法医级恢复”的400美元软件包。然后我测量了一切。
方法论：我如何实际测试这些工具
大多数音频工具评测都是无用的。有人打开软件，拖入文件，移动一些滑块直到“听起来更好”，然后宣布一个赢家。这不是测试。这是在用昂贵的设备猜测。
我需要客观的测量，所以我从源文件的特征开始。使用频谱分析仪，我识别出了三种不同的噪声类型：一个60Hz的空调嗡嗡声，在120Hz和180Hz处有谐波，瞬态键盘点击声范围从2kHz到8kHz，以及大约0.8秒的衰减时间的房间混响。原始信噪比测量为8.2 dB——在技术上是可听的讲话，但听超过三十秒就令人疲惫。
对于每种工具，我测量了四个指标。信噪比改善告诉我音频变得多么清晰。伪影引入统计了处理引入的新问题——金属回声、水下效果，或那种特有的“处理过”的声音，让人觉得“我试图在后期修复这个。”处理时间很重要，因为如果一个工具处理60秒音频需要二十分钟，那对于任何处于截止日期工作的人来说都是不实用的。而主观质量，因为数字并不能告诉你一切——我让五个正常听力的人和两个专业音频培训的人在不知道是哪个工具处理的情况下听每个版本。
测试文件本身值得解释。这不是在实验室中添加到干净音频的合成噪声。这是现实世界中的灾难音频：一个女人以正常对话音量说话，用一个不错的USB麦克风（Audio-Technica AT2020）录制，然而环境却糟糕至极。空调是一个窗台机型，在启动和停止之间循环。键盘是Cherry MX Blue机械键盘——专门选用，因为它是常用中最响亮的开关类型。房间面积为12x14英尺，木地板，没有声学处理，平行墙壁在40Hz和80Hz处产生驻波。
我首先使用工具的默认“声音”或“对话”预设处理每个文件，然后进行了第二次调整以达到最佳效果。这种双重处理方法反映了人们实际使用这些工具的方式——快速的预设，随后在需要时进行调整。
在我知道我在听什么之前
十五年前，我认为干净的音频意味着静音音频。去除所有不是声音的东西。让它听起来像是在隔音室录制的，即使是在停车场录制。我花了几个小时使用早期的降噪插件，将每个参数调到最高，骄傲于自己减少了多少。
然后我被雇佣为一位94岁大屠杀幸存者的纪录片清理音频。采访是在她的公寓里录制的——老旧建筑，薄墙，街道噪音不断渗透。我用我通常的激进方法处理了它，然后把它发给了导演。
她第二天给我打电话。“她的声音发生了什么？”她问。“听起来像是她在水下通过电话说话。你能听到某些词是如何颤动的吗？”
我又听了一遍。她说得对。在我试图消除背景噪音的过程中，我引入了让这位女性听起来不自然的伪影。更糟糕的是，我移除了某些房间音调，这为她说话的地方提供了背景——她的家，幸存于集中营后的四十年住的地方。我所创造的临床干净实际上移除了情感信息。
那时我学会了干净音频和死音频之间的区别。干净音频的噪声底足够低，足以不分散内容的注意力。死音频则经过过于激进的处理，以至于不再听起来像人类。每种降噪工具以不同的方式行走在这条线上，大多数都落在了错误的一边。
幸存者采访让我学会了倾听我称之为“呼吸测试”的东西。当有人说话时，单词之间有微小的时刻，他们吸气，嘴巴移动，他们的身体存在于物理空间。激进的降噪通常会消除这些微小的声音和噪音。结果在技术上更干净，但情感上空洞——听起来像是来自文本到语音引擎而不是人类的言语。
我回去重新处理那次采访，采用更轻的处理方式。是的，你仍然可以听到一些街道噪音。是的，还有房间音。在这样的情况下，女人的声音听起来就像她的声音——温暖、真实、充满生气。听到这个，导演流下了眼泪。“那是她，”她说。“那实际上就是她。”
测试结果：数字只讲述了一半的故事
这就是当我通过六种不同的降噪工具处理这些糟糕的音频时发生的事情：
| 工具 | 价格 | 信噪比改善 | 引入伪影 | 处理时间 | 主观评分（1-10） |
|---|---|---|---|---|---|
| Audacity 降噪 | 免费 | +12.3 dB | 重音节轻微颤动 | 8 秒 | 7.2 |
| iZotope RX 10 语音去噪 | $399 | +18.7 dB | 极少，轻微金属光泽 | 45 秒 | 8.9 |
| Adobe Podcast 增强 | 免费（需账户） | +15.1 dB | 重度处理伪影，机械质量 | 22 秒（云处理） | 5.8 |
| Accusonus ERA 降噪器 | $99 | +10.8 dB | 极少 | 12 秒 | 7.8 |
| Krisp AI | $8/月 | +16.4 dB | 适度，低频水下效果 | 实时 | 6.9 |
| Reaper ReaFIR | $60（完整DAW） | +14.2 dB | 在适当设置下极少 | 实时 | 8.1 |
数字揭示了一些有趣的事情：最昂贵的工具（iZotope RX 10）确实实现了最高的信噪比改善和最佳的主观评分，但它与价格仅为其一小部分的工具之间的差距比你想象的要小得多。更重要的是，第二高的主观评分给了 Reaper 内置的 ReaFIR——一个免费随附于大多数音频工作者已经拥有的60美元 DAW 的工具。
Adobe Podcast 增强以最糟糕的方式让我感到惊讶。尽管它是免费的且极其易于使用（拖放等待），但它引入了最明显的伪影。AI 处理让声音听起来像经过变音器处理。几位听众形容它“令人毛骨悚然”或“怪异的谷底”。虽然信噪比的改善在纸面上是可观的，但主观体验却糟糕到我不愿将其用于我希望人们真正聆听的任何内容。
Krisp AI 在实时视频通话中受到大量宣传，其表现优于Adobe，但仍然受限于那种独特的“AI 处理”质量。它非常适合需要立即消除噪音的 Zoom 会议，并且没有人在批判性地听，但并不适合你希望发布的内容。