AI 旁白：去除杂音获得干净人声（基础篇）
电子合成的人声旁白（AI旁白、AI语音、TTS）主要有以下特点：清晰稳定，但缺乏人声的自然、温暖律动。
- 动态不自然：音量起伏小，整体响度过于平直，缺乏真实说话中的强弱对比；句间或词间偶有突兀的音量跳变，破坏听感连贯性。
- 频段不平衡：低频偶尔突兀（如某些元音过重），高频（尤其辅音如/s/、/t/、/c/）异常尖锐刺耳；整体频谱缺乏自然谐波结构，泛音不足，导致声音缺乏丰满度和空间感。
- 缺乏人声温度与自然律动：缺乏自然谐波与泛音，导致声音“干”、“扁”、“机械”，缺少真人发声中的温暖感、个性和情感共鸣。
- 动态单一或瞬态生硬：无法模拟人类说话中的自然重音、语调起伏和呼吸停顿。句子之间衔接生硬，重点词不突出，整体节奏像“读稿机”。
- 节奏机械、语流生硬：语速过于均匀，停顿刻板（常按标点机械断句）；缺少连读、语气滑音、情感重音等自然语流特征，显得冰冷疏离。
- 中高频可懂度不足（在复杂声场中）：关键语音频段（2–5 kHz）能量不足，在背景音乐或环境噪声中容易被掩蔽，影响信息传达。
- 整体响度偏低或不一致：不同段落或句子间感知响度波动大，需额外处理以满足广播或平台标准（如 LUFS 规范）；直接提升音量易导致失真或加剧高频刺耳问题。
- 瞬态过冲：有些字的起始部分都有非常垂直的上升沿。这意味着声音是从静音直接跳到最大音量的，缺乏自然发声时的毫秒级起振过程。
- 截断感强：有些字与字之间的间隔 10 ms，波形几乎归零，且结束得非常突然。这种“门限式”的开关特性，使得字与字之间缺乏自然的混响拖尾或气息连接，听起来非常生硬。
- 过度压缩：有些字的能量块大小非常一致，缺乏自然语流中的轻重缓急。这种“砖墙式”的能量分布消除了语言的韵律感。
- 谐波结构：有些字在低频段（小于1kHz），可以看到非常整齐、平行的水平条纹（谐波列）。这表明合成器产生的基频非常稳定，没有自然声带振动时的微小抖动。这种过度的稳定性是造成“机械感”的主要原因。
- 有些汉字，其韵母部分，在 9.5k Hz 以上，偶尔会出现很短的咔哒声。
- 汉字“戌、需、凶、兄"，其声母部分，在 4k Hz ~ 10 kHz 之间，容易出现爆裂音。
- 汉字“忌、吉、基、计”，其韵母部分，在 2k Hz ~ 4k Hz 之间，容易出现爆裂音。在 4.5k Hz ~ 7.5k Hz 之间，能量过强。
- 建议调整方向：
- EQ调整：适当衰减 200Hz-300Hz（约-2dB to -3dB）以减少浑浊；提升 2.5kHz - 4kHz（约+2dB）以增加咬字清晰度；使用高频激励器或均衡器提升 8kHz - 12kHz（Shelf boost）以增加空气感和丝滑度。
- 谐波饱和：添加轻微的磁带饱和或电子管饱和效果，可以平滑掉合成声过于完美的谐波结构，增加自然的偶次谐波，使声音更温暖、柔顺。
对于人声处理流程，一般采用，先修复最大问题，然后调整次要问题。所以一般常用流程是：降噪、EQ、去齿音、压缩。对于刺耳声严重的，应该先去除刺耳杂音，再采用压缩。
转化为单声道
使用 Adobe Audition，把立体声的人声旁白，转化为单声道：
- 提取中置声道：
效果（Effects）-立体声声像（Stereo Imagery）-中置声道提取器（Center Channel Extractor）。- 侧边声道电平（Side Channel Level）：降低此值（甚至拉到最低）以彻底移除两侧声音。
- 中置声道电平（Center Channel Level）：电平不动，或者提高此值以增强人声。
- 转化为单声道：
编辑-变换采样类型- 把声道改选为单声道- 把位深度改成32。这样就会把音频文件转化为 32 位浮点的单声道。 - 修复 DC 偏移：
收藏-修复 DC 偏移。
标记导出
- 在 Audition 中导出标记：在标记面板中全选标记（Ctrl+A），右键选择"将所选标记导出至 CSV"，比如命名为原标记备份.csv。
- 在 Audition 中导入标记：在标记面板的空白处右键，选择"从文件导入标记"，选择已保存的原标记备份.csv，标记就会出现在对应的时间位置上。
去除杂音
在 Studio One 中，使用其拆分频率，以 4k Hz 为分界点进行拆分，对其高频部分，使用De-click来去除高频杂音。
De-click
iZotope RX De-click：去除咔哒音。
De-crackle
iZotope RX De-crackle：去除爆裂音。
Smart:Deess
Sonible Smart:Deess：去除 Plosive，低频强瞬态。
Re-Esser
Wavesfactory Re-Esser：去除齿音中低频杂音。
- Sibilance：700 Hz，低频搁架衰减 5 dB。1.2k Hz，衰减 5 dB，Q 值 2。
- Total：11k Hz，衰减 12 dB，Q 值 1.5。
提升振幅
Softube Weiss MM-1 Mastering Maximizer：单声道的人声，在导出为单声道的时候，振幅会比源文件小 3 dB。这是有其转换模式决定：单→双→单。
平滑瞬态
Oeksound Spiff：衰减低频强瞬态。
低切轰鸣
FabFilter Pro-Q 4：去除低频。去除低频轰鸣，即 120 Hz、240 Hz、360 Hz、480 Hz 形成低频共振。
- 低切 90 Hz，Q 1。
- 120 Hz，动态衰减 4 dB，Q 3。
- 180 Hz，动态衰减 3 dB，Q 4。
- 240 Hz，动态衰减 3 dB，Q 4。
- 360 Hz，静态衰减 3 dB，Q 5。
- 480 Hz，动态衰减 3 dB，Q 6。
- 900 Hz，动态衰减 3 dB，Q 2。
对白恢复
Accentize dxRevive Pro：专注于恢复对话清晰度、音调平衡和频谱完整性。
低频轰鸣
Eventide SplitEQ：衰减低频瞬态峰值，让音头变的圆润。
Future MB
Three-Body Tech Future MB：多频段处理器。
- 相位模式：流动相位。
- 频率波段：80 Hz ~ 700 Hz。
- 压缩目的：去除低频轰鸣，即 120 Hz、240 Hz、360 Hz、480 Hz 形成低频共振。
- 低频侧链：范围 100 Hz ~ 400 Hz；频点 120 Hz，Gai 21 dB，Q 2；240 Hz，Gai 21 dB，Q 2.5；170 Hz，Gai -9 dB，Q 3。
- 压缩阈值：-6 dB；范围：9 dB；启动：20 ms；释放：150 ms；压缩比：3:1；拐点：12 dB。
- 频谱压缩：40%。
- 输出增益：+2.5 dB。前瞻时间：3ms。
平滑自然
Three-Body Tech Future MB：多频段处理器。
- 相位模式：流动相位。
- 频率波段：90 Hz ~ 250 Hz。
- 压缩阈值：-22 dB；范围：4 dB；启动：25 ms；释放：250 ms；压缩比：2:1；拐点：8 dB。
- 频谱压缩：30%。
- 输出增益：1 dB。前瞻时间：2ms。
- 频率波段：250 Hz ~ 600 Hz。
- 压缩阈值：-24；范围：4 dB；启动：20 ms；释放：200 ms；压缩比：3:1；拐点：6 dB。
- 频谱压缩：30%。
- 输出增益：0 dB。前瞻时间：2ms。
- 频率波段：600 Hz ~ 1.5k Hz。
- 压缩阈值：-21；范围：4 dB；启动：15 ms；释放：150 ms；压缩比：3:1；拐点：5 dB。
- 频谱压缩：25%。
- 输出增益：1 dB。前瞻时间：2ms。
- 频率波段：1.5k Hz ~ 4.5k Hz。
- 压缩阈值：-21；范围：4 dB；启动：15 ms；释放：100 ms；压缩比：2:1；拐点：4 dB。
- 频谱压缩：25%。
- 输出增益：1 dB。前瞻时间：3ms。
- 频率波段：5k Hz ~ 10k Hz。
- 压缩阈值：-30；范围：4 dB；启动：10 ms；释放：30 ms；压缩比：4:1；拐点：2 dB。
- 频谱压缩：40%。
- 输出增益：0.5 dB。前瞻时间：3ms。
- 频率波段：10k Hz ~ 20k Hz。
- 压缩阈值：-36；范围：4 dB；启动：10 ms；释放：100 ms；压缩比：4:1；拐点：6 dB。
- 频谱压缩：70%。
- 输出增益：4 dB。前瞻时间：2ms。
SplitEQ
Eventide SplitEQ：增强光泽。
Trinity Shaper
Three-Body Tech Trinity Shaper：提升高频音头，增强咬字清晰；衰减低频音尾，让句子结束得更干净。
去除刺耳
FabFilter Pro-DS：去除毛刺。
Sibilance
Waves Sibilance：去除高频刺耳。
