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。

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。

iZotope RX De-crackle：去除爆裂音。

Sonible Smart:Deess：低频强瞬态。

FabFilter Pro-Q 4：切除低频嗡嗡声。

Eventide SplitEQ：衰减低频瞬态峰值，让音头变的圆润。

Three-Body Tech Future MB：多频段压缩器。

频率波段：650 Hz 以下。
- 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 24 dB，Q 2；240 Hz，Gai 24 dB，Q 2；180 Hz，Gai -24 dB，Q 2。
- 压缩阈值：-6 dB；范围：9 dB；启动：20 ms；释放：240 ms；压缩比：4:1；拐点：9 dB。输出增益：+1.2 dB。
- 频谱压缩：50%。
频率波段：650 Hz ~ 1.5k Hz。
- 压缩阈值：-24；范围：6 dB；启动：30 ms；释放：200 ms；压缩比：2:1；拐点：6 dB。输出增益：0 dB。
- 频谱压缩：40%。
频率波段：1.5k Hz ~ 4.5k Hz。
- 压缩阈值：-21；范围：6 dB；启动：30 ms；释放：150 ms；压缩比：2:1；拐点：3 dB。输出增益：0 dB。
- 频谱压缩：40%。
频率波段：4k Hz ~ 9k Hz。
- 压缩阈值：-21；范围：6 dB；启动：10 ms；释放：60 ms；压缩比：3:1；拐点：3 dB。输出增益：0 dB。
- 频谱压缩：50%。
频率波段：9k Hz ~ 20k Hz。
- 压缩阈值：0；范围：0 dB。输出增益：0 dB。
- 频谱压缩：70%。

TDR Arbiter：频率平衡。

Eventide SplitEQ：增强光泽。

FabFilter Pro-DS：去除毛刺。

Waves Sibilance：去除高频刺耳。

Accentize dxRevive Pro：专注于恢复对话清晰度、音调平衡和频谱完整性。