TTS 人声：去除杂音去除轰鸣（基础偏）

TTS 人声（Text-to-Speech、AI 文本转语音）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。

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。

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。