خانه
هوش نو
جداسازی صدا و حذف نویز

جداسازی صدا از نویز پس‌زمینه با هوش مصنوعی

فایل را می‌دهی و صدای اصلی از سروصدای پس‌زمینه جدا می‌شود. سقف حجم ۵۰۰ مگابایت است، پس یک ضبط چندساعته را هم می‌شود یکجا داد.

حداکثر حجم فایل
۵۰۰ مگابایت
فرمت‌های ورودی
۷ فرمت
نوع ورودی
صوت و ویدیو
خروجی
فایل صوتی پاک‌سازی‌شده

سه مرحله

  1. فایل را رها کن فایل صوتی یا ویدیویی را داخل کادر بکش و رها کن. تا ۵۰۰ مگابایت پذیرفته می‌شود، پس لازم نیست ضبط بلند را از قبل تکه‌تکه کنی.
  2. جداسازی صدا را بزن صدای اصلی از لایه‌ی نویز پس‌زمینه جدا می‌شود. برای فایل‌های بلند پردازش بیشتر طول می‌کشد.
  3. خروجی را گوش کن نتیجه در فهرست «فایل های صوتی» همان صفحه می‌نشیند و از همان‌جا پخش و دانلود می‌شود.

فرمت‌های پذیرفته‌شده

  • mp3
  • mp4
  • mpeg
  • mpga
  • m4a
  • wav
  • webm

چه مشکلی را حل می‌کند؟

بیشتر فایل‌های صوتی مشکلشان گوینده نیست، محیط است: همهمه‌ی کافه، صدای کولر، بوق خیابان، وزوز میکروفن ارزان. این نویزها روی خودِ صدا سوارند و با کم‌کردن ولوم از بین نمی‌روند، چون کم‌کردن ولوم صدای گوینده را هم کم می‌کند.

جداسازی صدا لایه‌ی گفتار را از لایه‌ی نویز جدا می‌کند تا بتوانی صدای اصلی را تنها بشنوی. برای مصاحبه‌ای که در محیط عمومی گرفته شده، ضبط جلسه‌ای که پنکه در آن روشن بوده، یا ویدیویی که صدای بادِ بیرون رویش افتاده، این تفاوت بین «قابل انتشار» و «دور ریختنی» است.

سقف ۵۰۰ مگابایت یعنی چه در عمل؟

ابزار تبدیل گفتار به متن سقف ۲۵ مگابایت دارد، ولی اینجا سقف ۵۰۰ مگابایت است. تفاوت عمدی و به‌نفع توست: یک ضبط چندساعته‌ی جلسه، یا حتی فایل ویدیویی خام، معمولاً بدون تقسیم‌کردن جا می‌شود.

همین ترتیب کار را هم مشخص می‌کند. اگر می‌خواهی از یک ضبط پرنویز متن دربیاوری، اول اینجا نویز را بگیر و بعد خروجیِ تمیز را به تبدیل گفتار به متن بده. متنی که از صدای تمیز درمی‌آید بازخوانیِ به‌مراتب کمتری لازم دارد.

از چه چیزی انتظار معجزه نداشته باش

جداسازی صدا با اطلاعاتی کار می‌کند که در فایل ضبط شده‌اند. اگر نویز آن‌قدر بلند بوده که کلمه‌ای اصلاً شنیده نمی‌شود، آن کلمه بازنمی‌گردد — فقط سکوت تمیزتری جایش می‌نشیند.

سخت‌ترین حالت‌ها این‌هاست: چند نفر که هم‌زمان حرف می‌زنند، موسیقی‌ای که فرکانسش با صدای گوینده هم‌پوشانی دارد، و صدای بریده‌بریده‌ی تماس اینترنتی. در این موارد خروجی بهتر می‌شود ولی بی‌عیب نمی‌شود، و بهتر است پیش از تکیه بر آن، کل فایل را یک بار گوش کنی.

سوالات متداول

حداکثر حجم فایل چقدر است؟

۵۰۰ مگابایت. برخلاف تبدیل گفتار به متن که سقفش ۲۵ مگابایت است، اینجا معمولاً لازم نیست فایل را تقسیم کنی.

چه فرمت‌هایی را می‌پذیرد؟

هفت فرمت: mp3، mp4، mpeg، mpga، m4a، wav و webm. فایل ویدیویی را هم می‌توانی مستقیم بدهی.

آیا صدای موسیقی پس‌زمینه را هم برمی‌دارد؟

ابزار برای جداکردن صدای اصلی از سروصدای پس‌زمینه است. هرچه فرکانس موسیقی به صدای گوینده نزدیک‌تر باشد، جداسازی سخت‌تر می‌شود، پس خروجی را گوش کن.

اگر بخواهم از همین فایل متن هم دربیاورم؟

اول اینجا نویز را بگیر، بعد خروجی تمیز را به ابزار تبدیل گفتار به متن بده. دقت متن محسوس بالاتر می‌رود.

کلمه‌ای که زیر نویز گم شده برمی‌گردد؟

نه. چیزی که در فایل ضبط نشده قابل بازیابی نیست؛ ابزار نویز را جدا می‌کند، کلمه نمی‌سازد.

همین حالا امتحانش کن

رابط کاربری فارسی، پرداخت ریالی، و بدون نیاز به ابزار تغییر آی‌پی.

رفتن به جداسازی صدا و حذف نویز