音频降噪是什么
Audio Denoising · 作者：夸父
一句话定义：音频降噪是去掉录音里的环境噪声（风扇声、空调声、街道底噪）的过程。AI 配音时代，"录出来的声音"越来越少，降噪的主战场变成了"人声素材的预处理"——比如做声音克隆和数字人前的样本清洗。
降噪问题正在消失，但没消失完。AI 配音（TTS）生成的音频天然干净——没有降噪需求。真正还需要降噪的是两类场景：
一是声音克隆的样本准备：克隆你的声音需要 1~5 分钟的干净录音样本，环境底噪会直接影响克隆质量。开衣柜（衣物是最好的隔音材料）录、离麦近一点、关空调——这三个土办法比任何降噪插件都有效。
二是口型同步的输入音频：MuseTalk 这类模型对带 BGM 的混音敏感，音乐混在语音里会干扰唇动估计。用别人的视频素材做数字人时，先分离人声并降噪（逐日 AI 的提取音频工具分离，降噪交给工具箱），再进口型合成。
降噪工具本身已经 AI 化：传统的采样降噪要人工取噪声样本，现在的 AI 降噪一键处理，效果对短视频场景绰绰有余——这也是"以前要学半天 Audition，现在不用学了"的又一个例子。
降噪的时机：录制端优于后期端
降噪的最高境界是"录得干净不用降"：录制环境（小房间软装吸音、远离电器噪声源）、录制方式（离麦 10~15cm、手机进衣柜录的土办法出奇有效）。录得脏再降，降噪算法的副作用（人声发闷、齿音丢失）就不可避免——降噪是补救，不是工序。
AI 降噪的能力现状
新一代 AI 降噪（深度模型）对稳态噪声（风扇、空调、电流声）的处理已达"无感"水平；对突发噪声（键盘、关门）也大幅进步。逐日 AI 链路里 TTS 生成的配音天然干净（无降噪需求），降噪的主战场是：真人录制的口播、声音克隆的样本准备、提取的外部音频（见提取音频工具）。
数字人链路里的降噪位置
数字人的音频链路：TTS 生成干净配音 → 直接口型合成——全程无需降噪。需要降噪的是"用自己的真人录音做素材"的场景（声音克隆样本、真人配音上传）——样本脏会传导到克隆质量与口型同步的效果。音频的预处理（降噪+响度统一）在音频三道关的第二关。
降噪的时机：录制端优于后期端
降噪的最高境界是录得干净不用降：录制环境（小房间软装吸音、远离电器噪声源）、录制方式（离麦 10~15cm、手机进衣柜录的土办法出奇有效）。录得脏再降，降噪算法的副作用（人声发闷、齿音丢失）就不可避免——降噪是补救，不是工序。
AI 降噪的能力现状
新一代 AI 降噪（深度模型）对稳态噪声（风扇、空调、电流声）的处理已达无感水平；对突发噪声（键盘、关门）也大幅进步。逐日 AI 链路里 TTS 生成的配音天然干净（无降噪需求），降噪的主战场是：真人录制的口播、声音克隆的样本准备、提取的外部音频（见提取音频工具）。
数字人链路里的降噪位置
数字人的音频链路：TTS 生成干净配音 → 直接口型合成——全程无需降噪。需要降噪的是用自己的真人录音做素材的场景（声音克隆样本、真人配音上传）——样本脏会传导到克隆质量与口型同步的效果。音频的预处理（降噪+响度统一）在音频三道关的第二关。