如何在不损失质量的情况下从视频中分离人声
了解如何从视频中分离人声，同时最大限度地减少质量损失、检查主干残留以及在人声和对话分离之间进行选择。
要从视频中分离人声，请从最干净的授权源开始，选择歌曲的人声/乐器分割或语音视频的对话/音乐/效果分割，并在导出前预览最难的重叠。 “不损失质量”应该意味着最大限度地减少可避免的损害，而不是承诺无损结果。源分离会估计已混合音轨的部分，因此响亮的伴奏、混响、人群噪音和压缩可能会留下残留或柔化人声细节。
要点
- 将分离模型与内容相匹配：音乐的人声/乐器，大多数视频编辑的对话/音乐/效果。
- 使用最早的干净源并避免分离前不必要的重新编码。
- 检查辅音、呼吸、持续音符、混响尾音和静音间隙是否有音损。
- 单独判断声干以及在预期的最终混音中判断声干。
- 保留原始音轨并进行局部修复，而不是过度处理整个主干。
首先确定视频中“人声”的含义
这个词可以描述两个不同的编辑目标。
在表演视频中，“人声”通常意味着与乐器分离的歌唱。在采访、教程、电影剪辑或产品演示中，目标是与音乐和音效分开的口头对话。选择错误的输出可能会掩盖有用的乐器氛围，或者对歌唱和口语材料进行不一致的分类。
| 来源和目标最佳首发分割预期产出为什么 | |||
| 歌曲表演或卡拉 OK | 声乐/器乐 | 两根 | 直接匹配音乐任务 |
| 背景音乐采访 | 对话/音乐/效果 | 三茎 | 保留氛围和非音乐效果 |
| 配音场景 | 对话/音乐/效果 | 三茎 | 保留音床，同时替换语音 |
| 阿卡贝拉混音版 | 声乐/器乐 | 两根 | 制作声音资源和背景音轨 |
| 语音字幕或文字记录审查 | 对话/音乐/效果 | 三茎 | 注重清晰易懂的言语 |
雷卡波提供了这两种途径。其 人声消除器 使用人声/乐器工作流程，而 音频分离器 可以返回以视频为中心的工作的对话、音乐和效果。
为什么完美隔离不是一个现实的承诺
当视频混合时，人声和背景变成一个波形。源分离不会重新打开原始录制会话。它估计哪个声音属于哪个词干。
有几个条件使估计变得更加困难：
- 歌手和乐器占据相似的频率；
- 演讲比乐谱或效果更安静；
- 房间的反射声将声音传播到时间上；
- 压缩或限制使源一起移动；
- 低质量的副本具有模糊的瞬态和高频细节；
- 人群的声音类似于主唱。
结果可能包括出血、金属或水状纹理、软化的“s”和“t”声音、缺少呼吸细节或伴奏中出现漏洞。 Recapo 的官方分离器页面明确警告分离可能会留下微弱的残留物，并且不是无损的分离。针对该限制的可靠工作流程计划。
分步声音隔离工作流程
1. 从最好的来源开始
使用您可以编辑的最早一代。如果原始视频可用，请避免从社交媒体下载中提取。重复编码可能会在分离开始之前添加伪影。
不要自动应用全局均衡、强力压缩或激进的降噪。这些过程可以一起重塑人声和背景。如果源有噪音，请在分离之前和之后测试一小段并进行清理，并保留可闻副作用较少的版本。
2. 标记困难时刻
听听来源并注意：
- 安静的声音下大声的伴奏；
- 唱歌时有长混响或延迟；
- 掌声、口号或重叠发言者；
- 音节上发生的尖锐影响；
- 声音降为耳语的段落；
- 有风、嗡嗡声或嘶嘶声的时刻。
这些是您的质量控制点。简单的开头句并不能证明整个词干是干净的。
3. 选择分离模式
当人声是音乐混音的一部分并且您想要无伴奏合唱、卡拉 OK 床或混音材料时，请使用人声/器乐。当您需要语音时使用对话/音乐/效果，同时单独保留非音乐背景细节。
将源代码上传到适当的 Recapo 工具，并在处理之前确认当前的页面控件。产品界面和选项可能会发生变化，因此实时官方页面是事实来源。
4. 预览孤立的声音
用耳机以舒适的音量聆听。首先检查清晰度，然后检查自然度。响亮的把立并不一定就是更好的把立。
注意：
- 辅音的开头和结尾；
- 持续的元音和歌唱的音符；
- 在伴奏残留物暴露出来的地方停顿；
- 呼吸声和安静的话语；
- 每个乐句后混响尾音；
- 语音视频的口型同步。
然后试听乐器、音乐和效果输出。如果可识别的声音片段仍然存在，当您重新使用这些词干时，它们可能会重新出现。
5. 在上下文中进行比较
将孤立的人声放置在其预期的环境中。对于混音，请聆听新的背景音乐。对于字幕或转录，请检查每个单词是否清晰。对于配音，将音乐和效果结合起来，没有原始对话，并聆听残留物。
一些独奏工件在最终混音中被掩盖。其他问题——尤其是重复的单词或缺少辅音——变得更加分散注意力。根据上下文做出决定，而不是仅根据单独的波形。
6. 只修复需要修复的部分
如果大部分主干可用，则不要在整个录音中进行更强的处理。相反：
- 自动减少短暂的出血；
- 淡化粗糙的边界；
- 当编辑上合适时，从另一个授权的版本中修补一个音节；
- 保持一定程度的氛围，这样停顿听起来就不会显得不自然地空洞；
- 对孤立事件使用有针对性的光谱修复；
- 仅对稳定的不需要的纹理应用谨慎的降噪。
Audacity 官方指南称，一般降噪适用于持续的声音，例如嘶嘶声、嗡嗡声或风扇噪音，而不是单独的点击声、爆裂声或不规则的背景活动。突发声音应尽可能作为本地事件处理。
7.导出并保存可逆集
保留原始混音、独立声音、互补词干以及编辑后的结果。保持相同的开始时间，以便每个文件保持同步。在删除任何内容之前，请重新打开导出并检查整个持续时间是否正确播放。
使用阀杆之前的质量检查表
- 声音与图像保持同步。
- 安静的单词和辅音边缘仍然可以理解。
- 暂停时残留音乐或效果是可以接受的。
- 声音听起来不空洞、起泡、金属感或相位差。
- 混响尾音不会突然切断。
- 补充词干不包含分散注意力的声音片段。
- 独立的人声在最终混音中发挥作用，而不仅仅是独奏。
- 保留原始音轨。
常见问题和更好的应对措施
声音在水下响起
这通常表明更强的隔离也会消除声音细节。不再进行额外的降噪或过滤。比较另一种分离模式，恢复一点上下文氛围，或者接受少量出血（如果听起来比激进的清理更自然）。
音乐仍然在声音之下
检查残基是否仅限于某些短语。替换的音乐床可能会掩盖微弱的出血。对于暴露的语音，仅减少受影响的区域，或者如果您从以音乐为导向的声音分割开始，请尝试对话分离。
声音在响亮的效果中消失
该模型可能已经对部分语音进行了分类。查看相应的互补主干和原始组合。与增加整个录音的处理相比，本地补丁的破坏性更小。
混响使主干听起来很遥远
混响由与直接声音混合的反射组成。 Adobe 的官方文档将去混响描述为估计混响轮廓并应用可调节的处理量。保守地使用此类处理：太多会使声音变薄，并且没有工具可以恢复从未单独捕获的细节。
风声或嘶嘶声仍留在孤立的声音中
这是源分离问题之后的噪声问题。使用 音频降噪 在声音或对话干上，预览结果，并在语音开始听起来合成之前停止。稳定噪声通常比一次性冲击更容易抑制。
改善未来隔离的录音选择
后期制作从拍摄开始。当您可以控制下一次录音时：
- 将麦克风放置在靠近演讲者或歌手的位置；
- 减少监视器或扬声器溢出到麦克风中的现象；
- 在制作允许的情况下录制单独的麦克风或音轨；
- 在户外使用防风措施；
- 选择反射较少的房间或在录音区域周围添加软家具；
- 在完整测试之前监控一个简短的测试；
- 保留原始多轨文件。
真正的独立录音比任何扭转成品混音的尝试提供更多的控制。当这些原件不存在或在当前工作流程中不可用时，分离是最有价值的。
常见问题解答
我可以在不先提取音频的情况下从视频中分离出人声吗？
是的，当分离器直接接受视频输入时。仅当您还想要完整音轨的独立副本或其他工具需要纯音频输入时才需要提取。
人声去除器和对话分离器一样吗？
它们是相关的，但针对不同的输出进行了优化。人声去除器通常会返回人声和器乐；面向视频的分离器可以保持对话、音乐和效果独立。
孤立的人声能完全无损吗？
对于最终的混音没有任何可靠的保证。目标是保留有用的声音细节，同时保持足够低的残留和伪影以进行预期的编辑。
我应该对孤立的声音使用降噪吗？
仅当存在不需要的噪音时才使用它。预览一个适度的通道并与原始通道进行比较，因为激进的去噪可能会损害语音和歌唱。
为什么我还能听到器乐中歌手的声音？
人声可能与伴奏共享频率、混响或动态。这些重叠可能会在互补词干中留下微弱的声音残留。
隔离适合工作的正确声干
选择编辑周围的输出，而不是标签。使用雷卡波的 音频分离器 用于语音视频控制或其 人声消除器 用于两干音乐工作流程。预览困难的部分，保留原始内容，并倾向于自然可用的结果，而不是过度处理的完全沉默的尝试。
