मोफत पार्श्वभूमी आवाज काढणारा

हे कसे कार्य करते

आवाज काढणे ffmpeg.wasm वर चालते, हे साइट आधीच स्वतःच्या origin वरून पुरवत असलेले तेच ऑडिओ इंजिन — त्यामुळे इतर तुलनीय साधनांशी वेगळे, काहीही अपलोड होत नाही व कोणताही AI मॉडेल डाउनलोड होत नाही. दोन्ही denoise filters आधीच त्या इंजिनमध्ये compiled आहेत; एकमेव अतिरिक्त फाइल /vendor वरून पुरवली जाणारी 297 KB RNNoise weight फाइल आहे, आणि फक्त तुम्ही voice tier निवडल्यास.

1. 1
   तुम्ही आवाजाचा प्रकार निवडता, अर्थ लावू न शकणारा स्लायडर नाही

   Voice tier ffmpeg चा arnndn filter चालवतो — RNNoise, आवाजाला पार्श्वभूमी ध्वनीपासून वेगळे करण्यासाठी प्रशिक्षित लहान recurrent neural network. Hiss & hum tier afftdn चालवतो, आवाजाचा मजला अंदाजून तो परत काढून घेणारा FFT-domain spectral subtraction denoiser. ते विरुद्ध दिशांत अयशस्वी होतात: RNNoise संगीताला आवाज मानते व गाणे नष्ट करेल, तर afftdn कशावरही सुरक्षित आहे पण busy खोलीतून आवाज पाठलाग करू शकत नाही.
2. 2
   ताकद खऱ्या filter पॅरामीटर्सशी मॅप होते

   voice tier साठी, Light/Medium/Strong arnndn चा mix 0.5, 0.8, व 1.0 वर सेट करतात — denoised सिग्नलचा किती भाग मूळावर परत मिसळला जातो, त्यामुळे Light काही नैसर्गिक खोलीचा tone ठेवतो. hiss व hum साठी, ते afftdn चा noise reduction 6, 14, व 28 dB वर व त्याचा अंदाजित noise मजला -40, -30, व -22 dB वर सेट करतात. Strong जाणीवपूर्वक filter च्या 97 dB मर्यादेच्या बरेच आधी थांबते, ज्यापलीकडे आवाज पाण्याखाली असल्यासारखे वाटू लागतात.
3. 3
   15-सेकंदाचा A/B प्रिव्ह्यू तोच filter चालवतो

   Preview दाबा आणि ब्राउझर Web Audio API ने तुमची फाइल डीकोड करतो, मधून 15 सेकंद घेतो, तो भाग WAV मध्ये एन्कोड करतो, आणि पूर्ण render वापरणार त्याच ffmpeg filter स्ट्रिंगमधून तो पाठवतो — नंतर तुम्ही स्थान न गमावता त्यांच्यात स्विच करू शकावे यासाठी स्वच्छ व मूळ takes एका AudioContext द्वारे परत वाजवतो. दोन्ही commands त्याच फंक्शनने बनतात, त्यामुळे प्रिव्ह्यू render न देणारी गोष्ट कधीच वचन देत नाही. दोन takes व्हॉल्यूम-जुळवलेल्या नाहीत, कारण त्यांना जुळवणे तुम्ही डाउनलोड करणार असलेली फाइल चुकीने दाखवेल.
4. 4
   पूर्ण pass, आणि खरोखर रद्द करणारा Cancel

   तुमची मूळ फाइल थेट ffmpeg च्या in-memory फाइल सिस्टममध्ये लिहिली जाते व एकाच पासमध्ये WAV (pcm_s16le) किंवा MP3 (libmp3lame 192 kbps वर) मध्ये फिल्टर होते — मध्यवर्ती डीकोड नाही, जो फोनसाठी पुरेसा कमी peak मेमरी ठेवतो. ffmpeg.wasm त्याच्या स्वतःच्या Web Worker मध्ये चालतो, त्यामुळे प्रोग्रेस बार हलत राहतो व Cancel फक्त spinner लपवण्याऐवजी एन्कोडिंगच्या मध्येच तो worker थांबवतो. RNNoise अंतर्गत 48 kHz वर चालते, पण साफ केलेली फाइल तुमच्या रेकॉर्डिंगच्या स्वतःच्या सॅम्पल रेटवरच लिहिली जाते.

संबंधित साधने