پاکسازی صدای گفتار با هوش مصنوعی
نویز و بلندی نامتوازن ضبط گفتار رو بررسی میکنید و خروجی رو با فایل اصلی میشنوید؛ حذف تکیهکلام و تکرارها، مرحله اختیاری جداگانه است.
پاکسازی صدای گفتار با هوش مصنوعی باید با شنیدن نتیجه همراه باشه، نه فقط بهترشدن یک عدد. اسکیل voice-cleaner ابزارهای محلی رو برای کمکردن وزوز برق، نویز و اختلاف بلندی بخشهای گفتار به کار میگیره و خروجی رو به بلندی هدف نزدیک میکنه. این پردازش، بازسازی کامل صدای استودیویی یا جایگزین همه قابلیتهای سرویسهای تدوین صدا نیست.
میتونید حذف تکیهکلام و بعضی تکرارها رو جدا بخواید. در این حالت، تشخیص گفتار محلی به زمان هر واژه تکیه میکنه، ولی ممکنه واژه واقعی رو جا بندازه. فهرست برشها باید همراه فایل بمونه و نتیجه شنیده بشه. برای ورودی ویدیو، خروجی بریدهشده فقط صداست و دیگه خودکار با تصویر هماهنگ نیست.
کاربردها
- حذف نویز گفتار رو با شنیدن نسخه اصلی و خروجی بررسی کنید.
- یکنواخت کردن بلندی صدا رو با هدف مشخص انجام بدید.
- مقایسه قبل و بعد رو همراه با جدول اندازهگیری و تصویر طیفی ببینید.
- بازبینی برشها رو در محل هر حذف انجام بدید.
- خروجی صوتی رو در قالب مناسب مثل WAV یا MP3 بگیرید.
- حذف تکیهکلام رو از پردازش معمول نویز جدا انتخاب کنید.
نصب و استفاده
- بسته کامل رو در ایجنت دارای دسترسی مجاز فایل و اجرای محلی قرار بدید. FFmpeg نسخه ۶ یا جدیدتر، ffprobe و Python نسخه ۳.۱۰ یا جدیدتر با NumPy لازمه. حذف تکیهکلام به faster-whisper و دریافت اولیه مدل نیاز داره؛ حساب ابری برای مسیر محلی لازم نیست.
- مثلا بخواید «این گفتار ضبطشده خودم رو کمنویز و همسطح کنید؛ نسخه اصلی حفظ بشه و فایلهای قبل و بعد رو برای شنیدن بدهید. فعلا واژهای حذف نکنید».
- خروجی و اندازهگیریها رو مقایسه کنید. اگر حذف واژه خواستید، برشهای پیشنهادی و جاهای مشکوک رو بشنوید و هماهنگی ویدیو رو جدا اصلاح کنید.
- اگر مسیر وب اختیاری رو راه میاندازید، پیش از اشتراکگذاری، Cloudflare Access و دسترسی سرور رو تنظیم کنید. فایلهای کار خودکار پاک نمیشن؛ زمانبندی پاکسازی با گرداننده سرویسه و هزینه میزبانی جداست.
سوالات متداول
منبع
ساخته Project Alpha Tech. نام اصلی: voice-cleaner، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub