Det du ska göra
- Underlag: en röstinspelning med brus, sorl, brum eller rumsklang.
- Arbetsfil: en kopia av inspelningen, där originalet ligger orört.
- Leverans: en rensad fil med versionsnamn och en loggrad om verktyg och styrka.
- Godkänt: bruset stör inte längre, och den valda versionen har inga kryss för klang, klippta ordslut, pumpande bakgrund, onaturlig tystnad eller förvanskade ord och ljud.
Steg 1: lyssna på originalet och välj en provsträcka
Innan du rensar något behöver du veta vad som stör. Lyssna igenom inspelningen i hörlurar och sortera bruset i tre sorter. Jämnt brus låter likadant hela tiden: en fläkt, ett elektriskt brum eller ett sus från förstärkaren. Varierande ljud kommer och går: trafik, röster i bakgrunden, en dörr som slår igen eller musik. Rumsklang är rösten själv som studsar mot väggar och golv, så att orden får en svans efter sig.
Klipp sedan ut en provsträcka på 20 till 30 sekunder som innehåller tre saker: en paus där bara bakgrunden hörs, en mening som slutar på ett mjukt ljud som s, f eller ett utandat t, och ett ställe där du talar starkare. Pausen visar vad som händer med bakgrunden. Ordslutet visar om rensningen tar med sig svaga talljud. Det starka stället visar om rösten börjar låta tunn eller metallisk. Skriv ner tidskoderna, så att du lyssnar på exakt samma ställen i varje version.
Steg 2: välj verktyg
Guiden visar två vägar: en webbtjänst där du laddar upp filen och en effekt i det redigeringsprogram där du ändå klipper. Båda nedan bygger på att en AI-modell skiljer tal från bakgrund, och båda har ett reglage för hur mycket som tas bort.
- Adobe Podcast Enhance Speech är en webbtjänst. Enligt Adobes guide laddar du upp en ljudfil, eller en videofil om du har Premium, och när filen är bearbetad kan du justera styrkan. Samma reglage finns i Adobe Podcast Studio. På Adobes uppdateringssida från februari 2025 beskrivs version 2 med två reglage: ett för hur mycket förbättring som läggs på den isolerade rösten och ett för hur högt den isolerade bakgrunden ska ligga kvar.
- Voice Isolation i DaVinci Resolve är en effekt som enligt Blackmagic Designs manual bara finns i den betalda Studio-versionen. Du slår på den i ljudfliken i Inspector på Cut- eller Edit-sidan, eller under Track FX i mixern på Fairlight-sidan. Reglaget heter Amount. Effekten fungerar på mono-, stereo- och dual mono-spår men inte på spår med fler än två kanaler, och inte på liveljud som kommer in från en ingång.
Avvägningen i praktiken: Enhance Speech kräver inget redigeringsprogram, men filen skickas till en tjänst på nätet och du får tillbaka en ny fil. Voice Isolation ligger kvar som en effekt i projektet, så du kan ändra styrkan senare utan att exportera om ett mellanled. Har du en inspelning med flera kanaler, till exempel från en ljudmixer med fyra spår, behöver du i Resolve först dela upp den i mono- eller stereospår.
Steg 3: rensa provsträckan i tre styrkor
Kör rensningen på provsträckan, inte på hela filen. Gör tre versioner på 100, 75 och 50 på styrkereglagets skala. I Resolve är det tydligt vad reglaget gör: manualen beskriver Amount som en blandning mellan originalet och den isolerade rösten, där 50 ger ungefär lika delar av båda. Samma manual skriver att värden mellan 70 och 80 fungerar bra för ett naturligt resultat med kraftig isolering. Ta det som en provpunkt bland andra, inte som facit; det är din inspelning och ditt öra som avgör.
Adobe är lika försiktig med full styrka. Guiden till Enhance Speech skriver att 100 procent kan få inspelningen att låta onaturligt perfekt, och att reglaget finns för att du ska hitta rätt balans. Har du version 2 med två reglage, prova också att låta bakgrunden ligga kvar svagt i stället för att ta bort den helt. En röst i ett helt tyst rum kan låta som om den klistrats in, särskilt i en video där man ser ett kafé i bild.
Exportera de tre versionerna med namn som visar styrkan, till exempel prov_100.wav, prov_75.wav och prov_50.wav, så att du kan växla mellan dem utan att gissa vilken som är vilken.
Steg 4: gör lyssningsprovet
En lätt fälla i jämförelsen är ljudnivån. Enligt Adobe justerar Enhance Speech även nivåerna, och en version som är starkare än originalet låter lätt bättre bara för att den är högre. Sänk den rensade filen till samma upplevda nivå som originalet innan du jämför. Lyssna i hörlurar, och lyssna på originalet först varje gång så att du har något att jämföra med.
Inspelning: __________________ Verktyg: _______________
Provsträcka (tidskoder): paus ____ ordslut ____ starkt ____
100 75 50
Metallisk eller burkig klang [ ] [ ] [ ]
Ordslut klipps (s, f, t) [ ] [ ] [ ]
Bakgrund pumpar mellan ord [ ] [ ] [ ]
Andning borta, onaturlig tystnad [ ] [ ] [ ]
Störande brus kvar [ ] [ ] [ ]
Ord eller ljud förvanskade [ ] [ ] [ ]
Vald styrka: _____ Motivering: ______________________Metallisk klang låter som om rösten kommer genom ett rör eller en billig telefon, och hörs tydligast på starka vokaler. Ordslut hör du i pausen efter meningen: finns hela s-ljudet kvar, eller tar det slut tvärt? Pumpande bakgrund betyder att bruset försvinner när du talar och kommer tillbaka i pauserna, eller tvärtom. Det märks mest vid jämnt brus. Förvanskade ord är det allvarligaste felet: en stavelse som låter annorlunda än i originalet, ofta där bakgrunden var lika stark som rösten.
Facit: välj den lägsta styrka där bruset inte längre stör och där både de fyra första raderna och raden för förvanskade ord och ljud saknar kryss. Välj aldrig en version med förvanskade ord, även om den tar bort bruset bäst. Har alla tre versionerna sådana kryss, rensa inte hårdare utan gå till varningsrutan nedan. Ett tänkt exempel: på full styrka försvinner fläkten helt men s-ljudet i slutet av meningen klipps av. På 75 finns ordslutet kvar och fläkten hörs svagt men jämnt i pausen. Då är 75 ett bättre val än full styrka, förutsatt att ingen annan rad på lyssningskortet har kryss.
Steg 5: kör hela filen och kontrollera
Rensa hela inspelningen med den styrka du valde. Lyssna sedan på början, mitten och slutet, och på det ställe där bakgrunden var som starkast. Bruset kan ändra sig under en lång inspelning, till exempel när en luftkonditionering slår på efter en kvart, och det som fungerade på provsträckan behöver inte fungera där. Hittar du ett avsnitt som låter fel kan du i Resolve flytta just det avsnittet till ett eget spår och ge det spåret en egen Amount-inställning.
Exportera leveransfilen i ett format utan förlust, som WAV, om den ska redigeras vidare. Ge den ett namn som skiljer den från originalet, till exempel intervju_v02_rensad-75.wav, och skriv en loggrad: verktyg, version, styrka och datum. Ska rösten sedan läggas mot musik är nästa steg nivåerna i mixen, som artikeln om ljudnivåer för AI-röst och musik går igenom. Ska inspelningen klippas ihop med andra tagningar, läs artikeln om att klippa AI-röst utan hörbara skarvar: rensa helst alla tagningar med samma inställning innan du klipper, annars kan bakgrunden byta karaktär vid skarven. Vill du se hur ljud och röst hänger ihop med resten av produktionen, börja i guiden om ljud med AI.
En AI-rensning tar bort det som inte låter som tal, men den kan inte återskapa det som inte kom med i inspelningen. Om bakgrunden är lika stark som rösten, om musik med sång ligger under talet eller om två personer pratar samtidigt, kan modellen ta bort delar av rösten eller göra om ljud som inte är tydliga. Hör du förvanskade ord i alla tre styrkorna är en ny inspelning i ett tystare rum värd att pröva innan du rensar hårdare. Rensar du en intervju, kontrollera också att inget som sades försvann; rensningen ska ändra ljudet, inte innehållet.
Originalet är orört, lyssningskortet är ifyllt för tre styrkor med samma tidskoder och samma upplevda ljudnivå, den valda styrkan är lägre än max eller motiverad på kortet, hela filen är kontrollerad på fyra ställen, och leveransfilen har ett versionsnamn och en loggrad med verktyg och styrka.