Remoção de ruído numa entrevista de rua: teste de comparação de 20 segundos

A questão por detrás deste teste

As demonstrações de remoção de ruído podem facilmente transformar-se em vídeos promocionais: escolhe-se um ruído óbvio, aumenta-se o volume da faixa processada e alterna-se rapidamente entre A e B. Isso pode mostrar se um som foi reduzido, mas uma faixa mais alta também pode parecer melhor. Nesta comparação, usamos o mesmo trecho da gravação original e os níveis reais dos ficheiros exportados. Primeiro apresentamos dados mensuráveis sobre os ficheiros e depois discutimos o que a audição nos pode ou não dizer.

A fonte é um vídeo de manutenção e entrevista sobre um E-3 Sentry, disponibilizado publicamente. Usamos o mesmo trecho de entrevista de 20 segundos para o original e para o resultado da ferramenta web do QuietTake. Ambos os leitores acima podem ser reproduzidos diretamente. Não ajustámos o volume sonoro para igualar as faixas, por isso não se trata de um estudo com ouvintes às cegas nem permite saber que percentagem das pessoas prefere a versão processada.

Resultado resumido: o volume sonoro medido da faixa processada é 1,2 LU mais baixo no conjunto. Ambos os ficheiros têm 20 segundos e são AAC mono a 48 kHz. A remoção de ruído pode reduzir a energia total do sinal juntamente com o ruído; por isso, um nível mais baixo, por si só, não prova nem uma falha nem uma fala mais clara. A decisão continua a depender das palavras e da gravação real.

Amostra e processamento

A fonte foi publicada pelo Defense Visual Information Distribution Service (DVIDS) dos EUA e identificada como pertencendo ao domínio público na respetiva página. Os créditos da amostra identificam o autor, a fonte e a utilização; a indicação de domínio público não implica aprovação por parte da DVIDS nem do entrevistado. Preparámos um trecho de trabalho de 30 segundos perto dos 190 segundos da fonte, incluímos uma introdução para permitir o aquecimento do modelo e usámos os 20 segundos seguintes para a comparação. A faixa processada foi obtida através do fluxo de trabalho real da ferramenta web do QuietTake, com a predefinição intensa. Depois, ambas as faixas foram codificadas no mesmo formato de saída AAC.

Especificações da saída: 20,000 segundos, AAC-LC, 48 kHz, mono. Não alterámos o EQ, a compressão, o volume sonoro nem a dinâmica de forma independente, e não aumentámos o volume do ficheiro limpo. Manter a diferença de nível permite que o leitor reproduza os ficheiros exportados, em vez de uma versão pós-produzida para soar mais agradável.

Esta imagem explica o fluxo de trabalho de audição; não representa um espetro nem uma medição de ruído do trecho de 20 segundos. Uma forma de onda com aspeto mais simples não significa necessariamente que a fala esteja melhor. Use os leitores para ouvir as mesmas consoantes, os nomes, os finais das palavras, as respirações e as pausas.

Resultados mensuráveis dos ficheiros

O volume sonoro integrado foi medido com o ebur128 do FFmpeg em cada ficheiro AAC final de 20 segundos. Os tamanhos correspondem aos bytes efetivamente exportados; a diferença não é interpretada como uma diferença de qualidade.

Medida	Original	Com remoção de ruído	Diferença
Duração	20,000 s	20,000 s	Igual
Codec / frequência de amostragem / canais	AAC-LC / 48 kHz / mono	AAC-LC / 48 kHz / mono	Mesmo formato
Volume sonoro integrado	−17,4 LUFS	−18,6 LUFS	1,2 LU abaixo
Tamanho do ficheiro	329 896 bytes	336 220 bytes	Mais 6 324 bytes, cerca de 1,9%

LUFS estima o volume sonoro integrado ao longo de um excerto. Não mede o nível de ruído de fundo nem a inteligibilidade da fala. Um ficheiro ligeiramente maior significa apenas que esta codificação AAC produziu mais bytes; não permite concluir que a fidelidade seja superior ou inferior. Uma entrevista, com a sua distância ao microfone, vento, equipamento e acústica próprios, também não representa todas as gravações de rua.

O que ouvir na comparação A/B

Ouça o original uma vez, escolha uma frase com palavras curtas e um final completo e, em seguida, compare o intervalo exato na versão processada. Mantenha o volume de reprodução estável; não avalie clicando repetidamente para trás e para a frente nos primeiros dois segundos. Durante as pausas, preste atenção a oscilações do som ou a alterações no ruído de fundo. Na fala, verifique as consoantes e os nomes. No fim da frase, confirme que as sílabas mais baixas continuam audíveis. Avalie se a respiração, o ruído da roupa e o ambiente do local continuam naturais.

Se o ruído de fundo diminuir, mas a fala ficar fina, aquosa, entrecortada ou metálica, não tente obter silêncio a todo o custo. Experimente uma definição mais suave, um intervalo mais curto ou aceite algum ruído ambiente constante. Uma predefinição intensa pode ajudar com um tipo de ruído e soar artificial noutra gravação.

A ferramenta de remoção de ruído de áudio permite testar um excerto curto do seu próprio conteúdo multimédia antes de decidir sobre uma gravação completa. Guarde o original e uma cópia separada do resultado. Não use esta amostra para presumir a velocidade no seu dispositivo nem uma melhoria garantida em todos os ficheiros.

O que este teste não permitiu concluir

Este é um único intervalo da fonte, processado uma vez com a ferramenta web. Não é um teste de desempenho em vários dispositivos, um inquérito sobre preferências de ouvintes nem uma classificação de modelos. Não temos uma gravação simultânea e limpa da mesma cena que sirva de referência, por isso não podemos calcular a precisão da restauração nem afirmar que a inteligibilidade melhorou de forma mensurável. O resultado de −1,2 LU pode ser reproduzido a partir destes ficheiros, mas não indica que frequências de ruído diminuíram nem que detalhes da fala se alteraram.

A fonte pública fixa a distância ao microfone, o vento, a pessoa entrevistada, o equipamento e o local. Outro telemóvel, um microfone de lapela, uma sala reverberante, música de fundo ou vozes sobrepostas criam um problema diferente. A distorção grave, a fala totalmente encoberta por um motor ou várias vozes em simultâneo podem não ser recuperáveis a partir da gravação.

O fluxo de redução de ruído e o suporte dos navegadores também podem mudar com o tempo. Esta página documenta o par de amostras existente; não garante o desempenho num dispositivo novo. Uma avaliação rigorosa para utilização em lote ou em situações críticas exigiria material autorizado, definições fixas, vários dispositivos, audição cega com níveis equiparados e uma avaliação da inteligibilidade da fala.

Quando utilizar este fluxo de trabalho

• Ar condicionado, ventoinha ou ruído da estrada constantes, com fala compreensível: teste um intervalo curto e compare a textura da voz e as palavras mais baixas.
• Buzina, pancada no microfone ou multidão ruidosa num momento específico: considere editar, tratar um trecho local ou gravar novamente, em vez de aplicar uma definição forte a tudo.
• Fala totalmente encoberta ou distorcida: guarde o original e procure outra faixa de microfone ou câmara; não espere que os detalhes em falta reapareçam.
• Entrevista para publicação: reveja também os dados pessoais, o consentimento, as legendas e as definições de exportação.

Notas sobre os dados e a amostra

O par de ficheiros de áudio provém da amostra A/B existente na página inicial do QuietTake. As notas sobre a fonte e os direitos estão disponíveis no registo da amostra. Os ficheiros de 20 segundos chamam-se street-interview-original.m4a e street-interview-cleaned.m4a. O volume sonoro foi medido com o ebur128 do FFmpeg; as propriedades dos ficheiros foram verificadas com o FFprobe. Estas medições descrevem apenas estes dois ficheiros.