Limpe um arquivo de áudio

Notas de voz, entrevistas e gravações de aula têm algo em comum: uma pessoa falando com o som da sala ao fundo. Esta página traz as especificações: quais arquivos entram, o que acontece com eles, o que volta e onde esta etapa entra no restante do seu fluxo de trabalho.

Formatos de entrada

mp3, wav, m4a, aac, flac e ogg, além da trilha de áudio da maioria dos arquivos de vídeo. Trate isso como um guia e não como promessa: decidimos lendo o começo do próprio arquivo, não confiando na extensão, então um arquivo renomeado é tratado pelo que ele realmente é.

Se o seu navegador não conseguir decodificar um arquivo específico, você vê um erro que diz isso, e converter para mp3 ou wav antes quase sempre resolve. É uma solução real, não uma desculpa — o que falta nesses casos é compatibilidade com o contêiner, não a limpeza de ruído.

Como o arquivo é processado

Para mp4, m4a e fluxos de aac ou mp3 sem contêiner, extraímos somente o trecho necessário: percorremos o índice do próprio arquivo e lemos apenas aqueles bytes. Uma gravação longa nunca precisa caber na memória: num arquivo grande isso mediu cerca de 103 vezes menos memória do que decodificar tudo.

Os formatos sem perda e abertos — wav, flac, ogg, webm — ainda não têm esse atalho, então são decodificados inteiros. Funciona bem em durações normais, e é o único caso em que um arquivo muito longo pode esgotar a memória do seu navegador. Se acontecer, um mp3 ou m4a da mesma gravação usa a rota mais eficiente.

Duas coisas acontecem com todo arquivo antes de o modelo vê-lo, e vale saber as duas:

• Tudo é somado em um único canal a 48 kHz. O modelo é monocanal, então isso não é uma preferência. Se a sua gravação é estéreo, ou tem dois microfones em canais separados, eles são misturados primeiro — veja a página de podcast para quando isso importa e o que fazer em vez disso.
• Pegamos os 30 segundos com maior volume, não os 30 primeiros. O começo de uma gravação costuma conter o barulho de uma cadeira, alguém limpando a garganta e um "tá gravando?" — julgar o resultado por aí faria parecer pior do que é. O cartão de resultado mostra qual trecho foi usado.

Formato e volume da prévia

Um WAV mono de 16 bits a 48 kHz, cerca de 2,9 MB para os 30 segundos. WAV porque os navegadores não têm um codificador de áudio de uso geral — gerar um mp3 exigiria baixar também um codificador, além dos 9 MB do motor, e isso não se justifica apenas para oferecer outro formato.

Não igualamos o volume das duas versões. Na amostra da nossa página inicial, o original mede −11,6 LUFS e a versão limpa −13,7, cerca de 2 LU mais baixa. Não é bug: remover ruído remove energia, e com o seu arquivo vai acontecer o mesmo. Igualar os níveis deixaria a comparação artificialmente favorável e esconderia algo que você precisa saber antes de ajustar os níveis.

Onde esta etapa entra no fluxo de trabalho

• Limpe primeiro, ajuste níveis depois, masterize no fim. Como não normalizamos, a saída é mais baixa do que o que você colocou — então qualquer coisa que decida sobre volume deveria vir depois deste passo, não antes. Se você nivelar primeiro um arquivo com ruído, tomará essa decisão com base em um piso de ruído que será alterado logo depois.
• Faça antes da música e dos efeitos. O modelo preserva o que reconhece como voz e abaixa o resto, então uma trilha musical ao fundo é exatamente o tipo de coisa que ele tentará remover. Limpe a voz e depois coloque a música.
• Não é um equalizador. A ferramenta não faz de-essing, ajuste de timbre nem reparo de áudio saturado ou distorcido. Ela se limita à remoção de ruído.