首先，弄清你实际遇到的是什么
“噪音”其实是四种不同的问题，需要四种不同的解决办法。人们用降噪得到的糟糕结果，几乎都来自用同一个工具去对付所有问题。
在录音里找几秒没人说话、也没人演奏的片段，循环播放，把音量调大。你听到的东西会告诉你遇到的是哪种问题：我们免费的削波与噪声检测器会在浏览器里给底噪一个具体数值，同时告诉你文件有没有削波，而这决定了下面的处理顺序：
- 持续的嘶嘶声或沙沙声，像远处的车流或风声：这是宽带噪声。话放噪声、空调、电脑风扇、房间本身的底噪，都属于这一类。
- 持续的低沉音调，往往带着蜂鸣似的毛边：这是工频嗡嗡声，根据你所在的国家，频率是 50 或 60 Hz，上方还叠着谐波。
- 离散的事件：咔嗒声、噼啪声、短暂的数字卡顿。这完全是另一类问题：它们是损伤，而不是底噪。
- 没什么噪音，但录音听起来很远或有箱音：那是房间，根本不是噪音。它是你的录音，加上你录音那个地方的声音。
你很可能同时遇到好几种。按下面的顺序，一次处理一种。
宽带噪声：嘶嘶声、风扇声、气流声
宽带噪声分布在整个频谱上，电平相当恒定。标准做法是频谱降噪：工具先从只有噪声的片段里学习噪声的特征，也就是采集噪声样本，再在整段录音中削减与这个样本相符的能量。
好好采集噪声样本。给工具一段干净的、只有噪声的片段：没有呼吸声，没有椅子的吱呀声，没有远处的关门声。如果样本取自包含某个字尾音的段落，工具就会学到你的声音有一部分是噪声，然后忠实地把它去掉。
然后，降噪量要比你想用的少得多。6 dB 的降噪量，往往就足以让噪声从分散注意力变成察觉不到。20 dB 肯定能去掉噪声，但也会把人声的高频一起带走。
一个有用的技巧：故意把降噪量设得过高，听听声音被糟蹋成什么样，然后往回调，直到那种问题消失。比起从零开始一点点往上加，这能快得多地让你知道这段录音的边界在哪里。
有时候，老实的答案是改用均衡器。如果噪声主要是低频隆隆声，在 80 Hz 做一个高通滤波就能把它完全去掉，而且不留任何处理痕迹：根本不需要降噪，硬要用的话，只会白白损失音质。看一眼平均频谱，通常就足以判断你属于哪种情况：隆隆声是底部的一道斜坡，嘶嘶声是顶部的一片平台，嗡嗡声则是一排栅栏似的尖峰。
嗡嗡声与蜂鸣声
工频嗡嗡声位于 50 Hz 或 60 Hz，上方叠着谐波：100、150、200，依此类推，或者 120、180、240。因为它是一组精确的音调，而不是一片分散的能量，所以可以用梳状排列的一组窄陷波滤波器，近乎外科手术般地去掉，对周围的素材基本没有代价。
有两点很重要。第一，要去掉谐波，而不只是基频：人们觉得最烦的那种蜂鸣质感就在谐波里，只在 50 Hz 做陷波，它会原封不动。第二，优先选择会追踪频率的工具，因为市电频率会轻微漂移。一个固定在 50 Hz 的陷波，会渐渐盖不住已经漂到 50.2 Hz 的嗡嗡声，却还在继续削掉你的一小片低音。
如果嗡嗡声只在你碰到某样东西时才出现，那就是接地或线缆的问题；先解决它再重录，胜过任何处理。
咔嗒声、噼啪声和掉音
这些是特定时刻的损伤：一处糟糕的剪辑、一次缓冲区故障、一个接触不良的线缆接头、黑胶唱片的表面噪声，或者近距离收音的人声里的口水音。
它们需要的是修复，而不是削减。去咔嗒声工具会找到脉冲，再根据周围的波形，把缺失的那几分之一秒重建出来：因为受影响的区域真的非常小，好的修复完全听不出来。
如果只有几个咔嗒声，手动处理往往比自动检测更好：放大波形，找到不连续的地方，然后重画波形，或者做一个很短的交叉淡化。对整首曲目做自动去咔嗒声，偶尔会把一个辅音当成咔嗒声。
人声里的口水音是另一种烦恼，用手动修复效果很好；这件事很繁琐，但在主唱人声上值得做。
房间声
如果你的录音听起来有箱音、很远，或者像是在浴室里录的，那就是房间：在直达声之后不久到达话筒的那些反射声。它不是噪音，降噪也碰不到它，因为它的频谱内容和你想保留的东西一样。它就是你想保留的东西，只是晚到了一步。
去混响工具确实存在，而且已经真正好用了。它们使用的模型学过语音和音乐在有房间、没有房间时分别是什么样子，能削弱反射声，同时保留直达声。
要轻用，原因很容易被忽略：完全干的人声听起来不对劲。真实的听众从来没听过完全没有房间感的人声，把房间声彻底去掉，得到的东西会让人不安，却又说不出为什么。把房间声减到不再分散注意力，然后就停手。
这里的四种问题中，处理对它帮助最小。它也是最能以低成本预防的一种，后面单独有一节讲这个。
顺序很重要
按这个顺序做，因为每一步都会改变下一步看到的东西：
- 先修复损伤：削波修复和去咔嗒声。一个削波或带咔嗒声的采样，会让噪声样本把这里的噪声学错。
- 接着去除嗡嗡声。它是音调性的，可以精确处理；去掉它之后，宽带底噪更容易被准确地采样。
- 然后做宽带降噪，要轻。
- 然后去混响，如果需要的话：这时信号已经干净了，模型就不会把嘶嘶声当成早期反射来解读。
- 然后才是其他一切：均衡、压缩、真正的混音。
而且，这些都要在混音之前、在单独的音轨上做。一条有噪声的音轨一旦和其他所有东西叠加在一起，它的噪声就和你想要的素材纠缠在一起，同样的修复会造成大得多的附带损伤。如果工程已经没了，只剩下导出的混音，把它重新分离成几个部分至少能让你单独处理受损的那个元素：同时也继承了分离留下的一切，这就是你要做的取舍。
为什么降噪会让声音像在水下
这种处理痕迹有个名字，音乐噪声（musical noise），理解了它，就容易避开得多。
频谱降噪会把信号分成许多很窄的频段，每秒分很多次，并在每个看起来像噪声的频段上做衰减。降噪很激进的时候，零星的频段会这里那里地幸存下来，基本是随机的，而每一个都是一个短暂的纯音。每秒几百个这样的纯音，就是那种咕噜咕噜、水汪汪、像在水下的声音。
它是一个症状，说明你要的降噪量超出了录音能承受的范围。解药其实是同一个：降少一点，采集更好的噪声样本，接受稍高一点的底噪。一段能听到嘶嘶声的录音，听起来仍然是一段录音。一段满是音乐噪声的录音听起来是坏的，而听众对前者的宽容远远超过后者。
没人想听的那部分
录音前花 15 分钟，胜过事后任何修复。关掉空调和所有带风扇的东西。把话筒挪近一点，这会同时提高你的信号相对于房间和底噪的比例，是你能做的最有效的一件事。在话筒后面放点软的东西，在你身后也放点软的东西。每次录音开始时，先录 30 秒干净的静音，这样如果之后真的需要噪声样本，你手上就有一个好的。
当你手上已经有一个问题文件时，这些都不是你想读到的。但你明天录的文件会因此更好，而工具在本来就不太需要它们的录音上，效果要好得多。
继续阅读