Remover ruído de fundo de um áudio: o que funciona

Um ventilador no cômodo, o zumbido do cabo de um microfone barato, o chiado do microfone embutido de um notebook: a maioria das gravações caseiras tem um pouco disso, e é o que dá a elas um som amador. As ferramentas de redução de ruído prometem tirar isso sem mexer na voz. Misturamos cinco tipos de ruído a gravações reais de voz, limpamos com nosso redutor de ruído e medimos o resultado.

Como o redutor de ruído funciona

Nosso redutor de ruído usa o RNNoise, uma pequena rede neural criada na Mozilla e na Xiph.org, os autores do codec de áudio Opus. A cada 10 milissegundos ele olha o som dividido em faixas de frequência e estima, faixa por faixa, quanto é voz e quanto é ruído, e abaixa as faixas ruidosas. O programa inteiro, rede incluída, tem 110 KB para baixar, o que permite rodar em tempo real até num celular.

Esse projeto tem uma força e um limite claros. Ele aprende como as vozes soam, então tudo o que não soa como voz e fica mais ou menos estável no tempo é fácil de remover. Sons que mudam rápido, ou que parecem vozes, como música, são bem mais difíceis.

O teste

Juntamos seis gravações curtas em inglês do Mozilla Common Voice, pessoas reais lendo frases no próprio microfone, com pausas curtas entre elas: 40 segundos no total. Acrescentamos cinco tipos de ruído, cada um 10 decibéis abaixo da voz, uma gravação caseira barulhenta típica:

• Chiado: um ruído constante de banda larga, como um microfone barato ou uma gravação com ganho alto demais.
• Zumbido elétrico: um tom de 50 Hz e seus harmônicos, como o de um cabo mal blindado.
• Ventilador: um ronco grave com um leve tom, como um computador ou um ar-condicionado.
• Teclado: cliques secos várias vezes por segundo.
• Música: acordes de um instrumento tocando ao fundo.

Também testamos chiado a 0 decibel, tão alto quanto a voz, e a 20 decibéis, quase inaudível. Dois números descrevem cada resultado. O primeiro é quanto o nível das pausas caiu, o que se ouve entre as frases. O segundo é uma pontuação padrão (SI-SDR) de quanto o resultado inteiro se aproxima da voz original, em decibéis: maior é melhor, e cada 10 decibéis significam dez vezes menos ruído e distorção restantes.

Resultados

O ruído constante é onde esse tipo de ferramenta brilha. O chiado e o ventilador caíram de 35 a 37 decibéis nas pausas, de claramente audíveis a praticamente silenciosos. O zumbido caiu 25 decibéis; seus tons ficam onde estão as notas mais graves de uma voz masculina, o que talvez explique por que o modelo removeu menos.

Os cliques e a música são outra história. Os cliques são curtos e repentinos demais para um modelo que se adapta ao longo de dezenas de milissegundos, e a música tem a estrutura harmônica de uma voz. Os dois caíram só de 6 a 7 decibéis nas pausas e continuaram claramente audíveis.

Ruído leve: menos força

Um resultado parece estranho à primeira vista: com chiado leve, 20 decibéis abaixo da voz, a pontuação caiu de 20 para 17,6 com força máxima. As pausas ainda caíram 30 decibéis, mas a rede também removeu o leve som ambiente das gravações originais e remodelou um pouco a voz, e a pontuação conta as duas coisas como diferenças.

O ajuste Força mistura o som limpo com o original. Com o chiado leve, 50% deram pontuação de 21,4 dB, melhor que o original e que a força máxima. Com o ruído 10 decibéis abaixo da voz, 75% (16,6 dB) e a força máxima (16,2 dB) ficaram mais ou menos iguais.

Dicas para gravações mais limpas

• Remova o ruído antes de tudo. Comprimir ou aumentar o volume primeiro deixa o ruído mais difícil de separar da voz.
• Comece com força máxima para ruído forte e em torno de 50 a 75% para ruído leve, e depois ouça as pausas e o fim das palavras, onde a limpeza exagerada aparece primeiro.
• Corrija a fonte quando puder. Desligue o ventilador, afaste-se do computador e grave mais perto do microfone. Alguns centímetros a menos destacam a voz sobre o ruído mais do que qualquer ferramenta.
• Não espere milagres com música ou vozes sobrepostas. Para uma voz sobre uma banda ou sobre outra pessoa falando, esse tipo de ferramenta ajuda um pouco, não muito.

O redutor de ruído funciona com arquivos de áudio e com o som de vídeos, deixando a imagem intacta. Tudo roda no seu navegador, cerca de 30 vezes mais rápido que o tempo real no processador de desktop de 2013 do nosso teste: uma hora de áudio leva uns dois minutos por canal e nunca sai do seu aparelho.