新闻节目同期声的降噪理念及软件处理方法

河北广播电视台：卜实

随着数字技术在音频制作领域的应用不断发展，现今的声音制作人员能够获得精度更高、品质更好的数字音频设备。之前由于技术限制的声音创作壁垒逐渐被打破，曾经的技术约束已经不再是难题。想要创作出优秀的新闻节目同期声，不仅要将现场声音录制得活灵活现，还必须要考虑一个制约因素——噪声。

1. 技术引发的问题

伴随着新技术的发展与应用，新闻由原来的纸面化，逐步走向了现阶段的影像声音化。同时随着新闻的即时性和现场感逐步提升。广大新闻工作者对于采用现场同期，以及直播拍摄的方式和方法也越来越热衷。这种方式固然增加了新闻的现场感与真实感，但是对于拍摄的素材，特别是声音素材来说则显得不是那么“干净”。

由于采用现场拍摄的方式进行新闻采集，而新闻现场又具有极大的突发性与不可控性，所以经常会遇到在声音采集时混入噪音、杂音的情况。我们所期望采集的是干净纯粹的被采访者的人声，而往往我们在采集人声的同时，会把工厂里机器工作的声音、马路旁的车流声以及其他的一些意想不到的环境噪声一并采集到我们的同期声当中。在之后的编辑过程当中，我们就会遇到更加复杂甚至是难以解决的问题。由于采集到的采访声音不干净不纯粹，所以语言的清晰度、可懂度不够高。这时如果提高整个声音的响度，那么声音里的噪声则会被同时放大，可能在提高响度后依然无法听清语言，也有可能在提升响度后，噪声对语言的干扰更甚。若是想通过降低音量的方法来减少噪音的影响，则势必会同时将采集的人声音量降低，根据等响曲线（图1）我们不难得出，这样降低音量则会使语言的清晰度下降得更多。

图1 等响曲线

鉴于此种情况的不可避免与频繁发生，笔者认为可以将影视同期中对于声音降噪的相关理念与技术运用到新闻节目的降噪之中。

2. 基本理念

音频降噪，在英文上有两种不同的表述，一种称为Audio Restoration，指运用数字信号处理技术对于老旧唱片等作品或珍贵录音进行声音质量修复，使其尽可能多地保留有效声音信号，对由于转录回放或录音设备本身磨损等原因导致的噪声问题进行处理；另一种称为Audio Repair，是对现代录音作品中在同期录制时出现的突发噪声或瑕疵进行技术处理以保证语言等有效声音信号，提高语言的清晰度与可懂度。

我们在针对新闻同期声进行降噪时主要基于后面Audio Repair的理念来进行宏观上的思考。在通过对新闻节目同期声噪声的简单分析后，我们不难得出，新闻同期声噪音主要是由拍摄现场的环境因素、拍摄设备因素以及人为因素所造成的，主要造成影响的大致可分为三类：①线路本底噪声；如在拍摄状态下同期录音的话筒、同期调音台或者是录音机、摄像机，由于设备老化，所产生的接触以及线路层面的噪声。这种噪声持续性很长，几乎伴随整个声音的存在，由于是“电”引起的，频率上相对稳定，响度不会太大，听感上表现为“heng”的发音。②空气环境噪声；如在拍摄时本身的空气噪声、风吹树木的“刷刷”声，拍摄场地中一些自然环境所固有的持续的声音，这类噪声也具备相对较长的持续性，同时在频率表现上则相对复杂，听感上差异较大，响度上动态范围较大，有时很小，有时很大，受客观环境影响较大。③特殊突发类音响效果：包含工厂设备、汽车鸣笛、飞机划过等特殊的具有特定声响的噪声。这类噪声持续性不强，往往一闪而过，频率表现有各自的特点，通常情况下响度相对较大，听感上极具特点。

在对新闻同期声的噪声进行简单的分类与分析后，笔者认为针对新闻同期声的降噪，最主要是通过软件降噪的方式来体现出声音中的人声，尽可能地把人声的清晰度与可懂度提高，最大程度地减少削弱噪声对于人声的影响。但是，由于降噪的对象是新闻同期声节目，其不具备进行二次声音创作的条件，所以我们还不能将噪声去除得过于干净，一方面，将噪声去除得过于干净则不可避免地会影响人声的音质，会给人声带来“闷”“薄”的感觉；另一方面，过于干净的同期声会丧失新闻的现场感与真实感，同时也会在画面匹配的过程中造成不适。

3. 处理方法

影视声音的降噪方法主要分为以下几种：①算法降噪：常见的音频降噪算法包括基于频谱估计的降噪算法、基于小波变换的降噪算法、基于神经网络的降噪算法等。②硬件降噪：是指通过添加外部硬件设备来实现降噪，例如使用消噪耳机、消噪话筒等。③软件降噪：软件降噪是指通过软件来实现降噪，例如使用音频处理插件、音频编辑软件等。

对于新闻节目的同期声降噪来说，采用算法降噪过于复杂且很不方便，而硬件降噪则针对的是终端与最后的受众听感，只有采用软件降噪的方式才最符合新闻同期声的处理方式。

4. 具体做法

接下来笔者通过一些具体软件分别阐述对不同噪声进行降噪处理的方法。

4.1 Z-NOISE

如图2所示：Z-noise是一款最为基础且最为方便的降噪插件，非常适合初学者来进行操作，该款降噪插件的特点在与针对固有的单一频率的本底噪声进行降噪。该款插件通过点击“learn”来学习并识别选中的噪声，通过调整“thresh”（阈值）来对声音进行降噪处理，阈值越大，降噪效果越明显，但声音质量相对来说会比较糟糕，听感上会发闷，感觉人声的中低频被放大。此外该款插件预制较少，这一点上使用起来不是很方便。

图2 Z-noise

在图2中所遇到的需要进行音频修复的同期声中，其绿线为软件检测出的噪声采样阈值即为输入的噪声值，红线则是经学习后，Z-noise降噪插件进行降噪后输出的声音信号，我们通过图示可以清晰地看到在所给的降噪样本中，对于低频和高频进行了显著的信号降低，从听感上来说，对于低频的风声和高频“sisi”声的降噪效果极为明显，基本上达到了播出的信号指标要求。

4.2 DialogueEnhance

如图3所示：Dialogue Enhance是一款针对对话增强的插件，它的设计和处理原理并不是针对噪声的减弱，而是将对白语言进行增强。它通过自动降噪、频谱矫正、动态控制、响度提升四个模块，基于AI人工智能分析来自动对人声、语音进行处理。它可以轻松提高语音录制的质量，而无须调整许多参数。无论是在嘈杂的环境中录制采访，还是使用廉价的麦克风录制采访，Dialogue Enhance都会消除背景噪音，并自动应用EQ和压缩器，使处理后的人声清晰度更高。这款插件适用于对背景噪声相对较小的声音素材进行降噪。由于其具有高度的智能化，所以在进行人工调整时不是很方便，有些死板。

图3 Dialogue Enhance

从图3中我们可以看到，该插件对所给的音频样本的语言文字进行了智能提升，通过其中的Automatic EQ模块我们可以从听感上感觉到，该款插件对于800hz-3000hz的人声语言覆盖频率有着明显的提升，与其他低频和高频对比来说，由于其在中频特别是语言覆盖频率段做了显著的提升与优化，使得对于对白，语言的加强和清晰度得到了积极的展示，在附加上Noise Reduction减少噪音的模块，使得该语言音频样本的清晰度、可懂度较之前相比有了明显的提升。

4.3 W43

如图4所示，W43降噪插件是Waves公司旗下的一款经典降噪插件，它的操作界面直观明了，也很适合初学者来进行使用，它最大的优势在于它的预设直接给出了它最适合处理的噪声类型，包括交通噪声以及风声，而这两种噪声在使用其他的降噪插件进行处理时，往往显得不尽如人意。

图4 W43

如图4所示的音频样本，该音频样本存在的问题主要是风声对于采访的影响，采用W43插件对其降噪主要是考虑到其内置效果的风声减弱可以有效地对音频样本中的风声进行衰减。经尝试后，该插件在噪声减弱上起到了积极的效果，但是对于其中的人声音质影响较大，能够明显得听出有人为修改的痕迹，所以使用效果并不理想，故而舍弃。

如图5所示：Clarity Vx插件是一款相对较新的，质量较好的智能程度较高的降噪插件，也是笔者较为常用的一款降噪插件。其基于强大的神经网络，AI算法，针对音频素材中的噪声进行智能识别并提取，可将人声与背景声相对干净地进行分离，其最大的方便之处在于通过旋钮的调整可以选择所听到的声音为干净的人声或是纯粹的环境噪声，有时候我们会通过该款插件得到当时新闻采集的背景声，在后期配上相应的人声，进行同期声的二次创作。

图5 Clarity

4.4 Clarity Vx

如图5，通过分析，可以从该音频样本中得出噪声频率范围较窄，与节目声频率分布差异较大。

该样本噪声瞬态较为突出，具备使用Clarity Vx插件的可能性。

其固定频率的“heng，buzz，wum”等噪声适用于其降噪插件的AI算法。

通过分析图5中紫色点状的密度，可以看出其在低频和高频的区域密度较大，对应的是噪声的能量很高，所以对其降噪的必要性也较高。

通过降噪插件降噪后，我们可以得出一个相对较干净、噪声能较小的音频样本。

4.5 iZotope RX10

如图6所示，iZotope RX10同样是一款笔者使用较为频繁的降噪插件，这款降噪插件凭借其可调参数多、可调选项细、可调种类全深得笔者喜爱。但同时该款插件使用起来较为复杂，对于初学者甚至是一般的音频剪辑师来说，操作难度较大。简单来说，笔者一般通过该插件的“dialogue isolation”选项将声音素材中的人声单独隔离出来，同时再根据隔离出人声的听感进行“dereverb”“de-wind”等参数的具体调节。在最后，还可以针对现有的人声进行频率均衡的弥补。总之笔者认为在具备足够时间的情况下，该款插件的降噪效果比较令人满意。

图6 iZotope RX10

在通过RX10对音频样本进行降噪时，我们首先通过Replace来对声音片段中明显的噪声进行替换，主要是根据前后声音片段的计算差值来参考进行。

其次在进行完Replace操作后，该音频样本得到的效果人工痕迹较为明显，可以采用Attenuate（衰减）来进行处理，主要是用来减弱人工痕迹。在操作的同时需要注意度的把握，主要以听感来进行判别。

之后通过该插件中的放大器和卡尺模块，将频谱精度调细便于我们最终在图章模块和画笔修复的过程中方便处理。

最后我们采用Spectral Repair工具对频谱进行图像化的修改，该功能类似于Photoshop中的图章工具，以前后声音采样来计算生成替换后的音频素材，在处理过程中要减少间歇噪声的持续，否则频率过高，会出现明显的失真。

以上几款降噪插件是笔者在针对新闻同期声降噪时经常使用的。当然在噪声的处理方式上还有许多手段与方法，从降噪层面来考虑我们更关注的是适合，只要是能达到效果和预期目的的处理方法我们都应该进行学习与提倡。

4.2 噪声处理过程与软件操作的建议

针对采样类降噪软件来说，噪声的采样越长越好，采样过程的噪声越纯粹越好，这样会增加提取噪声特性的准确度。

在进行对同期声节目降噪的过程中，要实时对被消除的噪声进行监听，以检查原始节目信号是否受到影响。

当新闻节目同期声存在较多噪声时，可以考虑使用均衡器或者多段压缩器进行处理，将噪声尽量先集中起来。

如果针对消波失真消除器效果不佳，可以使用均衡器在2khz或者更高的频段进行衰减，来降低失真。

对于预设的使用要谨慎，软件预设只是提供了一个修改的方向，但预设修改毕竟听感上会有机械的味道，我们所需要的声音需要更加圆润。

在单次降噪效果不佳的时候，一定要尝试多次，多效果器软件组合处理，努力寻找到处理中的“临界”感。

最高的处理精度不等于最佳的品质，在处理精度和主观听感上存在差异的时候要服从主观听感，适当的降低处理精度。

5. 结束语

从新闻创作的角度上来看，同期声使用频率越高，越可以提高新闻的现场感与真实性。而对于制作来说，则可以保留录音师的辛苦劳动成果，减少声音后期的二次创作。另一方面，声音是画面的有机补充，对于新闻节目来说这也不例外，高质量的同期声同样也可以为新闻编辑在后期剪辑和制作中增添灵感，增加二次创作的可能，给相对沉稳的新闻节目添加一些较为生动的“调料”。