Rimuovere il rumore di fondo da un video: 4 metodi
Rimuovere il rumore di fondo da un video con FFmpeg, Audacity, il tuo editor o Sablate senza rovinare la voce: cosa toglie ogni metodo e quanto costa.
Per rimuovere il rumore di fondo da un video, fai passare la colonna sonora in un riduttore di rumore e rimetti l'audio pulito accanto all'immagine intatta. FFmpeg e Audacity lo fanno gratis, gli editor video hanno uno strumento a un clic e Sablate lo fa durante l'esportazione. Il problema è la voce: se spingi troppo uno qualsiasi di questi strumenti, le parole basse se ne vanno insieme al rumore.
Per rumore di fondo qui si intende il suono sotto il parlato: una ventola, un condizionatore, un bar, il traffico, il ronzio di una stanza. Questa guida presenta quattro modi per toglierlo, i punti di forza di ciascuno e i numeri del nostro test su quanto rumore toglie ogni metodo e quanto parlato si porta via.
Perché togliere il rumore a volte rovina la voce?
Ogni riduttore di rumore prende la stessa decisione migliaia di volte al secondo: in questa fetta di tempo, in questa banda di frequenze, il suono è voce o rumore? Ciò che viene scambiato per rumore viene abbassato. I metodi differiscono nel modo di decidere.
Quelli classici imparano che suono ha il rumore e lo sottraggono. Audacity ti chiede un profilo del rumore, cioè qualche secondo in cui nessuno parla; l'afftdn di FFmpeg ne stima uno man mano. Funziona bene quando il rumore è costante, come una ventola o il fruscio di un nastro, perché il profilo corrisponde ancora dopo un minuto. Funziona male con rumori che cambiano, come il chiacchiericcio di un bar o un'auto che passa, perché il profilo non corrisponde più. Se alzi la quantità per compensare, la voce inizia a suonare acquosa, con deboli suoni tremolanti dove prima c'era il rumore.
I più recenti sono reti neurali addestrate su molte ore di parlato e rumore. Invece di sottrarre un profilo, prevedono, fotogramma per fotogramma, quanta parte di ogni banda è voce. Gestiscono molto meglio il rumore che si muove. Il loro difetto è un altro: una parola bassa, soffiata o lontana dal microfono assomiglia molto al rumore, e un modello a piena forza la elimina. Chi ascolta lo descrive come sillabe troncate, una frase a cui manca l'ultima parola o una risata che diventa silenzio.
La soluzione è la stessa in entrambi i casi. Limita di quanto si può abbassare ogni banda, così il parlato più basso sopravvive, e ascolta sempre un punto in cui chi parla è a voce bassa prima di esportare.
I quattro modi per rimuovere il rumore di fondo da un video
- Il filtro afftdn di FFmpeg: gratuito, un solo comando, l'immagine viene copiata senza toccarla. Il migliore sui rumori costanti.
- La Noise Reduction di Audacity: gratuita, con un profilo del rumore che scegli tu. L'audio deve uscire dal video e rientrarci.
- Lo strumento antirumore del tuo editor video: un clic se stai già montando lì, con risultati molto diversi da un editor all'altro.
- Clean up voice di Sablate: un riduttore di rumore neurale che gira sul tuo computer, con un'anteprima prima e dopo, applicato al file video o audio che esporti.
Metodo 1: il filtro afftdn di FFmpeg
FFmpeg è lo strumento a riga di comando gratuito che molte app video usano sotto il cofano. Il suo filtro afftdn è un classico riduttore di rumore FFT, e un solo comando pulisce la colonna sonora copiando l'immagine così com'è:
ffmpeg -i input.mp4 -af "highpass=f=80,afftdn=nr=12:nf=-50:tn=1" -c:v copy -c:a aac -b:a 192k output.mp4
Cosa fanno le singole parti:
highpass=f=80elimina tutto ciò che sta sotto gli 80 Hz: rombo, colpi sulla scrivania, brusio del traffico. Nella voce c'è quasi niente a frequenze così basse.afftdn=nr=12abbassa il rumore di 12 dB,nf=-50è la stima iniziale del livello di rumore di fondo in dB (entrambi sono i valori predefiniti, secondo la documentazione dei filtri di FFmpeg), etn=1permette al filtro di seguire il rumore mentre cambia.-c:v copymantiene l'immagine bit per bit; solo l'audio viene ricodificato.
Alza nr per ridurre di più e ascolta se compare il suono acquoso che indica che hai esagerato. Su una ventola o un fruscio costanti spesso basta questo.
Sul rumore che si muove fa poco. Nel nostro test su rumore di bar, ufficio e traffico, afftdn ha alzato un poco il punteggio di qualità del parlato e ha lasciato dov'era la qualità complessiva: la differenza si sente a fatica. FFmpeg ha anche un filtro RNNoise, arnndn, che richiede un file di modello a parte; nello stesso test ha tolto molto più rumore ma ha distorto la voce e ha alzato l'errore di parola di Whisper più di qualsiasi altro metodo provato. I numeri sono nella tabella più sotto.
Metodo 2: la Noise Reduction di Audacity
Audacity è un editor audio gratuito e open source per Windows, macOS e Linux. L'effetto Noise Reduction è il classico metodo a profilo, e controlli ogni impostazione. Audacity modifica l'audio, non il video, quindi il lavoro richiede tre passaggi.
Estrai l'audio dal video con FFmpeg:
ffmpeg -i input.mp4 -vn -c:a pcm_s16le audio.wav
Puliscilo in Audacity:
- Apri
audio.wave seleziona due o tre secondi in cui nessuno parla e si sente solo il rumore. - Apri l'effetto Noise Reduction e clicca su Get Noise Profile.
- Seleziona l'intera traccia e apri di nuovo Noise Reduction. I valori predefiniti sono 6 dB di riduzione, una sensibilità di 6 e un'uniformazione della frequenza di 6 bande; parti da lì e clicca su Preview.
- Quando il rumore è sceso e la voce suona ancora naturale, clicca su OK ed esporta il risultato come
cleaned.wav.
Rimetti l'audio pulito accanto all'immagine originale:
ffmpeg -i input.mp4 -i cleaned.wav -map 0:v -map 1:a -c:v copy -c:a aac -b:a 192k -shortest output.mp4
Il profilo è insieme il punto di forza e il punto debole. Su una ventola o un condizionatore toglie il rumore in modo pulito. Il manuale di Audacity stesso dice che l'effetto non è adatto ai rumori di fondo irregolari come il traffico o il pubblico, e se il rumore cambia durante la registrazione, un solo profilo non andrà bene per entrambe le metà: pulisci le parti separatamente.
Metodo 3: lo strumento antirumore del tuo editor video
Se il video è già aperto in un editor, il suo strumento antirumore è la strada più corta. Tutti i principali editor ne hanno uno, e differiscono più di quanto suggeriscano i nomi:
- iMovie (Mac, gratuito) ha una casella Reduce background noise con una percentuale: 0% lascia l'audio com'è e 100% è il massimo (guida di iMovie di Apple).
- Final Cut Pro (Mac) ha Voice Isolation, che «dà priorità alle voci umane rispetto alle altre parti del segnale audio», e Background Noise Removal, ciascuno con un cursore Amount (guida di Final Cut Pro di Apple).
- Premiere ha Enhance Speech, ora dentro Enhance Audio, con un cursore Enhancement. La versione 1 gira sul tuo computer; la versione 2 gira nel cloud di Adobe e usa due crediti generativi al minuto. Una clip stereo esce come downmix mono (guida di Adobe a Enhance Speech).
- DaVinci Resolve ha la Voice Isolation basata su IA nella versione Studio a pagamento, e un plug-in di riduzione del rumore di Fairlight che impara il rumore da una selezione (pagina di DaVinci Resolve Studio di Blackmagic).
- CapCut ha un interruttore Reduce noise. Le sue stesse pagine non concordano sul prezzo: la pagina dello strumento online lo dice gratuito, mentre la pagina Pro di CapCut per Windows e Mac elenca Reduce noise tra le funzioni Pro.
Nessuno di questi strumenti ti dice in numeri quanto sta lavorando, quindi tratta il cursore allo stesso modo ovunque: parti basso, ascolta un punto in cui chi parla è a voce bassa, alzalo finché il rumore non ti dà più fastidio e fermati lì. Quelli neurali (Voice Isolation, Enhance Speech) si comportano come i modelli neurali della tabella qui sotto: molto meglio su voci e traffico, e i primi a inghiottire una parola bassa a piena forza.
Metodo 4: Clean up voice di Sablate
Sablate è un'app desktop per Windows e macOS che crea i sottotitoli di un video che hai già e, dalla versione 1.3, può anche pulire la voce in ciò che esporta. Usa DPDFNet, un riduttore di rumore neurale incluso nell'app che gira sul tuo computer: l'audio non viene caricato online e il modello di rumore non richiede download aggiuntivi.
I passaggi:
- Apri il video in Sablate. Trascrive il parlato per i sottotitoli dall'audio originale.
- Nell'editor, apri la modalità Voice e scegli una forza. Light limita la riduzione a 18 dB e conserva il parlato basso; è quella da cui partire. Strong toglie tutto ciò che non è parlato, musica compresa.
- Porta la testina in un punto a voce bassa e ascolta: Sablate riproduce dieci secondi come registrati e come puliti, e puoi passare dall'uno all'altro.
- Esporta dal menu Export. L'audio pulito entra nel video con i sottotitoli impressi, nel video tagliato con la modalità Cuts, nel file
.mkvcon i sottotitoli attivabili, oppure in un Audio file (.m4a) con solo l'audio.
La traccia pulita viene creata una sola volta per file e riutilizzata, quindi esportare tre lingue non pulisce l'audio tre volte. Sulle nostre macchine di prova ci sono voluti circa 10 minuti per ora di audio su un Ryzen 5 5600X e circa 5 minuti su un Apple M4, misurati su una clip di 60 secondi.
I limiti, senza giri di parole: Sablate è un'app per sottotitoli, quindi se non ti servono i sottotitoli, Audacity o il tuo editor sono più a portata di mano. Riduce il rumore; non toglie l'eco della stanza e non ricostruisce una voce registrata male. Una colonna sonora stereo esce con la stessa voce pulita su entrambi i canali. Il piano gratuito include Clean up voice; non richiede un account e copre video fino a dieci minuti, tre lavori al mese, i modelli Fast e Balanced e un livello di traduzione offline, e il suo burn-in porta un piccolo marchio in un angolo.
Quanto rumore toglie ogni metodo e quanto costa?
L'abbiamo misurato mentre sceglievamo il modello per Sablate. Due registrazioni pulite di 30 secondi di parlato in turco sono state mescolate con tre rumori del corpus pubblico DEMAND (mensa, ufficio, traffico stradale) a un rapporto segnale-rumore di 5 dB, uno sfondo forte ma realistico. Sono sei clip per metodo; i valori sono medie.
| Metodo | Qualità del parlato (PESQ) | Segnale privo di distorsione (SI-SDR, dB) | Qualità complessiva (DNSMOS, 1-5) | Errore di parola di Whisper |
|---|---|---|---|---|
| Nessuna elaborazione | 1,55 | 5,1 | 1,89 | 26% |
| FFmpeg afftdn | 1,78 | 3,5 | 1,91 | 29% |
| FFmpeg arnndn (RNNoise) | 1,86 | -1,2 | 2,36 | 45% |
| DeepFilterNet 3 | 2,05 | 14,9 | 3,10 | 42% |
| DPDFNet, piena forza (Sablate Strong) | 2,23 | 17,3 | 3,19 | 37% |
| DPDFNet, limite di 18 dB (Sablate Light) | 2,17 | 16,2 | 2,74 | 23% |
PESQ e SI-SDR confrontano la clip pulita con la registrazione pulita; più alto è meglio. DNSMOS è il modello di Microsoft che prevede come un ascoltatore valuterebbe la clip senza sentire l'originale. L'errore di parola confronta la trascrizione di Whisper di ogni clip, fatta con large-v3-turbo, con la sua trascrizione della registrazione pulita. Abbiamo ripetuto il test a 0 e 10 dB e la classifica è rimasta la stessa.
Due cose spiccano. I modelli neurali vincono ogni misura di ascolto con un margine ampio: DeepFilterNet e DPDFNet alzano il segnale privo di distorsione di 10-12 dB, mentre i due filtri di FFmpeg lo spostano appena o lo peggiorano. E pulire di più non vuol dire parole più chiare. La pulizia a piena forza ha alzato l'errore di parola di Whisper dal 26 al 37%, perché le parole che ha tolto erano parole che Whisper avrebbe sentito. La versione con il limite lo ha abbassato al 23%. Su una registrazione pulita di parlato reale, la piena forza ha cambiato un terzo delle parole della trascrizione perdendo frasi intere; la versione con il limite non ne ha cambiata nessuna.
Due registrazioni in una sola lingua non sono un benchmark, quindi considera i numeri esatti un'indicazione. La direzione è la parte utile, ed è il motivo per cui Sablate crea i sottotitoli dall'audio originale e usa Light salvo diversa scelta.
Quale metodo usare?
«È una sola clip con una ventola o un fruscio costanti e non mi spaventa il terminale.» Usa afftdn di FFmpeg. Un comando, immagine intatta.
«Il rumore è uguale dall'inizio alla fine e voglio controllare ogni impostazione.» Usa Audacity con un profilo del rumore preso da un tratto silenzioso.
«Sto comunque montando il video in un editor.» Usa il suo strumento: Reduce background noise in iMovie, Voice Isolation in Final Cut Pro o DaVinci Resolve Studio, Enhance Speech in Premiere. Se l'immagine stereo conta, ricorda che Enhance Speech di Premiere restituisce audio mono.
«Sullo sfondo ci sono voci, traffico o musica, oppure sto creando i sottotitoli per il video.» Usa Clean up voice di Sablate su Light, ascolta un punto a voce bassa e passa a Strong solo se il rumore dà ancora fastidio.
«Chi parla ha la voce bassa o è lontano dal microfono.» Usa un'impostazione leggera in qualunque strumento scegli e controlla i finali di frase prima di esportare: sono la prima cosa che un riduttore di rumore forte toglie.
Come tenere il rumore fuori dalla prossima registrazione
La rimozione del rumore funziona meglio su una registrazione che ne aveva poco bisogno. Avvicina il microfono a chi parla: dimezzare la distanza rende la voce circa 6 dB più forte rispetto alla stanza, più di quanto molti filtri antirumore tolgano senza effetti collaterali. Se puoi, spegni ventole e condizionatori durante la registrazione. All'inizio registra cinque secondi della stanza senza che nessuno parli: danno ad Audacity un profilo del rumore pulito e a te un riferimento con cui confrontare l'ascolto.
Poi mantieni due abitudini. Trascrivi e sottotitola dall'audio originale, come spiega la guida alla trascrizione, e pulisci solo l'audio che consegni. E ascolta sempre in cuffia un tratto a voce bassa del risultato pulito prima di inviarlo a qualcuno: gli altoparlanti del portatile nascondono proprio gli artefatti che sentirà chi guarda.
Se il video ha bisogno sia dei sottotitoli sia di una colonna sonora più pulita, scarica Sablate e fai entrambe le cose in un'unica esportazione; il piano gratuito basta per provarlo su una clip di dieci minuti.
Domande frequenti
Come rimuovo il rumore di fondo da un video gratis?
Usa FFmpeg o Audacity. Il filtro afftdn di FFmpeg pulisce la colonna sonora con un solo comando e copia l'immagine senza toccarla. La Noise Reduction di Audacity impara il rumore da qualche secondo in cui nessuno parla e lo toglie, ma devi estrarre l'audio dal video e rimetterlo con FFmpeg. Entrambi funzionano meglio su rumori costanti come una ventola o un fruscio.
La riduzione del rumore peggiora la voce?
Può succedere, se la spingi troppo. Un riduttore di rumore deve decidere cosa è voce e cosa è rumore, e le parole basse o lontane sono le prime a essere giudicate male. Nel nostro test la pulizia neurale a piena forza ha alzato l'errore di parola di Whisper dal 26 al 37%, mentre lo stesso modello con un limite di 18 dB lo ha portato al 23%.
Posso togliere il rumore di fondo senza ricodificare il video?
Sì. Deve cambiare solo la colonna sonora, quindi l'immagine si può copiare bit per bit. In FFmpeg si fa con l'opzione -c:v copy; anche Sablate copia l'immagine quando scrive il file .mkv con i sottotitoli attivabili. Le esportazioni che imprimono i sottotitoli o applicano i tagli ricodificano comunque l'immagine, quindi lì pulire l'audio non costa nulla in più.
Devo togliere il rumore prima di trascrivere un video?
Di solito no. Whisper se la cava con un rumore di fondo moderato, mentre una pulizia aggressiva elimina sillabe basse che avrebbe sentito. Nel nostro test l'audio originale con il rumore è stato trascritto meglio della versione pulita a fondo. Trascrivi l'originale e pulisci solo l'audio che esporti, che è il modo in cui lavora Sablate.
Come tolgo il rumore di una ventola o del condizionatore da un video?
Il rumore di ventole e condizionatori è costante, quindi è il più facile da togliere. Registra qualche secondo della stanza senza che nessuno parli e usali come profilo del rumore in Audacity, oppure usa un riduttore neurale come Clean up voice di Sablate su Light. Un filtro passa-alto a circa 80 Hz elimina anche il rombo basso sotto la voce.