在音频后期的现场，常常会碰到风扇嗡鸣、空调呼呼的背景声。打开 Audition，点开 AI 降噪面板，系统便会在几秒钟内给出噪声模型，几乎不需要手动调参。这背后到底藏着怎样的技术细节？
噪声特征抽取与时频映射
Audition 采用了改进版的卷积神经网络（CNN）对音频进行时频分解。网络的输入是一段 2048 点的短时傅里叶变换（STFT），输出则是对应的噪声掩码。与传统的谱减法不同，CNN 能捕捉到非平稳噪声的纹理特征，例如咖啡机启动瞬间的冲击声。
自监督训练策略
为了避免大量标注数据的成本，Adobe 引入了自监督学习框架。模型在海量未标注音频上进行噪声合成——先随机抽取干净语音，再叠加合成噪声，随后让网络学习逆向去噪。实验数据显示，在常见的办公环境噪声（噪声指数 45 dB）下，AI 降噪后 SNR 提升约 12 dB。
实时交互与参数微调
很多用户仍旧担心“一键降噪”会破坏细节。实际上，界面右侧的“保真度”滑块背后对应的是一个自适应阈值函数，调高时模型会保留更多高频信息，调低则更激进地抑制噪声。一次试验中，录制的吉他独奏在保真度 0.8 时，音色保持完整；降至 0.3 则出现明显的“金属感”。
实战案例：播客现场降噪
一位独立播客人最近在咖啡馆录制第一期节目，背景有持续的咖啡机嗡嗡声。使用 Audition AI 降噪后，仅用了两次点击就把噪声削减到听感阈值以下，整段 12 分钟的音频处理时间从原本的 30 分钟压缩到 3 分钟。更妙的是，后期加入的轻微混响并未被模型误判为噪声，保持了自然的空间感。
局限与未来展望
尽管 AI 降噪在大多数日常噪声场景表现抢眼，但对于极端的冲击噪声（如枪声）仍会出现残余。Adobe 正在探索基于生成对抗网络（GAN）的细粒度修复，或许能在保留瞬态的同时实现更彻底的清理。想象一下，未来的 Audition 能否在不损失任何细节的前提下，把街头的喧闹直接变成录音室的宁静？
评论(7)
说是AI一键降噪，结果保真度调太低直接把人声变成机器人音，笑死我 🤣 完全没想到会这么夸张。
我之前用同款软件降噪，细节丢得挺心疼的。
保真度0.8和0.3到底差多少？实际听感会不会真的变金属感？
那个保真度滑块实际用着咋样？
用着挺顺手，我一般开0.7
咖啡机嗡嗡声被秒清，听得我都想去咖啡馆录。
这AI降噪真的省了我半天时间，太爽了！