什么是人声分离？
人声分离是把人声从录音中的其他一切（例如背景噪声、音乐和房间回声）中分离出来、只留下干净语音的过程。它是一种音频源分离，如今通常由经过训练、能区分语音和其他声音的神经网络完成。它可以帮助清理嘈杂的采访、播客和视频音频。
免费创建账户 赠送 5,000 免费积分，无需信用卡。
更新于 2026年9月27日
人声分离是如何工作的？
传统降噪会估算一个稳定的噪声特征，例如嗡嗡声或嘶嘶声，再从整个信号中减去它。这对持续的噪声有效，但难以应对变化的声音，例如车流声、音乐或狗叫声，还可能留下单薄、发虚的声音。AI 人声分离采用不同的方法。一个用大量混有噪声的干净语音样本训练出来的神经网络，会学会判断音频中哪些部分属于人声。然后，它把人声单独提取出来，通常还会同时减少房间回声。有些工具还会把去除的背景声作为单独的音轨返回。
人声分离有哪些用途？
人声分离用于挽救那些原本无法使用的录音。播客主用它清理在嘈杂房间里或网络不佳时录制的节目。视频创作者和记者用它修复在街头、咖啡馆或车流附近拍摄的采访。人声分离也是使用其他 AI 工具前很有用的准备步骤：干净的语音转写更准确、译制配音更干净，作为声音克隆的样本效果也更好。在音乐领域，同样的技术可以把人声从歌曲中分离出来，用于混音、采样或卡拉 OK，前提是你拥有这首曲目的权利。修复陈旧或受损的录音也会用到它。
人声分离有哪些局限？
人声分离无法找回从未被清晰录下的内容。当噪声比人声还响，或与人声占据相同的频段时，结果可能听起来单薄、发闷或像机器人。录音电平过高导致的削波和失真无法被完全消除。两个人同时说话时，通常会被保留在一起，因为把一个人的声音与另一个人分开，是另一项更难的任务，称为说话人分离。强烈的房间回声可以减弱，但不一定能完全去除。最好的效果仍然来自良好的录音习惯，以及导出前的快速试听。
- 让麦克风靠近说话者
- 在有软装的安静房间里录音
- 设置好电平，让最响的时刻也不会削波
- 导出前先试听清理后的音轨
人声分离的例子
- 一位播客主从一段采访中去除了空调的嗡嗡声和空房间的回声。
- 一位记者清理了一段街头采访，让说话者的声音在车流声中也能听清。
- 一位创作者在生成字幕前先分离出 vlog 中的人声，让转写更准确。
- 一位用户在克隆之前先清理了一段简短的语音样本，以获得更逼真的克隆。
常见问题
人声分离和降噪有什么区别？
降噪会在整段录音中降低不需要的声音，通常是嘶嘶声、嗡嗡声或风扇声这类稳定的噪声。人声分离更进一步：它提取出人声，丢弃一切不是人声的内容，包括音乐、车流声、键盘敲击声或狗叫声这类变化的声音。传统降噪依靠滤波器和噪声特征，而现代人声分离使用经过训练、能识别语音的 AI 模型。在实际使用中，面对背景不断变化的真实杂乱音频，人声分离的表现更好。
人声分离能去除回声和混响吗？
能，在很大程度上可以。AI 人声分离模型通常会在去除背景噪声的同时减少房间回声和混响，让在厨房或空办公室里录制的声音听起来更近、更干。非常强烈的混响，例如在教堂或楼梯间里，更难完全去除，可能会留下轻微的处理感。请务必试听结果；对于重要的录音，尽可能选择一个有软装的小房间。
人声分离能把同时说话的两个人分开吗？
通常不能。人声分离的设计目标是把语音与一切非语音内容分开，所以重叠的人声在输出中通常会保留在一起。把一位说话者与另一位分开是另一个问题，称为说话人分离，当人们互相抢话时会困难得多。如果你需要每个人的声音都在单独的音轨上，最可靠的办法仍然是为每位说话者使用单独的麦克风录音。
我可以免费试用人声分离吗？
可以。在 wawie 上，你可以创建一个免费账户，一次性获得 5,000 积分，无需信用卡，上传一段音频或视频录音，就能拿回分离出的人声，进行试听和下载。如果是视频，wawie 会先提取音频。干净的音轨可以直接送去做字幕、译制配音或放进视频编辑器，无需离开 wawie。需要更多额度时，付费套餐每月 4.99 欧元起。
相关术语
- 语音转文字（STT）: 语音转文字把语音转换成书面文字，支撑着转写稿、自动字幕、语音输入和语音助手。
- 声音克隆: 声音克隆根据录音构建某个特定人物声音的合成副本，从而可以用这个声音生成新的语音。
- AI 译制配音: AI 译制配音会把视频中的语音翻译成另一种语言并重新配音，与原片时间轴对齐，还可以选择使用原声。
免费创建账户 赠送 5,000 免费积分，无需信用卡。