那天晚上赶一条配音素材，折腾到半夜都卡在au如何提取纯净人声这件事上，原始音频是在客厅录的，背后一直飘着空调的嗡嗡声，还有一点远处电视漏出来的背景音乐，当初录的时候没在意，导进软件里才发现麻烦大了。一开始脑子很简单，想着点一下那个分离人声的功能，拉一下参数，应该就能干干净净拿到声音，点开预览的时候，人声倒是还能听见，可伴奏碎碎的残响还留在里面，声音边缘发虚，像蒙了一层薄纱，稍微放大音量，那些残留的杂音就跟着一起冒出来。
来回拖动滑块试参数。降噪先跑一遍，再去做人声提取，顺序换来换去，一会先分离再降噪，一会先降噪再分离，差别说不上特别大。有的时候伴奏压下去了，人声也跟着削掉一部分，低音直接瘪掉，说话的声音变得尖尖薄薄，听着很怪。有时候保留住人声质感，背景里的旋律又抠不干净，断断续续卡在字与字的间隙里，剪片子的时候根本没法用。
网上别人发的截图，看着轻轻松松就分出两条轨道，人声干干净净，伴奏单独一条。我当时还怀疑是不是自己音频格式不对，重新导出wav，重新拖进去，结果还是老样子。甚至去下了别人处理好的样例文件导进来对比，人家的素材本身就是干声录制，几乎没有混响，和我手里这条完全不是一回事。
就是这点最磨人。
以为工具本身有个开关，拨到合适位置就能一刀切分开声音，实际上声音混在一起之后，很多频段是重叠的，人声和背景音乐共用着一部分频率，软件只能靠算法去猜哪一段属于人声，猜不准的时候，要么留下伴奏尾巴，要么伤到说话的音色。试了挺久，有一次调完预览，听着好像还行，导出之后放到剪辑软件里再听，才发现句子末尾的尾音带着伴奏的拖音，安静的间隙里还有滋滋的底噪，之前在au的预览窗口里没有留意到。
中途还想着，要不要切一小段没有说话的背景噪音，采集样本之后深度降噪，把底噪先抹干净，再跑人声分离。采集样本的时候特意挑了很长一段空白，采样完成之后应用上去，底噪确实淡下去不少，但是背景音乐那部分，降噪根本抓不住，它不是固定频率的噪音，是一直在变化的旋律，样本匹配不上，怎么压都压不彻底。那段时间反复来回导出，硬盘里堆了一堆命名乱七八糟的音频文件，每一个版本都差一口气，没有一个能达到心里想要的纯净程度。
一起做音频的朋友，看到我发过去的素材，只说了一句，这种混响重、伴奏和人声叠得死的音频，本来就很难分出干净人声，不是au的问题。他给我看他之前处理失败的工程文件，也是同样的情况，最后干脆放弃提取，重新安排录制。我那会还不甘心，觉得多调几组参数总能碰出合适的效果，继续耗在电脑前面，耳朵听得发胀，同一个片段循环播放几十遍，到后面都分不清哪些是原本的人声，哪些是残留的伴奏。
折腾到后半夜，终于停下来。保留了一个相对好一点的版本，伴奏弱了很多，只是人声稍微缺了一点厚度，没有办法做到完全纯净，也只能先用这个。这个结果只代表我手里这条音频的情况，别的素材，环境干净一点、没有重叠音乐的，出来的效果大概率会不一样。
关掉au的时候，屏幕上还留着那条波形，高低起伏的纹路缠在一起，没有清晰的分界。