Сделайте две копии одного разрешённого фрагмента: исходную и обработанную. Распознайте обе одной моделью с одинаковыми параметрами и сравните с вручную проверенным текстом. Более тихий фон ещё не означает лучшую расшифровку: вместе с шумом фильтр может убрать части согласных и окончания.
Сначала опишите помеху
| Пример помехи | Что различить |
|---|---|
| Постоянный фон | Стабильность и спектр шума |
| Короткие удары | Отдельные импульсы |
| Чужая речь | Сигнал другого говорящего |
| Перегрузка записи | Уже искажённые участки |
| Очень тихий голос | Недостаток полезного сигнала |
Один профиль не обязан одинаково работать для вентилятора, музыки и второй речи. Шумоподавление не восстанавливает достоверно всё, чего нет в исходном сигнале. Если запись перегружена или слово неразличимо, итог должен сохранять сомнение, а не заполнять пропуск уверенным термином из словаря.
FFmpeg описывает afftdn как FFT-фильтр шумоподавления, с параметрами снижения шума, noise floor и профиля. Документация проверена 25 октября 2026 года. Эти параметры нужно подбирать по тесту; сильнейшее подавление не объявляется лучшей настройкой по умолчанию. Пример параметров для другого шума не доказывает качество на вашем разговоре.
A/B-опыт удерживает остальные условия
Условный эксперимент:
A -> исходный разрешённый фрагмент
B -> тот же фрагмент + один профиль denoise
STT -> одна модель, язык и словарь
reference -> вручную проверенные слова
сравнить -> пропуски, замены, ложные вставки
решение -> профиль принят / отклонён / нужен другой входСохраните длительность, каналы и соответствие времени. Если вместе с фильтрацией менялись сегментация и словарь, причина улучшения останется неизвестной. Отдельно проверьте, не сдвинулись ли границы фрагмента: потерянное первое слово нельзя списывать на модель, если его вырезала предобработка.
В тестовом наборе должны быть и записи без заметного шума. Иначе агрессивный фильтр может выиграть на одном тяжёлом образце и ухудшить обычные звонки. Размечайте действительно значимые места: числа, отрицания, имена и короткие ответы. Приятность звука и корректность этих слов оцениваются отдельно.
Автоматическое применение требует пути отказа
- Сравнить A и B с эталонным текстом.
- Прослушать слова, где результаты разошлись.
- Проверить обычные чистые записи.
- Проверить тихую речь и короткие согласные.
- Закрепить профиль и сохранить прежний вариант для отката.
Если входной шум сильно отличается, продукт может направить запись на другой профиль или ручной разбор. Не запускайте все фильтры подряд с выбором самого длинного текста: длинная расшифровка способна содержать лишние слова. Нужен критерий качества, проверенный на размеченных примерах, и понятное ограничение такого выбора.
Исходник и обработанная копия должны оставаться разными артефактами. Повтор задания не должен ещё раз подавлять уже обработанный звук, если это не предусмотрено явно. В ключ обработки включайте профиль и версию, а доступ к разговору и срок хранения задавайте отдельно от технического кеша.
Для настройки достаточно разрешённых коротких фрагментов, эталонных слов и параметров одного сравниваемого профиля. Приёмка показывает не только меньше фона, но и сохранность речи на чистых и шумных записях. Если фильтр улучшает прослушивание, но ухудшает STT, оставьте разные копии для этих задач вместо одного обязательного преобразования.