Apakah penghapusan keheningan dan penghapusan kata pengisi sama?
Tidak — dan kebingungan ini membuat orang kehilangan uang dan waktu sungguhan. Penghapusan keheningan menemukan rentang audio yang nyaris tanpa kejadian — celah antar kalimat, jeda saat Anda memeriksa catatan — dan memotongnya sehingga rekaman menjadi lebih pendek. Penghapusan kata pengisi membidik bunyi yang benar-benar Anda buat: "em", "eh", "kayak", dan "gitu ya" yang menggembungkan cara bicara. Sebuah rekaman bisa menderita salah satunya, keduanya, atau tidak sama sekali, dan obat untuk yang satu tidak berbuat apa-apa bagi yang lain.
Bagaimana cara kerja penghapusan keheningan berbasis amplitudo?
Penghapusan keheningan adalah matematika sinyal. Alatnya memindai bentuk gelombang dan mengajukan tiga pertanyaan: seberapa senyap sebuah momen agar dihitung hening (ambang batas), berapa lama rentang senyap itu harus berlangsung agar layak dipotong (durasi keheningan minimum), dan berapa banyak ruang napas yang harus tersisa di sekitar setiap potongan (padding). Apa pun yang gagal di ketiga ujian itu dihapus, dan ucapan yang tersisa disambung kembali. Proses penyetelan lengkapnya dibahas di panduan kami tentang menghapus keheningan dari audio dan video.
Karena hanya mengukur kenyaringan, pendekatan ini cepat, deterministik, dan tak bergantung bahasa. Ia tidak pernah perlu memahami satu kata pun yang Anda ucapkan — itu pula sebabnya ia bisa berjalan sepenuhnya di ponsel Anda, dalam hitungan detik, tanpa mengunggah apa pun.
Bagaimana cara kerja penghapusan kata pengisi berbasis AI?
Penghapusan kata pengisi bermula dari transkrip. Alatnya menjalankan pengenalan ucapan ke teks pada rekaman Anda, menandai kata dan penggalan kata yang dianggapnya pengisi, lalu menghapus rentang itu dari audio. Descript dan Cleanvoice adalah contoh terkenal pendekatan ini. Ini benar-benar berguna — tetapi bergantung pada akurasi transkripsi, bersifat spesifik bahasa, dan karena model ucapan itu berat, alat-alat ini biasanya memproses audio Anda di cloud dengan paket langganan atau per menit.
Ia juga melibatkan pertimbangan yang tak pernah dihadapi pengukur kenyaringan. "Kayak" adalah pengisi di satu kalimat dan kata sungguhan di kalimat berikutnya, sehingga alat transkrip kadang menandai kata yang ingin Anda pertahankan — kebanyakan menyediakan langkah tinjauan justru karena alasan itu.
Masalah mana yang sebenarnya dimiliki rekaman Anda?
Dengarkan enam puluh detik dan diagnosis. Jika rekaman terasa lamban karena tidak ada yang terjadi di antara kalimat — Anda berhenti, berpikir, menyeruput kopi, memulai lagi — masalahnya adalah keheningan, dan satu jalan berbasis amplitudo akan mengubah temponya. Jika rekaman terus berjalan tetapi setiap kalimat diawali "em" atau bersandar pada "gitu ya", masalahnya adalah kata pengisi, dan tidak ada penghapus keheningan yang akan menyentuhnya, karena bunyi-bunyi itu adalah ucapan: semuanya berada jauh di atas ambang batas yang masuk akal mana pun.
Sebagai pola kasar, podcast, kuliah, dan rekaman layar lebih menderita karena celah; pengambilan pertama yang gugup dan wawancara tanpa naskah lebih menderita karena pengisi. Rekaman berdurasi panjang sering punya keduanya.
Apakah SilenceRemover menghapus "em" dan "eh"?
Tidak — dan lebih baik kami katakan lugas sebelum Anda mengunduh apa pun. [SilenceRemover](/) adalah pemotong keheningan berbasis ambang batas: ia mendeteksi celah senyap menggunakan ambang batas, durasi keheningan minimum, dan padding, lalu menghapusnya di perangkat tanpa unggahan dan tanpa akun. Ia tidak mentranskrip audio Anda, dan tidak menghapus kata pengisi. Sebuah "em" adalah bunyi yang Anda buat, jadi bagi pendeteksi kenyaringan itu adalah ucapan, bukan keheningan. Jika masalah utama Anda adalah kebiasaan verbal, Anda butuh alat berbasis transkrip sebagai gantinya — atau sebagai tambahan.
Pertukarannya berlaku ke arah sebaliknya juga: alat transkrip lebih berat, berbasis cloud, dan berharga langganan — mesin yang terlalu besar jika satu-satunya masalah rekaman Anda adalah jeda kosong.
Bisakah keduanya dipakai bersama?
Bisa, dan untuk audio berdurasi panjang yang dipoles, kombinasi ini lazim. Jalankan jalan berbasis transkrip lebih dulu: hapus kata pengisi di alat yang dibuat untuk itu, tinjau potongan yang disarankannya, lalu ekspor hasilnya. Kemudian jalankan penghapusan keheningan pada hasil ekspor itu untuk merapatkan yang tersisa. Urutan ini bekerja lebih baik karena alasan sederhana — menghapus sebuah "em" sering meninggalkan jeda tempat ia bersarang. Pengisinya hilang, tetapi celahnya bertahan, dan jalan amplitudolah yang menutupnya. Membalik urutan berarti alat transkrip bekerja pada audio yang sudah dirapatkan dan penghapusannya membuka kembali lubang-lubang kecil yang lalu harus Anda perbaiki lagi.
Mengapa tidak ada satu alat yang melakukan keduanya?
Beberapa suite penyuntingan memang menawarkan keduanya, tetapi di baliknya mereka adalah dua mesin terpisah, dan perbedaannya tampak pada biaya dan privasi. Analisis amplitudo cukup ringan untuk berjalan secara privat di ponsel. Penyuntingan berbasis transkrip butuh model ucapan, yang biasanya berarti mengunggah audio, menunggu pemrosesan, dan membayar komputasi. Membundel keduanya berarti membayar harga cloud bahkan ketika yang Anda butuhkan hanyalah separuh yang ringan — itulah persisnya mengapa alat keheningan yang terfokus dan berjalan di perangkat eksis sebagai kategori tersendiri.
Mana yang sebaiknya diperbaiki lebih dulu?
Jika hanya memperbaiki satu hal, perbaiki keheningannya — itu biasanya kemenangan terbesar per menit usaha, memangkas durasi nyata dalam satu jalan otomatis. Kata pengisi sering lebih baik diperlakukan sebagai kebiasaan berbicara: melambat dan berhenti sejenak alih-alih berkata "em" memperbaiki setiap rekaman mendatang secara gratis, dan jeda yang ditinggalkannya adalah persis yang dibereskan penghapus keheningan. Dan pisahkan masalah ketiga di benak Anda — desis atau dengung latar yang konstan bukanlah keheningan maupun pengisi; batas itu dibahas di penghapusan keheningan vs penghapusan derau.