使用软件或命令行从音频/视频中删除人声

Question

我正在寻找一种从视频中删除人声的方法。最初，我有以下内容：

• video1.mp4
• voice1.mp3

video1 有图像并且只有非人声，而 voice1 只有一个人声 然后我将 video1 与 voice1 来创建 video2.m4，所以在 video2 我可以听到来自 video1 和来自 voice1 的音频时间>。值得一提的是，video1 和 voice1 的长度相同，约为 2 分钟。

这是一年前的事了。我不小心删除了 video1.mp4，但我还有 video2 和 voice1.。现在我需要再次获取 video1.mp4。换句话说，如何从 video2 中删除 voice1？ 如何从 video2 中删除人声？

我不在乎这是通过软件、命令行，甚至是计算机代码（也许是 Phyton；我听说 Python 可以用音频做一些很酷的事情）。

注意：* (Removal of Human Voice from a video or audio file) 中有一个类似的问题，但没有说明如何删除音频。

Answer 1

问题

与其将其视为消除不需要的声音的问题，不如将其视为简单地取消两个信号的总和。目前我们要考虑三个音频信号，让我们调用它们

• A: video1.mp4 的音轨
• B：voice1.mp3的音频
• C：A 和 B 的总和（即 C = A + B），现在是 video2.mp4 的音轨

我们无法再访问A，但我们仍然拥有B 和C。

理想情况

理想情况假设：

• A 与 B 长度相同
• 两个信号的相加没有任何过滤

解决方案

这种情况下的解决方案相当简单，我们需要做的就是将B 乘以-1 的增益值（即反转），然后将其与信号C 相加。

如果

C = A + B

那么

A = C - B
A = C + (B * -1)

鉴于您首先对这些信号求和，我假设您可以使用一些音频/视频编辑软件。要反转 B，您可以将文件导入以下之一：

• Audacity
• Garage Band
• FFMPEG
• Adobe Premier / Audition
• Final Cut Pro

任何可以编辑音频的软件也应该能够反转音频信号。对于您用于即时调整的任何DAW，将C 和B 放在同一个项目中可能是理想的。

注意事项

• 如果B 的增益发生了变化（即C = A + xB），那么解决方案仍然相当简单，因为您只需将-B 乘以一个因数x
• 如果B 的长度与A 的长度不同，则需要将-B 与C 正确对齐，以便取消信号。

非理想情况

如果您认为 B 已经应用了一些流程，则解决方案会涉及更多。这个过程可以是任何东西，滤波（EQ）、延迟、混响、音高转换、速度转换。让我们将此进程称为函数H()，如果B 是该进程的输入，则为：H(B)。

即

C = A + H(B)

我们可以再简单地反转B，我们现在需要首先对B应用完全相同的过程，然后反转H(B)可能不等于H(-B)。您应该先以完全相同的方式处理B，然后在最后反转它。

如果由于某种原因您不记得应用于B 的过程，那么这会让您有点卡住。在这种情况下，您最好的选择是尝试并通过试错来重新创建该过程。 H(B) 可能会有一些残余，除非您完全匹配流程。