Де-эссинг вокала из нейросетей: когда он помогает, а когда портит голос

Де-эссер помогает, когда в вокале Suno или Udio резко выпрыгивают свистящие «с», «ц» и шипящие «ш», «щ», но металлический шлейф на гласных он может оставить на месте. Сначала отделите эти симптомы на слух, затем мягко прижмите мешающие согласные; полоса 5-8 кГц годится для первой проверки, а точную частоту выбирайте по своему файлу.

Слишком сильный де-эссинг делает голос шепелявым. Если после обработки слово стало мутнее, а звон всё ещё тянется за ним, дальнейшее подавление испортит дикцию. Сохраните исходный экспорт и работайте на копии, чтобы в любой момент вернуться к нему.

В чём отличие сибилянтов нейросети от живого исполнителя

Сибилянты - свистящие и шипящие звуки речи. В песне они могут резко выделяться на фоне гласных и утомлять слух. Это бывает и у живого исполнителя, и у сгенерированного голоса. Сам по себе резкий звук «с» ничего не говорит о происхождении записи.

В нейровокале рядом с согласной иногда слышен дополнительный металлический контур. Свист уже закончился, а на следующей гласной остаётся тонкий звон, водянистое дрожание или стеклянное эхо. Такой пластиковый вокал нуждается в отдельной диагностике. Нельзя по одному признаку определить, как устроен закрытый генератор или какая его часть дала сбой.

Найдите границу между согласной и шлейфом

Зациклите короткую строку, в которой есть резкое слово и протяжная гласная после него. Послушайте на удобной громкости. Отметьте момент, когда заканчивается согласная, и проверьте, закончился ли вместе с ней неприятный призвук.

• Короткий свист совпадает с «с» и исчезает на гласной. Попробуйте мягкий де-эссинг.
• Звон держится на ноте или в хвосте реверберации, то есть затухающем эхо. Проверьте окраску голоса отдельно.
• Резкость слышна на всём припеве, включая тарелки. Сначала разберите резкий верх в готовом миксе, чтобы не подавлять инструменты вместе с вокалом.

Жёсткие согласные и неприятный резонанс могут встречаться в одной фразе, но требуют разных правок. Резонанс здесь означает выделяющийся звенящий оттенок. Если он остаётся на гласной, постоянный срез верха может забрать полезный сигнал - детали голоса и инструментов, которые вы хотите сохранить.

Я обычно начинаю такую проверку с припева. Там голос достаточно заметен, а плотная аранжировка помогает услышать, не теряется ли он после обработки. Затем стоит вернуться к тихому куплету и проверить окончания слов.

Почему стандартный пресет де-эссера портит AI-вокал

Де-эссер следит за энергией в выбранной области частот и уменьшает громкость, когда срабатывает его детектор. Порог задаёт момент срабатывания, а предел подавления ограничивает силу правки. Плагин не понимает смысл слова: яркая тарелка, дыхание или синтетический призвук тоже могут вызвать реакцию.

В широкополосном режиме при срабатывании тише становится весь сигнал. В режиме Split Band, то есть с раздельной обработкой полос, ослабляется преимущественно верх. Это различие описано в справке FabFilter Pro-DS. На отдельном голосе широкополосный режим иногда звучит естественнее, поэтому объявлять обычные плагины непригодными для нейровокала было бы неверно.

Проблема начинается, когда пресет реагирует почти на всю фразу. Согласная теряет край, дыхание пропадает, голос звучит глухо. Вы пытаетесь убрать пластиковый оттенок ещё более низким порогом, но вместо этого усиливаете шепелявость. Гнусавость - носовой оттенок на гласных - тоже не становится задачей де-эссера только потому, что голос неприятен на слух.

Признаки, при которых нужно ослабить обработку

Сравните одно и то же слово с включённым плагином и в обход него. Громкость должна казаться одинаковой: более громкая версия часто воспринимается как более ясная даже при худшем тембре.

• «С» размывается, и слово труднее разобрать.
• Голос теряет воздух, хотя металлический шлейф остаётся.
• Вместе со строкой проваливаются тарелки или яркий синтезатор.
• Верх заметно открывается и закрывается между слогами.

Поднимите порог или уменьшите предел подавления. Если настройка делает куплет тусклым ради одного резкого слова в припеве, обработайте это слово отдельно. Короткая автоматизация громкости, то есть заранее нарисованное изменение уровня участка, часто позволяет обойтись без сильного общего пресета.

Не добавляйте подряд де-эссер, широкий срез высоких частот и агрессивное шумоподавление. Каждая правка может казаться полезной отдельно, а вместе они лишают голос разборчивости. После каждого шага возвращайтесь к исходнику и слушайте, что именно стало лучше.

Правильная настройка де-эссера для треков из Suno и Udio

Начните с исходного экспорта до финального усиления громкости. Выберите отрезок на 10-20 секунд с несколькими резкими согласными и обычной фразой для сравнения. Если у вас есть пригодная отдельная вокальная дорожка, настройте обработку на ней, затем обязательно проверьте голос вместе с инструментами.

При работе с готовым стереомиксом плагин получает всю музыку сразу. Отдельные стемы, полученные разделением, тоже могут содержать утечки инструментов и новые артефакты. Не считайте выделенный голос чистым исходником автоматически.

Выберите режим и найдите мешающий звук

Для первого теста на готовом миксе попробуйте Split Band. Это помогает проверить верх, не уменьшая всю нижнюю часть спектра при каждом срабатывании. На отдельном вокале сравните его с широкополосным режимом при близкой силе обработки. Оставьте вариант, в котором слова читаются лучше.

Включите прослушивание детектора, если плагин его предлагает. Оно позволяет услышать частоты, на которые реагирует процессор. Найдите короткую мешающую согласную и подстройте область поиска так, чтобы в ней преобладал её свист. Не оставляйте детектор на случайной яркой тарелке.

Полосу 5-8 кГц используйте как пробную область, а не обязательный рецепт для Suno. В разных плагинах частотный регулятор задаёт центральную частоту, границы детектора или нижнюю границу раздела. Сначала проверьте его назначение в справке. Например, в RX De-ess параметр Cutoff Frequency задаёт нижнюю границу области сибилянтов.

Мужской или женский пресет может дать отправную точку, но тембр конкретного голоса важнее подписи. Если область захватывает яркость гласных, голос начнёт тускнеть. Если свист проходит мимо детектора, вы будете без пользы опускать порог. Вернитесь к частоте и проверьте то же слово ещё раз.

Опустите порог до первого полезного изменения

Сначала ограничьте максимальное подавление небольшой величиной, если есть ручка Range или Amount. Затем постепенно опускайте порог, пока мешающая согласная не перестанет выпрыгивать из фразы. Универсального значения в децибелах нет: шкалы, алгоритмы и громкость файлов различаются.

Следите, чтобы плагин отпускал голос после согласной. Если есть настройки атаки и восстановления, они определяют скорость входа в обработку и выхода из неё. Слишком быстрое или слишком долгое подавление может смазать начало следующего звука. Меняйте по одной настройке и каждый раз слушайте ту же строку.

Выключите прослушивание детектора и вернитесь к полной музыке. Проверьте тихий куплет, плотный припев и конец фразы с реверберацией. Если на одном участке всё хорошо, а на другом теряется дикция, попробуйте отдельные настройки для этих участков вместо усиления общего пресета.

Сохраните вариант и проверьте его без подсказки прибора

Сделайте короткий экспорт с обработкой и сохраните рядом исходный фрагмент. Сравните их на одинаковой воспринимаемой громкости. Сначала оцените слово, затем хвост голоса и тарелки. Меньшее движение индикатора не означает худший результат.

Остановитесь, когда «ровнее» начинает означать «менее живо». Удачная настройка убирает отвлекающий свист, но оставляет согласные, дыхание и место голоса в миксе.

Если неприятный оттенок держится через всю фразу, вернитесь к диагностике. Де-эссинг не исправляет неверно произнесённое слово, сбитый ритм, неправильную ноту или неудачную вокальную партию. Для этих проблем нужен монтаж, другой дубль или новая генерация.

Связка: дероботизация вокала перед финальным де-эссингом

Очистку перед финальным де-эссингом имеет смысл проверить, если мешает пластиковый оттенок на гласных и затуханиях. При отдельных резких «с» сначала достаточно ручного пути из предыдущего раздела. Обязательной цепочки для каждой песни нет.

Я основал Sunofix для этапа, когда песня уже сложилась, но готовый экспорт мешают слушать цифровые призвуки. Vocal De-Robotizer может смягчить синтетический оттенок существующего голоса. Это не обещание восстановить форманты или гарантированно устранить фазовый дефект: по металлическому звону нельзя достоверно установить его внутреннюю причину.

Сохраните три версии короткого участка - исходник, результат очистки и результат с мягким де-эссингом после неё. Сначала сравните первые две, выровняв громкость. Если голос стал тусклым или изменился характер фразы, дальнейшая обработка не оправдывает потерю нужных деталей. Оставьте исходник и вернитесь к более локальной правке.

Если очистка помогает, настройте де-эссер заново на полученном файле. Старый порог мог подходить к другой яркости сигнала. Не добавляйте де-эссинг по привычке: после очистки конкретная согласная может уже сидеть на месте.

Проверьте, что остались понятны окончания слов, слышна атака инструментов и естественно затухает пространство. Если слушаете разностный сигнал между оригиналом и результатом, в нём может оказаться полезная музыка. Нельзя считать всё вычтенное нежелательным шумом.

Sunofix не переписывает слова, мелодию, ритм и аранжировку, не заменяет сведение отдельных партий и не гарантирует готовый мастер или одобрение площадкой. Когда сама фраза удачна, а мешает её фактура, можно сравнить очистку готового трека в Sunofix и оставить версию, которая лучше сохраняет песню.