Adobe Podcast

定义

Adobe Podcast是Adobe提供的一套网页端音频工具，用户无需安装本地软件，直接在浏览器中即可完成录音、转录、剪辑与分享。^[1] 它面向播客、访谈、讲座等以人声为主的内容，把若干分散的音频处理环节集中在一个平台内。^[3]

其中知名度最高的是「增强语音」功能，它使用机器学习整理录音，目标是把电话、在线会议、相机麦克风等低质量设备录下的人声处理成接近专业录音棚的效果。^[4] 该功能与Premiere Pro中的同类功能原理一致，区别在于Adobe Podcast的模型部署在云端，Premiere Pro的版本可离线运行。^[4]

原理

增强语音属于语音增强与降噪技术，处理流程是识别录音中的人声成分，再对噪声与瑕疵做抑制，同时调整音高、音量并对整体响度做归一化。^[1] 据Adobe Research介绍，其技术路线是以大量「处理前—处理后」音频成对数据训练神经网络，使模型能把带噪声、混响和均衡失真的录音转换为接近录音棚品质的声音；研究团队称该功能不是生成式AI，也不会合成新的音频。^[2][4]

降噪之所以困难，在于环境噪声的频率常与人声频率重叠，传统按频率滤除噪声的做法容易同时损伤语音；深度模型的做法更接近在噪声条件下重建清晰语音，因此对极端嘈杂的输入可能出现与常规降噪不同的表现。 该功能与语种无关，只做增强，不做跨语言的生成或翻译。^[1]

发展历程

增强语音最初源自Adobe Research的一项音频研究，团队在2019年的MAX大会上以Sneak项目Awesome Audio的形式展示了早期版本，此后公开发表研究成果。^[2] 该工作随后被纳入名为Project Shasta的项目，2022年12月Adobe将Project Shasta更名为Adobe Podcast并开启预发布，当时需申请获得访问权限。^[5]

早期版本除增强语音外还提供麦克风检测功能，可评估录音环境的麦克风距离、增益、噪声与回声，并支持通过链接远程录音；文字编辑、远程录音和项目模板等能力在开发中陆续补齐。^[5][6] 之后Adobe推出增强语音第二代版本，增强了在嘈杂环境下的处理能力，增加可调节的增强强度，并对转录功能做了准确度提升和语种扩展，新增巴西葡萄牙语、法语、德语、意大利语和西班牙语支持。^[7][8]

应用

Adobe Podcast最典型的用法是处理口语录音。用户把MP3或WAV等格式的文件上传到网页，等待处理后即可在浏览器中试听、与原始音频对照，并下载增强后的结果。^[9] 处理对象包括访谈、讲座、配音、播客以及旧磁带等历史录音，Adobe Research称增强语音在Adobe各产品中已有接近百万的月活用户。^[2]

平台还提供Studio用于远程录制，各参与者的音频在本地录制并实时上传，连接中断也不易丢失素材，录制结束后可下载每位说话人独立的音轨，便于后期分别处理。^[1] 转录生成的文稿可用于按文字剪辑，音频还可转换为带字幕的视频形式用于社交平台分享。^[3] 在教育场景中，学校可将Adobe Podcast作为Creative Cloud订阅的一部分提供给学生和教师使用。^[10]

局限

增强语音对输入质量存在依赖。信噪比很低的录音，例如背景说话声或其他盖过人声的噪声，会使模型难以正确识别说话内容；对于多人同时说话或声音重叠的音频，效果也会下降。^[4][11] 该功能主要针对人声，对音乐、歌声等复杂声音模式的素材效果有限。^[11][9]

在使用波束成形麦克风录制时，由于这类设备自身的降噪处理已经改变了音频特性，会与增强语音产生冲突，处理结果不理想。^[4] 此外，增强语音并非在所有素材上都带来改善，有评测指出把本身质量较好的音频交给它处理，听感反而可能变差。^[6] Studio目前不支持说话人分离，免费版本一次只能处理一个文件，并受每日处理时长和文件大小限制。^[1]

参见

• Adobe —— 开发和运营Adobe Podcast的公司，其研究部门主导了增强语音的技术研发。

• Premiere Pro —— Adobe的视频剪辑软件，内置与Adobe Podcast同源的增强语音功能，可离线处理。

• 语音增强 —— Adobe Podcast核心功能所依赖的音频处理技术。

• 播客 —— Adobe Podcast主要面向的内容形态。

• 机器学习 —— 增强语音判断人声与噪声、重建清晰语音所依托的方法。