在 Podcast 後期製作、有聲書錄音及口播影片剪輯中，手動修整人聲往往是最消耗心力的瓶頸。在一至兩小時的錄音波形中逐段搜尋並手動剪除「嗯、啊、那個」等贅字口癖，放大波形定位並抹除嘴唇黏著的口水雜音與砸嘴聲，再將受訪者卡殼結巴的音節平滑銜接，往往讓一集節目的後製時間拉長數倍。
Cleanvoice AI 正是為化解這項後製負擔而生的專業語音淨化工具。與僅依賴文字轉寫（Speech-to-Text）的剪輯軟體不同，Cleanvoice 聚焦於直接從純聲學波形特徵切入，能自動辨識人聲錄音中的多語言停頓與贅字口癖（支援超過 20 種語言）、徹底消除高靈敏麥克風近距離收音時產生的細微口水音與砸嘴雜音，並平滑修整結巴與重複音節，同時完整保留說話者自然的對話節奏。
本文將深入解析 Podcast 製作人、配音員及影音團隊如何運用 Cleanvoice 高效淨化語音，如何針對不同情境調整偵測參數，以及如何在快速匯出成品與非破壞性數位音訊工作站（DAW）時間軸專案之間做最佳取捨。
1. Cleanvoice 的聲學偵測機制：為何比純文字剪輯更具優勢？
許多創作者習慣使用「文字導向音訊剪輯」工具，將錄音轉為逐字稿後像編輯文件般刪除贅字。這類工具在處理標準發音時雖然方便，但在面對實際對談時常面臨三大限制：第一，針對非英語語言或帶有強烈地方口音（如澳洲英語、愛爾蘭英語）的贅字，文字轉寫引擎容易誤判或漏抓；第二，說話者在緊張或思考時發出的輕微卡殼與結巴，常被文字系統直接辨識為合法重複單詞，難以定位精確剪切點；第三，非語言的物理噪音（如唾液雜音、舌齒摩擦聲），文字轉寫系統完全無法感知。
Cleanvoice 採取「聲學波形優先」的演算法架構：
- 多語言贅字辨識（Filler Words）： Cleanvoice 模型直接訓練於人聲聲學頻譜特徵，能精準辨識超過 20 種語言的語音停頓與口頭禪（涵蓋英語、德語、法語、西班牙語、葡萄牙語、義大利語、荷蘭語、羅馬尼亞語、波蘭語、土耳其語、阿拉伯語等）。即使說話者帶有明顯口音，系統也能準確鎖定短促的含糊贅音，而不會誤傷正常的詞彙發音。
- 物理砸嘴音與口水音消除（Mouth Sounds）： 當使用高靈敏度電容式麥克風近距離錄音時，嘴唇開合間的黏液爆音、口水聲特別容易被收錄。傳統修音外掛（例如 iZotope RX Mouth De-Click）通常需要手動調校頻段與靈敏度閥值，稍有不慎便會削弱「t」、「k」等子音的清脆度。Cleanvoice 則針對整條音軌進行全自動微瞬態分析，在抹除口腔雜音的同時維持語音清晰度。
- 口吃結巴平滑修復（Stutters & Hesitations）： 當講者出現音節重複或起首卡殼（例如「這-這-這個」或詞頭結巴）時，Cleanvoice 能識別出重複的波形迴圈並切除多餘音段，讓文句恢復順暢，同時保留語意之間的正常呼吸停頓，避免出現機械拼接的不自然感。
2. 實戰操作流程：從原始錄音到錄音室等級成音
Cleanvoice 的操作介面極為直觀，無需具備深厚的聲音工程背景即可上手。以下為專業製作人的標準作業流程：
第一步：匯入原始音訊或影片素材
登入 Cleanvoice 後台後，上傳待處理的媒體檔案：
- 支援格式： 支援 WAV、MP3、M4A、FLAC、OGG、AAC 等常見音訊格式，以及 MP4、MOV、WebM 等影片格式。
- 檔案規格限制： 註冊帳戶單檔最高支援 3 GB（未登入訪客為 1.5 GB），多軌上傳總容量支援達 8 GB。
- 多軌同步處理（Multitrack）： 針對多人訪談節目，支援同時上傳最多 5 軌獨立錄音（例如主持人與來賓各自的分軌麥克風）。Cleanvoice 會將所有分軌納入同一工作階段處理，確保在主持人軌修除贅字時，各分軌時間軸維持同步，避免發生相位衝突或對齊失真。
第二步：配置淨化與剪輯參數
創作者可依照節目的風格定位，自由啟用或微調各項功能模組：
| 參數名稱 | 功能說明 | 建議設定策略 |
|---|---|---|
| Filler Words（贅字消除） | 辨識並移除 20 多種語言中的常見語助詞（um、uh、er、like 等） | 知識型單人節目、重點精華剪輯、訪談精剪 |
| Mouth Sounds（砸嘴音消除） | 消除口水黏著爆音、濕性唇音與舌齒敲擊聲 | 有聲書朗讀、貼麥錄音、專業配音 |
| Stutters（口吃結巴修除） | 移除詞頭打結、重複發音與假起頭音節 | 即興對話訪談、口述專訪、脫口秀錄音 |
| Breath Removal（呼吸聲處理） | 弱化或移除明顯的喘息與換氣聲 | 建議設為 natural 或 legacy，保留適度換氣溫度 |
| Dead Air（冗長空白修整） | 自動緊縮發言之間過長的尷尬停頓 | 建議啟用；依談話節奏微調，避免節奏過於緊湊 |
| Preserve Length（維持時長 / 靜音模式） | 遇贅字時不縮減時間軸，改以環境底噪取代靜音 | 影片 Podcast 防跳剪、需回匯剪輯軟體之專案必選 |
第三步：啟動運算與線上 A/B 試聽
啟動處理後，Cleanvoice 處理一集 60 分鐘的錄音通常僅需 5 至 10 分鐘。運算完成後，系統會生成詳細的剪輯報告，羅列所清除的贅字數、砸嘴次數、結巴修整處與空白停頓時間。
創作者可直接在瀏覽器播放器中使用 A/B 對比開關，即時聆聽處理前後的差異，確認符合標準後再下載檔案。
3. 雙軌輸出模式：一鍵成品渲染 vs. 專業 DAW 時間軸專案匯出
Cleanvoice 最受專業音訊工程師青睞的特色，在於它並未強制採用封閉式的「黑盒子」算圖，而是提供了兩種不同情境的匯出方式：
模式一：直接渲染成品檔案（兼顧品質與極致效率）
適用於個人創作者、YouTube 節目、企業簡報或需要維持高頻更新的團隊：
- 多種格式輸出： 支援高品質 WAV、FLAC、320 kbps MP3、AAC 或 Opus。
- 一站式母帶處理： 可同步套用 Cleanvoice 的 Noise v2（背景噪音消除）與 Normalize v2（符合 Podcast 標準的 -16 LUFS 響度正規化），快速生成可直接發布的成品。
- 影片時間軸精準鎖定： 若在處理 MP4 或 MOV 時啟用了
Preserve Length，所有贅字位置皆以環境背景音填補靜音，畫面關鍵格完全不變動，徹底消除畫面人物「瞬間跳接」（Jump Cut）的問題。
模式二：時間軸專案與標記匯出（保有完全掌控權的 DAW 流程）
對於講究敘事氛圍、需要添加配樂與音效的專業聲音團隊，將所有剪輯交由 AI 決定可能承擔誤切風險。Cleanvoice 支援將剪輯決策匯出為時間軸檔案：
- Adobe Audition 與 Premiere Pro： 匯出包含完整剪切點的 XML 時間軸，或直接產生序列標記（Markers）。
- DaVinci Resolve： 匯出標準 EDL（剪輯決策列表），與視訊剪輯軌精準嵌合。
- REAPER： 匯出專案檔案，每個贅字剪切處皆預設好基礎淡入淡出包絡線。
- Audacity： 匯出標籤軌（Label Track），在波形下方明確標記出每個贅字、砸嘴與結巴的時間點。
這種「AI 替你找出數百個瑕疵 + 人工做最終驗收微調」的混合工作流，大幅節省搜尋時間，同時保留聲音工程師對關鍵情緒頓挫的詮釋空間。
4. 工具橫向比較：Cleanvoice 與傳統外掛及文字剪輯工具之差異
| 比較項目 | Cleanvoice AI | 傳統修音外掛（iZotope RX 等） | 文字轉寫剪輯軟體（如 Descript 等） |
|---|---|---|---|
| 核心偵測機制 | 聲學波形 AI 模型 | 頻譜閥值與物理聲學運算 | 語音轉文字（ASR）字詞比對 |
| 多語言贅字支援 | 原生支援超過 20 種語言聲學辨識 | 不支援（須全手動選取波形剪除） | 依賴轉寫字典；小語種或非標準口音易誤判 |
| 細微口水與砸嘴雜音 | 數分鐘內全軌自動批量清除 | 效果出色，但需逐段調校靈敏度門檻 | 無法辨識（非語言聲音無文字對應） |
| 口吃與重複音節處理 | 自動辨識重複循環並平滑接合 | 須手動放大波形做交叉淡化處理 | 容易將結巴詞誤判為正常重複文字 |
| DAW 時間軸匯出能力 | 支援 Audition、Premiere、Resolve、REAPER、Audacity | 外掛本身直接於 DAW 內部運作 | 依賴平台私有工程格式 |
| 多軌關聯同步 | 支援最多 5 軌嚴格相位維持 | 須在工作站內手動群組連動剪輯 | 基本的多軌文字對齊 |
5. 確保錄音室級自然聽感的實務操作要點
為了在獲得純淨音質的同時避免機械感，製作人在操作時宜掌握以下原則：
- 避免過度淨化陷入「恐怖谷」效應： 對話中的自然停頓與微弱氣息是人性溫度的核心來源。若將所有吸氣與思索停頓全數剔除，說話語速會變得冰冷急促。建議換氣偵測設定在
natural或legacy模式，保留人聲起伏的呼吸感。 - 影片與外部混音務必開啟「維持時長」： 若錄音素材後續需配合影像畫面剪輯，或需與外部配樂音軌混音，請務必開啟
Preserve Length（API 參數為muted: true），以微弱底噪取代剪短時間，避免影音不同步。 - 前期收音控制勝過後期修補： 雖然 Cleanvoice 的去雜音能力強大，但若講者口腔極度乾燥且緊貼麥克風爆音，消除嚴重雜音時可能會些微影響相鄰輔音。錄音前補充足量溫水、使用防噴罩並保持 10 至 15 公分適當距離，能讓 AI 發揮最高水準。
- 留意 7 天檔案保留期： Cleanvoice 伺服器對上傳的原始檔與處理成品保留 7 天，期滿後永久刪除。如需變更設定重新匯出或下載 EDL，請在一週保留期內完成。
6. 計費方式與方案選擇建議
Cleanvoice 採用以處理音訊時長為單位的點數制，彈性符合不同製作規模之需求：
- 免費試用： 註冊即享 30 分鐘免費處理額度，無需預先綁定信用卡。
- 隨選充值時數包（點數有效期長達 2 年）：
- 5 小時包：11 美元（約每小時 2.20 美元）
- 10 小時包：20 美元（約每小時 2.00 美元）
- 30 小時包：45 美元（約每小時 1.50 美元）
- 大容量批次包最高支援至 200 小時（180 歐元）。
- 月度訂閱制（支援未使用點數遞延）：
- 月費方案從每月 10 歐元起。
- 常見的 30 小時方案為每月 28 美元。
- 當月未用完之訂閱點數可自動遞延至下月，最高可累積遞延至月配額的 3 倍。
- 開發者 REST API 與 SDK： 官方提供 Python（
cleanvoice-sdk）與 JavaScript/TypeScript（@cleanvoice/cleanvoice-sdk）軟體開發套件，便於工程團隊將人聲淨化流程無縫整合至自動化工作流（如 n8n、Make.com）或自建影音後製系統。
Cleanvoice 成功在繁瑣的手動波形精剪與生硬的文字刪除之間開闢了一條高效通道。透過深層聲學辨識，它將繁重的除雜、消贅、去結巴作業壓縮在數分鐘之內，讓創作者能將寶貴時間聚焦於優質內容與訪談靈魂本身。
參考資料
- Cleanvoice AI | Edit Audio & Video Podcast in 10 Mins, in Clicks
- Cleanvoice AI Marketing & Feature Overview (llms.txt)
- AI Filler Word Remover: Cut the Ums & Uhs | Cleanvoice AI
- Mouth Noise Remover: Clicks & Lip Smacks | Cleanvoice AI
- Stutter Remover — Fluent Audio with AI | Cleanvoice AI
- Cleanvoice AI API & Developer Documentation (llms.txt)
- Pricing — Start Free, Plans from €10/month | Cleanvoice AI