Como separar duas vozes em uma gravação

Para separar duas vozes em uma gravação, use as faixas originais de cada pessoa, se disponíveis. Caso contrário, teste a separação por falante e confira as duas saídas antes de editar.

O convidado de um podcast está baixo demais. O entrevistador interrompe uma resposta. Você quer usar a fala de uma só pessoa em um clipe, mas as vozes estão misturadas. O próximo passo depende do que ainda tem: o projeto de gravação, faixas de microfone separadas ou apenas o áudio ou vídeo exportado.

Este guia ajuda a escolher um método, conferir as vozes separadas e inserir a faixa necessária na edição. Para retirar a música de uma conversa, comece pelo guia de remoção de música de fundo.

01. Escolha o método conforme a gravação

Diagrama de escolha do método, não uma captura do produto nem um resultado medido.

Caso 1: Você tem as faixas originais

Abra o projeto original e ouça em solo o microfone da pessoa desejada. Verifique se a voz da outra pessoa aparece por vazamento e exporte a faixa utilizável. Assim, evita reconstruir as vozes de uma mixagem pronta.

Um arquivo estéreo tem dois canais, mas eles não representam necessariamente duas pessoas. Ouça os canais esquerdo e direito antes de tratá-los como falantes isolados.

Caso 2: As pessoas falam alternadamente

Se precisa de apenas alguns trechos, a edição na linha do tempo pode bastar. Preserve a pessoa desejada e abaixe ou silencie os demais trechos. Mantenha o início e o fim de cada palavra e confira mudanças bruscas no som ambiente em cada corte.

Por exemplo, ao criar um clipe só do convidado, remova a pergunta apenas se a resposta fizer sentido sozinha. Preserve o contexto quando retirá-la mudar o significado.

Caso 3: As duas vozes se sobrepõem

Silenciar o intervalo compartilhado remove as duas pessoas. Teste um trecho curto com separação por falante e compare cada saída ao original no mesmo ponto.

Se uma frase importante desaparecer, use outra tomada, solicite a faixa original do microfone ou escolha um trecho sem interrupções. Duas faixas de saída não significam que todas as palavras foram recuperadas.

02. Identificar falantes não é separar faixas de áudio

A diarização identifica quem falou e quando na transcrição. A documentação de diarização do Google Cloud, por exemplo, explica rótulos de falante associados às palavras reconhecidas. Isso não gera, por si só, um arquivo para download com a voz de uma única pessoa.

A separação por falante busca produzir essas faixas individuais. Antes de escolher uma ferramenta, confira o que ela entrega. Uma transcrição com Speaker 1 e Speaker 2 pode ajudar a editar o texto enquanto o áudio permanece misturado.

Uma faixa de vocais também é diferente: pode conter as duas pessoas com menos som de fundo. Veja a diferença entre remoção de vocais de música e separação de áudio de vídeo.

03. Como conferir faixas individuais no Perso Dubbing

1. Escolha um trecho representativo

Inclua uma frase clara de cada pessoa e uma interrupção, se houver. Guarde o arquivo original para comparação. Uma frase inicial simples não mostra se o trecho mais complexo será utilizável.

2. Envie o arquivo

Abra Audio Separation do Perso Dubbing e use a área de envio. Confira os requisitos do arquivo e as condições de teste exibidas antes de processar.

3. Encontre a saída necessária

Após o processamento, confira as faixas. Para uma única voz, procure faixas individuais. “All Speakers (Vocals)” reúne as vozes, não corresponde a uma pessoa só.

Ouça para identificar quem corresponde a cada número. Não presuma que Speaker 1 seja sempre o apresentador nem que uma faixa detectada já esteja pronta para publicação.

4. Compare o trecho difícil

Reproduza o original e cada faixa ao redor de uma interrupção. Confira também uma frase tranquila e o final de uma palavra. Use a lista abaixo para decidir se o resultado serve para a edição.

5. Exporte e retorne ao editor de vídeo

O menu de exportação lista arquivos WAV por falante. Na verificação de 29 de setembro, o aviso dizia que o download de faixas é liberado no plano Starter. Cadastro gratuito não equivale a download gratuito. No espaço de trabalho autenticado, Audio Export combina as faixas selecionadas em um arquivo. Para exportar uma pessoa, desmarque as demais e confira se Selected mostra somente esse falante. Importe o áudio no editor, alinhe-o ao original e silencie a mixagem original para não reintroduzir a outra voz.

Confira a sincronia no começo e mais adiante antes de exportar o vídeo. Separar áudio e exportar vídeo são etapas distintas.

04. O que ouvir antes de usar o resultado

Um trecho limpo não valida toda a gravação. Em uma entrevista curta, uma resposta danificada pode importar mais do que vários minutos claros.

05. Uma limitação a verificar nas falas sobrepostas

Em um teste interno, processamos cerca de 19 segundos com duas vozes sintéticas. A segunda começou em 6.5 segundos. O espaço de trabalho retornou duas opções de falante, transcrição identificada e dois WAVs para download com duração próxima à entrada.

Porém, a saída Speaker 2 tinha silêncio digital entre 6.5 e 10 segundos. Dois arquivos exportados não demonstram recuperação completa das vozes sobrepostas. Não concluímos a avaliação auditiva nem verificamos a correspondência entre voz e faixa. Trata-se de uma observação do sinal em uma única amostra sintética, não de um benchmark de entrevistas reais ou demonstração de separação bem-sucedida.

Compare cada frase necessária com o original, especialmente nas interrupções. Um arquivo pode manter a duração inteira e ainda perder falas dentro dela.

06. E se as vozes continuarem sobrepostas?

Avalie a separação no seu próprio arquivo. Se faltarem palavras ou a outra voz atrapalhar, considere outro trecho, as gravações originais de microfone ou uma nova gravação, quando possível. Não apresente uma frase danificada como registro fiel do que foi dito.

Para transcrição ou dublagem, confira a atribuição de falantes além do som. Uma faixa isolada não garante transcrição ou tradução correta. Nosso guia de transcrição com vários falantes aborda os rótulos e a revisão do roteiro.

Quando a fonte estiver utilizável, prossiga para a dublagem de vídeo. Avalie a separação e o roteiro traduzido como decisões distintas.

07. Perguntas frequentes

P. Posso separar duas vozes falando ao mesmo tempo?
R. Você pode testar a separação por falante em uma gravação mixada. Confira os trechos sobrepostos em cada saída: dois rótulos não comprovam que ambas as vozes foram preservadas com clareza. Guarde o original para comparar as palavras e o som.

P. Um removedor de vocais isola uma pessoa da entrevista?
R. Confira o significado de “vocais” na ferramenta. Uma saída de voz versus música pode manter as duas pessoas. Procure saídas individuais e ouça cada uma. Rótulos na transcrição não são faixas separadas.

P. Posso baixar o resultado como vídeo?
R. Os downloads descritos aqui são arquivos WAV de áudio. Para um vídeo finalizado, importe o áudio no editor, alinhe com a imagem e silencie a mixagem original. Na verificação de 29 de setembro, o aviso indicava downloads de faixas no plano Starter.

Teste sua gravação no Audio Separation. Compare o trecho difícil antes de fazer a edição completa.