Come rimuovere il rumore di fondo per STT: guida completa alla riduzione del rumore per speech-to-text

Perche rimuovere il rumore di fondo per STT?

• Rapporto segnale-rumore (SNR) ridotto che rende piu difficile ai modelli distinguere il parlato
• Mascheramento di frequenza in cui il rumore si sovrappone alle frequenze vocali
• Confusione del modello quando i pattern di rumore assomigliano al parlato
• Punteggi di confidenza piu bassi che portano a piu errori di trascrizione
• Tempi di elaborazione maggiori mentre i modelli faticano con input rumoroso

• ✅ Accuratezza di trascrizione migliorata (spesso 10-30% in piu)
• ✅ Migliore riconoscimento delle parole, soprattutto per termini tecnici
• ✅ Elaborazione piu rapida con audio piu pulito
• ✅ Timestamp e segmentazione piu affidabili
• ✅ Migliore gestione del parlato a basso volume

Comprendere i tipi di rumore di fondo

1. Rumore costante (stazionario)

• Esempi: Aria condizionata, ronzio della ventola, ronzio elettrico, rumore bianco
• Caratteristiche: Frequenza e ampiezza costanti
• Rimozione: Piu facile da rimuovere con sottrazione spettrale o filtri

2. Rumore variabile (non stazionario)

• Esempi: Traffico, brusio della folla, digitazione sulla tastiera, fruscio di carta
• Caratteristiche: Cambia nel tempo, pattern imprevedibili
• Rimozione: Richiede tecniche piu avanzate come modelli di deep learning

3. Rumore impulsivo

• Esempi: Click, pop, porte che sbattono, suonerie
• Caratteristiche: Picchi brevi e improvvisi
• Rimozione: Richiede rilevamento e sostituzione/interpolazione

4. Rumore periodico

• Esempi: Bip, allarmi, suoni ripetitivi
• Caratteristiche: Pattern regolari a frequenze specifiche
• Rimozione: Puo essere filtrato con filtri notch

Metodo 1: Usare software di editing audio

Audacity (gratuito, open source)

1. Apri il tuo file audio in Audacity
2. Seleziona una sezione con solo rumore (senza parlato)
3. Vai su Effect → Noise Reduction
4. Clicca Get Noise Profile
5. Seleziona l'intera traccia audio
6. Vai di nuovo su Effect → Noise Reduction
7. Regola le impostazioni:
   • Noise reduction (dB): 12-24 dB (inizia da 15)
   • Sensitivity: 6.0 (predefinito)
   • Frequency smoothing (bands): 3 (predefinito)
8. Clicca OK per applicare

• Usa un campione di rumore di 0.5-2 secondi
• Scegli una sezione con rumore rappresentativo
• Inizia con impostazioni moderate e aumenta se necessario
• Fai l'anteprima prima di applicare all'intera traccia

Adobe Audition

1. Apri il file audio
2. Seleziona la sezione con solo rumore
3. Vai su Effects → Noise Reduction/Restoration → Capture Noise Print
4. Seleziona l'intera traccia
5. Vai su Effects → Noise Reduction/Restoration → Noise Reduction (process)
6. Regola:
   • Noise Reduction: 40-80% (inizia da 60%)
   • Reduce by: 6-12 dB
   • High Frequency Transition: 4000-8000 Hz
7. Clicca Apply

Metodo 2: Librerie Python per elaborazione audio

Usare la libreria noisereduce

import noisereduce as nr
import soundfile as sf

# Load audio file
audio_data, sample_rate = sf.read("noisy_audio.wav")

# Method 1: Stationary noise reduction (for constant noise)
reduced_noise = nr.reduce_noise(
    y=audio_data,
    sr=sample_rate,
    stationary=True,
    prop_decrease=0.8  # Reduce noise by 80%
)

# Method 2: Non-stationary noise reduction (for variable noise)
reduced_noise = nr.reduce_noise(
    y=audio_data,
    sr=sample_rate,
    stationary=False,
    prop_decrease=0.8
)

# Save cleaned audio
sf.write("cleaned_audio.wav", reduced_noise, sample_rate)

pip install noisereduce soundfile

Usare librosa per spectral gating

import librosa
import numpy as np
import soundfile as sf

def spectral_gate(audio_path, threshold_db=-40):
    """Remove noise using spectral gating."""
    # Load audio
    y, sr = librosa.load(audio_path, sr=None)
    
    # Compute short-time Fourier transform (STFT)
    stft = librosa.stft(y)
    magnitude = np.abs(stft)
    phase = np.angle(stft)
    
    # Convert to dB
    magnitude_db = librosa.amplitude_to_db(magnitude)
    
    # Apply threshold (remove frequencies below threshold)
    magnitude_db_cleaned = np.where(
        magnitude_db > threshold_db,
        magnitude_db,
        -80  # Silence very quiet parts
    )
    
    # Convert back to linear scale
    magnitude_cleaned = librosa.db_to_amplitude(magnitude_db_cleaned)
    
    # Reconstruct audio
    stft_cleaned = magnitude_cleaned * np.exp(1j * phase)
    y_cleaned = librosa.istft(stft_cleaned)
    
    return y_cleaned, sr

# Usage
cleaned_audio, sample_rate = spectral_gate("noisy_audio.wav", threshold_db=-35)
sf.write("cleaned_audio.wav", cleaned_audio, sample_rate)

Usare scipy per filtraggio passa-alto

from scipy import signal
import soundfile as sf

def high_pass_filter(audio_path, cutoff_freq=80):
    """Remove low-frequency noise with high-pass filter."""
    # Load audio
    audio_data, sample_rate = sf.read(audio_path)
    
    # Design high-pass filter
    nyquist = sample_rate / 2
    normalized_cutoff = cutoff_freq / nyquist
    b, a = signal.butter(4, normalized_cutoff, btype='high')
    
    # Apply filter
    filtered_audio = signal.filtfilt(b, a, audio_data)
    
    return filtered_audio, sample_rate

# Usage
cleaned_audio, sr = high_pass_filter("noisy_audio.wav", cutoff_freq=100)
sf.write("cleaned_audio.wav", cleaned_audio, sr)

Metodo 3: Riduzione del rumore basata su deep learning

Usare RNNoise

import rnnoise
import numpy as np
import soundfile as sf

def rnnoise_denoise(audio_path):
    """Remove noise using RNNoise model."""
    # Load audio
    audio_data, sample_rate = sf.read(audio_path)
    
    # RNNoise expects 16kHz mono audio
    if sample_rate != 16000:
        import librosa
        audio_data = librosa.resample(audio_data, orig_sr=sample_rate, target_sr=16000)
        sample_rate = 16000
    
    # Convert to mono if stereo
    if len(audio_data.shape) > 1:
        audio_data = np.mean(audio_data, axis=1)
    
    # Process in chunks (RNNoise processes 480 samples at a time)
    chunk_size = 480
    denoised_audio = []
    
    denoiser = rnnoise.RNNoise()
    
    for i in range(0, len(audio_data), chunk_size):
        chunk = audio_data[i:i+chunk_size]
        if len(chunk) < chunk_size:
            chunk = np.pad(chunk, (0, chunk_size - len(chunk)))
        
        denoised_chunk = denoiser.process(chunk)
        denoised_audio.extend(denoised_chunk)
    
    return np.array(denoised_audio), sample_rate

# Usage
cleaned_audio, sr = rnnoise_denoise("noisy_audio.wav")
sf.write("cleaned_audio.wav", cleaned_audio, sr)

pip install rnnoise

Usare Demucs di Facebook

from demucs.pretrained import get_model
from demucs.audio import AudioFile
import torch

def demucs_separation(audio_path):
    """Separate speech from noise using Demucs."""
    # Load pre-trained model
    model = get_model('htdemucs')
    model.eval()
    
    # Load audio
    wav = AudioFile(audio_path).read(streams=0, samplerate=model.sample_rate, channels=model.audio_channels)
    ref = wav.mean(0)
    wav = (wav - ref.mean()) / ref.std()
    wav = torch.from_numpy(wav).float()
    
    # Separate sources
    with torch.no_grad():
        sources = model(wav[None])
        sources = sources * ref.std() + ref.mean()
    
    # Extract vocals (speech) - usually index 0 or 3
    speech = sources[0, 0].cpu().numpy()
    
    return speech, model.sample_rate

# Usage
speech_audio, sr = demucs_separation("noisy_audio.wav")
sf.write("speech_only.wav", speech_audio, sr)

Metodo 4: Strumenti online di riduzione del rumore

1. Audacity Online (versione cloud)

• Gratuito, basato su browser
• Buono per elaborazioni rapide
• Dimensione file limitata

2. Adobe Podcast Enhance

• Riduzione del rumore basata su AI
• Gratuito con utilizzo limitato
• Risultati eccellenti per il parlato

3. Krisp.ai

• Soppressione del rumore in tempo reale
• API disponibile per integrazione
• Buono per audio live

4. Cleanvoice.ai

• Rimozione automatica del rumore
• Gestisce piu tipi di rumore
• Elaborazione batch disponibile

Workflow completo: preprocessing audio per STT

import librosa
import noisereduce as nr
import soundfile as sf
from scipy import signal
import numpy as np

def preprocess_audio_for_stt(audio_path, output_path):
    """Complete audio preprocessing pipeline for STT."""
    
    # Step 1: Load audio
    print("Loading audio...")
    y, sr = librosa.load(audio_path, sr=16000, mono=True)
    
    # Step 2: Remove DC offset
    print("Removing DC offset...")
    y = y - np.mean(y)
    
    # Step 3: High-pass filter (remove low-frequency noise)
    print("Applying high-pass filter...")
    nyquist = sr / 2
    normalized_cutoff = 80 / nyquist
    b, a = signal.butter(4, normalized_cutoff, btype='high')
    y = signal.filtfilt(b, a, y)
    
    # Step 4: Normalize volume
    print("Normalizing volume...")
    max_val = np.max(np.abs(y))
    if max_val > 0:
        y = y / max_val * 0.95  # Normalize to 95% to avoid clipping
    
    # Step 5: Noise reduction
    print("Reducing noise...")
    y = nr.reduce_noise(
        y=y,
        sr=sr,
        stationary=False,  # Use non-stationary for variable noise
        prop_decrease=0.8  # Reduce noise by 80%
    )
    
    # Step 6: Final normalization
    print("Final normalization...")
    max_val = np.max(np.abs(y))
    if max_val > 0:
        y = y / max_val * 0.95
    
    # Step 7: Save processed audio
    print(f"Saving to {output_path}...")
    sf.write(output_path, y, sr)
    
    print("Preprocessing complete!")
    return y, sr

# Usage
preprocess_audio_for_stt("noisy_recording.wav", "cleaned_for_stt.wav")

Best practice per la rimozione del rumore

1. Scegli il metodo giusto

• Rumore costante: Usa sottrazione spettrale o riduzione del rumore stazionario
• Rumore variabile: Usa riduzione non stazionaria o modelli di deep learning
• Rumore impulsivo: Usa rimozione click o interpolazione
• Tipi di rumore multipli: Combina piu tecniche

2. Preserva la qualita del parlato

• Non elaborare eccessivamente (puo introdurre artefatti)
• Usa impostazioni moderate di riduzione del rumore (60-80%)
• Preserva la gamma di frequenze del parlato umano (80-8000 Hz)
• Mantieni caratteristiche vocali naturali

3. Testa e itera

• Fai sempre l'anteprima prima di applicare all'intera traccia
• Confronta audio originale vs elaborato
• Testa l'accuratezza della trascrizione con entrambe le versioni
• Regola le impostazioni in base ai risultati

4. Considera il tuo modello STT

• Alcuni modelli (come Whisper) gestiscono bene il rumore
• Il preprocessing potrebbe non essere sempre necessario
• Testa con e senza preprocessing
• I modelli piu grandi sono piu robusti al rumore

Errori comuni da evitare

• Puo rimuovere frequenze del parlato
• Crea artefatti e distorsione
• Fa sembrare la voce robotica

• Puo rimuovere componenti vocali importanti
• Fa sembrare la voce sottile o metallica
• Influisce sulla naturalezza

• Il preprocessing potrebbe non migliorare l'accuratezza
• Alcuni modelli funzionano meglio con audio originale
• Esegui sempre test A/B

• Assicurati un sample rate corretto (16kHz consigliato)
• Usa formati lossless quando possibile
• Evita doppia compressione

Integrazione con speech-to-text

Uso con OpenAI Whisper

import whisper
import noisereduce as nr
import soundfile as sf

def transcribe_with_noise_reduction(audio_path):
    """Transcribe audio with noise reduction preprocessing."""
    
    # Step 1: Reduce noise
    audio_data, sr = sf.read(audio_path)
    cleaned_audio = nr.reduce_noise(
        y=audio_data,
        sr=sr,
        stationary=False,
        prop_decrease=0.75
    )
    
    # Save temporary cleaned file
    temp_path = "temp_cleaned.wav"
    sf.write(temp_path, cleaned_audio, sr)
    
    # Step 2: Transcribe with Whisper
    model = whisper.load_model("base")
    result = model.transcribe(temp_path)
    
    # Clean up
    import os
    os.remove(temp_path)
    
    return result["text"]

# Usage
transcription = transcribe_with_noise_reduction("noisy_audio.wav")
print(transcription)

Uso con SayToWords API

import requests
import noisereduce as nr
import soundfile as sf

def transcribe_with_saytowords(audio_path):
    """Preprocess and transcribe with SayToWords."""
    
    # Preprocess audio
    audio_data, sr = sf.read(audio_path)
    cleaned_audio = nr.reduce_noise(
        y=audio_data,
        sr=sr,
        stationary=False,
        prop_decrease=0.8
    )
    
    # Save cleaned audio
    cleaned_path = "cleaned_for_api.wav"
    sf.write(cleaned_path, cleaned_audio, sr)
    
    # Upload and transcribe
    with open(cleaned_path, 'rb') as f:
        files = {'file': f}
        response = requests.post(
            'https://api.saytowords.com/transcribe',
            files=files,
            headers={'Authorization': 'Bearer YOUR_API_KEY'}
        )
    
    return response.json()

Misurare l'efficacia della riduzione del rumore

Confronto prima/dopo

import librosa
import numpy as np

def measure_snr(audio_path):
    """Estimate signal-to-noise ratio."""
    y, sr = librosa.load(audio_path, sr=None)
    
    # Simple SNR estimation
    signal_power = np.mean(y ** 2)
    noise_floor = np.percentile(np.abs(y), 10) ** 2
    snr_db = 10 * np.log10(signal_power / noise_floor) if noise_floor > 0 else 0
    
    return snr_db

# Compare before and after
original_snr = measure_snr("noisy_audio.wav")
cleaned_snr = measure_snr("cleaned_audio.wav")

print(f"Original SNR: {original_snr:.2f} dB")
print(f"Cleaned SNR: {cleaned_snr:.2f} dB")
print(f"Improvement: {cleaned_snr - original_snr:.2f} dB")

Conclusione

• Tipo di rumore (costante vs variabile)
• Qualita audio (sample rate, bit depth)
• Strumenti disponibili (software vs programmazione)
• Modello STT (alcuni gestiscono il rumore meglio di altri)

• Per elaborazioni rapide: Usa Audacity o strumenti online
• Per automazione: Usa librerie Python come noisereduce
• Per migliori risultati: Combina piu tecniche
• Per produzione: Testa con il tuo modello STT specifico

Risorse aggiuntive

• Whisper for Noisy Background Guide
• How to Fix Unclear Recordings
• Audio Enhancement Best Practices