VEED Clean Audio：ComfyUI でのオーディオとビデオの音声ノイズ除去

VEED Clean Audioは録音内の音声を分離します。背景ノイズを取り除き、音声向けに作られているため、音楽や効果音もノイズと一緒に除去されます。返ってくるのは、きれいになったすぐに使えるセリフだけのオーディオです。 ComfyUIでは、このモデルは2つのパートナーノードを通じて実行されます。VEED Clean Audioは単体の録音を受け取り、クリーニング済みのオーディオを返します。**VEED Clean Audio (in Video)**はクリップを受け取り、そのサウンドトラックだけをクリーニングし、映像はそのままにビデオを返します。どちらもクラウドAPIノードであり、クレジットを保有するComfyアカウントが必要で、モデルファイルをローカルにダウンロードすることはありません。 2つのノードが返すものは異なります。Clean Audio は 48 kHz モノラルのオーディオを返します。Clean Audio (in Video) はビデオ自体を返し、映像はそのままに、サウンドトラックがクリーン処理された 48 kHz モノラルの音声に置き換わります。どちらも1799秒（30分弱）までの実行を受け付けます。リップシンク、トーキングポートレート、背景除去については、VEED Video Nodesをご覧ください。

​

利用可能なワークフロー

​

Clean Audio

音声録音を他のどこかへ渡す前にクリーンアップします。このノードは音声パイプラインの最初のステップです。クリーンアップした音声をリップシンクノード、文字起こしステップ、またはミックスに送ることで、オリジナルのノイズフロアがそれらに届くことはありません。 入力マテリアル

​

Clean Audio (in Video)

映像には触れずに、クリップ内の音声をクリーンアップします。置き換えられるのはサウンドトラックのみで、クリーンアップされた 48 kHz モノラルの音声になります。そのため、結果は同じ編集内容のまま、使用可能な音声トラックを備えたものになります。 入力マテリアル オーディオトラックのないクリップは、無音のビデオを返すのではなく、エラーで停止します。保持されるのは最初のオーディオトラックのみで、それ以外のオーディオトラックと埋め込み字幕は破棄されるため、複数のトラックを含むクリップでは事前に書き出しておいてください。

​

ノードのコントロール

単語間のポーズは、strength の設定値に関係なく常に完全にクリーン処理され、デフォルトを超える値ではほとんど変化しません。ピークは -1.1 dBTP に制限されるため、大きな目標値を設定すると早々に上限に達します。一般的な音声では -15 LUFS 付近に収まります。

​

ヒント

• まずは strength をデフォルトのままにしてください。 この値は音声向けに調整されています。声の背後にあるルームトーンを残したいサウンドの一部として扱う場合にのみ、値を下げてください。
• クリーンアップ後のオーディオを他のクリップと揃える必要がある場合はノーマライズしてください。 共通の target_lufs が、一連の録音を同じレベルに揃える鍵となります。
• 音楽が戻ってくることは期待しないでください。 音楽と効果音はノイズとともに除去されるため、このノードがクリーンアップするのは対話であり、ミックス全体ではありません。サウンドトラックを残す必要がある場合は、ボーカルのステムに対して実行してください。
• 長い録音は実行前にカットしてください。 上限は 1799 秒で、ファイルが短いほど分単位の料金で安くなります。
• トーキング系のノードにつなげてください。 クリーンアップされた音声は、リップシンクやトーキングポートレートにとって生の録音よりも優れた入力になります。

​

はじめる

1. ComfyUIを最新バージョンにアップデートする
2. テンプレートライブラリに移動し、VEED を検索する