Penghapus Kata Kasar dari Audio Online

Alat untuk membersihkan kata kasar dari trek audio — single musik, episode podcast, pesan suara, atau buku audio. Pengenalan ucapan membaca rekaman, menata setiap kata pada gelombang suara, dan menandai tiap umpatan dengan waktu mulai dan akhirnya yang persis sehingga sensor jatuh tepat pada kata itu dan tidak pada yang lain. Audio yang sudah bersih dibangun ulang dan disimpan sebagai MP3, WAV, M4A, OGG, atau FLAC pada bitrate pilihan Anda. Mengenali ucapan dalam sembilan bahasa (Rusia, Inggris, Spanyol, Portugis, Jerman, Prancis, Indonesia, Korea, dan Arab) — Anda memilih bahasanya, dan kata yang terlewat selalu bisa Anda tandai secara manual; pemrosesan berjalan di browser Anda via WebAssembly.

Cara menghapus kata kasar dari audio

1

Unggah file audio — lagu, podcast, pesan suara, atau bab buku audio (MP3, WAV, M4A, OGG, dan lainnya)

2

Biarkan pengenalan ucapan membaca rekaman; progres, waktu berjalan, dan sisa waktu muncul selama prosesnya

3

Telusuri gelombang suara: klik kata di transkrip untuk membiarkannya, atau seret pada gelombang untuk membisukan umpatan yang terlewat

4

Atur suara sensor — nada dan tingkat bip, senyap, penurunan volume musik, atau klip Anda sendiri — lalu dengarkan kembali di pemutar

5

Tekan "Unduh file bersih" dan pilih format audio serta bitrate untuk rilis Anda

Sensor umpatan pada lagu atau podcast langsung di gelombang suara

🤬
Seret file audio ke sini atau klik untuk memilih
Seret & lepas atau pilih file
Memuat file...
0%
Klik gelombang untuk melompat · seret untuk membisukan bagian secara manual · tepi bagian dapat digeser
0:00 / 0:00 Kata ditemukan 0 Fuzzy 0 Dibisukan 0

Transkrip

Klik kata mana pun untuk membisukannya atau membatalkan pembisuan.

Akan dibisukan

Tidak ada kata kasar yang ditemukan. Klik kata di transkrip atau seret pada gelombang untuk menambahkannya.
File audio hingga 20 MB; 30 detik pertama digunakan dan diulang pada bagian yang panjang.
Seberapa banyak kata dibungkam. 100% = seluruh kata; lebih rendah membuat tepi kata tetap terdengar (lebih dikenali).
Daftar kata kustom (daftar hitam dan putih)
Audio dibangun ulang dengan transisi halus; pada video, gambar disalin tanpa enkode ulang.

Fitur

Dibuat untuk mix musik atau podcast
Pengenal ucapan menangkap umpatan bahkan ketika berada di bawah beat atau bantalan musik, sehingga lagu atau episode kembali dalam keadaan bersih.
Sunting di gelombang suara
Setiap kata yang terdeteksi ditandai pada gelombang audio; geser, klik kata di transkrip, atau seret pada gelombang untuk membisukan titik yang terlewat oleh model.
Pilih bagaimana bunyinya
Ganti tiap kata dengan bip 200–2000 Hz, senyap bersih, penurunan volume di bawah musik, atau klip suara Anda sendiri — dengan fade halus agar tak ada bunyi klik.
Ekspor audio sesuai kebutuhan
Render versi bersih ke MP3, WAV, M4A, OGG, atau FLAC dan pilih bitrate — siap diunggah ke platform streaming atau podcast.
Atur apa yang dihitung sebagai kata kasar
Biarkan akar kata cabul tetap aktif, nyalakan atau matikan kata kasar atau eufemisme, dan masukkan daftar hitam serta daftar putih Anda sendiri untuk nama artis atau acara.
Daftar tanda tiap suntingan
Ekspor daftar ber-timecode untuk tiap kata yang dibisukan sebagai TXT, CSV, SRT, atau JSON untuk arsip Anda atau pengajuan ke label.

Mengapa memakai pembersih audio ini

Mencari umpatan dengan telinga di editor audio berarti menggeser menit yang sama berulang kali dan tetap saja melewatkan satu sebelum lagu atau episode tayang. Alat ini mentranskripsi rekaman, menyematkan tiap kata ke timecode-nya pada gelombang suara, dan membiarkan Anda mem-bip, membungkam, atau menurunkan volumenya dengan satu klik — lalu menyerahkan MP3, WAV, M4A, OGG, atau FLAC yang bersih pada bitrate yang diinginkan distributor Anda. Entah itu edit radio sebuah single, potongan podcast yang aman bagi merek, atau buku audio untuk audiens yang lebih muda, versi bersihnya siap dalam hitungan menit, bukan sore penuh menyunting manual.

Pertanyaan yang Sering Diajukan

Apakah alat ini menangkap umpatan pada lagu dengan musik latar?

Ya. Model-model ini dilatih pada rekaman nyata dan membaca vokal di atas musik, meski mix yang sangat padat dapat mengaburkan sebuah kata. Apa pun yang terlewat dapat Anda bisukan secara manual dengan menyeret titiknya pada gelombang suara.

Format audio apa saja yang bisa saya simpan?

Trek yang sudah bersih diekspor ke MP3, WAV, M4A, OGG, atau FLAC, dan Anda mengatur bitrate-nya — sehingga bisa menyesuaikan master streaming, umpan podcast, atau salinan arsip lossless.

Apakah lagu tetap sinkron setelah dibersihkan?

Ya. Kata dibisukan di tempatnya alih-alih dipotong, sehingga durasinya identik dan tidak ada yang bergeser; fade pendek di tiap tepi menjaga audio tetap halus.

Bisakah saya memasukkan suara bip saya sendiri?

Bisa. Beralih ke "Suara sendiri" dan unggah klip pendek; 30 detik pertamanya menggantikan tiap kata yang dibisukan, diulang pada bagian yang lebih panjang, dengan tingkat volume yang Anda kendalikan.

Bahasa apa yang dipahami pengenalnya?

Sembilan bahasa: Rusia, Inggris, Spanyol, Portugis, Jerman, Prancis, Indonesia, Korea, dan Arab. Anda memilih bahasa audio dari daftar di atas zona unggah, terlepas dari bahasa antarmuka — jadi Anda bisa membuka situs dalam bahasa Arab dan membersihkan podcast berbahasa Inggris. Bahasa Rusia berjalan di GigaAM (dilatih pada 700.000 jam audio Rusia); bahasa lainnya berjalan di Whisper. Akurasi pengenalan berbeda-beda menurut bahasa, jadi periksa kata-kata yang ditemukan — apa pun yang terlewat dapat dibisukan secara manual pada gelombang suara.

Anda Mungkin Juga Suka

📻 ACX Mastering Buku Audio 🔇 Audio Denoiser 🔁 Audio Looper 🔄 Balik Audio 💿 Citra cakram 5.1 untuk home theater 🎞️ Ekstrak Audio dari Video 🎚️ Equalizer 📦 Kompresor Audio

Bagaimana Anda menilai alat ini?

1 (1 penilaian)
Terima kasih atas penilaian Anda!
Ingin berbagi lebih? Tinggalkan komentar!
Terima kasih! Komentar Anda akan muncul setelah moderasi.
Siapa yang cocok menggunakan alat ini?
🎙️ Podcaster 📡 Streamer & Broadcaster ✨ Kreator Konten 👨‍👩‍👧 Orang Tua & Keluarga
Diterbitkan Diperbarui Penulis: