先讀範圍，再決定錄音增強副本能替你做什麼。

先說清楚這不是什麼

• 每個步驟都改變了波形。處理後「比較容易聽」，不等於「比較接近事實」。降噪會讓說話聲變悶或留下水聲般的殘留雜音，壓縮會把背景噪音一起拉高，變速可能把子音吃掉。
• 它不是還原，也不是鑑識。太小聲、被噪音蓋住或已經削波的內容，任何演算法都無法憑空補回。把噪音壓下去之後「聽到」的字句，可能只是處理造成的假象，請反覆對照原檔，不要只憑副本下結論。
• 它不辨識說話者，也不辨識說話內容。不是聲紋比對，也不判斷錄音是否經過剪接、合成或偽造。
• 處理紀錄只說明「做了什麼」。它不證明原檔內容真實，不是公證，也不是鑑定意見；紀錄裡的時間來自這台裝置的時鐘，未經第三方驗證；它是一般文字檔，任何人都能編輯。
• 請一定保留未經處理的原檔。交給他人或機關時，同時附上原檔、增強副本與處理紀錄，並說明副本經過處理。可以用證據鏈帳本為三者計算雜湊，再把封存碼交給第三方保存。
• 只處理你自己合法持有或合法取得的錄音。法律上能否採用、如何提出，須由律師或法院判斷，本工具不提供法律意見。

做什麼、不做什麼

做什麼

• 在你的瀏覽器內讀取一個錄音檔。WAV（PCM 8／16／24／32 位元、浮點 32／64 位元、A-law、μ-law、EXTENSIBLE）由內建解析器直接讀；MP3、OGG Vorbis、Opus、FLAC 等由瀏覽器的 decodeAudioData 解碼（能不能解取決於你的瀏覽器；本站測試用的 Chromium 能解 MP3、OGG、Opus、FLAC，解不了 M4A 與 AAC，遇到時頁面會說明並建議先轉成 PCM WAV）。
• 上限：檔案 200 MiB、長度 60 分鐘、取樣率 8000 至 192000 Hz。超過時會說明原因並建議先切成較短的段落（例如用 ffmpeg 或錄音軟體），不會悄悄截斷。
• 只處理前兩個聲道（左、右）。三個以上聲道的檔案，其餘聲道不處理也不輸出，資訊欄會說明。
• 12 種處理步驟與 4 組預設（人聲清晰、去除嗡嗡聲、遠距離錄音、快速聽取）。「處理範圍與淡入淡出」固定在最前面；其餘步驟都能開關、調整參數與順序。
• 試聽：在最長 30 秒的試聽範圍上即時重算，可 A（原始）／B（處理後）切換、循環播放，並可「對齊音量後比較」，避免較大聲的一方聽起來比較清楚。附前後波形、頻譜圖（含文字說明）與頻段位準、統計表。
• 「套用到整段」在背景工作者（Web Worker）內進行，有進度、可隨時取消，取消後不會留下任何檔案；畫面保持可操作。處理前先估算記憶體，超過保護上限就說明原因並拒絕，而不是當機。
• 輸出 WAV（PCM 16 或 24 位元），檔名加上「_增強版」，可選輸出取樣率；同時產生 JSON 與 TXT 兩種處理紀錄。輸出前若峰值高於滿刻度的 0.9999（約 −0.001 dBFS），整段按比例縮小，並把縮小的量寫入紀錄，不會在編碼時悄悄削波；萬一仍有取樣被夾住，也會記下個數。
• 「送到線索推理艙」只在你按下按鈕時，把處理紀錄文字送到同一網站的另一個分頁；沒有回應時改用「複製紀錄文字」。

不做什麼

• 不上傳、不聯網、不使用麥克風、不使用任何瀏覽器儲存空間（含 cookie）；關閉或重新整理頁面，畫面上的資料就消失。
• 不修改原檔；結果一律另存為新檔。
• 不辨識說話者與說話內容，不做聲紋比對，不判斷真偽或是否被剪接。
• 不使用機器學習模型，不「生成」聲音。所有步驟都是公開、可重算的傳統訊號處理。
• 不修復削波：削掉的波形已經遺失，本工具只標示位置。
• 不支援 RF64、ADPCM 等少見的 WAV 編碼，也不內建 MP3、AAC 解碼器（由瀏覽器負責）。
• 輸出是重新編碼的新 WAV：不含原檔的標籤與中繼資料，沒有抖動（dither）處理。

每個步驟在做什麼（白話）

下面依工具內的選單順序排列。每個步驟都附上「代價」：不是只有好處。順序也會影響結果，常見的順序是：先去直流、濾波與陷波，再降噪，接著加強人聲與壓縮，最後調整音量。工具會在順序不合理時提醒（例如降噪放在壓縮之後），但不會阻止你。

四組預設各做了什麼

預設只是起點，不是「最佳設定」。它們是依經驗與下方的合成測試調整的參數，沒有在大量真實錄音上驗證過。

處理紀錄怎麼讀

每次套用到整段，都會產生 JSON 與 TXT 兩種紀錄（內容相同，TXT 給人讀、JSON 給程式讀）。主要欄位如下：

紀錄是一般文字檔，可以被編輯；它的用途是讓別人能照著重做並比對，而不是替內容背書。工具也能「匯入先前的處理紀錄」還原步驟與參數，並核對目前載入的原檔雜湊是否相同。

如何自行驗證

先核對雜湊

• 用作業系統的 sha256sum（或 shasum -a 256、certutil -hashfile）對原檔與副本計算，和處理紀錄中的 input.sha256、output.sha256 比對。
• 或用下面的 Python 程式（只用標準函式庫，不依賴本站任何程式）：

import hashlib
import json


def sha256_of(path):
    h = hashlib.sha256()
    with open(path, "rb") as f:
        for chunk in iter(lambda: f.read(1 << 20), b""):
            h.update(chunk)
    return h.hexdigest()


ORIGINAL = "範例.wav"                       # 你保存的原檔
COPY = "範例_增強版.wav"                    # 下載的增強副本
LOG = "範例_增強版_處理紀錄.json"           # 下載的處理紀錄（JSON）

log = json.load(open(LOG, encoding="utf-8"))
print("原檔與紀錄相符：", sha256_of(ORIGINAL) == log["input"]["sha256"])
print("副本與紀錄相符：", sha256_of(COPY) == log["output"]["sha256"])

確認輸出檔的格式

• 用 ffprobe 看編碼、取樣率、聲道與長度，應與處理紀錄 output 欄位相同：

ffprobe -v error -show_streams -of json 範例_增強版.wav

用 SciPy 重現濾波步驟

• 流程只含一個高通或低通濾波步驟時，下面的程式用相同的 Butterworth 設計重算並與副本比對，差最多的一點應在 1 個量化步階內：

import json

import numpy as np
from scipy import signal
from scipy.io import wavfile

ORIGINAL = "範例.wav"                       # 原檔：單聲道、16 位元 PCM
COPY = "範例_增強版.wav"                    # 下載的增強副本（流程只含一個高通或低通濾波步驟）
LOG = "範例_增強版_處理紀錄.json"           # 下載的處理紀錄（JSON）

log = json.load(open(LOG, encoding="utf-8"))
sr, x = wavfile.read(ORIGINAL)
x = x.astype(np.float64) / 32768
sel = log["selection"]
x = x[round(sel["startSec"] * sr): round(sel["endSec"] * sr)]
f = [s for s in log["steps"] if s["id"] == "filter"][0]["derived"]["applied"][0]    # 例：{"type": "highpass", "fc": 80, "order": 4}
kind = "highpass" if f["type"] == "highpass" else "lowpass"
sos = signal.butter(f["order"], f["fc"], kind, fs=sr, output="sos")                  # Butterworth，與工具使用相同的傳遞函數
y = signal.sosfilt(sos, x)
out = wavfile.read(COPY)[1].astype(np.float64)
mid = slice(int(0.2 * sr), -int(0.2 * sr))                                          # 避開兩端的淡入淡出
print("與副本逐點比較，差最多的一點相差（單位：16 位元量化步階）：", np.max(np.abs(np.round(y * 32768) - out)[mid]))

用 NumPy 重現降噪步驟

• 流程只含一個頻譜減法降噪步驟時，下面的程式依紀錄中的視窗大小與噪音片段，用 NumPy 重做一次，差最多的一點應在 1 個量化步階內。它也是演算法的完整規格：

import json

import numpy as np
from scipy.io import wavfile

ORIGINAL = "範例.wav"                       # 原檔：單聲道、16 位元 PCM
COPY = "範例_增強版.wav"                    # 下載的增強副本（流程只含一個降噪步驟，方法為頻譜減法）
LOG = "範例_增強版_處理紀錄.json"           # 下載的處理紀錄（JSON）

log = json.load(open(LOG, encoding="utf-8"))
sr, full = wavfile.read(ORIGINAL)
full = full.astype(np.float64) / 32768
sel = log["selection"]
x = full[round(sel["startSec"] * sr): round(sel["endSec"] * sr)].copy()
fi, fo = round(sel["fadeInMs"] * sr / 1000), round(sel["fadeOutMs"] * sr / 1000)   # 選段的升餘弦淡入淡出
x[:fi] *= 0.5 - 0.5 * np.cos(np.pi * (np.arange(fi) + 0.5) / fi)
x[len(x) - fo:] *= (0.5 - 0.5 * np.cos(np.pi * (np.arange(fo) + 0.5) / fo))[::-1]

d = [s for s in log["steps"] if s["id"] == "denoise"][0]
p, v = d["params"], d["derived"]
N = v["frameSamples"]; H = N // 4; bins = N // 2 + 1
w = 0.5 - 0.5 * np.cos(2 * np.pi * np.arange(N) / N)                                # 週期式 Hann 視窗
noise = full[round(v["noiseStartSec"] * sr): round(v["noiseEndSec"] * sr)]          # 噪音片段取自原檔，不含淡入淡出
prof = np.mean([np.abs(np.fft.rfft(noise[s:s + N] * w)) for s in range(0, len(noise) - N + 1, H)], axis=0)

floor = 10 ** (-p["reduction"] / 20)
a = 0.92 * p["smooth"] / 100                                                        # 時間平滑：釋放係數；啟動係數為其 1/4
L = len(x); off = N - H; M = int(np.ceil((L + N - H) / H))
xp = np.concatenate([np.zeros(off), x, np.zeros(N + 4 * H)])
out = np.zeros(len(xp)); Gp = None
for m in range(M):
    X = np.fft.rfft(xp[m * H: m * H + N] * w)
    mg = np.abs(X)
    m2 = mg - prof * p["sens"]                                                      # 頻譜減法：幅度減去 靈敏度×噪音輪廓
    g = np.where(m2 > floor * mg, m2 / np.maximum(mg, 1e-20), floor)                # 最多只壓到「降噪量」
    fs = p["fsmooth"]
    if fs > 0:                                                                      # 頻率平滑：前後各 fs 格取平均
        g = np.array([g[max(0, k - fs): min(bins - 1, k + fs) + 1].mean() for k in range(bins)])
    Gp = g.copy() if Gp is None else g * (1 - np.where(g > Gp, 0.25 * a, a)) + Gp * np.where(g > Gp, 0.25 * a, a)
    out[m * H: m * H + N] += np.fft.irfft(X * Gp, N) * w / 1.5                      # 合成：再乘一次 Hann，疊加後除以 1.5
y = out[off: off + L]
res = wavfile.read(COPY)[1].astype(np.float64)
print("與副本逐點比較，差最多的一點相差（單位：16 位元量化步階）：", np.max(np.abs(np.round(y * 32768) - res)))

• 範例假設原檔是單聲道、16 位元 PCM，且流程中只有降噪這一個步驟；步驟不只一個時，要依序重現，每一步比對的是它的輸入而不是原檔。
• 在不同瀏覽器之間，數學函式可能有末位差異，所以跨瀏覽器重跑同一組步驟，輸出檔的雜湊不一定相同。

我們如何驗證這些演算法

• 核心演算法寫成可在 Node.js 與瀏覽器共用的純函式，並有 428 項單元斷言（本機沙箱的測試，涵蓋正常、邊界、錯誤輸入與取消）。環境：Node.js v22.22.0、NumPy 2.5.3、SciPy 1.18.1。
• 端對端另有 295 項檢查（Playwright 驅動 Chromium：桌面 1366×800、手機 390×844 觸控、降速、取消、損毀與超限檔案、內容安全政策違規與非同源請求計數），通過 295 項。

單元斷言與外部對照：本機沙箱的測試；「最差誤差」是所有案例中差最多的一個（單位：以滿刻度 1.0 為準的取樣值，或複數頻率響應的差距大小）

項目	對照對象	通過	實測最差誤差	說明
FFT、實數 FFT 與反變換	NumPy numpy.fft	25	7.1e-14	浮點數誤差
Butterworth 高通／低通（2 至 8 階）	SciPy signal.butter、signal.sosfilt	40	頻率響應 5.1e-12；逐點 8.8e-08	工具以單精度浮點運算，所以逐點誤差約 1e-8 等級
市電陷波係數	SciPy signal.iirnotch	含於上列	0	係數逐項相同
噪音輪廓與降噪（頻譜減法、頻譜閘門）	以 NumPy 獨立寫的參考實作	25	輪廓 3.3e-16；降噪 4.4e-08	4 組參數；降噪量 0 dB 時視窗重疊相加可完整重建
重取樣（Kaiser 窗 sinc）	SciPy signal.resample_poly（峰值 0.5 的帶內雜訊）	16	5.5e-04	濾波器設計不同，屬於「解釋或近似」；48 kHz 轉 16 kHz 對 10 kHz 的抑制實測 88 dB
WAV 讀取（PCM 8／16／24／32、浮點 32／64、A-law、μ-law、EXTENSIBLE、3 聲道、截斷與異常檔頭）與寫出	SciPy wavfile、ffmpeg、ffprobe	61	0	取樣值逐點相同；16／24 位元寫出再讀回逐取樣相同
SHA-256	Python hashlib、NIST 範例	20	0	含空檔、分段餵入與大檔
變速不變調、靜音壓縮、動態處理、時間對照表、分析器、頻譜圖、流程與紀錄、限制與記憶體	性質檢查（長度、音高、不變量）與獨立計算	241	—	這類沒有現成的外部參考，改驗證性質（例如音高中位數、輸出長度、取消時能停下來）

誤差越小越一致。這些是對合成訊號與測試檔的比對，不代表所有真實錄音都相同。

輸出檔層級的交叉比對（本機沙箱，14 秒的合成語音加白噪音）

比對	實測差異	說明
高通 4 階，工具輸出（16 位元）對 SciPy butter＋sosfilt	1	單位：16 位元量化步階（LSB）；差 1 是四捨五入的末位差
高通 2 階，工具輸出對 ffmpeg highpass 濾波器	最差 2，均方根 0.72	兩邊的濾波器實作不同（ffmpeg 的階數與運算精度另有取捨），屬於「解釋或近似」
頻譜減法降噪（12 dB），工具輸出對 NumPy 參考實作	1	用本指南下方的 Python 程式即可重現
頻譜減法降噪（20 dB、頻率平滑 0），工具輸出對 NumPy 參考實作	1
輸出 WAV：ffmpeg 解碼對工具內部取樣值（16 位元、24 位元）	0、0	ffprobe 回報 pcm_s16le、pcm_s24le，取樣率與長度正確
輸出 WAV：Chromium decodeAudioData 對工具內部取樣值（24 位元）	0.0e+00	以滿刻度 1.0 為準的取樣值差
同一組步驟：瀏覽器（Chromium）輸出對 Node.js 命令列輸出	0（雜湊相同）	單位：16 位元量化步階；同一份程式碼在不同引擎的數學函式可能有末位差異

內建 WAV 解析器與 Chromium decodeAudioData 讀同一批檔案的取樣值差（以 SciPy 或 ffmpeg 解出的預期值為準；單位：滿刻度 1.0）

檔案	內建解析器對預期值	decodeAudioData 對預期值	兩者互差
pcm16（立體聲）	0	3.1e-05	3.1e-05
pcm16（單聲道）	0	3.1e-05	3.1e-05
pcm24（立體聲）	0	0	0
pcm32（立體聲）	0	0	0
f32（立體聲）	0	0	0
pcm8（立體聲）	0	7.8e-03	7.8e-03
f64（立體聲）	0	無法解碼	—
mulaw（單聲道）	0	3.0e-05	3.0e-05
alaw（單聲道）	0	3.0e-05	3.0e-05

「兩者互差」是兩條讀取路徑對同一個檔案的差：工具先用內建解析器讀 WAV，瀏覽器解碼只在內建解析器無法處理時使用。這個 Chromium 無法解碼 64 位元浮點 WAV，內建解析器可以。

實測：什麼時候有幫助，什麼時候沒有

• SI-SDR（分貝，越高越好）：處理結果與乾淨參考的訊號對失真比，與整體音量無關。
• 頻譜距離（分貝，越低越好）：100 至 4000 Hz、只看說話的時段，處理結果與乾淨參考的對數頻譜差異。
• 這兩個指標都會把「刻意的音色改變」（高通、語音頻段增強、壓縮、正規化）算成誤差，所以整條預設流程的 SI-SDR 常常下降，即使聽起來比較舒服。因此下面第二張表另外量了「降噪與陷波這兩步」的貢獻。

單獨的降噪或陷波

• 三種較溫和的降噪設定（前三欄）在六種情境、共 18 個組合中，SI-SDR 變化介於 −0.3 與 +8.0 dB，只有 1 個組合是負的（頻譜減法 20 dB／2.5，硬削波的語音）；頻譜距離在 11 個組合下降（變好），最多增加 3.8 dB。
• 極端設定（35 dB／3.0）的 SI-SDR 變化雖然仍為正（硬削波除外），但頻譜距離增加了 4.0 至 6.9 dB：噪音被壓下去，說話聲也被嚴重改動。「降噪量大」不等於「比較好」。
• 嗡嗡聲情境只用陷波就有明顯的改善（SI-SDR +9.0／+9.7 dB），比通用降噪更好；因為嗡嗡聲集中在幾個窄頻率上。

整條預設流程

• 整條流程的 SI-SDR 變化介於 −24.8 與 +7.0 dB，多數為負：這是上面說的「刻意的音色改變」，不是降噪失敗。降噪與陷波這兩步本身的貢獻（右側數字）在不含硬削波的情境介於 +4.9 與 +9.0 dB。
• 硬削波的語音是最差的案例：「人聲清晰」與「遠距離錄音」的整條流程 SI-SDR 分別變化 −21.4 與 −24.8 dB。壓縮與增益會放大削波造成的失真，這種錄音請保守處理，並以原檔為準。
• 「去除嗡嗡聲」預設在沒有嗡嗡聲的情境中，陷波這一步沒有作用（貢獻 0.0），SI-SDR 的變化來自 40 Hz 高通濾波器的相位改變與峰值正規化；原本就很乾淨的樣本（硬削波的語音，基準 16.6 dB）下降較多（−7.2 dB）。SI-SDR 對相位改變很敏感，這個下降不一定對應聽感；本測試沒有做聽感評估。

用時、畫面是否卡住與記憶體

處理全部在背景工作者內進行。下表的「長任務」是主執行緒上超過 50 毫秒的任務數（PerformanceObserver 量測）：「整段處理期間」是處理進度條顯示的期間；「切換與繪圖瞬間」是載入完成、切換步驟、首次按播放與畫出試聽結果的瞬間。目標是兩者都為 0：整段處理期間在多數未降速的實測中為 0，但切換與繪圖的瞬間在沙箱的軟體繪圖環境下仍偶爾有 50 至 110 毫秒的任務，沒有完全達成。沙箱可能同時有其他程序爭用 CPU（只有 2 個核心），爭用時計時與長任務數都會變差；每次測試開始時的 1 分鐘平均負載都記在結果檔裡。

降速實測要怎麼讀

• CDP 的 CPU 降速（Emulation.setCPUThrottlingRate）只作用於分頁的主執行緒，不會讓背景工作者的計算變慢 4 倍；表中降速 4 倍的整段處理只比未降速慢一些（主執行緒要處理進度訊息與畫面）。所以那一列只能說明主執行緒變慢時畫面仍可操作，不能拿來推算慢速裝置上的處理時間。
• 把整個瀏覽器（含背景工作者）限制在單一核心的 25 ％ 的那一列，才是「整體慢好幾倍的裝置」的粗略模擬；它不是任何真實裝置的量測。這個模式用 Linux 的 CFS 配額：每 100 毫秒只給 25 毫秒的 CPU 時間，跨過配額邊界的任務會多出約 75 毫秒的停頓（結果檔裡反覆出現 74 毫秒），所以這一列不判定長任務，只看處理時間。
• 手機外觀（390×844、觸控）的檢查另做：每個步驟都沒有橫向捲動，74 個互動元素的觸控範圍皆不小於 44×44 像素，觸控拖曳波形可選範圍、垂直滑動仍可捲動頁面。

記憶體

瀏覽器所有行程（含瀏覽器本體、GPU 與頁面，合計）的常駐記憶體：頁面載入後閒置約 1201.5 MB；處理 14 秒的小檔後約 1374.7 MB；處理 30 分鐘單聲道 44.1 kHz WAV 的尖峰約 1992.7 MB；載入 25 分鐘立體聲 MP3 並處理其中 60 秒的尖峰約 2323.5 MB（粗略值，每次都包含瀏覽器本體，不是只算本工具）。程式的估計只算背景工作者內的工作陣列（30 分鐘單聲道約 757 MiB），不含下載用的資料塊、檔案讀取緩衝與瀏覽器本身，所以不等於行程總量；在記憶體小的裝置上仍可能失敗，失敗時會顯示說明而不是當機。

保護上限：預設 1.5 GiB；瀏覽器回報裝置記憶體時，再取「裝置記憶體 × 0.25」；瀏覽器識別字串看起來是手機或平板時，再不超過 0.75 GiB；三者取最小的。壓縮格式（MP3 等）必須整段解碼成未壓縮資料才能處理，所以估計較大，60 分鐘的立體聲 MP3 在預設上限下會被拒絕並建議切段。WAV 只讀取你選取的範圍，記憶體較省。

常見誤解

「降噪之後聽到字了。」

如果原檔裡有，降噪可能讓它比較好認；如果原檔裡沒有，增益、降噪與壓縮可能製造出聽起來像字的雜音。請對照原檔反覆確認，不要把副本裡新出現的字句當成原檔內容。

「降噪量調越大越乾淨。」

不是。降噪量只是上限；壓得越多，水聲般的殘留雜音和說話聲失真越嚴重。實測中極端設定的頻譜距離反而變差。

「增益拉高就能聽見小聲的話。」

增益把噪音和說話聲一起放大，不會改善訊噪比。小聲到被噪音蓋過去的內容，放大也聽不見。

「削波的聲音可以修回來。」

被削平的波形已經遺失。本工具只標示位置，不做假的修復。

「變速之後可以直接量對話的時間。」

變速與靜音壓縮會改變時間軸。請用處理紀錄的對照表換算回原檔時間，或一律回到原檔上量。

「預覽就是最後的結果。」

預覽在最長 30 秒的範圍上計算，和整段處理很接近，但範圍邊界附近（尤其是降噪與壓縮的起始階段）可能略有不同；噪音輪廓不受預覽範圍影響。

「有處理紀錄就沒人能質疑。」

紀錄只是文字檔，可以被編輯，時間來自本機時鐘。它記錄做法，讓別人能重做並比對；它不替內容背書。

「換一個瀏覽器，結果也要逐位元相同。」

不承諾。數學函式的差異可能造成末位不同；同一個瀏覽器、同一組步驟才能預期相同的雜湊。

「預設組合適合所有錄音。」

不是。預設只是起點；合成測試中，硬削波的錄音套用預設反而明顯變差。

「副本可以取代原檔。」

不可以。副本是經過處理的工作檔，請一律連同原檔與處理紀錄一起保存與提供。