KI-gestützte Audiopflege und Geräuschunterdrückung Schulung

Grundlagen von Audio und Störgeräuschen

• Kernbegriffe: Wellenform, Frequenz, Amplitude und Dynamikumfang
• Arten von Störgeräuschen: Umgebungsgeräusche, Gerätebedingte Störungen, digitale Artefakte
• Konventionelle vs. KI-gestützte Ansätze zur Geräuschunterdrückung

Überblick über KI-basierte Tools zur Audiopflege

• Wie KI-Modelle Audio verarbeiten und aufbereiten
• Tool-Vergleich: Krisp, Adobe Enhance, RNNoise, NVIDIA RTX Voice
• Bereitstellungsoptionen: lokal, in der Cloud und Echtzeit-Integration

Einsatz von Krisp für Echtzeit-Konferenzen

• Installation und Einrichtung auf Windows/macOS
• Integration in Zoom, Teams und Skype
• Live-Audiotests und Behebung häufiger Probleme

Aufbereitung von Aufnahmen mit Adobe Enhance

• Hochladen und Aufbereiten von Podcast-artigen Aufnahmen
• Einschränkungen, Latenz und Qualitätskontrolle
• Kombination mit Adobe Audition oder Premiere

Bereitstellung von RNNoise in individuellen Pipelines

• Überblick über die Open-Source-Bibliothek RNNoise
• Kompilierung und Verwendung von RNNoise mit FFmpeg
• Individuelle Integrationen in Überwachungs- oder VoIP-Systeme

Bewertung von Qualität und Leistung

• Kennzahlen: Signal-Rausch-Abstand, Latenz, CPU-/GPU-Last
• Tests in verschiedenen Anwendungsfällen: Meetings, Aufnahmen, Felddokumentation
• Menschliche Wahrnehmung vs. objektive Bewertungstools

Fallstudien und Workflow-Integration

• Enterprise-Videokonferenz-Setups für die Rechts- und Finanzbranche
• Geräuschunterdrückung in Medienproduktionspipelines
• Audioaufbereitung für Beweismittel und Überwachungswiedergabe

Zusammenfassung und nächste Schritte