Intrect 中文博客
本页列出 Intrect 博客中已有简体中文版本的全部文章：去除 AI 音乐伪影、检测 AI 生成音乐、分轨串音和我们的测量结果。
全部文章
- 如何去除 AI 人声和分离分轨中的闪烁感
Suno 人声或分离出的分轨上有玻璃般、带相位感的闪烁？如何把它与混响和齿音区分开，分步修复方法、免费工具，以及哪些问题无法修复。
- 如何为 Spotify、Apple Music 和 YouTube 做 AI 歌曲的母带
为流媒体给 Suno 或 Udio 歌曲做母带：Spotify、Apple 和 YouTube 公布的响度与真峰值规定、处理顺序以及一份检查清单。
- 在混音之前如何清理 Suno 分轨
Suno 的分轨导出目前能给你什么，如何检查分轨中的串音、残留、时间对齐和电平，以及混音前修复这些问题的顺序。
- 你能分辨 AI 音乐与真实音乐吗？听辨测试
一场包含 35 个片段的听辨测试，涵盖 AI 生成音乐与真实音乐，每个片段之后都会揭晓答案；随后可免费预览对你自己曲目的清理效果。
- 谐波/打击分离工具对比：插件、脚本与代码
实时谐波/打击分离插件很少见。本文按各页面自己的说法，对比 Intrect HPSS、Unravel、LUMINA、FluCoMa、ReaCoMa 和 librosa。
- 动态共振抑制插件对比（soothe2 替代品）
soothe2 的页面现在会跳转到 soothe3。soothe3、RESO、Smooth Operator Pro、TDR Nova 和 ENZYME 各自宣称的功能、运行环境和价格。
- 分轨串音去除插件对比：分离串音与麦克风串音
AI 分离出的分轨里的串音，不同于鼓组上的麦克风串音。哪些插件适合哪类问题：对比 de-leak-rt、DeBleed:Drums、Silencer 和 RX De-bleed。
- 为什么 AI 音效听起来带金属感或合成感？
AI 音效听起来有金属感或合成感？资料对成因的说法、从重新生成到频谱修复的逐级修复方案，以及五款工具对比。
- Suno 音乐有金属感怎么办？AI 音乐伪影修复指南
区分 AI 音乐的金属感、水声感与分轨后的伴奏残留。试听原音、处理结果和移除信号，再选择 de-artifact 或 de-leak-rt 插件。
- Spotify、Deezer 或 YouTube 会标记 AI 音乐吗？各平台的官方说法
Spotify、Deezer 和 YouTube 自述对 AI 生成音乐的处理方式：标签、推荐、披露与变现，内容取自各平台自己的页面。
- AI 音乐修复：先运行什么，逐个阶段说明
修复 AI 生成音乐的分阶段顺序、各阶段由哪些工具负责，以及哪些步骤有我们的指南记录、哪些只是我们自己的默认做法。
- AI 音乐伪影去除工具对比：在 Suno 与 ACE-Step 曲目上实测 8 款工具
我们在同样的 Suno 和 ACE-Step 曲目上运行了 8 款 AI 音乐伪影去除工具。在响度一致的条件下试听，对比频谱图，看看每款工具改动了什么。
- 什么是音频伪影？多余声音指南
音频伪影是录音、处理、压缩、音源分离或音乐生成过程中引入的多余声音，不属于预期的演奏。
- de-artifact 0.4 讲解视频：逐章该听什么
17 分钟 de-artifact 0.4 讲解视频的章节指南：Break 鼓点、完整混音、分轨、高频重建、掩码与延迟，以及每一部分该听什么。
- de-artifact 对比 artefactFX：两种不同目标的比较
artefactFX 与 de-artifact：artefactFX 宣传可通过发行商的 AI 检查；de-artifact 旨在改善声音。依据公开页面对比用途、格式与价格。
- 去除 AI 伪影：插件与工具对比
哪种工具能去除 AI 音乐伪影：专用插件、开源脚本、修复套件还是 EQ？各自针对什么、在哪里运行，以及它们的局限。
- Suno 金属感伪影：修复发嘶的镲片和吉他
为什么 Suno 金属曲目会变得发嘶、发糊，以及如何在不压平混音起音的前提下，清理失真吉他、镲片和嘶吼。
- 让 AI 音乐检测保持最新：Suno v6 与 ACE-Step 1.5
如何检查一首歌是否由 Suno 制作：用免费的 ArtifactNet 检测器检测。验证范围涵盖 Suno v6 与 ACE-Step 1.5。
- 音频溯源、AI 检测与水印对比
溯源、水印与 AI 取证检测回答的是不同的问题。了解三者各自的优势与局限，以及版权团队如何将三者结合使用。
- 面向唱片公司与发行商的 AI 音乐检测：审核清单
面向唱片公司、发行商和版权团队的实用 AI 音乐审核流程：置信度分数、编解码器影响、误报、升级处理与审计记录。
- 如何去除人声分轨中的乐器串音
分离出的人声背后还能听到鼓或伴奏？分轨串音与分离残留有何不同，噪声门为何难以应对，以及该先处理哪个问题。
- Udio 伪影：人声为什么听起来带水声感，以及如何修复
什么是音频伪影，为什么保存下来的 Udio 曲目听起来带水声感、金属感或发糊，以及如何在不让混音变闷的前提下清理它们。
- AI 音乐用 WAV 还是 MP3：编辑、母带处理与检测
WAV 为编辑、母带处理和 AI 音频分析保留了更多证据。MP3 在什么情况下可以接受，转码会带来哪些变化，以及如何保存一份干净的母带。
- 如何清理分离后的人声分轨 Demucs、htdemucs、Spleeter
分离出的人声分轨有两类问题：弥散在整个信号中的分离残留，以及来自邻近乐器的串音。了解如何分辨二者，并将两者都修复。
- 如何去除人声中的房间共振 又不把人声的生命力削掉
房间共振只会在某些音符上凸显，静态 EQ 陷波却会在整段录音里都把它削掉。为什么动态 EQ 更接近答案，而逐频点抑制才是更好的解法。
- 军鼓余振 如何去掉余振、保留脆响
噪声门会连余振带军鼓的厚度一起切掉；EQ 陷波会让鼓棒击打变钝。余振属于谐波，鼓棒击打属于打击成分，把两者分开，就能实时压低其中一个。
- Suno 伪影 为什么曲目听起来有金属感，以及如何去除
Suno 曲目会从 RVQ 编解码器中带上金属闪烁感和水声感的延音，免费套餐导出的 MP3 还会再叠加一重损失。各是什么，以及如何修复。
- 流派壁垒
缩小流派差距，并压低我们承诺要解决的高难度真实音乐误报率：基于 27,476 首曲目的 bigset 重新训练与 rescue-gate。2026 年 7 月研究日志。
- 超越 SOTA
ArtifactNet 开发过程中的负面结果：我们发现的评估泄露、我们测量有误之处，以及修正后的协议如何改变了此前报告的数字。
- 迈向实时
为实时使用而蒸馏 ArtifactNet 的 UNet：为什么更轻的模型并没有更快，以及真正改变插件延迟和 CPU 负载的是什么。
- 如何检测AI 生成的音乐
能听出一首歌是不是 AI 生成的吗？听感线索、频谱图和免费的 AI 音乐检测器：每种方法能发现什么，又在哪些情况下失效。
- 基准饱和陷阱
为什么追逐 SONICS 基准分数会让真实场景下的 AI 音乐检测崩盘，以及编解码器感知的 ArtifactBench 划分如何揭穿了饱和陷阱。