Cleanvoice AI 深度测评：播客剪辑的“脏活累活”，它全包了

如果你做过播客或者录过口播视频，应该懂那种痛苦：录完一小时素材，光是删“嗯、啊、那个”和剪掉说错重来的部分，就能耗掉你大半个下午。Cleanvoice AI 干的就是这件事：把后期剪辑里最枯燥、最没有创造力的那部分自动化掉。我拿两期播客素材实测了一轮，下面把它的实际表现、价格一一列出来！

📄 Cleanvoice AI 到底是个什么东西

开发公司： 由 Adrian Spataru 创立，公司注册在罗马尼亚，创始人本人常驻奥地利格拉茨。最早是因为他自己做播客时找不到好用的自动清理工具，干脆自己写了一个。

上线时间： 大约在 2021 到 2022 年之间开始运营，属于播客 AI 工具里比较早切入“口癖清理”这个细分场景的产品。

产品定位： 一个“录后自动清理助手”。它不做实时降噪，不做录音，也不做完整的 DAW。它的全部精力就放在一件事上：你上传录好的音频或视频文件，它自动识别并移除口癖词、结巴、口腔音、呼吸声和过长停顿。

解决什么问题： 播客剪辑里最费时间的不是加音乐、调节奏，而是那些重复性极高的“清理活”。Cleanvoice 就是来干这些活的。

⚙️ 核心功能一览

1. 口癖词自动移除： 自动识别并删除“嗯”“呃”“那个”“就是”“you know”“like”这类填充词。官方说法是英语和主要欧洲语言的效果最好，中文场景我实测下来对“嗯”“啊”这类语气词的识别也过得去。

2. 结巴与重复片段清除： 你说“我我我觉得”或者“这个这个方案”，它会自动剪掉重复的部分，只保留一次。

3. 口腔音与呼吸声处理： 这个功能比想象中实用。口水音、咂嘴声、句间明显的吸气声，它会识别并压低或移除。对做旁白和有声内容的人来说，这个细节提升很明显。

4. 过长停顿智能缩短： 它不会把所有停顿都删掉，而是根据上下文判断。思考时的短暂停顿会保留，话题切换之间的死寂会缩短。这个“看情况处理”的逻辑比粗暴一刀切舒服很多。

5. 多轨处理： 如果你录的是双人播客，每人一条独立音轨，它可以分别处理每条轨的脏东西，同时保持同步。最多支持 5 条音轨。

6. 转写与摘要： 清理完之后可以直接生成文字稿、播客摘要、章节标记，甚至社交媒体的推广文案草稿。

7. 时间线导出： 如果你还想手动微调，它可以把编辑决策导出成 EDL 或时间线格式，导入 Audacity、Adobe Audition、Premiere、达芬奇继续精修。

8. 背景噪音抑制： 附带的功能，效果中规中矩。空调声、轻微底噪能处理，但重度噪音环境建议先用专门的降噪工具。

✨ 它和其他工具比，到底强在哪

第一，不做“全而弱”，专攻“清理”这一件事。 Descript 是“用文字编辑音频”，功能很多但清理精度不是它的第一优先级。Adobe Podcast 的 Enhance Speech 是“把烂录音变清晰”，不做口癖删除。Cleanvoice 的定位很窄，就卡在“自动清理口播脏东西”这个点上，做得比谁都细。

第二，不用先转文字。 Descript 的编辑逻辑是先把音频转成文字，你在文字上删改，它再同步到音频。Cleanvoice 是直接处理音频信号，上传、跑完、下载，中间不经过文字界面。对于只想“快速出干净文件”的人来说，少了一步。

第三，参数可控性不错。 它不是“一键全处理”的黑箱。你可以单独勾选要不要删口癖、要不要处理呼吸声、要不要缩短停顿、要不要保留音乐。这种精细度在同类工具里不算常见。

第四，多轨支持实在。 双人播客如果录了分轨，它能分别处理每个人，而不是把混好的文件硬处理。这对保留音质有帮助。

但要提前说清楚：它的强项在“口癖和停顿”，不在“降噪”。如果你的录音底噪很严重，它救不了，得先上 Adobe Podcast 或 Auphonic。

🎯 什么场景下真的能帮到你

播客创作者（首选场景）： 单人或双人播客，录完不想花一小时剪“嗯啊那个”，上传等几分钟，下载就能发。这是 Cleanvoice 最对口的用法。

口播视频创作者： B站、抖音、YouTube 的口播博主，录完视频后把音轨抽出来丢进去清理，再把干净音轨贴回视频工程里。配合时间线导出功能，能跟 Premiere、达芬奇这类剪辑软件衔接。

课程录制/有声书： 需要长时间连续说话的录制场景，口癖和呼吸声的清理能明显提升听感。

企业内容团队： 公司内部播客、产品演示配音、培训视频的口播清理。付费版有 API，可以跟内部流程集成。

不太适合的： 实时通话降噪（它不做实时）、音乐类内容（它主要处理人声）、以及录音质量本身就极差、底噪盖过人声的场景。

🚀 怎么上手：从上传到下载，三步完事

第一步：注册/试用

打开 cleanvoice.ai，可以直接用免费试用开始，送 30 分钟处理时长，不需要绑卡。注册只需要邮箱。

第二步：上传文件

把音频或视频拖进去。支持 WAV、MP3、FLAC。单文件最大 1.5GB，多轨总大小不超过 2GB。如果你是分轨录音，把每条轨都传上去，标注好对应的人。

第三步：选择处理项

界面会列出一排勾选项：Filler Words（口癖）、Mouth Sounds（口腔音）、Breaths（呼吸声）、Long Silences（长停顿）、Background Noise（降噪）。按需勾选。如果你不确定，先用默认设置跑一遍看效果。

第四步：等它跑完

处理时间取决于文件长度，一般 30 分钟的音频几分钟内完成。跑完之后可以试听前后对比。

第五步：下载或导出

直接下载清理后的音频/视频文件。如果需要继续精修，用 Timeline Export 导出时间线到剪辑软件。

💡 几个让效果更好的实用技巧

技巧一：先跑一遍“只删口癖”，再决定要不要加别的。 口癖删除的准确性最高。呼吸声和降噪可以第二遍再加，避免一次处理太多导致不可逆的误伤。

技巧二：重要内容先备份原文件。 任何自动剪辑都有误删的可能。有用户反馈过处理时被意外切掉了几秒音频。原始录音一定留好。

技巧三：多轨录音一定用多轨上传。 如果你和嘉宾是分开录的，别混好了再传。分轨传上去让它分别处理，效果更干净，也不会因为处理一个人的声音而影响另一个人的音色。

技巧四：用“静音代替删除”模式保留视频同步。 如果你做的是视频播客，直接删掉片段会导致音画不同步。它有个选项是“静音而非删除”，保留时间轴完整，音画不会漂移。

技巧五：口癖删除后一定要抽查关键段落。 尤其是人名、数字、专业术语附近。它偶尔会误判一个正常的停顿或重复词。

💻 安装方式：纯网页工具，没有客户端

Web 端： 主力形态，也是唯一形态。浏览器打开 cleanvoice.ai 就能用。Chrome、Safari、Edge 都可以。

桌面客户端： 没有 Windows/Mac 原生应用。

移动端： 没有 iOS/Android App。手机浏览器可以用，但上传大文件体验一般，建议在电脑上操作。

浏览器插件： 没有官方扩展。

API： 有 REST API，提供 Python 和 JavaScript SDK，适合开发者集成到自己的流程里。还有 Make 集成，可以做自动化。

💰 收费：按小时计价，逻辑清晰

Cleanvoice 的收费按“处理时长”算，不是按导出次数。所有付费计划都包含全部功能。

免费试用： 30 分钟，不需要信用卡，全功能体验。

按量付费： 适合偶尔用的人。$11 买 5 小时，$20 买 10 小时，$45 买 30 小时。买来的积分有效期 2 年，不会过期作废。

订阅制： 适合有规律产出的播客。

• $11/月：10 小时/月，折合 $1.10/小时

• $30/月：30 小时/月，折合 $1.00/小时

• $90/月：100 小时/月，折合 $0.90/小时

积分滚存： 当月没用完的订阅积分可以滚到下个月，最多滚到月额度的 3 倍。比如 10 小时计划，最多能攒到 30 小时。这个设计在同类工具里算良心的。

企业定制： 超过 200 小时/月可以谈定制价格，有专属 API 端点、优先支持和定制账单。官方提到有 30 多个品牌在用企业方案。

👥 谁最适合用这个工具

首推：独立播客创作者。 尤其是每周更新、每期 30 分钟到 1 小时的个人播客。$11/月的计划基本够用，省下来的剪辑时间远超这个价格。

次推：口播视频创作者。 B站、抖音、YouTube 的口播博主，把音轨抽出来清理再贴回去，比手动剪效率高太多。

适合：企业内容团队、课程制作方。 需要批量处理口播内容，API 和自定义计划能跟内部流程对接。

不太适合： 实时通话场景（不提供实时处理）、音乐制作、以及录音质量本身就很差需要强降噪的场景。Cleanvoice 是做“清理”的，不是做“抢救”的。

📊 全球使用情况：15000+ 播客的装机量

官方披露的数据是服务超过 15000 名独立播客创作者，以及 30 多个企业品牌（通过 API）。这个体量在播客工具圈里属于中上水平，不算最大，但用户粘性看起来不错。

主要用户集中在英语播客市场，欧洲用户也有一定占比（公司注册在罗马尼亚、创始人常驻奥地利，对欧洲用户有地缘优势）。数据存储遵守 GDPR，服务器在欧盟，有 ISO 27001 认证，对隐私敏感的用户可以放心。

中文用户群在增长，但目前不是它的核心市场。产品的界面和客服主要以英语为主。

✅ 优点 & ❌ 缺点（说点实在的）

优点：

1. 口癖删除精度在同类里是第一梯队。 有测评做过对照测试，故意插入的“um”“uh”和结巴，Cleanvoice 的识别率和误删率表现比 Descript 更稳。

2. 不做文字中转，直接处理音频。 对于“只想快速出干净文件”的用户，比 Descript 那种文字编辑逻辑少了一步。

3. 多轨支持实在。 双人播客分轨录的话，体验明显好于把混好的文件硬处理。

4. 积分滚存设计良心。 最多滚 3 倍月额度，不会“不用就亏”。

缺点：

1. 降噪是附带功能，不是强项。 如果你的录音底噪很重，它救不了，得配合 Adobe Podcast 或 Auphonic 一起用。它真正值钱的地方是“口癖和停顿清理”，不是“降噪”。

2. 有误删风险。 Trustpilot 上有用户反馈处理过程中被意外切掉了几秒钟音频，即使自己设置了不删停顿。关键内容发布前一定要抽查。

3. 客服口碑两极分化。 有人夸退款快，也有人抱怨“付费后找不到人”“上传失败要重复三四次”。这个不确定性在付费决策时得考虑进去。

4. 中文支持不如英语。 官方宣称支持 60 多种语言的转写，但口癖清理的核心优化方向是英语和欧洲语言。中文播客的清理效果不如英语场景稳。

⚖️ 和同类工具放在一起比一比

拿 Descript、Adobe Podcast 和 Auphonic 来对比。

和 Descript 比： Descript 是完整的播客编辑平台，文字编辑、多轨混音、录屏都有。Cleanvoice 只做“清理”这一件事。如果你需要的是一个“从录制到发布”的全流程工具，Descript 更合适。如果你已经有剪辑流程，只想加一个“自动清理脏东西”的环节，Cleanvoice 更精准。

和 Adobe Podcast 比： Adobe Podcast 的 Enhance Speech 是免费降噪神器，能把烂录音变清晰，但它不删口癖、不剪停顿。Cleanvoice 不跟你比降噪，它比的是“口癖和停顿的自动清理”。两者定位不冲突，甚至可以搭配用。

和 Auphonic 比： Auphonic 是自动母带和响度标准化工具，它的强项是让不同期节目的音量一致、响度达标。它也不删口癖。Cleanvoice 是“剪辑助手”，Auphonic 是“母带工程师”。

价格上： Cleanvoice $11/月 10 小时，Adobe Podcast 免费（但只做降噪），Auphonic 免费版 2 小时/月、付费从约 $11/月起。三者的价格区间接近，但解决的问题完全不同。

🏁 到底值不值得用？给你一个明确的结论

适合谁： 做口播内容的人。播客创作者、口播视频博主、课程录制者，以及任何“录完需要花大量时间剪口癖和停顿”的人。如果你每期节目超过 20 分钟，口癖和停顿清理占了你后期时间的三分之一以上，Cleanvoice 的 $11/月基本是闭眼入的价格。

什么时候值得付费： 当你发现手动剪口癖已经明显拖慢更新节奏的时候。$11 一个月，省下来的时间够你多录半期节目。积分滚存的设计也让你不用担心“这个月没用完就亏了”。

什么情况下不推荐： 第一，你的主要痛点是录音底噪重、音质差——这该找 Adobe Podcast 或专门的降噪工具，不是 Cleanvoice。第二，你做的是音乐内容或者需要精细混音——它不做这些。第三，你对自动剪辑的误删容忍度极低，每一刀都要自己确认——那还是手动剪吧。第四，你只是偶尔录一两段 5 分钟以内的音频，免费试用 30 分钟就够你用了，没必要订阅。

最后说句实在话：Cleanvoice 不是“全能音频工具”，它是一个“口播清理专机”。如果你正好有这个痛点，它可能是目前最省事的选择。但如果你期待它顺便帮你降噪、混音、调响度，那你会失望。它只做一件事，但这件事做得够好。