配信で使えるAIノイズ除去ツール比較2026

AIノイズ除去は音を一つだけ変える。今いる部屋の反響と雑音を消して、もっと良い環境で録ったみたいな声に変える。それだけだ。

週3で配信してる部屋に音響対策なんてない。エアコンの音、隣の生活音、キーボードの打鍵音。全部マイクに乗る。AIノイズ除去はそこを直接叩く技術で、Twitchでもスタジオ録音でも使い方が変わる。どのツールが実際に効いて、どこで破綻するか、最後まで読めば分かる。

リアルタイム処理とポスト処理は別物

ここを混同すると全部おかしくなる。

リアルタイム系(Krisp、Waves Clarity VX、NVIDIA Broadcast)は、音がOBSやDAWや通話アプリに届く前にAIが処理する。レイテンシは20ms以下。視聴者が聞く時点でもう綺麗になってる。代わりにCPU負荷がかかるし、軽量モデルである以上、処理の質には天井がある。

ポスト処理系(Adobe Podcast Enhance Speech、iZotope RX 12、Descript Studio Sound)は、汚い音で録ってから後で直す。モデルに考える時間がある分、仕上がりは上。ただしライブ配信には使えない。

配信してるなら選択肢はない。リアルタイム一択だ。ポスト作業なら好きなツールを選べる。

大事なのはどのツールを選ぶかより、この二つを区別すること。RX 12に大金を払ってから、実はKrispで十分だったと気づく人は多い。逆に、無料のAdobeアカウントで済む話をKrispでやってる配信者もいる。

Krispが配信者のデフォルトである理由

Krispはマイクとの間に仮想オーディオデバイスとして入る。一度設定したら放置でいい。年払いなら月8ドル。処理はローカルで完結するから、回線が不安定になってもレイテンシが跳ねないし、データも外に出ない。

テストではファンの音、エアコン、キーボードのような定常ノイズをよく抑える。苦手なのは突発音、ドアの音や通知音。ノイズフロアは理想条件で約マイナス70dBまで落ちて、マスタリング後の-14LUFSに対して十分聞こえないレベルになる。

効くケースは二つ。暑い夜のファン音、薄い壁越しのルームメイトの声。がっかりするケースは一つ。反響の多い部屋で近接マイクを使うと、Krispは音を削ろうとして薄くしてしまい、いかにも処理した感じの音になる。

無料枠は1日60分。自分の部屋のノイズに効くか試すには十分。フルセットを配信するには足りない。

導入は単純。Krispをインストールして、OBSの音声ソースで「Krisp Microphone」を選ぶだけ。チェーンの一番手前に入るから、OBS側のノイズゲートは緩めていい場合が多い。Krispがすでに大半を処理してる。

Adobe Podcast Enhance Speechは無料でここまでやる

Adobeのブラウザツールはポスト処理の入り口として一番手軽。ファイルをアップロードして30秒待てば綺麗になったファイルが落ちてくる。Adobeアカウントがあれば無料。

質は本物だ。Adobeは音声全般ではなく人の声に特化したモデルを組んでる。反響への対応はKrispより上で、音を薄くするんじゃなく声を部屋の響きから分離する。弱点はライブで使えないこと。VODの手直しやポッドキャスト、トラック録りのボーカル整音向け。

昨夜の配信アーカイブを直す時、または録音をDAWに流し込む前の下処理として、まずここから試すといい。ファイルサイズの上限は1回1GBで、普通の収録なら困らない。

モノラルでもステレオでも処理できて、出力は入力と同じサンプルレートのWAV。文字起こしも編集画面もない、綺麗になった音声ファイルが返ってくるだけ。編集も一緒にやりたいならDescriptに移る。

Waves Clarity VXはDAWの中で完結させたい人向け

Clarity VXはプラグインで、Ableton、Logic、FL Studio、VST3対応ホストならどこでも読み込める。リアルタイム処理で、トラッキングしながら使えるくらいレイテンシが低い。価格は買い切りで約149ドル。サブスク前提の他ツールとは仕組みが違う。

DAWにボーカルやナレーションを録る人にとっては、こっちの方が統合が綺麗。仮想オーディオデバイスのルーティングも要らない、アプリを行き来する必要もない。ボーカルチャンネルに挿して、ノイズ除去の強さを好みに調整するだけ。

Pro版は声専用の処理、フォルマント維持やディエッサー連携が加わって299ドル。頻繁に音声を整えるなら価値がある。月1回程度ならそこまでではない。

DAWを並行して使わない配信スタイルなら見送っていい。その用途だとKrispの方が摩擦が少ない。

技術的な注意点が一つ。Clarity VXはデフォルトだとやや強めの設定になってる。かすれ声や吐息混じりの、完璧じゃない声質のボーカルなら、40〜60%まで下げた方が自然に聞こえることが多い。強くかけすぎると歯擦音に金属っぽい癖が出る。

iZotope RX 12は外科手術レベルの精密さ

RX 12は他とは意味が違う。これはフルの音声修復スイートだ。Dialogue Isolateモジュールは声とそれ以外を分離するAIステム分離モデルを使っていて、音楽のステム分離と近い仕組みを声の明瞭さに最適化してある。

複雑なノイズに対する結果は最良クラス。録音中に犬が吠えた?RX 12ならきれいに消える。開いた窓からの環境音?声の音色を保ったまま消える。

問題は価格。RX 12 Standardで399ドル。しかもオフライン専用でリアルタイム処理はない。配信者向けじゃなく、録音を後処理する制作者向けのツールだ。

本当のテストは、RX 12を通した後の声が-14LUFSでちゃんと聞こえるかどうか。反響の多い部屋のテストでは合格。混んだカフェのような広帯域ノイズのテストでも、Dialogue Isolateは明瞭さを保つ。Krispだと同じ条件で声が薄くなる場面だ。

RX 12の作業は非破壊。クリップ単位で作業できて、いつでも戻せるし、モジュールを重ねられる。難しい音声の定番チェーンは、まずDialogue Isolate、次にDe-reverb、最後に軽くVoice De-noise。3段階の処理で、30分の録音でも処理時間は90秒以内に収まる。

すでにElevenLabsを使ってるならVoice Isolator

ElevenLabsはプラットフォームにVoice Isolatorを追加した。音声をアップロードすれば声だけ分離したバージョンが返ってくる。処理は速く、定常ノイズに対する質はRX 12のDialogue Isolateに近い。ポッドキャストの手直しやボイスオーバーの下処理には十分使える。

このオーディエンスにとって効くポイントは、ボイスクローンやTTSですでにElevenLabsを使ってるなら、Voice IsolatorはプランにComplete込みだということ。使ってないならこれ単独で契約する理由にはならないが、すでに契約してるなら一手間減る。クリーンな音声をボイスクローンのワークフローに流し込む前段として組み込むといい。

ひとつ注意点。Voice Isolatorは声の分離だけをやる、フルのポスト処理はしない。ディエッシングやブレスの除去、部屋の響き調整までやりたいなら、DescriptかRXでもう一段処理する必要がある。

DMCAの話とは何が違うのか

AIノイズ除去は声だけを対象にした処理で、ライセンスの問題もDMCAのリスクもない。マイクの信号をどれだけ強く整えても、部屋のノイズフロアに著作権はない。

隣接する疑問がある。著作権のあるサンプルやボーカルチョップをAIノイズ除去でクリーンにすれば使っていいのか。それは別の話だ。ノイズ除去は音源から著作権を剥がさない。元の音源が配信利用を許可されてないなら、綺麗にしても違法なままだ。この二つを混同しないこと。

Twitchでの話に戻すと、AIノイズ除去は声をクリアにするだけ。音楽のDMCA問題とは切り離して考える。

実際の配信でのシグナルチェーン

実運用のセットアップはこう組まれてる。

マイク入力はKrisp(仮想デバイス)を通る。Krispの出力がOBSの音声ソースになる。OBS内のノイズゲートがKrispで拾いきれない突発音を処理する。コンプレッサーがセット全体の音量を均す。

口から視聴者の耳まで4段階。KrispがAIの重い処理を担当し、ゲートとコンプレッサーがダイナミクスを整える。-14LUFSの出力はDMCA監視をマイクノイズの誤検知なしに通過できるくらい綺麗になる。

ポスト作業なら流れは違う。生で録って、Adobe PodcastかRX 12をステムにかけて、綺麗になったファイルをDAWに取り込んでミックスを続ける。ミックスが終わるまで生の録音は残しておく。仕上がりが気に入らなければ設定を変えてやり直せるようにしておきたい。

結局どれを選ぶべきか

無音響対策の部屋から週3で配信してるなら、Krisp。10分でセットアップして、一晩中回して、忘れる。

EPやBandcamp用にボーカルを録ってAbletonでミックスするなら、DAW内で完結させたければWaves Clarity VX、無料で速く済ませたいならAdobe Podcast。

複雑な背景ノイズが乗ったポッドキャストやインタビューを後処理するなら、予算次第でiZotope RX 12かAdobe Podcast Enhance Speech。

ボイス関連ですでにElevenLabsを使ってるなら、クローンやTTSの前段にVoice Isolatorを組み込む。

本当のテストはいつも同じ。-14LUFSで、密閉型ヘッドホンをつけて聞き直す。ノイズフロアが消えて声の存在感が残ってれば成功。薄い音や潰れた音に聞こえるなら、かけすぎだ。

配信で使える音になってるか。それだけが基準になる。