---
title: "AI Music Cut 完整教學：免費開源的 AI Podcast 剪音工具，從剪贅字、去雜音到重錄這句"
description: "AI Music Cut 是免費開源的桌面剪音工具，把 GoldWave、VocALign 這類市售軟體的功能用小白也會用的介面包起來。這篇從下載、簡易模式八顆按鈕、選一段做效果、重錄這句、頻譜、對齊、轉檔到 AI 助手，一步步帶你剪完一集 Podcast。"
canonical_url: "https://blog.markkulab.net/en/post/ai-music-cut-tutorial"
author: "Mark Ku"
author_url: "https://blog.markkulab.net/en/author/mark-ku"
site: "Mark Ku's Tech Notes"
date_published: "2026-09-08 09:00:00 +0800"
category: "AI"
tags: ["AI Music Cut", "Podcast", "音訊剪輯", "Tauri", "開源工具", "教學"]
language: "en"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
attribution: "when reusing or quoting, credit the author and link back to the original"
---

# AI Music Cut 完整教學：免費開源的 AI Podcast 剪音工具，從剪贅字、去雜音到重錄這句

## 前言：剪一集 Podcast，為什麼那麼累？

錄完一集 40 分鐘的 Podcast，真正花時間的不是錄，是剪：整集的「嗯、呃、那個」要一個一個找出來剪掉、講壞的那句要重錄再對回去、背景有冷氣聲要降噪、兩個人各自錄的音軌要對齊、最後還要把音量弄整齊再輸出成平台要的格式。

市面上早就有工具做這些事。GoldWave 這類音訊編輯器有降噪、去爆音、EQ、壓縮、頻譜、批次轉檔；Synchro Arts 的 VocALign 專門做「把一軌在時間上扭到跟另一軌對齊」。它們都很強，但以我們的經驗來看，對第一次剪 Podcast 的人有兩個門檻：功能太多不知道從哪裡按，以及每個功能都是一個滿是旋鈕的對話框。

所以我做了 [AI Music Cut](https://github.com/markku636/ai-music-cut)：一個免費開源的桌面工具（Tauri 2 + React + Rust），把這些功能抄過來，但介面設計的最高原則是**小白也能用**。這篇是完整教學，從下載開始，到剪完一集輸出 mp3 為止。

## 這篇使用的工具 / 前置條件

| 項目 | 說明 |
| --- | --- |
| 下載 | [GitHub Releases](https://github.com/markku636/ai-music-cut/releases)（Windows 安裝檔為主，也有 macOS / Linux 的 build） |
| 版本 | 這篇對應 v0.106，之後的版本介面可能略有不同 |
| ffmpeg | 內建在安裝檔裡，不用自己裝 |
| 網路 | 波形、剪輯、效果、輸出全部在本機做；只有「自動剪贅字」需要語音辨識（可接自架的轉寫伺服器或本機 Whisper） |
| AI 助手 | 選用。本機有 `claude` CLI 的話，可以用自然語言下剪輯指令 |

一個很重要的原則先講在前面：**它永遠不會動你的原始檔**。所有剪輯都是「決策」（哪裡剪、哪裡加效果），輸出的時候才真的算出新檔案。剪壞了就 Ctrl+Z，或者整個專案丟掉重來，原始錄音一直都在。

## 兩種模式：簡易與專業

第一次打開是**簡易模式**。開始畫面先問你「想做什麼」：

![開始畫面：剪 Podcast、把雜音去掉、剪音樂、轉檔合併、錄音](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/01-start-simple.webp)

點一張卡片、選檔案，進來就是這個畫面：左邊波形，右邊只有幾顆白話的按鈕，最上面永遠是「復原」。

![簡易模式：波形加上右邊的八顆按鈕](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/02-simple-workspace.webp)

右上角可以隨時切到**專業模式**：側欄、逐字稿、精準修剪、快捷鍵、命令面板（Ctrl+K 打字就搜得到任何功能）全部打開。兩邊是同一套指令、同一份專案，簡易模式只是把東西藏起來，不是另一個閹割版。

💡 專業模式的功能太多找不到？按 `Ctrl+K`，打「降噪」或「denoise」都會命中。

## 10 分鐘上手：簡易模式的八顆按鈕

以「剪 Podcast」這張卡為例，整個流程只用面板按鈕和滑鼠右鍵，不需要記任何快捷鍵：

| 步驟 | 按鈕 | 做什麼 |
| --- | --- | --- |
| 1 | 自動剪掉贅字 | 把錄音送去辨識，找出嗯、呃、重講的片段，逐字稿裡劃線的字就是會被剪掉的；雙擊可以還原 |
| 2 | 去雜音 | 量這份錄音「安靜的時候有多吵」，決定要降多少噪、順便切掉 80 Hz 以下的隆隆聲 |
| 3 | 音量弄整齊 | 勾起來，輸出時逐段量響度、拉到同一個水位（預設 −16 LUFS，Podcast 平台的標準） |
| 4 | 剪掉選的這段 | 在波形上拖一段，按下去就剪掉 |
| 5 | 只留選的這段 | 反過來，只留這一段 |
| 6 | 加片頭 / 片尾音樂 | 選一個音樂檔，放開頭或結尾，講話的時候音樂會自動變小聲 |
| 7 | 重錄這句 | 講壞的那句選起來，聽一次再錄，新錄的自動塞回去（下面有一整節） |
| 8 | 輸出 mp3 | 存成 mp3，檔名預設在原檔旁邊加 `_cut` |

每一顆會改到聲音的按鈕按完都會跳一句話加一顆「復原」，所以不用先學 Ctrl+Z。

### 用右鍵剪

在波形上拖出一段，按右鍵，簡易模式的選單是平的八項，沒有子選單：

![簡易模式右鍵：播放這段、剪掉、只留這段、去雜音、變大聲、變小聲、淡入淡出、只輸出這一段](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/03-simple-context-menu.webp)

最後一項「**只輸出這一段**」是很多人問的：選一段、右鍵、直接存成一個獨立的檔（社群短片、精華片段都用這個），專案本身完全不動。

## 選一段做效果：專業模式的「效果 ▸」與「修復 ▸」

切到專業模式，同樣是在波形上選一段按右鍵，多了兩個子選單：

![專業模式右鍵的效果子選單](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/06-pro-effects-submenu.webp)

| 選單 | 內容 |
| --- | --- |
| 效果 ▸ | 靜音、增益（+6 / +3 / −3 / −6 / −12）、峰值正規化、響度對齊、淡入淡出（線性 / 等功率 / 指數）、反相、等化（三段）、壓縮、回音、殘響、反轉、變調 |
| 修復 ▸ | 降噪（這一段）、去爆音、去削波、去嗡聲、DC 偏移修正、把這段當噪音樣本、整集修聲 |

每一種有參數的效果都是同一種對話框：一句白話說明、最多三個滑桿、幾個預設值、一顆「用建議值」，還有 **A/B 試聽**：同一段算出「原始」和「處理後」兩份，來回按著聽。

![降噪對話框：建議值、預設、A/B 試聽](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/05-denoise-dialog.webp)

幾個值得知道的細節：

- **建議值是量出來的，不是寫死的。** 降噪的建議量看這一段的底噪；峰值正規化看這一段的峰值。太小聲、分析解析度不夠時，對話框會直接說「這段太小聲，分析解析度不夠」，而不是印一個看起來很準的數字。
- **噪音樣本**：選一段 0.3 到 5 秒沒人講話的純底噪，右鍵「把這段當噪音樣本」，之後所有降噪的底噪值都以它為準。選到有人講話的段落會被拒絕，並告訴你原因。
- **範圍效果在輸出時才套用**，即時播放聽不到，所以時間軸上的色塊會標「輸出時套用」；要聽就用對話框的 A/B。以我們實測，一段十幾秒的 A/B 不到一秒就算好，因為它是對原始檔直接切那一段，不用等整集剪完。
- 兩種效果疊在同一段會自動拆成三塊，鏈內順序固定（先修 DC、再去爆音、再降噪、最後才是 EQ 和空間效果），不管你先加哪一個。

## 講壞了一句？用「重錄這句」

這是簡易面板的第七顆，也是我自己最常用的功能。流程是零旋鈕的：

```
在波形上選講壞的那一段
        │
        ▼
按「重錄這句」 ──► 先播一次原句給你聽
        │
        ▼
     3 - 2 - 1 ──► 開始錄（麥克風）
        │
        ▼
講完不出聲 1.5 秒自動停
        │
        ▼
修掉頭尾靜音 ──► 用對齊引擎把新錄的扭回原句的位置
        │
        ▼
原句靜音 + 新錄的疊上去（一次 Ctrl+Z 全部收回）
```

![重錄這句：顯示要重錄的範圍與說明](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/04-retake-dialog.webp)

- 新錄的會存成 `原檔名_take1.wav`，對齊後再多一個 `_aligned.wav`，兩個都加進媒體清單，原始檔還是不動。
- 新錄的比原句長 30% 以上時**不會硬拉伸**（那會聽起來像卡通），而是問你「直接放上去（會蓋到下一句）」還是「重錄」。
- 輸出後的驗收知道原句被靜音了，不會把它報成「漏字」。

⚠️ 錄音走的是 WebView2 的麥克風權限，第一次會跳系統的允許提示。瀏覽器本身的回音消除、降噪、自動增益都會被關掉（那是給視訊會議用的），要降噪請用上面的降噪功能。

## 頻譜視圖與去嗡聲

專業模式「更多 ▾」裡有「波形 / 頻譜 / 疊合」：

![疊合模式：波形壓淡，底下是頻譜圖](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/07-spectrogram-both.webp)

頻譜是看哪一段就算哪一段（用 ffmpeg 的 `showspectrumpic` 出一張圖），不會預先算整檔，所以一小時的檔也不會多吃記憶體。捲動時前一張先跟著位移，停下來才要新的。

「去嗡聲」對話框一打開會真的去量這一段的頻譜，在 50 / 60 Hz 與諧波找突出的峰。量到了就自動填「60 Hz、挖 4 個諧波」；量不到會明講「沒有偵測到明顯的電源嗡聲」，不會硬填。

## 多軌：同步麥克風與 Guide / Dub 對齊

### 同步麥克風

一人一軌的遠端錄音，每個人各自按下錄音，起點會差幾秒。「工具 → 同步麥克風」勾選各軌（第一軌是基準），它用兩軌都聽得到的講話節奏對齊，列出位移和信心，確認後併成一個 `_synced.wav` 繼續剪。

錄超過 20 分鐘的軌常常會慢慢漂開（兩台錄音機的時鐘不一樣快）。這時「同時校正時鐘漂移」會自動勾起來，合併前先把其他軌扭到基準軌的時間軸。

### Guide / Dub 對齊

這是抄 VocALign 的部分：「工具 → 對齊」，選一軌當 Guide（基準）、一軌當 Dub（要扭的），三種用途一個引擎：

| 用途 | 什麼時候用 | 預設 Tightness |
| --- | --- | --- |
| 補錄一句 | 事後補錄的一句要對回原本的位置（Guide 只看選取的原句） | 60 |
| 多麥漂移 | 兩支麥克風錄了一小時、慢慢漂開 | 30 |
| 疊錄 / 和聲 | 唱了第二遍要跟第一遍對齊 | 70 |

![對齊對話框：位移、漂移、信心與三車道](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/08-align-dialog.webp)

分析完會給位移、最大偏差、每小時漂多少秒、信心；三條車道分別是 Guide、Dub、對齊後。**Tightness** 拉動時即時重算：0 是只做整體位移加線性漂移（等於同步麥克風），100 是貼到每個字。輸出 `_aligned.wav` 之後會自動每 10 秒比對一次殘差，對不上會說「可能沒對上：先聽第 N 秒那裡」。

以我用一個故意慢 2%、晚 350 毫秒的測試檔實測：分析 0.25 秒，量到每小時漂 −70 秒（真值 −72），輸出後驗收中位偏差 0 毫秒。

## 轉檔、從影片抽聲軌、合併檔案

開始畫面的「轉檔・合併」卡，或「更多 ▾」裡的「轉檔・抽聲軌」：

![轉檔對話框：多檔批次、格式、正規化、直接複製預告](https://blog.markkulab.net/content/markku/posts/ai-music-cut-tutorial/images/09-convert-dialog.webp)

| 格式 | 特性 |
| --- | --- |
| MP3 | 最通用，Podcast 平台都收，可寫章節 |
| M4A (AAC) | Apple 生態，同音質比 mp3 小，可寫章節 |
| WAV / AIFF | 無損，可選 16 / 24 / 32-bit，給後製用 |
| FLAC | 無損壓縮，約 wav 一半大 |
| OGG / Opus | 開放格式；Opus 是語音最省空間 |

- 幾個檔一起選就是批次；影片（mp4、mkv、mov、webm）丟進來只拿聲音。
- **能直接複製就不重新編碼**：mp4 裡的 aac 轉 m4a 是零損失、幾百毫秒的事。勾了「正規化到 −16 LUFS」才會重新編碼。
- 章節只有 mp3 和 m4a 寫得進去，輸出到別的格式會跳一句「這個格式寫不進：章節」，不會默默少掉。
- 「合併檔案」把幾個音檔照順序接成一個，留白或交越都可以，還能把各檔拉到同一響度。

## 把 AI 助手接上來

本機有 `claude` CLI 的話，App 內建的 MCP server 讓它直接操作剪輯決策。幾個實際用過的指令：

- 「把 10 分鐘後的『就是』都剪掉，但句首的留著」
- 「看看底噪要不要修，順便把整集的口頭禪剪掉」
- 「用建議值降噪我選的這一段」（對應 `apply_effect` 工具，任何效果都能套）
- 「把第二軌對齊到第一軌，信心太低就別輸出」（對應 `align_tracks`，信心低於 30% 會拒絕渲染）

助手聽不到聲音，所以有一支 `get_loudness_profile` 讓它「看得到」響度，還有 `get_preflight` 回答「可以輸出了嗎、還缺什麼」。

## 它是怎麼做到不動原檔的

簡單講一下運作原理，知道這個會比較安心：

```
原始錄音（永遠不動）
   │
   ├─ 波形 / 響度分析（本機、一次性、快取）
   │
   ├─ 決策：剪哪裡、哪裡加效果、配樂放哪、哪句重錄
   │       （全部是資料，存在專案檔，可以 undo）
   │
   └─ 輸出時才真的算：
        剪接（Rust 串流）→ 範圍效果 punch-in → 混配樂 → 量響度 → 正規化 + 編碼
```

- 剪接是 Rust 逐 frame 串流做的，記憶體只跟交越長度有關，一小時的檔也不會整個讀進來。
- 範圍效果（降噪、EQ 那些）是在剪好的成品上「挖一段出來給 ffmpeg 濾鏡、再用 10 毫秒交叉混回去」，寫出的 frame 數永遠等於讀進來的，所以字幕、章節、驗收的時間都不會跑掉。
- 前端從來不送 ffmpeg 的濾鏡字串，只送型別化的數字，Rust 端會夾在安全範圍內。

## 注意事項 / PS

- **不做音高**：對齊只做時間，不做 VocALign 的 SmartPitch 那種音高修正；變調效果只是整段升降半音，不是自動修音。
- **疊錄對齊用的是能量包絡**：長音裡的路徑可能比較鬆，Tightness 拉低一點會比較自然。分頻特徵是下一步。
- **自動剪贅字需要語音辨識**：要接自架的轉寫伺服器或本機 Whisper，沒有的話其他功能（人工剪、效果、對齊、轉檔）都照常能用。
- **回音、殘響的尾巴在選取結尾截斷**，選取要留一點尾巴給它。
- **Windows 為主**：我主要在 Windows 上開發和測試，macOS / Linux 的 build 有，但用得比較少。
- 開源、MIT 授權，程式碼在 [GitHub](https://github.com/markku636/ai-music-cut)，工具頁在 [blog.markkulab.net/tools/ai-music-cut](https://blog.markkulab.net/tools/ai-music-cut)。

## 結論

這個工具的目標從來不是「功能比市售軟體多」，而是把 GoldWave、VocALign 那些真的有用的東西，包成第一次剪 Podcast 的人也按得下去的樣子：開檔、去雜音、剪一段、重錄這句、輸出，八顆按鈕，做錯了按復原。專業模式留給想要精準修剪、頻譜、對齊、命令面板的人，兩邊是同一套東西。

如果你也在剪 Podcast，歡迎試試看，也歡迎在 GitHub 開 issue 告訴我哪一步卡住了。下一步我想做的是選單列、把聲音體檢的結果一鍵修掉，以及疊錄對齊的分頻特徵。

---

## About this article and its author

Originally published on [Mark Ku's Tech Notes](https://blog.markkulab.net/en/post/ai-music-cut-tutorial)

License: [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — when reusing or quoting, credit the author and link back to the original

### About the author

**[Mark Ku](https://blog.markkulab.net/en/author/mark-ku)** — Software Solution Provider

- 10+ years senior software engineer, now an AI Builder
- Focused on large-platform architecture — North-American e-commerce, AI SaaS subscription billing
- Combining AI Agents and automation to build evolvable product foundations

### Free tools built by the author

All of these are free to use:

- [Free PDF Sign Tool](https://blog.markkulab.net/en/tools/pdf-sign): Online PDF sign tool — draw, type, or upload a signature, then drag, resize, and download. Everything runs in your browser; nothing is uploaded.
- [VS Code Refactory](https://blog.markkulab.net/en/tools/refactory): Refactory is a VS Code refactoring extension: 34 actions plus a 37-rule code-smell inspection layer with a Code Health dashboard, across 18 languages, backed by 534 tests. It learns your repo's conventions: where interfaces live, where DI is registered, whether 'use client' belongs. It ranks files by git churn × complexity so you know what to fix first, and hands any smell to the Claude Code already on your machine. Free to use, and your source never leaves your computer.
- [DB-Kit Database Manager](https://blog.markkulab.net/en/tools/db-kit): DB-Kit is a lightweight, cross-platform database manager built with Tauri + Rust + React. Manage MySQL, MariaDB, PostgreSQL, SQL Server, Oracle, SQLite, MongoDB, Redis, Kafka, Elasticsearch and RabbitMQ from one consistent interface: passwords encrypted in the OS keychain, SSH tunnels, full CRUD, a visual query builder, stacked multi-statement result sets, cross-connection data transfer and compare/sync, Excel / CSV import & export, visualized execution plans, ER diagrams, scheduled backups, SQL stress testing with p50–p99 latency percentiles, a 15-rule SQL review engine, Kafka message browsing with monitoring & alerts, a bilingual UI (Traditional Chinese / English), a built-in AI assistant (natural-language SQL, AI review and tuning advice) and the dbk CLI. Free and open source (MIT), with installers for Windows, macOS and Linux.
- [VS Code Super Mermaid](https://blog.markkulab.net/en/tools/super-mermaid): Super Mermaid is a VS Code extension for beautiful Mermaid diagrams out of the box: auto-colored live preview, mouse pan & zoom, high-res PNG / SVG export, 21 templates and multiple themes. Free and open source (MIT).
- [React Super Mermaid](https://blog.markkulab.net/en/tools/react-super-mermaid): react-super-mermaid is an open-source React component library: render beautiful Mermaid diagrams with a single <MermaidViewer>, with built-in colorful / sketch themes, pan & zoom, in-diagram search, and high-res SVG / PNG export. Lightweight, SSR-safe, fully typed. Free and open source (MIT).
- [Jira / Confluence Super Mermaid](https://blog.markkulab.net/en/tools/jira-super-mermaid): An Atlassian Forge app: write Mermaid syntax directly inside a Jira issue or a Confluence page and get flowcharts, sequence diagrams, state machines and Gantt charts. 11 diagram types, SVG / PNG export, light and dark themes, full CJK support. Runs on Atlassian: your diagrams live in your own site and the app calls no third-party service. Free, coming soon to the Atlassian Marketplace.
- [Mermaid Live Preview](https://blog.markkulab.net/en/tools/mermaid-preview): Write Mermaid in your browser, see it render instantly, and share the whole diagram as a single link. No sign-up, nothing uploaded to a server, and mermaid.live share links work as-is.
- [React Intl Phone Number](https://blog.markkulab.net/en/tools/react-intl-phone-number): react-intl-phone-number is an open-source React component: framework-agnostic and antd-free, with E.164 in/out, a searchable flag / country-code dropdown, configurable validation levels (strict / mobile-strict / loose), themeable CSS, and i18n — phone logic powered by google-libphonenumber. Lightweight and fully typed. Free and open source (MIT).
- [Uptime Kuma Cluster](https://blog.markkulab.net/en/tools/uptime-kuma-cluster): Turn single-node Uptime Kuma into a highly available cluster: OpenResty + Lua smart load balancing, shared MariaDB state, health checks and automatic failover, plus cluster-management REST APIs. One Docker Compose command to start. Free and open source (MIT).
- [AI Music Cut](https://blog.markkulab.net/en/tools/ai-music-cut): Drop in a recording and it removes fillers and stutters, levels loudness segment by segment, and sends a second agent to review every cut. Cut points snap to word boundaries and zero crossings, every splice gets a fade, and sentence-end breaths are preserved. Desktop app for Windows, macOS and Linux. MIT licensed; the Windows installer bundles ffmpeg.
- [open-pos restaurant POS](https://blog.markkulab.net/en/tools/open-pos): One computer and one receipt printer is enough to open the shop. Your data lives on your own disk, no subscription, no lock-in, MIT licensed. Money is integer New Taiwan dollars with tax split by the statutory formula, so sales + tax always equals the total. Printing goes straight over ESC/POS on TCP 9100, with no vendor driver. Tauri + Rust + SQLite desktop app, v1.0 in development.
- [Special Education](https://blog.markkulab.net/en/education): Learning materials crafted for special education students

### Daily podcasts

- [Mark's Tech Insights — Daily AI News](https://blog.markkulab.net/en/category/tech-news): Daily curated AI and tech trends. Catch the latest developments via audio summaries — covering AI applications, software architecture, DevOps, and engineering practice. — RSS: https://blog.markkulab.net/feed.xml
- [AI股市蝦聊](https://blog.markkulab.net/en/category/ai-stock-chat): Every trading day, an AI-analyzed take on the Taiwan stock market, delivered as a two-host conversation covering the session and the next-day outlook. — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml
- [開源好物週報](https://blog.markkulab.net/en/category/open-source-weekly): A weekly two-host pick of free open-source tools surfaced from real Hacker News, GitHub, and Reddit buzz — what pain they solve and the fastest way to get started. — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml

### Deals

- [NordVPN](https://blog.markkulab.net/en/nordvpn): The world's leading VPN, independently audited

### Newsletter

[Subscribe to the newsletter](https://blog.markkulab.net/en/subscribe) — Be the first to know about new posts. No spam, unsubscribe anytime.