Задача следующая: нужно выполнить изоляцию речи от шумного фона позади голоса (основной фон чистый). Выполнить качественный де-эссинг (сибилянтов много), но не убить при этом четкость. Опционально нормализовать громкость по слуху. На выходе хочется получить просто нормальный пригодный для дальнейшего дизайна результат. P.S. Содержание аудио весьма специфичное.