Ich habe hier schon etwas zu Cleanvoice geschrieben:
Manchmal benutze ich es tatsächlich, weil es hilfreich ist, die ganzen Marker zu sehen und einen Überblick zu haben, was auf mich zukommt. In einem 150-Minuten Interview mit 3 Personen findet der Dienst gut 2000 „Dinge“. Die alle zu entfernen würde vermutlich sämtliche Atmosphäre entfernen. - Dann kann ich auch Siri sprechen lassen.
Ich bin bei der Bearbeitung zurückhaltend. Die ersten Minuten eines Interviews brauchen recht viel „DE-ÄHM“. Da ist das auch wirklich störend und muss reduziert werden. Wenn das Gespräch aber richtig zu laufen beginnt, dann entferne ich i.d.R. nur noch längere Denkpausen und besondere Unglücke in der Aufnahme.
Automatisiert an der Audiodatei würde ich keinen Dienst herumwuseln lassen. Ich müsste hinterher alles nochmal hören und mit Aufwand Dinge wiederherstellen.