Проблема видимо в том, что у этого фильтра есть несколько моделей, каждая из которых оптимизирована под свой тип речи+шумов

И если взять модель которая рассчитана на запись голоса в шумной обстановке, и применить на более чистую запись, она начинает срезать то, что не надо бы