Предлагается несколько вариантов алгоритмов подавления шума для речи, обрабатывающих сигнал в частотной области (после FFT преобразования), начиная от простых, основанных на модифицированной винеровской фильтрации, алгоритме Эфраима и Малаха (Ephraim-Malah), алгоритма обручающегося на речи определённого человека (или группы лиц) и кончая самым мощным алгоритмом основанным на рекуррентных нейросетях (RNN), который обучается на речи и на заданном типа шума/шумов. Все они относятся к классу одно-микрофоннных (т.е. обрабатывают сигнал только с одного микрофона) и все способны обрабатывать речь в реальном времени. У всех алгоритмов есть встроенный детектор речевого сигнала (VAD), который также может использоваться как отдельный алгоритм при необходимости. Эти алгоритмы подходят также для улучшения работы алгоритмов распознавания речи и алгоритмов ИИ (AI), работающих с зашумленными исходными речевыми сигналами. Возможно добавление в алгоритм дополнительных возможностей таких как FIR, IIR фильтров, преобразователя частоты дискретизации, подавителя синусоидальной помехи, АРУ (AGC), нелинейной обработки выходного сигнала (NLP), и др. Также есть вариант алгоритма шумоподавления, основанный на адаптивном LMS фильтре в частотной области, который может применяться в случаях, когда есть возможность получить отдельно сигнал шума (с помощью дополнительного микрофона расположенного около источника шума, такого как двигатель например). Такой алгоритм подавления шума обладает более высокой эффективностью, не внося при этом нелинейных искажений в выходной сигнал.