Bildiğim kadarıyla ses dalgalarına bakıp ayırıyorlar. Yani o kısımlarda zaten herhangi bir şey söylenmediği için kesilip atılsa da videonun anlam bütünlüğü bozulmuyor
Mantikli ancak kisik sesle konusan biri varsa( arka plands) mantiken oda kesilir. O yüzden en temizi manuel olarak yapmak diye düsünüyorum.