Wird eine Aufnahme der menschlichen Stimme durchgeführt, dann ist aus ästhetischen Gründen oftmals erforderlich, die mittleren und hohen Frequenzanteile der Aufnahme (ca. 3 kHz bis ca. 10 kHz) mittels eines Equalizers (Entzerrerfilters) nachträglich zu verstärken. Die Stimme erhält dadurch einen kernigeren Klang und mehr Präsenz, besonders wenn es sich um eine Gesangsstimme handelt, die sich gegenüber Musikinstrumenten im Klangbild einer Musikaufnahme durchsetzen muss. Aber auch bei reinen Sprachaufnahmen (Rundfunksprecher, Hörspiele etc.) wirkt eine Stimme dadurch auf die meisten Hörer direkter und erregt bei gleicher Lautstärke mehr Aufmerksamkeit.

Ein Problem entsteht beim Anheben der mittleren und hohen Frequenzen einer Sprachaufnahme: Stimmlose Zischlaute (s, ss, ß, sch, z, tz) bestehen fast ausschließlich aus solchen Frequenzen und werden durch das Verstärken dieser Bereiche überproportional laut wiedergegeben. Insofern klingt eine so bearbeitete Aufnahme sehr unangenehm, da die Zischlaute zu laut wiedergegeben ausgesprochen aufdringlich herausknallen.

Ein DeEsser trennt zunächst die unteren von den problematischen mittleren und oberen Frequenzen, und komprimiert danach letztere, wodurch zu laute Abschnitte automatisch im Pegel abgesenkt werden. Anschließend werden beide Signale wieder zusammengemischt. Das Ergebnis ist eine präsente und gut klingende Aufnahme der menschlichen Stimme ohne aufdringliche Zischlaute.

Interessant ist, dass einige DeEsser sich mittels einmaligem Knopfdruck oder Mausklick auf männliche oder weibliche Stimmen anpassen lassen. Anscheinend unterscheidet sich das Frequenzspektrum eines weiblichen Zischlautes von dem eines männlichen. Da dies vermutlich oft, aber nicht immer funktioniert, ist ein DeEsser mit differenzierten Einstellmöglichkeiten (z.B. des problematischen Frequenzbereiches) vorzuziehen.

Falls ein DeEsser nicht im Effektrack zur Verfügung steht, kann man aus einem herkömmlichen Kompressor mit Sidechain-Eingang und einem herkömmlichen Equalizer selbst einen DeEsser zusammenstellen. Das Ausgangssignal wird dabei über den Equalizer in den Sidechaineingang des Kompressors geschleift. Die Einstellungen am Equalizer stellen hierbei die Frequenzen der Zischlaute zur Verfügung (ab ca. 10kHz anheben, den Rest absenken) und am Kompressor kann die Absenkung eingestellt werden.

Übertreibt man die Absenkung, können die Sibilanten komplett herausgefiltert werden. Den so entstandenen Effekt kann man bei Einzellstimmen eines Gesangschores verwenden. Bei mehreren in der Tonhöhe unterschiedlichen und gleichzeitig gesungenen Gesangsstimmen sind nur die Stimmlaute relevant. S-Laute sind annähernd in der selben Tonhöhe und würden sich durch Überlagern vervielfachen, deswegen kann hier eine vollkomene Ausfilterung der S-Laute bei allen Chorstimmen erfolgen, wobei die S-Laute einer beliebigen Stimme erhalten bleiben müssen. Wendet man die Technik mit Einzelkomponenten (Equalizer und Kompressor mit Sidechaineingang) an, kann man hierbei auch gleichzeitig die Explosivlaute (P, T,...) der Chorstimmen filtern die das homogene Gesamtbild eines Chores stören können. Hierzu beim Equalizer auch die Bässe bis ca. 100Hz anheben. Eine gegenseitige beeinflussung bei der Filterung ist unter normalen Umständen nicht zu erwarten, da die Laute zeitlich getrennt voneinander liegen.