DomůOdstraňte šum.
Zachovejte hlas.
Odstranění šumu a izolace hlavního mluvčího v reálném čase: všechny ostatní hlasy zmizí, takže zůstane jen váš volající.
Hlučná místa.
Čisté hovory.
Lidé volají z kaváren, sdílených kanceláří i rušných ulic. Clarity pomáhá vašemu hlasovému agentovi soustředit se na volajícího.
Clarity odvádí dvě věci, a to v reálném čase. Odstraňuje šum na pozadí. A izoluje hlavního mluvčího: všechny ostatní hlasy, od davu v kavárně po kolegu u vedlejšího stolu, jsou odstraněny, takže projde jen váš volající.
Váš hlasový agent pak rozumí volajícímu, ne okolí: převod řeči na text, detekce střídání replik i model za nimi pracují s jedním čistým hlasem.
Slyšíte ten rozdíl?
Vyzkoušejte Clarity na vlastním audiu.
Stvořeno pro skutečné hovory.
Váš hlasový agent slyší jen volajícího.
Clarity odstraní šum na pozadí i okolní hovory dřív, než je váš hlasový agent uslyší, takže detekce střídání replik a převod řeči na text reagují jen na volajícího.
+50 mslatence navíc v pipelinách s úseky po 240 ms
Vystaveno zkoušce.
Proti nejlepším.
Kvalita cílového mluvčího
Libri2Mix · DNSMOS, vyšší je lepší
| Metrika | Clarity 1240 ms | StarTSE[1]560 ms |
|---|---|---|
| Kvalita řeči SIG | 3.56 (nejlepší) | 3.54 |
| Kvalita pozadí BAK | 4.03 (nejlepší) | 3.75 |
| Celková kvalita OVRL | 3.27 (nejlepší) | 3.12 |
Odstranění šumu
DNS 2020 Challenge · DNSMOS, vyšší je lepší
| Metrika | Clarity 1240 ms | NezpracovánoPůvodní audio | AI Acoustics15 ms | DeepFilterNet310 ms | GTCRN16 ms |
|---|---|---|---|---|---|
| Kvalita řeči SIG | 3.62 (nejlepší) | 3.39 | 3.46 | 3.51 | 3.34 |
| Kvalita pozadí BAK | 4.11 (nejlepší) | 2.62 | 3.60 | 4.11 (nejlepší) | 3.98 |
| Celková kvalita OVRL | 3.37 (nejlepší) | 2.48 | 2.98 | 3.25 | 3.05 |
Dobré vědět.
Co je Clarity?
Clarity je model pro vylepšení řeči, který v reálném čase odvádí dvě věci. Odstraňuje šum na pozadí a izoluje hlavního mluvčího: všechny ostatní hlasy, například hovor v kavárně nebo kolegy poblíž, jsou odstraněny, takže zůstane jen ten jediný důležitý hlas. Ať poslouchá člověk, nebo hlasový agent, slyší čistou řeč.
Jakou latenci Clarity přidává?
Clarity zpracovává zvuk v úsecích po 240 ms a na každý potřebuje přibližně 50 ms. Pokud vaše detekce střídání řeči už čte zvuk v úsecích po 240 ms, Clarity přidá jen těchto 50 ms. U menších vstupních bloků může zvuk vyjít až o 290 ms později, podle toho, kde v úseku leží.
Jak pozná, který hlas ponechat?
Izolace hlavního mluvčího využívá krátkou referenční nahrávku osoby, kterou chcete sledovat, a odstraní všechny ostatní hlasy. Bez reference ponechá nejhlasitějšího mluvčího.
Pomůže mému hlasovému agentovi rozumět volajícím?
Ano. Převod řeči na text, detekce střídání replik i jazykový model za vaším agentem mohou pracovat jen s audiem, které dostanou, a Clarity jim dává jeden čistý hlas: hlas vašeho volajícího. Mluvčí v pozadí se přestanou objevovat v přepisech a přestanou spouštět detekci střídání replik, takže agent reaguje na volajícího, ne na okolí.
Čeká, až volající domluví?
Ne. Clarity zpracovává audio v nepřetržitém proudu, tak jak přichází. Je stavěno pro živé hovory, ne pro hotové nahrávky.
Mohu si to poslechnout na vlastním audiu?
Ano. Zaregistrujte se a pusťte své nahrávky přes Clarity v dashboardu, zdarma do 30. října. Pro self-hosted nasazení nebo větší rozšíření nás kontaktujte a přineste ukázky z prostředí vašich volajících.