Dans un café
Sans Clarity
Les conversations occupent la détection de fin de tour : votre agent attend ou coupe la parole.
Avec Clarity
Votre agent répond dès que l’appelant a fini de parler.
ClarityVotre agent vocal entend l’appelant. Pas la salle.
Clarity supprime le bruit de fond en temps réel et, avec un court extrait de voix, toutes les voix sauf celle de l’appelant.
Lancez la lecture, puis activez Clarity.
Chaque extrait : une appelante, une deuxième voix plus faible et le bruit du lieu.
Votre agent parle à une seule personne.
Dans le hall d’une gare
Sans Clarity
Les voix de la foule se retrouvent dans la transcription.
Avec Clarity
La transcription contient ce que l’appelant a dit.
Dans un open space
Sans Clarity
Le « oui » d’un collègue passe pour la réponse de l’appelant.
Avec Clarity
Avec un extrait de voix de 2 à 8 secondes, votre agent n’entend que l’appelant.
Devant chaque modèle de streaming comparé.
Sur les deux benchmarks publics, Clarity 1 donne à votre agent l’audio le plus propre de tous les modèles de streaming du test.
Mise à l’épreuve.
Face aux meilleurs.
Qualité sur le locuteur cible
Libri2Mix · DNSMOS, plus le score est élevé, mieux c’est
| Métrique | Clarity 1240 ms | StarTSE[1]560 ms |
|---|---|---|
| Qualité de la parole SIG | 3.56 (meilleur) | 3.54 |
| Qualité du fond sonore BAK | 4.03 (meilleur) | 3.75 |
| Qualité globale OVRL | 3.27 (meilleur) | 3.12 |
Suppression du bruit
DNS 2020 Challenge · DNSMOS, plus le score est élevé, mieux c’est
| Métrique | Clarity 1240 ms | Non traitéAudio d’origine | AI Acoustics15 ms | DeepFilterNet310 ms | GTCRN16 ms |
|---|---|---|---|---|---|
| Qualité de la parole SIG | 3.62 (meilleur) | 3.39 | 3.46 | 3.51 | 3.34 |
| Qualité du fond sonore BAK | 4.11 (meilleur) | 2.62 | 3.60 | 4.11 (meilleur) | 3.98 |
| Qualité globale OVRL | 3.37 (meilleur) | 2.48 | 2.98 | 3.25 | 3.05 |
DeepFilterNet3 fait jeu égal sur la qualité du fond sans réverbération ; les modèles hors ligne, qui ont besoin de tout l’enregistrement, obtiennent jusqu’à 0,08 de plus en extraction du locuteur.
Utile des deux côtés de la ligne.
Agents vocaux
Votre agent n’entend que l’appelant, même dans le hall d’une gare.
Centres d’appels
Vos clients entendent votre conseillère, sans le bruit, l’écho ni les collègues autour.
Une ligne dans LiveKit ou Pipecat.
Clarity se place sur l’entrée audio de votre agent, en streaming : tout ce qui suit travaille sur la voix nettoyée de l’appelant.
- Appelant
- ClaritySans bruit ni autres voix
- Détection de fin de tour
- Transcription
- Modèle de langage
- Synthèse vocale
from livekit.agents import room_io
from kugelaudio import load_audio
from kugelaudio.livekit import enhancement
await session.start(
room=ctx.room,
agent=agent,
room_options=room_io.RoomOptions(
audio_input=room_io.AudioInputOptions(
noise_cancellation=enhancement(), # reads KUGELAUDIO_API_KEY
# keep one voice: enhancement(speaker=load_audio("caller.wav"))
),
),
)Toutes les caractéristiques de Clarity 1.
Clarity 1
Le premier modèle Clarity, pour les enregistrements et l’audio en direct.
- ID du modèle
clarity-1- Tâches
- Suppression du bruit. Avec un extrait de voix : uniquement cette voix (les SDK Python et JavaScript choisissent la tâche)
- Position
- Avant la détection d’activité vocale et la transcription
- Latence ajoutée
- 50 ms avec des blocs de 240 ms
- Entrée
- WAV, 16, 24 ou 32 bits entiers ou 32 bits flottants, mono ou stéréo, 8 à 48 kHz
- Sortie
- PCM mono 16 bits, 24 kHz, même durée que l’entrée
- Extrait du locuteur
- 2 à 8 secondes
- Enregistrements
- Jusqu’à 300 secondes par requête
POST /v1/audio/enhance - Audio en direct
- Flux WebSocket, amélioré à mesure qu’il arrive
WS /v1/audio/enhance/stream
Payez à la minute, facturé à la seconde.
Paiement à l’usage
0,0015 €par minute d’audio, HT
Facturé sur vos crédits par seconde d’audio en entrée, arrondie au supérieur, une seconde minimum. Les requêtes en erreur ne sont pas facturées.
CommencerEnterprise
Auto-hébergement et déploiement sur site, avec les offres Enterprise.
Les réponses courtes.
Qu’est-ce que Clarity ?
La gamme de modèles d’amélioration de la parole de KugelAudio. Clarity 1 (clarity-1) supprime le bruit de fond et, avec un extrait de voix, ne garde que cette voix, sur les enregistrements et l’audio en direct.
Quelle latence Clarity ajoute-t-il ?
Environ 50 ms si votre pipeline lit déjà l’audio par blocs de 240 ms. Avec des trames plus courtes, un son peut sortir jusqu’à 290 ms après son entrée.
Comment sait-il quelle voix garder ?
Grâce à un extrait de 2 à 8 secondes de cette personne, idéalement seule et avec peu de bruit. Sans extrait, Clarity supprime le bruit et garde la parole.
Quel audio puis-je envoyer ?
Du WAV de 8 à 48 kHz, jusqu’à 300 secondes par enregistrement, ou du PCM 16 bits en direct via un WebSocket. La sortie est en PCM mono 16 bits à 24 kHz.
Puis-je exécuter Clarity sur ma propre infrastructure ?
Oui. L’auto-hébergement et le déploiement sur site sont disponibles avec les offres Enterprise.