In un bar
Senza Clarity
Le chiacchiere tengono occupato il rilevamento dei turni: il tuo agente aspetta o interrompe.
Con Clarity
Il tuo agente risponde quando chi chiama smette di parlare.
ClarityIl tuo agente vocale sente chi chiama. Non la stanza.
Clarity elimina il rumore di fondo in tempo reale e, con un breve campione di voce, ogni voce tranne quella di chi chiama.
Premi play, poi attiva Clarity.
Ogni esempio: una persona che chiama, una seconda voce più bassa e il rumore del luogo.
Il tuo agente parla con una persona sola.
Nell’atrio di una stazione
Senza Clarity
Le voci della folla finiscono nella trascrizione.
Con Clarity
La trascrizione contiene ciò che ha detto chi chiama.
In un open space
Senza Clarity
Il «sì» di un collega vale come risposta di chi chiama.
Con Clarity
Con un campione di voce da 2 a 8 secondi, il tuo agente sente solo chi chiama.
Davanti a ogni modello in streaming confrontato.
In entrambi i benchmark pubblici, Clarity 1 dà al tuo agente l’audio più pulito tra i modelli in streaming del test.
Messo alla prova.
Contro i migliori.
Qualità dell’estrazione del parlante
Libri2Mix · DNSMOS, più alto è meglio
| Metrica | Clarity 1240 ms | StarTSE[1]560 ms |
|---|---|---|
| Qualità del parlato SIG | 3.56 (migliore) | 3.54 |
| Qualità del sottofondo BAK | 4.03 (migliore) | 3.75 |
| Qualità complessiva OVRL | 3.27 (migliore) | 3.12 |
Eliminazione del rumore
DNS 2020 Challenge · DNSMOS, più alto è meglio
| Metrica | Clarity 1240 ms | Non elaboratoAudio originale | AI Acoustics15 ms | DeepFilterNet310 ms | GTCRN16 ms |
|---|---|---|---|---|---|
| Qualità del parlato SIG | 3.62 (migliore) | 3.39 | 3.46 | 3.51 | 3.34 |
| Qualità del sottofondo BAK | 4.11 (migliore) | 2.62 | 3.60 | 4.11 (migliore) | 3.98 |
| Qualità complessiva OVRL | 3.37 (migliore) | 2.48 | 2.98 | 3.25 | 3.05 |
DeepFilterNet3 è alla pari nella qualità dello sfondo senza riverbero; i modelli offline, che hanno bisogno dell’intera registrazione, ottengono fino a 0,08 in più nell’estrazione del parlante.
Funziona da entrambi i lati della linea.
Agenti vocali
Il tuo agente sente solo chi chiama, anche nell’atrio di una stazione.
Call center
I clienti sentono la tua operatrice, senza il rumore, l’eco e i colleghi intorno.
Una riga in LiveKit o Pipecat.
Clarity sta sull’ingresso audio del tuo agente e lavora in streaming, così tutto ciò che segue parte dalla voce pulita di chi chiama.
- Chi chiama
- ClarityVia rumore e altre voci
- Rilevamento dei turni
- Trascrizione
- Modello linguistico
- Sintesi 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"))
),
),
)Tutte le specifiche di Clarity 1.
Clarity 1
Il primo modello Clarity, per registrazioni e audio dal vivo.
- ID del modello
clarity-1- Attività
- Rimozione del rumore. Con un campione di voce: solo quella voce (gli SDK Python e JavaScript scelgono il compito)
- Posizione
- Prima del rilevamento dell’attività vocale e della trascrizione
- Latenza aggiunta
- 50 ms con blocchi da 240 ms
- Ingresso
- WAV, 16, 24 o 32 bit interi o 32 bit float, mono o stereo, da 8 a 48 kHz
- Uscita
- PCM mono a 16 bit, 24 kHz, stessa durata dell’ingresso
- Campione del parlante
- Da 2 a 8 secondi
- Registrazioni
- Fino a 300 secondi per richiesta
POST /v1/audio/enhance - Audio dal vivo
- Stream su WebSocket, migliorato mentre arriva
WS /v1/audio/enhance/stream
Paghi al minuto, fatturato al secondo.
A consumo
0,0015 €per minuto di audio, IVA esclusa
Addebitato dai tuoi crediti per secondo di audio in ingresso, arrotondato per eccesso, minimo un secondo. Le richieste in errore non vengono addebitate.
IniziaEnterprise
Self-hosting e installazione on-premise, con i piani Enterprise.
Le risposte brevi.
Che cos’è Clarity?
La linea di modelli di miglioramento del parlato di KugelAudio. Clarity 1 (clarity-1) elimina il rumore di fondo e, con un campione di voce, mantiene solo quella voce, su registrazioni e audio dal vivo.
Quanta latenza aggiunge Clarity?
Circa 50 ms se la tua pipeline legge già l’audio in blocchi da 240 ms. Con frame più piccoli, un suono può uscire fino a 290 ms dopo essere entrato.
Come sa quale voce mantenere?
Da un campione da 2 a 8 secondi di quella persona, meglio se da sola e con poco rumore. Senza campione, Clarity elimina il rumore e mantiene il parlato.
Che audio posso inviare?
WAV da 8 a 48 kHz, fino a 300 secondi per registrazione, oppure PCM a 16 bit dal vivo su WebSocket. L’uscita è PCM mono a 16 bit a 24 kHz.
Posso eseguire Clarity sulla mia infrastruttura?
Sì. Self-hosting e installazione on-premise sono disponibili con i piani Enterprise.