InícioRemova o ruído.
Mantenha a voz.
Remoção de ruído em tempo real e extração da voz principal: todas as outras vozes são eliminadas, ficando apenas quem liga.
Lugares ruidosos.
Chamadas nítidas.
As pessoas ligam de cafés, escritórios partilhados e ruas movimentadas. O Clarity ajuda o seu agente de voz a concentrar-se em quem liga.
O Clarity faz duas coisas, em tempo real. Remove o ruído de fundo. E extrai a voz principal: todas as outras vozes, desde a multidão do café até à pessoa da secretária ao lado, são eliminadas, e só passa quem liga.
O seu bot de voz passa então a compreender quem liga em vez do ambiente: a transcrição de voz, a deteção de turnos e o modelo por trás trabalham todos a partir de uma única voz limpa.
Ouviu a diferença?
Experimente o Clarity com o seu áudio.
Feito para chamadas reais.
O seu bot de voz ouve apenas quem liga.
O Clarity remove o ruído de fundo e as conversas antes de o seu bot de voz as ouvir, por isso a deteção de turnos e a transcrição de voz reagem apenas a quem liga.
+50 msde latência adicional em pipelines com blocos de 240 ms
Posto à prova.
Contra os melhores.
Qualidade da voz principal
Libri2Mix · DNSMOS, quanto mais alto, melhor
| Métrica | Clarity 1240 ms | StarTSE[1]560 ms |
|---|---|---|
| Qualidade da fala SIG | 3.56 (melhor) | 3.54 |
| Qualidade do fundo BAK | 4.03 (melhor) | 3.75 |
| Qualidade global OVRL | 3.27 (melhor) | 3.12 |
Remoção de ruído
DNS 2020 Challenge · DNSMOS, quanto mais alto, melhor
| Métrica | Clarity 1240 ms | Sem processamentoÁudio original | AI Acoustics15 ms | DeepFilterNet310 ms | GTCRN16 ms |
|---|---|---|---|---|---|
| Qualidade da fala SIG | 3.62 (melhor) | 3.39 | 3.46 | 3.51 | 3.34 |
| Qualidade do fundo BAK | 4.11 (melhor) | 2.62 | 3.60 | 4.11 (melhor) | 3.98 |
| Qualidade global OVRL | 3.37 (melhor) | 2.48 | 2.98 | 3.25 | 3.05 |
Bom saber.
O que é o Clarity?
O Clarity é um modelo de melhoria de voz que faz duas coisas em tempo real. Remove o ruído de fundo e extrai a voz principal: todas as outras vozes, como o burburinho de um café ou os colegas ao lado, são eliminadas, ficando apenas a voz que importa. Quem estiver a ouvir, uma pessoa ou um agente de voz, ouve fala nítida.
Quanta latência o Clarity adiciona?
O Clarity processa o áudio em blocos de 240 ms e leva cerca de 50 ms para cada um. Se a sua detecção de turnos já lê o áudio em blocos de 240 ms, o Clarity adiciona apenas esses 50 ms. Com blocos de entrada menores, um som pode sair até 290 ms depois, dependendo de onde cai no seu bloco.
Como sabe que voz manter?
A extração da voz principal usa uma curta gravação de referência da pessoa que quer seguir e elimina todas as outras vozes. Sem referência, mantém quem fala mais alto.
Ajuda o meu bot de voz a compreender quem liga?
Sim. A transcrição de voz, a deteção de turnos e o modelo de linguagem por trás do seu bot só podem trabalhar com o áudio que recebem, por isso o Clarity entrega-lhes uma única voz limpa: a de quem liga. As vozes em segundo plano deixam de aparecer nas transcrições e de acionar a deteção de turnos, e o bot responde a quem liga, não ao ambiente.
Espera que quem liga termine?
Não. O Clarity processa o áudio num fluxo contínuo, à medida que chega. Foi concebido para conversas ao vivo, em vez de esperar por uma gravação completa.
Posso ouvi-lo com o meu próprio áudio?
Sim. Registe-se e processe as suas gravações com o Clarity no painel, grátis até 30 de outubro. Para uma instalação self-hosted ou uma implementação maior, contacte-nos e traga exemplos dos ambientes dos seus clientes.