Om LibraTool
Vores mission er enkel: gøre gode værktøjer gratis for alle.
Sådan fungerer det
Hvert værktøj på LibraTool kører helt i din browser. Når du slipper en fil, behandles den af JavaScript, der kører på din egen enhed — intet uploades nogensinde til en server.
Privatlivspolitik
Dine filer behandles i din browser og uploades ikke. Nogle værktøjer downloader først en motor eller AI-model; live tale-til-tekst bruger din browsers egen talegenkendelse.
- Filer og tekst, du bruger i et værktøj, behandles på din enhed og sendes ikke til LibraTool.
- Nogle værktøjer downloader en motor eller en åben AI-model til din browser, første gang du bruger dem. Intet af dit sendes tilbage.
- Live tale-til-tekst er undtagelsen: din browser sender lyden til sin producent (Google i Chrome, Microsoft i Edge, Apple i Safari).
- Vi bruger PostHog-analyse til at tælle besøg og brug af værktøjer. Den gemmer et tilfældigt ID i din browsers localStorage og er sat til at kassere IP-adresser; den modtager aldrig dine filer eller det, du skriver i værktøjer. Cloudflare måler sidehastighed uden cookies.
- Vores vært, Vercel, ser din IP-adresse, når en side indlæses, som alle webhosts gør, og gemmer den i kortvarige serverlogge.
- Du behøver ingen konto. Dine indstillinger og favoritter bliver i din egen browser.
Hvorfor er det gratis?
AI har gjort det næsten gratis at bygge disse værktøjer. Vi sender de besparelser direkte videre til dig.
Ingen login. Dine filer forlader aldrig din enhed, så hvor stor en fil du kan åbne afhænger af din enheds hukommelse.
Værktøjerne kører i din browser, så dine filer uploades ikke, og der er ingen servere, der behandler dem, som vi skal betale for.
422
gratis værktøjer, ingen login nødvendigt
81
sprog understøttet
Åbne modeller, vi kører på din enhed
Nogle værktøjer bruger åbne maskinlæringsmodeller. De kører i din browser, ikke på en server, men selve modelfilen skal hentes én gang — så her står præcis, hvad hver enkelt er, hvem der har lavet den, og hvor stor den er. Intet hentes, før du beder om det.
- onnx-community/whisper-baseApache-2.0 · 77 MB
- onnx-community/whisper-tinyApache-2.0 · 43 MB
- onnx-community/silero-vadMIT · 2 MB
- opencv/face_detection_yunetMIT · 0 MB
- CoderViking/realesr-general-x4v3-onnxBSD-3-Clause · 5 MB
- nathanfhh/PaddleOCR-ONNXApache-2.0 · 11 MB
- nathanfhh/PaddleOCR-ONNXApache-2.0 · 16 MB
- PaddlePaddle/latin_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- PaddlePaddle/cyrillic_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- PaddlePaddle/korean_PP-OCRv5_mobile_rec_onnxApache-2.0 · 13 MB
- PaddlePaddle/arabic_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- PaddlePaddle/devanagari_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- PaddlePaddle/th_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- PaddlePaddle/el_PP-OCRv5_mobile_rec_onnxApache-2.0 · 7 MB
- PaddlePaddle/ta_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- PaddlePaddle/te_PP-OCRv5_mobile_rec_onnxApache-2.0 · 8 MB
- onnx-community/Kokoro-82M-v1.0-ONNXApache-2.0 · 83 MBJapanese voice "jf_gongitsune" trained on a TNC (テレビ西日本) reading of 「ごんぎつね」 from the koniwa corpus, CC BY 3.0
- rhasspy/piper-voicesCC0-1.0 · 73 MBPiper voice "ukrainian_tts" (lada, mykyta, tetiana) — OHF-Voice voice-datasets, CC0
- rhasspy/piper-voicesCC-BY-4.0 · 61 MBPiper voice "Serena" — trained on "serena-synthetic-it-27h" by committa, CC BY 4.0
- rhasspy/piper-voicesCC-BY-4.0 · 73 MBPiper voice "mls" (German) — trained on Multilingual LibriSpeech (Pratap et al., OpenSLR 94), CC BY 4.0
- rhasspy/piper-voicesCC-BY-4.0 · 73 MBPiper voice "mls" (French) — trained on Multilingual LibriSpeech (Pratap et al., OpenSLR 94), CC BY 4.0
- rhasspy/piper-voicesLicenseRef-public-domain · 27 MBPiper voice "carlfm" — trained on carlfm01/my-speech-datasets (public domain)
- diffusionstudio/piper-wasmGPL-3.0 · 18 MBeSpeak NG (GPL-3.0) + piper-phonemize (MIT), WebAssembly build by diffusionstudio
- danielgatis/rembgApache-2.0 · 44 MBIS-Net "isnet-general-use" by Xuebin Qin et al. (DIS), Apache-2.0; ONNX export by rembg (MIT); int8-quantised by LibraTool
- spotify/basic-pitchApache-2.0 · 0 MBBasic Pitch by Spotify (Bittner et al., ICASSP 2022), Apache-2.0
- Rikorose/DeepFilterNetMIT OR Apache-2.0 · 8 MBDeepFilterNet3 by Hendrik Schröter et al., MIT OR Apache-2.0
- csukuangfj/sherpa-onnx-spleeter-2stemsMIT · 19 MBSpleeter 2-stems by Deezer (Hennequin et al., 2020), MIT; ONNX export by k2-fsa/sherpa-onnx; merged and int8-compacted by LibraTool
- Best-Practice/spleeter-4stems-onnxMIT · 38 MBSpleeter 4-stems by Deezer (Hennequin et al., 2020), MIT; ONNX conversion by Best-Practice (Apache-2.0); merged and int8-compacted by LibraTool
- mediapipe-models/selfie_segmenterApache-2.0 · 0 MBMediaPipe Selfie Segmenter by Google (Tingbo Hou, Siargey Pisarchyk, Karthik Raveendran), Apache-2.0
- mediapipe-models/selfie_multiclass_256x256Apache-2.0 · 16 MBMediaPipe Selfie Multiclass Segmenter by Google (Adel Ahmadyan), Apache-2.0
- musescore/MuseScoreMIT · 23 MBFluidR3Mono GM soundfont: Fluid (R3) © 2000-2002, 2008 Frank Wen; mono conversion © 2014-17 Michael Cowgill; MIT
Vægtene leveres fra vores eget domæne frem for et tredjeparts-CDN, og hver enkelt er låst til en præcis udgivet version. Motorerne er også open source: ONNX Runtime og ffmpeg (begge kompileret til WebAssembly), pdf.js og RNNoise.
Open source-software
LibraTool er bygget på open source-software, der kører i din browser, herunder ffmpeg, eSpeak NG og ONNX Runtime. Hver har sin egen licens. Meddelelserne viser hver komponent, dens licens og hvor du kan få dens kildekode, inklusive vores tilbud om at levere kildekoden til GPL- og LGPL-komponenterne.
TredjepartslicenserTHIRD_PARTY_NOTICES.txtKontakt og feedback
Har du feedback, fundet en fejl eller vil foreslå et nyt værktøj? Vi læser hver eneste besked og bruger dine forslag til at beslutte, hvad vi skal bygge næste gang.
💡Foreslå et værktøj