LibraTool-ի մասին

Ինչպես է այն աշխատում

LibraTool-ի յուրաքանչյուր գործիք ամբողջությամբ աշխատում է ձեր բրաուզերում: Երբ դուք ֆայլ եք թողնում, այն մշակվում է ձեր սեփական սարքի վրա աշխատող JavaScript-ի միջոցով. ոչինչ երբեք չի վերբեռնվում սերվեր:

Ինչո՞ւ է անվճար։

AI-ն այս գործիքների ստեղծումը գրեթե անվճար է դարձրել: Մենք այդ խնայողությունները փոխանցում ենք անմիջապես ձեզ:

Մուտք չի պահանջվում: Ձեր ֆայլերը երբեք չեն լքում ձեր սարքը, ուստի ֆայլի բացման չափը կախված է ձեր սարքի հիշողությունից:

Գործիքներն աշխատում են ձեր դիտարկիչում, ուստի ձեր ֆայլերը չեն վերբեռնվում, և չկան սերվերներ, որոնք մշակեն դրանք և որոնց համար մենք վճարելու լինենք։

Բաց մոդելներ, որոնք աշխատեցնում ենք ձեր սարքում

Որոշ գործիքներ օգտագործում են մեքենայական ուսուցման բաց մոդելներ։ Դրանք աշխատում են ձեր դիտարկիչում, ոչ թե սերվերում, բայց մոդելի ֆայլը պետք է մեկ անգամ ներբեռնվի, ուստի այստեղ նշված է, թե յուրաքանչյուրը ինչ է, ով է ստեղծել և ինչ չափի է։ Ոչինչ չի ներբեռնվում, քանի դեռ չեք խնդրել։

• 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

Կշիռները մատուցվում են մեր սեփական տիրույթից, ոչ թե երրորդ կողմի CDN-ից, և յուրաքանչյուրը ամրագրված է հրապարակված կոնկրետ տարբերակին։ Շարժիչները ևս բաց կոդով են՝ ONNX Runtime և ffmpeg (երկուսն էլ կոմպիլացված WebAssembly-ի), pdf.js և RNNoise։