Tentang LibraTool

Cara kerja

Setiap alat di LibraTool berjalan sepenuhnya di browser Anda. Saat Anda menjatuhkan file, file diproses oleh JavaScript yang berjalan di perangkat Anda sendiri — tidak ada yang pernah diunggah ke server.

Mengapa gratis?

AI telah membuat pengembangan alat-alat ini hampir gratis. Kami meneruskan penghematan itu langsung kepada Anda.

Tanpa login. File Anda tidak pernah meninggalkan perangkat, jadi seberapa besar file yang bisa dibuka bergantung pada memori perangkat Anda.

Alat-alat ini berjalan di browser Anda, jadi file Anda tidak diunggah dan tidak ada server pemrosesan yang harus kami biayai.

Model terbuka yang kami jalankan di perangkat Anda

Beberapa alat menggunakan model machine learning terbuka. Model berjalan di peramban Anda, bukan di server, tetapi berkas modelnya harus diunduh sekali — jadi di sini dijelaskan persis apa setiap model itu, siapa pembuatnya, dan berapa besarnya. Tidak ada yang diunduh sampai Anda memintanya.

• 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

Bobot disajikan dari domain kami sendiri, bukan CDN pihak ketiga, dan masing-masing dikunci ke versi rilis yang pasti. Mesinnya juga sumber terbuka: ONNX Runtime dan ffmpeg (keduanya dikompilasi ke WebAssembly), pdf.js, serta RNNoise.