ກ່ຽວກັບ LibraTool
ພາລະກິດຂອງພວກເຮົາແມ່ນງ່າຍດາຍ: ເຮັດໃຫ້ເຄື່ອງມືທີ່ຍິ່ງໃຫຍ່ຟຣີສໍາລັບທຸກຄົນ.
ມັນເຮັດວຽກແນວໃດ
ທຸກໆເຄື່ອງມືໃນ LibraTool ເຮັດວຽກທັງຫມົດໃນຕົວທ່ອງເວັບຂອງທ່ານ. ເມື່ອທ່ານວາງໄຟລ໌ໃດນຶ່ງ, ມັນຈະຖືກປະມວນຜົນໂດຍ JavaScript ທີ່ເຮັດວຽກຢູ່ໃນອຸປະກອນຂອງທ່ານເອງ — ບໍ່ມີຫຍັງຖືກອັບໂຫລດໃສ່ເຊີບເວີ.
ນະໂຍບາຍຄວາມເປັນສ່ວນຕົວ
ໄຟລ໌ຂອງທ່ານຖືກປະມວນຜົນໃນບຣາວເຊີຂອງທ່ານ ແລະ ບໍ່ຖືກອັບໂຫຼດ. ບາງເຄື່ອງມືດາວໂຫຼດເອັນຈິນ ຫຼື ໂມເດວ AI ກ່ອນ; ການປ່ຽນສຽງເວົ້າເປັນຂໍ້ຄວາມສົດໃຊ້ບໍລິການສຽງເວົ້າຂອງບຣາວເຊີຂອງທ່ານເອງ.
- ໄຟລ໌ ແລະ ຂໍ້ຄວາມທີ່ທ່ານໃຊ້ໃນເຄື່ອງມືຖືກປະມວນຜົນເທິງອຸປະກອນຂອງທ່ານ ແລະ ບໍ່ຖືກສົ່ງໄປ LibraTool.
- ບາງເຄື່ອງມືດາວໂຫຼດເອັນຈິນ ຫຼື ໂມເດວ AI ແບບເປີດໄປບຣາວເຊີຂອງທ່ານໃນຄັ້ງທຳອິດທີ່ໃຊ້. ບໍ່ມີຫຍັງຂອງທ່ານຖືກສົ່ງກັບ.
- ການປ່ຽນສຽງເວົ້າເປັນຂໍ້ຄວາມສົດແມ່ນຂໍ້ຍົກເວັ້ນ: ບຣາວເຊີຂອງທ່ານສົ່ງສຽງໄປຫາຜູ້ຜະລິດ (Google ໃນ Chrome, Microsoft ໃນ Edge, Apple ໃນ Safari).
- ພວກເຮົາໃຊ້ PostHog analytics ເພື່ອນັບການເຂົ້າຊົມ ແລະ ການໃຊ້ເຄື່ອງມື. ມັນເກັບ ID ສຸ່ມໃນ localStorage ຂອງບຣາວເຊີທ່ານ ແລະ ຕັ້ງໃຫ້ຖິ້ມທີ່ຢູ່ IP; ມັນບໍ່ເຄີຍໄດ້ຮັບໄຟລ໌ຂອງທ່ານ ຫຼື ສິ່ງທີ່ທ່ານພິມໃນເຄື່ອງມື. Cloudflare ວັດຄວາມໄວໜ້າໂດຍບໍ່ໃຊ້ຄຸກກີ.
- ໂຮສຂອງພວກເຮົາ, Vercel, ເຫັນທີ່ຢູ່ IP ຂອງທ່ານເມື່ອໂຫຼດໜ້າ, ຄືກັບໂຮສເວັບທຸກແຫ່ງ, ແລະ ເກັບໄວ້ໃນບັນທຶກເຊີເວີໄລຍະສັ້ນ.
- ບໍ່ຕ້ອງມີບັນຊີ. ການຕັ້ງຄ່າ ແລະ ລາຍການໂປດຂອງທ່ານຢູ່ໃນບຣາວເຊີຂອງທ່ານເອງ.
ເປັນຫຍັງມັນບໍ່ເສຍຄ່າ?
AI ເຮັດໃຫ້ການສ້າງເຄື່ອງມືເຫຼົ່ານີ້ເກືອບບໍ່ເສຍຄ່າ. ພວກເຮົາສົ່ງຕໍ່ຕົ້ນທຶນທີ່ປະຢັດໄດ້ໃຫ້ທ່ານໂດຍກົງ.
ບໍ່ຕ້ອງເຂົ້າສູ່ລະບົບ. ໄຟລ໌ຂອງທ່ານຈະບໍ່ອອກຈາກອຸປະກອນຂອງທ່ານເລີຍ, ສະນັ້ນຂະໜາດໄຟລ໌ທີ່ສາມາດເປີດໄດ້ແມ່ນຂຶ້ນກັບໜ່ວຍຄວາມຈຳຂອງອຸປະກອນຂອງທ່ານ.
ເຄື່ອງມືເຮັດວຽກໃນບຣາວເຊີຂອງທ່ານ, ດັ່ງນັ້ນໄຟລ໌ຂອງທ່ານຈຶ່ງບໍ່ຖືກອັບໂຫຼດ ແລະ ບໍ່ມີເຊີເວີທີ່ປະມວນຜົນໄຟລ໌ເຊິ່ງພວກເຮົາຕ້ອງຈ່າຍເງິນ.
422
ເຄື່ອງມືຟຣີ, ບໍ່ຕ້ອງເຂົ້າສູ່ລະບົບ
81
ພາສາທີ່ຮອງຮັບ
ໂມເດວເປີດທີ່ເຮົາແລ່ນຢູ່ໃນອຸປະກອນຂອງທ່ານ
ບາງເຄື່ອງມືໃຊ້ໂມເດວການຮຽນຮູ້ຂອງເຄື່ອງແບບເປີດ. ພວກມັນແລ່ນຢູ່ໃນໂປຣແກຣມທ່ອງເວັບຂອງທ່ານ ບໍ່ແມ່ນຢູ່ເຊີບເວີ ແຕ່ໄຟລ໌ໂມເດວຕ້ອງດາວໂຫຼດຄັ້ງໜຶ່ງ ດັ່ງນັ້ນທີ່ນີ້ຈຶ່ງລະບຸຢ່າງຈະແຈ້ງວ່າແຕ່ລະອັນແມ່ນຫຍັງ ໃຜສ້າງ ແລະໃຫຍ່ເທົ່າໃດ. ຈະບໍ່ມີການດາວໂຫຼດຫຍັງຈົນກວ່າທ່ານຈະຮ້ອງຂໍ.
- 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
ນ້ຳໜັກຖືກໃຫ້ບໍລິການຈາກໂດເມນຂອງເຮົາເອງ ບໍ່ແມ່ນ CDN ຂອງບຸກຄົນທີສາມ ແລະແຕ່ລະອັນຖືກຕຶງໄວ້ກັບເວີຊັນທີ່ເຜີຍແຜ່ຢ່າງແນ່ນອນ. ເອັນຈິນກໍເປັນໂອເພນຊອດເຊັ່ນກັນ: ONNX Runtime ແລະ ffmpeg (ທັງສອງຄອມໄພລ໌ເປັນ WebAssembly), pdf.js ແລະ RNNoise.
ຊອບແວ open-source
LibraTool ຖືກສ້າງຂຶ້ນຈາກຊອບແວ open-source ທີ່ເຮັດວຽກຢູ່ໃນບຣາວເຊີຂອງທ່ານ, ລວມທັງ ffmpeg, eSpeak NG ແລະ ONNX Runtime. ແຕ່ລະອັນມີໃບອະນຸຍາດຂອງມັນເອງ. ໝາຍເຫດຈະລາຍງານທຸກອົງປະກອບ, ໃບອະນຸຍາດຂອງມັນ ແລະ ບ່ອນຫາ source code, ລວມທັງຂໍ້ສະເໜີຂອງພວກເຮົາທີ່ຈະໃຫ້ source ຂອງອົງປະກອບ GPL ແລະ LGPL.
ໃບອະນຸຍາດຂອງພາກສ່ວນທີສາມTHIRD_PARTY_NOTICES.txtຕິດຕໍ່ & ຄໍາຕິຊົມ
ມີຄໍາຄຶດຄໍາເຫັນ, ພົບບັນຫາ, ຫຼືຕ້ອງການທີ່ຈະແນະນໍາເຄື່ອງມືໃຫມ່? ພວກເຮົາອ່ານທຸກຂໍ້ຄວາມແລະນໍາໃຊ້ຄໍາແນະນໍາຂອງທ່ານເພື່ອຕັດສິນໃຈສິ່ງທີ່ຈະສ້າງຕໍ່ໄປ.
💡ແນະນຳເຄື່ອງມື