LibraTool बद्दल
आमचे ध्येय सोपे आहे: सर्वांसाठी उत्तम साधने विनामूल्य करणे.
हे कसे कार्य करते
LibraTool वरील प्रत्येक साधन पूर्णपणे तुमच्या ब्राउझरमध्ये चालते. जेव्हा तुम्ही फाइल टाकता, तेव्हा ती तुमच्या स्वतःच्या डिव्हाइसवर चालणाऱ्या JavaScript द्वारे प्रक्रिया केली जाते — काहीही सर्व्हरवर अपलोड होत नाही.
गोपनीयता धोरण
तुमच्या फाइल्सवर तुमच्या ब्राउझरमध्येच प्रक्रिया होते आणि त्या अपलोड होत नाहीत. काही साधने आधी इंजिन किंवा AI मॉडेल डाउनलोड करतात; थेट स्पीच-टू-टेक्स्ट तुमच्या ब्राउझरची स्वतःची स्पीच सेवा वापरते.
- साधनात वापरलेल्या फाइल्स आणि मजकूरावर तुमच्या डिव्हाइसवरच प्रक्रिया होते आणि ते LibraTool कडे पाठवले जात नाहीत.
- काही साधने पहिल्यांदा वापरताना तुमच्या ब्राउझरमध्ये इंजिन किंवा खुले AI मॉडेल डाउनलोड करतात. तुमचे काहीही परत पाठवले जात नाही.
- थेट स्पीच-टू-टेक्स्ट हा अपवाद आहे: तुमचा ब्राउझर ऑडिओ त्याच्या निर्मात्याकडे पाठवतो (Chrome मध्ये Google, Edge मध्ये Microsoft, Safari मध्ये Apple).
- भेटी आणि साधनांचा वापर मोजण्यासाठी आम्ही PostHog analytics वापरतो. ते तुमच्या ब्राउझरच्या localStorage मध्ये एक यादृच्छिक ID ठेवते आणि IP पत्ते टाकून देण्यासाठी सेट केलेले आहे; तुमच्या फाइल्स किंवा साधनांमध्ये तुम्ही टाइप केलेले काहीही त्याला कधीच मिळत नाही. Cloudflare कुकीजशिवाय पेजचा वेग मोजते.
- आमचे होस्ट Vercel, प्रत्येक वेब होस्टप्रमाणे, पेज लोड होताना तुमचा IP पत्ता पाहते आणि तो अल्पकालीन सर्व्हर लॉगमध्ये ठेवते.
- खात्याची गरज नाही. तुमची सेटिंग्ज आणि आवडते तुमच्या स्वतःच्या ब्राउझरमध्येच राहतात.
हे विनामूल्य का आहे?
AI ने ही साधने तयार करण्याचा खर्च जवळपास शून्य केला आहे. ती बचत आम्ही थेट तुमच्याकडे पाठवतो.
लॉगिन नाही. तुमच्या फाइल्स कधीही तुमच्या डिव्हाइसवरून बाहेर पडत नाहीत, त्यामुळे तुम्ही किती मोठी फाइल उघडू शकता हे तुमच्या डिव्हाइसच्या मेमरीवर अवलंबून आहे.
ही साधने तुमच्या ब्राउझरमध्येच चालतात, त्यामुळे तुमच्या फाइल्स अपलोड होत नाहीत आणि त्यांवर प्रक्रिया करणारे, आम्हाला पैसे द्यावे लागणारे कोणतेही सर्व्हर नाहीत.
422
मोफत साधने, लॉगिनची गरज नाही
81
समर्थित भाषा
आम्ही तुमच्या डिव्हाइसवर चालवणारे खुले मॉडेल
काही टूल्स खुले मशीन-लर्निंग मॉडेल वापरतात. ते तुमच्या ब्राउझरमध्ये चालतात, सर्व्हरवर नाही — पण मॉडेल फाइल स्वतः एकदा डाउनलोड करावी लागते, त्यामुळे प्रत्येक मॉडेल नेमके काय आहे, ते कोणी बनवले आणि किती मोठे आहे हे इथे दिले आहे. तुम्ही विचारल्याशिवाय काहीही डाउनलोड होत नाही.
- 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
वेट्स तृतीय-पक्ष CDN ऐवजी आमच्याच डोमेनवरून दिले जातात, आणि प्रत्येक एका निश्चित प्रकाशित आवृत्तीशी पिन केलेला आहे. इंजिनही ओपन सोर्स आहेत: ONNX Runtime आणि ffmpeg (दोन्ही WebAssembly मध्ये कंपाइल केलेले), pdf.js, आणि RNNoise.
ओपन-सोर्स सॉफ्टवेअर
LibraTool तुमच्या ब्राउझरमध्ये चालणाऱ्या ओपन-सोर्स सॉफ्टवेअरवर बनवलेले आहे, ffmpeg, eSpeak NG आणि ONNX Runtime यांसह. प्रत्येकाचा स्वतःचा परवाना आहे. सूचना प्रत्येक घटक, त्याचा परवाना आणि त्याचा सोर्स कोड कुठे मिळेल ते सूचीबद्ध करतात, GPL आणि LGPL घटकांचा सोर्स पुरवण्याच्या आमच्या ऑफरसह.
थर्ड-पार्टी परवानेTHIRD_PARTY_NOTICES.txtसंपर्क आणि अभिप्राय
अभिप्राय आहे, बग सापडला, किंवा नवीन साधन सुचवायचे आहे? आम्ही प्रत्येक संदेश वाचतो आणि पुढे काय तयार करायचे हे ठरवण्यासाठी तुमच्या सूचना वापरतो.
💡साधन सुचवा