Om LibraTool
Vårt uppdrag är enkelt: göra bra verktyg gratis för alla.
Så här fungerar det
Varje verktyg på LibraTool körs helt i din webbläsare. När du släpper en fil bearbetas den av JavaScript som körs på din egen enhet — inget laddas någonsin upp till en server.
Integritetspolicy
Dina filer bearbetas i din webbläsare och laddas inte upp. Vissa verktyg laddar först ned en motor eller AI-modell; tal till text i realtid använder webbläsarens egen taltjänst.
- Filer och text du använder i ett verktyg bearbetas på din enhet och skickas inte till LibraTool.
- Vissa verktyg laddar ned en motor eller en öppen AI-modell till din webbläsare första gången du använder dem. Inget från dig skickas tillbaka.
- Tal till text i realtid är undantaget: din webbläsare skickar ljudet till sin tillverkare (Google i Chrome, Microsoft i Edge, Apple i Safari).
- Vi använder PostHog-analys för att räkna besök och verktygsanvändning. Den sparar ett slumpmässigt ID i webbläsarens localStorage och är inställd på att kasta IP-adresser; den får aldrig dina filer eller det du skriver i verktygen. Cloudflare mäter sidhastighet utan cookies.
- Vår värd, Vercel, ser din IP-adress när en sida läses in, som alla webbhotell gör, och sparar den i kortlivade serverloggar.
- Inget konto behövs. Dina inställningar och favoriter stannar i din egen webbläsare.
Varför är det gratis?
AI har gjort det nästan gratis att bygga dessa verktyg. Vi för de besparingarna direkt vidare till dig.
Ingen inloggning. Dina filer lämnar aldrig din enhet, så hur stor fil du kan öppna beror på enhetens minne.
Verktygen körs i din webbläsare, så dina filer laddas inte upp och det finns inga servrar som bearbetar dem och som vi måste betala för.
422
gratisverktyg, ingen inloggning krävs
81
språk stöds
Öppna modeller som vi kör på din enhet
Vissa verktyg använder öppna maskininlärningsmodeller. De körs i din webbläsare, inte på en server, men själva modellfilen måste laddas ned en gång — så här står exakt vad varje modell är, vem som gjort den och hur stor den är. Ingenting laddas ned förrän du ber 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
Vikterna serveras från vår egen domän i stället för ett tredjeparts-CDN, och var och en är låst till en exakt publicerad version. Motorerna är också öppen källkod: ONNX Runtime och ffmpeg (båda kompilerade till WebAssembly), pdf.js och RNNoise.
Programvara med öppen källkod
LibraTool är byggt på programvara med öppen källkod som körs i din webbläsare, inklusive ffmpeg, eSpeak NG och ONNX Runtime. Varje komponent har sin egen licens. Notiserna listar varje komponent, dess licens och var du hämtar dess källkod, inklusive vårt erbjudande att tillhandahålla källkoden för GPL- och LGPL-komponenterna.
TredjepartslicenserTHIRD_PARTY_NOTICES.txtKontakt och feedback
Har du feedback, hittat ett fel eller vill föreslå ett nytt verktyg? Vi läser varje meddelande och använder dina förslag för att avgöra vad vi ska bygga härnäst.
💡Föreslå ett verktyg