LibraTool గురించి

ఇది ఎలా పనిచేస్తుంది

LibraTool లో ప్రతి సాధనం పూర్తిగా మీ బ్రౌజర్‌లో నడుస్తుంది. మీరు ఒక ఫైల్ వదిలినప్పుడు, అది మీ స్వంత పరికరంలో నడుస్తున్న JavaScript చే ప్రాసెస్ అవుతుంది — ఏదీ సర్వర్‌కు అప్‌లోడ్ కాదు.

ఎందుకు ఉచితం?

AI ఈ సాధనాలను నిర్మించే ఖర్చును దాదాపు ఉచితంగా చేసింది. ఆ పొదుపును మేము నేరుగా మీకు అందిస్తున్నాం.

లాగిన్ లేదు. మీ ఫైల్‌లు మీ డివైజ్ నుండి ఎప్పుడూ బయటకు వెళ్లవు, కాబట్టి మీరు ఎంత పెద్ద ఫైల్ తెరవగలరు అనేది మీ డివైజ్ మెమరీపై ఆధారపడి ఉంటుంది.

టూల్స్ మీ బ్రౌజర్‌లోనే నడుస్తాయి, కాబట్టి మీ ఫైళ్లు అప్‌లోడ్ కావు; వాటిని ప్రాసెస్ చేయడానికి మేము డబ్బు చెల్లించాల్సిన సర్వర్లు కూడా లేవు.

మేము మీ పరికరంలో నడిపే ఓపెన్ మోడల్స్

కొన్ని టూల్స్ ఓపెన్ మెషిన్-లెర్నింగ్ మోడళ్లను వాడతాయి. అవి మీ బ్రౌజర్‌లో నడుస్తాయి, సర్వర్‌లో కాదు — కానీ మోడల్ ఫైల్‌ను ఒకసారి డౌన్‌లోడ్ చేయాలి, కాబట్టి ప్రతిదీ ఏమిటో, దాన్ని ఎవరు తయారు చేశారో మరియు అది ఎంత పెద్దదో ఇక్కడ ఉంది. మీరు అడిగే వరకు ఏదీ డౌన్‌లోడ్ కాదు.

• 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

వెయిట్‌లు మూడో పక్షం CDN కంటే మా స్వంత డొమైన్ నుండి అందించబడతాయి, మరియు ప్రతి ఒక్కటి ఖచ్చితమైన ప్రచురించిన వెర్షన్‌కు పిన్ చేయబడింది. ఇంజిన్‌లు కూడా ఓపెన్ సోర్స్: ONNX Runtime మరియు ffmpeg (రెండూ WebAssemblyకి కంపైల్ చేయబడ్డాయి), pdf.js, మరియు RNNoise.