Giới thiệu LibraTool

Cách hoạt động

Mọi công cụ trên LibraTool chạy hoàn toàn trong trình duyệt của bạn. Khi bạn thả tệp, nó được xử lý bởi JavaScript chạy trên thiết bị của chính bạn — không có gì được tải lên máy chủ.

Tại sao miễn phí?

AI đã làm cho việc xây dựng các công cụ này gần như miễn phí. Chúng tôi chuyển khoản tiết kiệm đó trực tiếp cho bạn.

Không cần đăng nhập. Tệp của bạn không bao giờ rời khỏi thiết bị, vì vậy kích thước tệp bạn có thể mở phụ thuộc vào bộ nhớ thiết bị.

Các công cụ chạy ngay trong trình duyệt của bạn, nên tệp không bị tải lên và không có máy chủ nào xử lý chúng mà chúng tôi phải trả tiền.

Các mô hình mở chạy trên thiết bị của bạn

Một số công cụ dùng mô hình học máy mã nguồn mở. Chúng chạy trong trình duyệt của bạn chứ không phải trên máy chủ, nhưng tệp mô hình phải tải về một lần — nên ở đây nêu rõ từng mô hình là gì, do ai tạo và dung lượng bao nhiêu. Không có gì được tải về cho đến khi bạn yêu cầu.

• 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

Trọng số được phục vụ từ tên miền của chính chúng tôi thay vì một CDN bên thứ ba, và mỗi mô hình được ghim vào một phiên bản đã phát hành cụ thể. Các engine cũng là mã nguồn mở: ONNX Runtime và ffmpeg (đều biên dịch sang WebAssembly), pdf.js và RNNoise.