Nípa LibraTool
Ète wa rọrùn: mú àwọn irinṣẹ tó dára jẹ́ ọfẹ fún gbogbo ènìyàn.
Bí Ó Ṣe Ń Ṣiṣẹ́
Gbogbo irinṣẹ lórí LibraTool n ṣiṣẹ́ pátápátá nínú aṣàwákiri rẹ. Nígbà tí o bá sọ fáìlì sílẹ̀, JavaScript tí ó ń ṣiṣẹ́ lórí ẹ̀rọ rẹ fúnrarẹ̀ ló ń ṣe iṣẹ́ rẹ̀ — a kò gbé e lọ sí olupin kankan rárá.
Ìlànà Àṣírí
A ń ṣe ìṣiṣẹ́ àwọn fáìlì rẹ nínú aṣàwákiri rẹ, a kò sì gbé wọn sókè. Àwọn irinṣẹ́ kan máa kọ́kọ́ gba ẹ́ńjìnnì tàbí àwòṣe AI; ìyípadà ọ̀rọ̀-sísọ sí ọ̀rọ̀-kíkọ lójúkannáà ń lo iṣẹ́ ọ̀rọ̀-sísọ aṣàwákiri rẹ.
- Àwọn fáìlì àti ọ̀rọ̀ tí o lò nínú irinṣẹ́ ni a ń ṣe ìṣiṣẹ́ wọn lórí ẹ̀rọ rẹ, a kò sì fi wọ́n ránṣẹ́ sí LibraTool.
- Àwọn irinṣẹ́ kan ń gba ẹ́ńjìnnì tàbí àwòṣe AI ṣíṣí sínú aṣàwákiri rẹ ní ìgbà àkọ́kọ́ tí o bá lò wọ́n. A kò fi ohunkóhun ti ìwọ ránṣẹ́ padà.
- Ìyípadà ọ̀rọ̀-sísọ sí ọ̀rọ̀-kíkọ lójúkannáà jẹ́ àyọkúrò: aṣàwákiri rẹ ń fi ohùn ránṣẹ́ sí olùṣẹ̀dá rẹ̀ (Google nínú Chrome, Microsoft nínú Edge, Apple nínú Safari).
- À ń lo PostHog analytics láti ka àwọn ìbẹ̀wò àti lílo àwọn irinṣẹ́. Ó ń pa ID àìròtẹ́lẹ̀ mọ́ sínú localStorage aṣàwákiri rẹ, a sì ṣètò rẹ̀ láti jù àwọn àdírẹ́sì IP nù; kì í gba àwọn fáìlì rẹ tàbí ohun tí o tẹ̀ sínú àwọn irinṣẹ́ láéláé. Cloudflare ń wọn ìyára ojú-ìwé láìsí kúkì.
- Olùgbàlejò wa, Vercel, ń rí àdírẹ́sì IP rẹ nígbà tí ojú-ìwé bá ń kó, bí gbogbo olùgbàlejò wẹ́ẹ̀bù ṣe ń ṣe, ó sì ń pa á mọ́ sínú àkọsílẹ̀ olupin tí kò pẹ́.
- Kò sí àkọọ́lẹ̀ tí a nílò. Àwọn ètò àti àwọn ayanfẹ́ rẹ máa wà nínú aṣàwákiri rẹ.
Kí nìdí tí ó fi jẹ́ ọfẹ?
AI ti jẹ́ kí ìkọ́ àwọn irinṣẹ wọ̀nyí fẹ́rẹ̀ẹ́ jẹ́ ọfẹ. A n kọjá àwọn ìfowópamọ́ wọ̀nyí fún yín tààrà.
Kò sí wíwọlé. Àwọn fáìlì rẹ kò kúrò lórí ẹ̀rọ rẹ rárá, nítorí náà bí fáìlì tí o lè ṣí ṣe tóbi sí sinmi lórí ìrántí (memory) ẹ̀rọ rẹ.
Àwọn irinṣẹ́ ń ṣiṣẹ́ nínú aṣàwákiri rẹ, nítorí náà a kò gbé àwọn fáìlì rẹ sókè, kò sì sí àwọn olupin tó ń ṣe ìṣiṣẹ́ wọn tí a ní láti san owó fún.
422
àwọn irinṣẹ́ ọ̀fẹ́, kò sí ìwọlé tí a nílò
81
àwọn èdè tí a ń ṣètìlẹyìn fún
Àwọn àwòṣe ṣíṣí tí a ń fi ṣiṣẹ́ lórí ẹ̀rọ rẹ
Àwọn ohun èlò kan lo àwọn àwòṣe ìmọ̀-ẹ̀rọ àdánwò ẹ̀rọ tí ó ṣí sílẹ̀. Wọ́n ń ṣiṣẹ́ nínú ẹ̀rọ àwárí rẹ, kì í ṣe lórí sáfà — ṣùgbọ́n a ní láti gbé fáìlì àwòṣe náà wọlé ẹ̀ẹ̀kan, nítorí náà èyí ni ohun tí ọ̀kọ̀ọ̀kan jẹ́ gan-an, ẹni tí ó ṣe é àti bí ó ti tóbi tó. Kò sí ohunkóhun tí a gbé wọlé títí o fi béèrè fún un.
- 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
A ń gbé àwọn ìwọ̀n (weights) wọlé láti orí ẹkùn tiwa fúnra rẹ̀ dípò CDN ẹnì kẹta, ọ̀kọ̀ọ̀kan sì di mọ́ ẹ̀dà kan pàtó tí a ti tẹ̀jáde. Àwọn ẹ̀rọ (engines) náà pẹ̀lú jẹ́ orísun ṣíṣí: ONNX Runtime àti ffmpeg (méjèèjì ti a ṣàyípadà sí WebAssembly), pdf.js, àti RNNoise.
Ìwé-ìṣirò orísun-ṣíṣí
A kọ́ LibraTool lórí ìwé-ìṣirò orísun-ṣíṣí tí ó ń ṣiṣẹ́ nínú aṣàwákiri rẹ, títí kan ffmpeg, eSpeak NG àti ONNX Runtime. Ọ̀kọ̀ọ̀kan ń pa ìwé-àṣẹ tirẹ̀ mọ́. Àwọn àkíyèsí náà ń ṣàkọsílẹ̀ ẹ̀yà kọ̀ọ̀kan, ìwé-àṣẹ rẹ̀ àti ibi tí a lè rí kóòdù orísun rẹ̀, títí kan ìdábàá wa láti pèsè kóòdù orísun àwọn ẹ̀yà GPL àti LGPL.
Ìwé-àṣẹ ẹnì kẹtaTHIRD_PARTY_NOTICES.txtKàn sí wa àti Èsì
Ṣé o ní àbá, o rí àṣìṣe, tàbí o fẹ́ dábàá irinṣẹ tuntun? A ń ka gbogbo ìfiránṣẹ́, a sì ń lo àwọn àbá rẹ láti pinnu ohun tí a ó kọ́ tókàn.
💡Dábàá irinṣẹ kan