ओपन-सोर्स क्रेडिट

वॉइस रिकॉर्डिंग की सफ़ाई

जब आप कोई आवाज़ क्लोन करते हैं, तो NueForm हमारे सर्वर पर आपकी रिकॉर्डिंग साफ़ कर सकता है (बैकग्राउंड शोर, हम और आवाज़ का स्तर) और जाँच सकता है कि साफ़ किया गया वर्शन अब भी आपकी आवाज़ जैसा लगता है। ये हमारे ऑडियो इंजन के अंदर चलते हैं:

• DeepFilterNet

  वॉइस रिकॉर्डिंग से बैकग्राउंड शोर हटाता है।

  लाइसेंस: MIT या Apache-2.0 (कोड और मॉडल वेट)

  DeepFilterNet3, Hendrik Schröter et al. द्वारा। कोड और मॉडल वेट © Hendrik Schröter।

  सोर्स: github.com/Rikorose/DeepFilterNet

• tract

  हमारे ऑडियो इंजन के अंदर शोर हटाने वाला मॉडल चलाता है।

  लाइसेंस: MIT या Apache-2.0

  tract, Sonos द्वारा।

  सोर्स: github.com/sonos/tract

• WeSpeaker CAM++ स्पीकर मॉडल

  जाँचता है कि साफ़ की गई रिकॉर्डिंग अब भी उसी व्यक्ति जैसी लगती है।

  लाइसेंस: CC BY 4.0

  स्पीकर-समानता जाँच: WeSpeaker CAM++ मॉडल (WeNet कम्युनिटी, github.com/wenet-e2e/wespeaker), VoxCeleb1 और VoxCeleb2 पर प्रशिक्षित (A. Nagrani, J. S. Chung, W. Xie, A. Zisserman, University of Oxford), CC BY 4.0 के तहत लाइसेंस प्राप्त (creativecommons.org/licenses/by/4.0)। मॉडल आर्किटेक्चर: H. Wang et al., "CAM++: A Fast and Efficient Network for Speaker Verification Using Context-Aware Masking", Interspeech 2023। WeSpeaker द्वारा ONNX में बदला गया; बिना बदलाव के उपयोग किया जाता है।

  केवल प्रशिक्षित मॉडल का उपयोग किया जाता है, VoxCeleb के ऑडियो का कभी नहीं, जिसका कॉपीराइट उसके मालिकों के पास रहता है।

  सोर्स: github.com/wenet-e2e/wespeaker