Hush
Weya AI · Stimme & Sprache
Hush ist ein Open-Source-Modell zur Sprachverbesserung von Weya AI für Voice-AI-Systeme. Es säubert verrauschten Anruf-Audio in Echtzeit, unterdrückt Hintergrundgeräusche und konkurrierende Stimmen, damit Telefonagenten, Transkriptionswerkzeuge und Voice-Bots eine klare Stimme hören. Mit rund 8 MB läuft es auf einer normalen CPU. Jeder 10-ms-Audioframe braucht unter 1 ms Verarbeitung.
Über Hush
Was ist Hush
Hush ist ein Modell zur Sprachverbesserung, keine vollständige App. Weya AI hat es für eine einzige Aufgabe gebaut: schlechtes Anruf-Audio retten, bevor es eine Voice-AI-Pipeline erreicht. Die meisten Voice-Agenten scheitern an schlechter Tonqualität und nicht an schwachen Sprachmodellen, und Hush packt das Problem an der Wurzel.
Interessant ist, worauf es zielt. Ältere Rauschunterdrückungswerkzeuge behandeln konstante Geräusche wie Ventilatoren, Verkehr und Tastenklicks. Hush geht zusätzlich auf konkurrierende menschliche Stimmen los, den schwierigeren Fall für Open-Source-Modelle. Es isoliert den Hauptanrufer. Andere Sprecher rücken in den Hintergrund.
Der Haken: Es ist kein Verbraucherwerkzeug. Es gibt keine Desktop-App und keine Handy-App. Auch keinen Eintrag bei Google Play. Man nutzt es über Code, eine Modellkarte auf Hugging Face oder die Plattform von Weya AI, also passt es zu Entwicklern und Teams, nicht zu Gelegenheitsnutzern.
Erste Schritte
- Gehe zur Modellseite auf Hugging Face oder zum GitHub-Repository, um Modellkarte, Lizenz und Beispielaudio zu prüfen.
- Installiere die Abhängigkeiten, was in den meisten Fällen Python und PyTorch bedeutet.
- Lade das Modell in deine Pipeline und füttere es mit Mono-Audio bei 16 kHz, passend zur native erwarteten Telefonie-Abtastrate.
- Verarbeite den Stream Frame für Frame auf der CPU und gib die bereinigte Ausgabe an deine ASR oder deinen Voice-Agenten weiter.
- Teams, die eine verwaltete Lösung wollen, starten stattdessen einen zweiwöchigen Pilot mit Weya AI.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Hush.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Voice-AI-Entwickler
- Callcenter-Techniker
- Datenteams, die Aufnahmen bearbeiten
Aufgaben
- Live-Anruf-Audio vor der Transkription säubern
- Verständnis des Voice-Bots verbessern
- Audio-Datensätze vorverarbeiten
Szenarien
- Inkasso- und BFSI-Anrufabläufe
- Echtzeit-Telefonagenten
- Außendienst- und mobile Supportleitungen
Wichtigste Funktionen
Echtzeitverarbeitung auf der CPU
Hush verarbeitet jeden 10-ms-Audioframe in unter 1 Millisekunde auf einem normalen CPU-Kern. Eine GPU ist nicht nötig, was den Einsatz günstig hält und Luft für den Rest deiner Pipeline lässt. Für Teams, die die Kosten von Voice-Agenten im großen Maßstab abwägen, entfernt diese eine Designentscheidung den größten Infrastrukturposten im Stack. In einem Live-Anruf heißt das: keine wahrnehmbare Verzögerung.
Unterdrückung von Hintergrundsprechern
Das ist Hushs Aushängeschild. Statt nur konstantes Rauschen zu kappen, trennt es den Hauptanrufer von anderen Personen, die in der Nähe sprechen. Das ist ein schweres Problem. Ältere Open-Source-Modelle lassen die konkurrierende Stimme entweder ins Transkript lecken oder zermalmen beide Sprecher. Hush wurde trainiert, beides zu vermeiden.
Winzige 8-MB-Größe
Das Modell wiegt rund 8 MB, also kannst du es in deiner eigenen Cloud oder deinem Rechenzentrum ausliefern, ohne dir Sorgen um Speicher oder Daten zu machen. Kleine Modelle starten auch schneller. Das zählt, wenn du auf viele gleichzeitige Anrufe skalierst.
Telefonie-natives 16-kHz-Audio
Hush arbeitet mit 16 kHz, der Abtastrate von G.711, WebRTC und SIP. Diese Übereinstimmung erspart dir das Neuabtasten des Telefon-Audios vor der Zufuhr und vermeidet den Qualitätsverlust, den Neuabtastung üblicherweise bringt.
Vollständig kausales Design
Mit rund 20 ms algorithmischer Latenz und null Vorausblick nutzt Hush nur Audio, das bereits angekommen ist. Genau das macht es für Live-Gespräche sicher und nicht nur für die Offline-Bereinigung.
Trainiert auf über 10.000 Stunden echter Anruf-Audios
Der Trainingssatz mischt Sprache, Rauschen und überlappende Sprecher aus realen Bedingungen. Diese Breite ist der Grund, warum es in vollen Restaurants und im Verkehr standhält und nicht nur in einem stillen Testlabor.
Vor- und Nachteile
Vorteile
- Kostenlos und Open Source, also keine Lizenzkosten, um es im eigenen Stack zu testen.
- Läuft in Echtzeit auf der CPU, was den größten Kostenfaktor von Sprachmodellen entfernt: GPU-Hardware.
- Behandelt konkurrierende Sprecher ausdrücklich, eine Lücke, die die meisten Open-Source-Werkzeuge zur Rauschunterdrückung offen lassen.
- Mit 8 MB klein genug, um fast überall zu laufen.
Nachteile
- Keine Verbraucher-App und kein Download bei Google Play, also können Nicht-Entwickler es nicht einfach installieren und loslegen.
- Weya AI feilt noch an einer Version für lautere Hintergrundsprache, was heißt, dass die härtesten lauten Umgebungen vielleicht noch nicht vollständig abgedeckt sind.
- Der Preis über das kostenlose Modell und den nutzungsbasierten Satz hinaus hängt von der verwalteten Plattform ab, also musst du Weya AI für Unternehmenszahlen kontaktieren.
Häufige Fragen
Hush säubert verrauschtes Audio für Voice-AI-Systeme. Es entfernt Hintergrundgeräusche und konkurrierende Stimmen aus Live-Anrufen, damit Spracherkennung und Voice-Agenten mit klarerer Eingabe arbeiten. Genau darum geht es.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Hush.
Alternativen zu Hush
Foley
Hanamori Labs, LLC · Stimme & Sprache · Produktivität · KI-AssistentFoley ist eine Sprach-To-do-Liste: Ein gesprochener Satz wird zur einsortierten Aufgabe mit Projekt, Datum und Uhrzeit, und danach plant die App den Tag um das, was schon auf der Liste steht.
HireKey
HireKey · Stimme & Sprache · Produktivität · LernenHireKey ist ein KI-Copilot für die Jobsuche, entwickelt von einer erfahrenen Tech-Recruiterin. Er prüft die Passung, passt den Lebenslauf an, trainiert Interviews und sammelt jede Bewerbung.
Fluence
Yay Software (Yannick Huchard) · Schreiben · Stimme & Sprache · ProduktivitätFluence ist eine Android-App, die PDF, EPUB, Word-Dateien und Web-Artikel vorliest, den gesprochenen Satz mitführt und Fragen zum Text direkt auf dem Telefon beantwortet.