Hush
Weya AI · Voz e idioma
Hush es un modelo de mejora de voz de código abierto de Weya AI pensado para sistemas de voz con IA. Limpia el audio ruidoso de las llamadas en tiempo real: elimina el ruido de fondo y las voces que compiten para que los agentes telefónicos, las herramientas de transcripción y los bots de voz escuchen una sola voz clara. Pesa unos 8 MB y corre en una CPU estándar. Cada fotograma de audio de 10 ms tarda menos de 1 ms en procesarse.
Acerca de Hush
Qué es Hush
Hush es un modelo de mejora de voz, no una aplicación completa. Weya AI lo diseñó para una sola tarea: rescatar el audio de llamada defectuoso antes de que llegue a una cadena de voz con IA. La mayoría de los agentes de voz fallan por la mala calidad del sonido más que por modelos de lenguaje débiles, y Hush ataca ese problema en su origen.
La parte interesante es a qué apunta. Las herramientas viejas de supresión de ruido se ocupan de sonidos constantes como ventiladores, tráfico y teclas. Hush también va detrás de voces humanas que compiten, que es el caso difícil para los modelos de código abierto. Aísla al interlocutor principal. Los demás hablantes se desvanecen en el fondo.
El detalle es que no es una herramienta de consumo. No hay aplicación de escritorio ni de teléfono. Tampoco aparece en Google Play. Se usa a través de código, de una tarjeta de modelo en Hugging Face o de la plataforma de Weya AI, así que está pensada para desarrolladores y equipos, no para usuarios casuales.
Primeros pasos
- Ve a la página del modelo en Hugging Face o al repositorio de GitHub para revisar la tarjeta del modelo, la licencia y el audio de ejemplo.
- Instala las dependencias, que en la mayoría de los casos son Python y PyTorch.
- Carga el modelo en tu cadena y aliméntalo con audio mono a 16 kHz, igualando la frecuencia nativa de telefonía que espera.
- Procesa el flujo fotograma a fotograma sobre CPU y luego pasa la salida limpia a tu ASR o agente de voz.
- Los equipos que quieren una solución gestionada pueden iniciar un piloto de dos semanas con Weya AI en lugar de montarlo por su cuenta.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Hush.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores de voz con IA
- Ingenieros de centros de llamadas
- Equipos de datos que manejan grabaciones
Tareas
- Limpiar el audio de llamadas en vivo antes de transcribir
- Mejorar la comprensión del bot de voz
- Preprocesar conjuntos de audio
Casos de uso
- Flujos de cobranza y llamadas de BFSI
- Agentes telefónicos en tiempo real
- Líneas de soporte en campo y móviles
Funciones clave
Procesamiento en tiempo real sobre CPU
Hush procesa cada fotograma de audio de 10 ms en menos de 1 milisegundo en un núcleo de CPU estándar. No necesita GPU, lo que mantiene barato el despliegue y deja margen para el resto de tu cadena. Para los equipos que sopesan el costo de ejecutar agentes de voz a escala, esa sola decisión de diseño elimina el mayor gasto de infraestructura de la pila. En una llamada en vivo, eso significa que no hay retardo perceptible.
Supresión de hablantes de fondo
Esta es la función estrella de Hush. En lugar de cortar solo el ruido constante, separa al interlocutor principal de otras personas que hablan cerca. Es un problema difícil. Los modelos de código abierto más viejos o dejan filtrar la voz que compite en la transcripción o aplastan a ambos hablantes. Hush se entrenó para evitar ambos fallos.
Huella minúscula de 8 MB
El modelo pesa unos 8 MB, así que puedes llevarlo dentro de tu propia nube o centro de datos sin preocuparte por el almacenamiento o la memoria. Los modelos pequeños también arrancan más rápido. Eso importa cuando escalas a muchas llamadas simultáneas.
Audio de telefonía nativo a 16 kHz
Hush trabaja a 16 kHz, la frecuencia que usan G.711, WebRTC y SIP. Esa coincidencia hace que no tengas que remuestrear el audio del teléfono antes de introducirlo, y evitas la pérdida de calidad que suele traer el remuestreo.
Diseño totalmente causal
Con unos 20 ms de latencia algorítmica y cero anticipación, Hush solo usa el audio que ya ha llegado. Eso es lo que lo hace seguro para conversaciones en vivo, no solo para la limpieza fuera de línea.
Entrenado con más de 10.000 horas de audio de llamadas reales
El conjunto de entrenamiento mezcla voz, ruido y hablantes superpuestos tomados de condiciones del mundo real. Esa amplitud es la razón por la que aguanta en restaurantes llenos y en el tráfico, y no solo en un laboratorio silencioso.
Ventajas y desventajas
Ventajas
- Gratis y de código abierto, así que no hay costo de licencia para probarlo en tu propia pila.
- Corre sobre CPU en tiempo real, lo que elimina el mayor costo de los modelos de voz: el hardware de GPU.
- Maneja explícitamente hablantes que compiten, un hueco que casi todas las herramientas de supresión de ruido de código abierto dejan abierto.
- Suficientemente pequeño, 8 MB, para desplegarlo casi en cualquier parte.
Desventajas
- Sin aplicación de consumo ni descarga en Google Play, así que quien no sea desarrollador no puede simplemente instalarlo y usarlo.
- Weya AI todavía está afinando una versión para voz de fondo más fuerte, lo que significa que los entornos más ruidosos pueden no estar cubiertos del todo.
- El precio más allá del modelo gratuito y la tarifa por uso depende de la plataforma gestionada, así que necesitas contactar a Weya AI para cifras empresariales.
Preguntas frecuentes
Hush limpia el audio ruidoso de los sistemas de voz con IA. Elimina el ruido de fondo y las voces que compiten de las llamadas en vivo para que el reconocimiento de voz y los agentes de voz trabajen con una entrada más clara. Ese es todo el punto.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Hush.
Alternativas a Hush
Foley
Hanamori Labs, LLC · Voz e idioma · Productividad · Asistente de IAFoley es una lista de tareas por voz que convierte una frase hablada en una tarea archivada, con el proyecto, la fecha y la hora ya puestos, y después te ayuda a organizar el día con lo que ya tienes anotado.
HireKey
HireKey · Voz e idioma · Productividad · AprendizajeHireKey es un copiloto de búsqueda de empleo con IA creado por una reclutadora de tecnología. Mide el encaje con el puesto, adapta el currículum, entrena entrevistas y ordena cada candidatura.
Fluence
Yay Software (Yannick Huchard) · Escritura · Voz e idioma · ProductividadFluence es una app para Android que lee en voz alta PDF, EPUB, archivos de Word y artículos web, sigue la frase que suena y responde preguntas sobre el texto sin salir del teléfono.