Hush
Weya AI · Voix et langage
Hush est un modèle d'amélioration de la parole open source de Weya AI conçu pour les systèmes de voix IA. Il nettoie l'audio bruyant des appels en temps réel, en supprimant le bruit de fond et les voix concurrentes pour que les agents téléphoniques, les outils de transcription et les bots vocaux entendent une seule voix claire. Il pèse environ 8 Mo et tourne sur un CPU standard. Chaque trame audio de 10 ms demande moins de 1 ms de traitement.
À propos de Hush
Qu'est-ce que Hush
Hush est un modèle d'amélioration de la parole, pas une application complète. Weya AI l'a conçu pour une seule tâche : sauver un audio d'appel dégradé avant qu'il n'atteigne une chaîne de voix IA. La plupart des agents vocaux échouent à cause d'un son médiocre plutôt que de modèles de langage faibles, et Hush s'attaque au problème à la source.
Le plus intéressant est ce qu'il vise. Les anciens outils de suppression du bruit traitent les sons constants comme les ventilateurs, la circulation et les frappes de clavier. Hush s'attaque aussi aux voix humaines concurrentes, le cas le plus difficile pour les modèles open source. Il isole l'interlocuteur principal. Les autres locuteurs s'effacent en arrière-plan.
Le hic, c'est que ce n'est pas un outil grand public. Il n'y a ni application de bureau ni application mobile. Pas de fiche sur Google Play non plus. Vous l'utilisez via du code, une fiche de modèle sur Hugging Face ou la plateforme Weya AI, donc il vise les développeurs et les équipes, pas les utilisateurs occasionnels.
Pour commencer
- Rendez-vous sur la page du modèle sur Hugging Face ou sur le dépôt GitHub pour consulter la fiche du modèle, la licence et un exemple audio.
- Installez les dépendances, ce qui veut dire Python et PyTorch dans la plupart des cas.
- Chargez le modèle dans votre chaîne et alimentez-le avec de l'audio mono à 16 kHz, en calant la fréquence native de téléphonie qu'il attend.
- Traitez le flux trame par trame sur CPU, puis passez la sortie nettoyée à votre ASR ou à votre agent vocal.
- Les équipes qui veulent une solution gérée peuvent lancer un pilote de deux semaines avec Weya AI plutôt que de tout câbler elles-mêmes.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Hush.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs de voix IA
- Ingénieurs de centres d'appels
- Équipes données qui traitent des enregistrements
Tâches
- Nettoyer l'audio d'appels en direct avant transcription
- Améliorer la compréhension du bot vocal
- Prétraiter des jeux de données audio
Cas d'usage
- Flux d'appels de recouvrement et de BFSI
- Agents téléphoniques en temps réel
- Lignes de support terrain et mobiles
Fonctionnalités clés
Traitement en temps réel sur CPU
Hush traite chaque trame audio de 10 ms en moins d'une milliseconde sur un cœur CPU standard. Aucun GPU n'est nécessaire, ce qui garde le déploiement bon marché et laisse de la marge pour le reste de votre chaîne. Pour les équipes qui pèsent le coût d'agents vocaux à grande échelle, ce seul choix de conception supprime la plus grosse dépense d'infrastructure de la pile. Sur un appel en direct, cela veut dire aucun délai perceptible.
Suppression des locuteurs de fond
C'est la fonction phare de Hush. Au lieu de couper seulement le bruit constant, il sépare l'interlocuteur principal des autres personnes qui parlent à proximité. C'est un problème difficile. Les anciens modèles open source soit laissent fuiter la voix concurrente dans la transcription, soit écrasent les deux locuteurs. Hush a été entraîné pour éviter ces deux échecs.
Empreinte minuscule de 8 Mo
Le modèle pèse environ 8 Mo, donc vous pouvez l'embarquer dans votre propre cloud ou centre de données sans vous soucier du stockage ou de la mémoire. Les petits modèles démarrent aussi plus vite. Cela compte quand vous montez en charge sur de nombreux appels simultanés.
Audio de téléphonie natif à 16 kHz
Hush travaille à 16 kHz, la fréquence utilisée par G.711, WebRTC et SIP. Cette correspondance évite de rééchantillonner l'audio téléphonique avant de l'injecter, et vous échappez à la perte de qualité que le rééchantillonnage introduit d'ordinaire.
Conception pleinement causale
Avec environ 20 ms de latence algorithmique et zéro anticipation, Hush n'utilise que l'audio déjà arrivé. C'est ce qui le rend sûr pour les conversations en direct, et pas seulement pour le nettoyage hors ligne.
Entraîné sur plus de 10 000 heures d'audio d'appels réels
Le jeu d'entraînement mêle parole, bruit et locuteurs superposés tirés de conditions réelles. C'est cette ampleur qui lui permet de tenir dans des restaurants bondés et dans la circulation, et pas seulement dans un laboratoire silencieux.
Avantages et inconvénients
Avantages
- Gratuit et open source, donc aucun coût de licence pour le tester dans votre propre pile.
- Tourne sur CPU en temps réel, ce qui supprime le plus gros coût des modèles vocaux : le matériel GPU.
- Gère explicitement les locuteurs concurrents, une lacune que la plupart des outils open source de suppression du bruit laissent ouverte.
- Assez petit, 8 Mo, pour se déployer presque n'importe où.
Inconvénients
- Ni application grand public ni téléchargement sur Google Play, donc un non-développeur ne peut pas simplement l'installer et s'en servir.
- Weya AI affine encore une version pour les paroles de fond plus fortes, ce qui veut dire que les environnements les plus bruyants ne sont peut-être pas entièrement couverts.
- Le tarif au-delà du modèle gratuit et du paiement à l'usage dépend de la plateforme gérée, donc il faut contacter Weya AI pour des chiffres en entreprise.
Questions fréquentes
Hush nettoie l'audio bruyant des systèmes de voix IA. Il retire le bruit de fond et les voix concurrentes des appels en direct pour que la reconnaissance vocale et les agents vocaux travaillent sur une entrée plus claire. C'est tout l'intérêt.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Hush.
Alternatives à Hush
Foley
Hanamori Labs, LLC · Voix et langage · Productivité · Assistant d’IAFoley est une liste de tâches vocale qui transforme une phrase prononcée en tâche classée, projet, date et heure compris, puis vous aide à organiser la journée à partir de ce qui est déjà noté.
HireKey
HireKey · Voix et langage · Productivité · ApprentissageHireKey est un copilote de recherche d'emploi IA conçu par une ancienne recruteuse tech. Il évalue l'adéquation au poste, adapte le CV, entraîne aux entretiens et suit chaque candidature.
Fluence
Yay Software (Yannick Huchard) · Rédaction · Voix et langage · ProductivitéFluence est une application Android qui lit à voix haute vos PDF, EPUB, fichiers Word et articles web, suit la phrase prononcée et répond aux questions sur le texte sans quitter le téléphone.