Hush
Weya AI · Voz e linguagem
Hush é um modelo de aprimoramento de voz de código aberto da Weya AI feito para sistemas de voz com IA. Ele limpa o áudio ruidoso de chamadas em tempo real, suprimindo o ruído de fundo e as vozes concorrentes para que agentes telefônicos, ferramentas de transcrição e bots de voz escutem uma voz clara. Com cerca de 8 MB, roda numa CPU comum. Cada quadro de áudio de 10 ms leva menos de 1 ms para ser processado.
Sobre Hush
O que é o Hush
Hush é um modelo de aprimoramento de voz, não um aplicativo completo. A Weya AI o projetou para uma única tarefa: resgatar áudio ruim de chamadas antes que ele chegue a um fluxo de voz com IA. A maioria dos agentes de voz falha pela qualidade ruim do som, e não por modelos de linguagem fracos, e o Hush ataca esse problema na origem.
A parte interessante é o que ele mira. Ferramentas antigas de supressão de ruído lidam com sons constantes, como ventiladores, trânsito e teclas. O Hush também persegue vozes humanas concorrentes, que é o caso mais difícil para modelos de código aberto. Ele isola o interlocutor principal. Os outros falantes somem no fundo.
O detalhe é que não é uma ferramenta de consumo. Não há aplicativo de desktop nem de celular. Também não há ficha na Google Play. Você o usa por código, por um cartão de modelo no Hugging Face ou pela plataforma da Weya AI, então ele serve a desenvolvedores e equipes, não a usuários casuais.
Como começar
- Vá à página do modelo no Hugging Face ou ao repositório no GitHub para revisar o cartão do modelo, a licença e o áudio de exemplo.
- Instale as dependências, que na maioria dos casos significa Python e PyTorch.
- Carregue o modelo no seu fluxo e alimente-o com áudio mono a 16 kHz, igualando a taxa nativa de telefonia que ele espera.
- Processe o fluxo quadro a quadro na CPU e depois passe a saída limpa ao seu ASR ou agente de voz.
- As equipes que querem uma solução gerenciada podem iniciar um piloto de duas semanas com a Weya AI em vez de montar tudo sozinhas.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Hush.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores de voz com IA
- Engenheiros de call center
- Equipes de dados que lidam com gravações
Tarefas
- Limpar o áudio de chamadas ao vivo antes de transcrever
- Melhorar a compreensão do bot de voz
- Pré-processar conjuntos de áudio
Cenários
- Fluxos de cobrança e chamadas de BFSI
- Agentes telefônicos em tempo real
- Linhas de suporte em campo e móveis
Principais recursos
Processamento em tempo real na CPU
O Hush processa cada quadro de áudio de 10 ms em menos de 1 milissegundo num núcleo de CPU comum. Não precisa de GPU, o que mantém a implantação barata e deixa folga para o resto do seu fluxo. Para equipes que pesam o custo de rodar agentes de voz em escala, essa única escolha de design elimina a maior despesa de infraestrutura da pilha. Numa chamada ao vivo, isso significa que não há atraso perceptível.
Supressão de falantes de fundo
Esse é o recurso principal do Hush. Em vez de cortar só o ruído constante, ele separa o interlocutor principal das outras pessoas que falam por perto. É um problema difícil. Os modelos de código aberto mais antigos ou deixam vazar a voz concorrente na transcrição ou esmagam os dois falantes. O Hush foi treinado para evitar os dois erros.
Pegada minúscula de 8 MB
O modelo pesa cerca de 8 MB, então você pode carregá-lo dentro da sua própria nuvem ou data center sem se preocupar com armazenamento ou memória. Modelos pequenos também iniciam mais rápido. Isso importa quando você escala para muitas chamadas simultâneas.
Áudio de telefonia nativo a 16 kHz
O Hush trabalha a 16 kHz, a taxa usada por G.711, WebRTC e SIP. Essa coincidência faz com que você não precise reamostrar o áudio do telefone antes de alimentá-lo, e evita a perda de qualidade que a reamostragem costuma trazer.
Design totalmente causal
Com cerca de 20 ms de latência algorítmica e zero antecipação, o Hush usa apenas o áudio que já chegou. É isso que o torna seguro para conversas ao vivo, e não só para limpeza offline.
Treinado com mais de 10.000 horas de áudio de chamadas reais
O conjunto de treino mistura fala, ruído e falantes sobrepostos tirados de condições do mundo real. Essa amplitude é o motivo de ele aguentar em restaurantes cheios e no trânsito, e não só num laboratório silencioso.
Prós e contras
Prós
- Gratuito e de código aberto, então não há custo de licença para testá-lo na sua própria pilha.
- Roda na CPU em tempo real, o que elimina o maior custo dos modelos de voz: o hardware de GPU.
- Trata explicitamente falantes concorrentes, uma lacuna que quase todas as ferramentas de código aberto de supressão de ruído deixam aberta.
- Pequeno o bastante, 8 MB, para implantar em quase qualquer lugar.
Contras
- Sem aplicativo de consumo nem download na Google Play, então quem não é desenvolvedor não consegue simplesmente instalar e usar.
- A Weya AI ainda está ajustando uma versão para fala de fundo mais alta, o que significa que os ambientes mais barulhentos podem não estar totalmente cobertos.
- O preço além do modelo gratuito e da tarifa por uso depende da plataforma gerenciada, então você precisa contatar a Weya AI para números corporativos.
Perguntas frequentes
O Hush limpa o áudio ruidoso de sistemas de voz com IA. Ele remove o ruído de fundo e as vozes concorrentes de chamadas ao vivo para que o reconhecimento de fala e os agentes de voz trabalhem com entrada mais clara. É exatamente esse o ponto.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Hush.
Alternativas a Hush
Foley
Hanamori Labs, LLC · Voz e linguagem · Produtividade · Assistente de IAFoley é uma lista de tarefas por voz que transforma uma frase falada em tarefa arquivada, com projeto, data e hora já preenchidos, e depois ajuda você a organizar o dia com o que já está anotado.
HireKey
HireKey · Voz e linguagem · Produtividade · AprendizadoHireKey é um copiloto de busca de emprego com IA criado por uma recrutadora de tecnologia. Avalia aderência à vaga, adapta o currículo, treina entrevistas e organiza cada candidatura.
Fluence
Yay Software (Yannick Huchard) · Escrita · Voz e linguagem · ProdutividadeO Fluence é um app de Android que lê em voz alta PDF, EPUB, arquivos do Word e artigos da web, acompanha a frase falada e responde perguntas sobre o texto sem sair do celular.