实时噪声去除
从实时通话音频中去除环境噪声，包括咖啡馆、街道、列车及其他繁忙场所常见的声音。
面向实时通话的语音增强
Clarity 是 KugelAudio 面向实时通话和语音代理流程的语音增强模型。它将背景噪声去除与主要讲话者提取相结合，为处理音频的人员或自动化系统提供更清晰的语音信号。
该产品适用于咖啡馆、街道、列车和呼叫中心等嘈杂或多人共处环境中的通话。对于语音机器人，经过清理的信号会传递给语音转文字、轮次检测和语言模型，使这些组件能够专注于来电者，而不是周围的讲话声和噪声。
功能
主要讲话者提取
使用一段较短的参考录音跟踪指定人员并去除其他声音。没有参考录音时，则保留音量最大的讲话者。
流式处理
以 240 毫秒分块持续处理音频，而不是等待完整录音，从而支持实时对话流程。
语音代理音频清理
向语音转文字、轮次检测和语音代理使用的语言模型提供更清晰的单一讲话者信号。
已记录的延迟表现
产品页面报告称，每个 240 毫秒分块的处理时间约为 50 毫秒；当流程已使用 240 毫秒分块时，所述新增延迟约为 50 毫秒。
坐席侧语音增强
页面介绍了在繁忙的呼叫中心环境中去除背景噪声、回声和附近同事的声音，同时增强坐席声音的功能。
使用场景
嘈杂场所中的语音代理
在语音转文字和轮次检测之前清理来电者音频，降低附近对话进入转录内容或打断机器人响应周期的可能性。
移动和公共场所通话
当人们从咖啡馆、街道、列车或其他存在竞争性噪声和讲话声的环境中拨打电话时，改善传递给自动化代理的信号。
呼叫中心坐席音频
降低繁忙呼叫中心环境中的背景噪声、回声和附近同事的声音，让另一端的来电者更容易听清坐席讲话。
音频评估和上线测试
在控制面板中处理团队自己的来电录音，评估 Clarity 在上线前如何应对其对话的声学环境。
Pros and Cons
Pros
- 在一个实时处理步骤中结合噪声去除和主要讲话者提取。
- 专为连续实时音频而设计，而非完整录音。
- 可为语音代理流程中的语音转文字和轮次检测提供更清晰的输入。
- 产品页面报告了目标讲话者质量和噪声去除方面的基准结果，在所展示的比较中，Clarity 被列为最佳结果。
Cons
- 源内容描述了通过参考录音选择讲话者的流程；没有参考录音时，默认保留音量最大的讲话者。
- 在兼容的流程中，Clarity 每个 240 毫秒分块会增加约 50 毫秒的处理时间；较小的输入帧可能导致输出在输入后最多 290 毫秒才到达。
- 现有源内容未说明支持的 API、音频格式、集成方式、部署要求或 Clarity 专属定价。
FAQ
Clarity 是否支持实时音频流？
Clarity 会在音频到达时持续处理，而不是等待完整录音，因此适用于实时对话。
Clarity 会增加多少延迟？
Clarity 以 240 毫秒为分块处理音频，每个分块需要约 50 毫秒。当轮次检测已使用 240 毫秒分块时，所述新增延迟约为 50 毫秒。使用更小的输入帧时，音频可能会在输入后最多 290 毫秒输出，具体取决于其在分块中的位置。
Clarity 如何选择要保留的讲话者？
主要讲话者提取功能会使用一段较短的目标人物参考录音来进行跟踪，并去除其他声音。如果没有参考录音，Clarity 会保留音量最大的讲话者。
Clarity 能帮助语音代理理解来电者吗？
可以。Clarity 会为语音转文字、轮次检测和语音代理背后的语言模型提供更清晰的单一来电者声音，从而降低背景讲话者出现在转录内容中或触发轮次检测的可能性。
我可以使用自己的音频测试 Clarity 吗？
根据源页面，用户可以注册并在控制面板中处理自己的录音，在 10 月 30 日之前免费使用。自托管部署或更大规模的上线需要联系 KugelAudio；页面未提供更多设置或定价详情。
Quick Facts
- 类别
- 实时语音增强
- 主要用户
- 语音代理团队和呼叫中心
- 核心输入
- 实时通话音频；可使用较短的讲话者参考录音来选择讲话者
- 处理方式
- 以 240 毫秒分块进行连续流式处理
- 报告的处理时间
- 每个 240 毫秒分块约 50 毫秒
- 试用流程
- 根据源页面，在 10 月 30 日之前可通过控制面板使用自己的录音进行免费测试
Clarity 替代品
Audo Studio
Audo Studio 是一款基于浏览器的音频清理工具，可自动去除背景噪音并优化语音录音，适合创作者和开发者使用，还提供用于第三方产品批量和流式降噪的 API。
CAMB.AI Streams
CAMB.AI Streams 可为 YouTube、Twitch、X 等直播平台提供多语言实时配音，接入现有直播流程，支持常用流媒体协议，无需后期制作。
Video Effects SDK
Video Effects SDK 为网页、桌面和移动端直播视频提供实时摄像头特效，包括背景模糊、背景替换或移除、降噪、自动构图、美颜和色彩调节。
LALAL.AI
LALAL.AI 是一款 AI 音频处理平台，支持人声/伴奏分离、降噪清理和变声；可在浏览器中上传、预览并下载音频与视频文件，提供高级与企业方案。
optimo
optimo 是一款免费开源的 CLI，可用 ImageMagick 和 FFmpeg 的格式专用命令优化并转换图片和视频，帮助开发者在 shell 或 Node.js 脚本中批量处理媒体并压缩网页资源。
Kits AI
Kits AI 是一款 AI 音乐制作平台，提供人声克隆、歌声生成和人声处理工具，支持免费方案、付费套餐及 Windows 桌面应用，适合制作人和创作者的工作流程。