即時噪音移除
移除即時通話音訊中的環境噪音，包括咖啡廳、街道、火車及其他繁忙地點常見的聲音。
即時通話的語音增強
Clarity 是 KugelAudio 的即時語音增強模型，適用於即時通話及語音代理管線。它結合背景噪音移除與主要說話者擷取，為處理音訊的人員或自動化系統留下更清晰的語音訊號。
此產品適用於咖啡廳、街道、火車及客服中心樓層等嘈雜或多人共用環境中的通話。對於語音機器人，清理後的訊號會傳送至語音轉文字、輪替偵測及語言模型，讓這些元件能聚焦於來電者，而非周遭人聲與噪音。
功能
主要說話者擷取
使用短片段參考錄音追蹤指定對象並消除其他人聲。沒有參考錄音時，會保留音量最大的說話者。
串流處理
以 240 毫秒的區塊持續處理音訊，而不是等待完整錄音完成，支援即時對話工作流程。
語音代理音訊清理
為語音轉文字、輪替偵測及語音機器人使用的語言模型提供更乾淨的單一說話者訊號。
已說明的延遲特性
產品頁面指出，每個 240 毫秒區塊的處理時間約為 50 毫秒；當管線已使用 240 毫秒的區塊時，所述增加的延遲約為 50 毫秒。
客服端語音增強
頁面描述 Clarity 能在繁忙的客服中心樓層移除背景噪音、回音及附近同事的人聲，同時增強客服人員的聲音。
使用情境
嘈雜地點中的語音代理
在語音轉文字及輪替偵測之前清理來電者音訊，降低附近對話進入逐字稿或打斷機器人回應週期的可能性。
行動與公共場所通話
當人們從咖啡廳、街道、火車或其他存在相互干擾的噪音與人聲的環境打電話時，改善傳送至自動化代理的訊號。
客服中心人員音訊
在繁忙的客服中心樓層降低背景噪音、回音及附近同事的人聲，讓另一端的來電者更容易聽清客服人員的說話。
音訊評估與推出測試
在更廣泛推出之前，於儀表板處理團隊自己的來電錄音，評估 Clarity 如何處理對話中的聲學環境。
Pros and Cons
Pros
- 在單一即時處理步驟中結合噪音移除與主要說話者擷取。
- 專為持續的即時音訊設計，而非完整錄音。
- 可在語音代理工作流程中，為語音轉文字及輪替偵測提供更乾淨的輸入。
- 產品頁面提供主要說話者品質與噪音移除的基準測試結果；在所展示的比較中，Clarity 列為最佳結果。
Cons
- 來源描述了透過參考錄音選擇說話者的工作流程；沒有參考錄音時，預設會保留音量最大的說話者。
- 在相容的管線中，Clarity 的文件所述處理會在每個 240 毫秒區塊增加約 50 毫秒；較小的輸入影格可能導致輸出在輸入後最多 290 毫秒才到達。
- 現有來源未說明支援的 API、音訊格式、整合方式、部署需求或 Clarity 專屬定價。
FAQ
Clarity 支援即時音訊串流嗎？
Clarity 會在音訊到達時持續處理，而不是等待完整錄音完成，因此適合即時對話。
Clarity 會增加多少延遲？
Clarity 會以 240 毫秒的區塊處理音訊，每個區塊約需 50 毫秒。當輪替偵測已使用 240 毫秒的區塊時，所述增加的延遲約為 50 毫秒。使用較小的輸入影格時，音訊可能會在輸入後最多 290 毫秒才輸出，具體取決於其在區塊中的位置。
Clarity 如何選擇要保留的說話者？
主要說話者擷取會使用要追蹤對象的短片段參考錄音，並移除其他人聲。若沒有參考錄音，Clarity 會保留音量最大的說話者。
Clarity 能協助語音機器人理解來電者嗎？
可以。Clarity 會為語音轉文字、輪替偵測及語音代理背後的語言模型提供更乾淨的單一來電者聲音，降低背景說話者出現在逐字稿中或觸發輪替偵測的可能性。
我可以使用自己的音訊測試 Clarity 嗎？
根據來源頁面，使用者可以註冊，並在 10 月 30 日前於儀表板免費處理自己的錄音。自行託管部署或更大規模的推出需要聯絡 KugelAudio；頁面未提供進一步的設定或定價細節。
Quick Facts
- 類別
- 即時語音增強
- 主要使用者
- 語音代理團隊與客服中心
- 核心輸入
- 即時通話音訊；可使用短片段說話者參考錄音來選擇說話者
- 處理方式
- 以 240 毫秒區塊持續串流處理
- 所述處理時間
- 每個 240 毫秒區塊約 50 毫秒
- 試用流程
- 根據來源頁面，可在 10 月 30 日前於儀表板免費使用自己的錄音進行測試
Clarity 替代品
Audo Studio
Audo Studio 是一款瀏覽器版音訊清理工具，可自動去除背景雜音並調整語音錄音，適合創作者與開發者；另提供 API，支援第三方產品的批次與串流降噪。
CAMB.AI Streams
CAMB.AI Streams 可即時為直播多語配音，支援 YouTube、Twitch、X 等平台，並可透過常見串流協定無縫接入既有直播流程，免去後製步驟。
Video Effects SDK
Video Effects SDK 提供即時 webcam 特效，包括背景模糊、背景替換或移除、去噪、畫面取景、美顏與色彩調整，適用於 Web、桌面與行動端的即時視訊體驗。
LALAL.AI
LALAL.AI 是 AI 音訊處理平台，提供人聲與伴奏分離、語音清理與變聲功能，支援音訊與影片檔案的瀏覽器上傳、預覽與下載，並提供進階與企業方案。
optimo
optimo 是一款免費開源 CLI，基於 ImageMagick 與 FFmpeg，提供圖片與影片最佳化、格式轉換與批次壓縮；適合開發者整理網頁素材，並可從 Shell 或 Node.js 腳本自動化處理。
Kits AI
Kits AI 是一個 AI 音樂製作平台，提供聲音克隆、歌聲生成與人聲處理工具，另有免費方案、付費方案與 Windows 桌面應用程式，適合創作者與製作人打造工作流程。