実際に何に使われているか

これらのツールはブラウザで実行されます。何もアップロードされず、アカウントも存在しません。 必須です。制限はツールによって異なります。2 つのオーディオ フィルターには最大で パスあたり 5 分の音声、テキスト読み上げには最大 500 文字が必要です 世代ごとに。それが実際に何を意味するか、そしてそれがどこで邪魔になるかというと、 各ガイドで説明されています。

ツールは組み合わせても使えます。ノイズの多い音声サンプルを ノイズ除去 は、 生録音。音声がきれいになると音声認識も向上します。

録音のトランスクリプトと字幕

使用 AI 音声テキスト変換 インタビュー、講演、会議、または音声メモを書き写すため。オーディオ ファイルを追加するかマイクを録音し、トランスクリプトを確認して編集し、TXT、SRT、VTT、または JSON をエクスポートします。

各ファイルの長さは最大 5 分です。複数のファイルを 1 つのバッチで処理できます。モデルはブラウザにキャッシュされ、音声とトランスクリプトはデバイスに残ります。

中国語、英語、広東語、日本語、韓国語には SenseVoice Small を使用し、他の言語には Whisper Base を使用します。自動言語検出は、特にノイズがある場合には不正確になる可能性があります。可能であれば手動で言語を選択し、結果を確認してください。

雑音のある録音は、先に背景ノイズを減らしてください。

ヘッドホン向け空間音楽

使用 8Dオーディオ変換 を使うと、楽曲、環境音ループ、効果音を聴く人の周りで動かせます。音楽にはゆっくりした回転、方向を感じさせたい効果音には固定角度を試してください。書き出す前にヘッドホンで試聴し、元のモノラルミックスと比較しましょう。

回転周期、方向、開始角度、出力音量を選びます。ラウドネス正規化により、録音を同程度の音量で比較できます。ループは試聴のみに適用され、書き出しでは録音全体を1回、ステレオWAV / MP3 / AACとして保存します。

ブラウザーがデコードできる音声に対応し、上限は100 MB、10分です。ステレオ入力は1つの移動音源にミックスされます。結果はバイノーラルのヘッドホン効果で、8チャンネルのサラウンドミックスではありません。処理も書き出しも端末内で完結します。

これらの用途に共通するもの

どれも以前は、プラグインを買うか、誰か他人のサーバーにファイルを渡すかを意味していました。ここのツールは第3の道を取ります：モデルがあなたのブラウザへダウンロードされ、あなた自身のプロセッサ上で動く — だからアップロードの工程もアカウントも、計測されるものも存在しません。

上限は処理内容によって異なります。分離と文字起こしは1ファイル5分、8Dオーディオは10分、100 MBです。ローカル処理の負荷を抑えるための制限で、有料プランによる解除はありません。

これらのツールが向かない場面

• 楽曲全体のステム分離を1回で行う場合。 切り出しは練習やサンプリングには使えますが、完成させるアレンジには向きません。それにはサーバー側のサービスが適切な道具です。
• ドラム・ベース・ギターを個別のステムとして。 分離器が返すのはボーカルと伴奏だけです。
• スマートフォンや古いマシン。 ローカル処理は、性能の弱いハードウェアにはまさに不向きです。
• 自動化。 APIはありません。 AI Speech to Text は、1 つのバッチで複数のファイルをサポートしますが、ファイルごとに 5 分の制限があります。

よくある質問

Audiofilter のツールは私のファイルをアップロードしますか？

いいえ。ダウンロードしたプログラムと、必要に応じてモデルを使い、ブラウザー内で音声を処理します。ファイルは端末に保存されたままです。処理中にネットワークタブで確認できます。

なぜどのツールにも1回ごとの制限があるのですか？

ローカル処理は端末のメモリーとCPUを使います。上限はツールによって異なり、分離と文字起こしは5分、8Dオーディオは10分と100 MB、音声合成は1回500文字です。制限を解除する有料プランはありません。