メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Decibri

Decibriは、AIエージェントおよび音声AIアプリケーションのための統合オーディオレイヤーであり、リアルタイムのマイクキャプチャ、スピーカー出力、音声活動検出を提供します。Python、Node.js、Rustのクロスプラットフォームサポートを提供し、簡単なインストールのための事前ビルドバイナリを備えています。リアルタイムシステム向けに設計されたDecibriは、音声アプリケーションのためのオーディオインフラストラクチャを簡素化し、さまざまな音声およびオーディオ処理エンジンとのシームレスな統合を可能にします。

URLを訪問
共有
Decibri のスクリーンショット
Decibri のスクリーンショット

Decibriは、AIエージェントおよび音声AIアプリケーションのために特別に設計された統合オーディオレイヤーです。マイクキャプチャ、スピーカー出力、音声活動検出(VAD)を含む、重要なリアルタイムオーディオ機能を提供します。このプラットフォームは、Python、Node.js、Rustなどの複数のプログラミング言語をサポートしており、さまざまな開発環境に対応しています。

続きを読む

Decibriの主な利点の一つは、インストールの容易さとクロスプラットフォーム互換性です。すべてのサポートプラットフォーム(Windows、macOS、Linux)向けにPythonおよびNode.js用の事前ビルドバイナリを提供し、コンパイルや複雑なビルドツールの必要性を排除します。この「ゼロセットアップ」アプローチにより、開発者はリアルタイムオーディオ機能を迅速にプロジェクトに統合できます。Python、Node.js、Rustパッケージを支えるRustコアは、ネイティブコードにコンパイルされ、オペレーティングシステムのオーディオレイヤーから直接、予測可能な低遅延オーディオを提供します。

Decibriは、OSオーディオレイヤーから直接オーディオをキャプチャし、デフォルトで16ビット符号付き整数PCM形式で100msのオーディオチャンクを提供します。これは、Vosk、sherpa-onnx、whisper.cppなどのほとんどの音声およびウェイクワードエンジンが期待する標準形式です。32ビット浮動小数点形式も利用可能です。各言語のストリームネイティブなイディオムをサポートしており、開発者はオーディオをファイル、WebSocket、または音声エージェントに効率的にパイプできます。このプラットフォームには、騒がしい環境での正確な音声検出のために、ローカルでONNX Runtimeを介して実行されるバンドルされたSilero VAD v6.2モデルも含まれています。

基本的なキャプチャと再生を超えて、Decibriはオーディオキャプチャエンジン(ACE)を通じて、DC除去、ノイズ除去、高域通過フィルタリング、自動ゲイン制御、リミティングなどの高度なオーディオ処理機能を提供します。また、マイクキャプチャからスピーカー音を除去するための音響エコーキャンセリング(AEC)も提供しています。オフライン処理のために、オーディオファイルプロセッサ(AFP)は、録音されたサンプルやメモリ内サンプルの条件付けを可能にします。Decibriは、クラウドベース(AssemblyAI、AWS Transcribe、Azure AI Speech、Deepgram、Google Cloud Speech-to-Text、Mistral Voxtral、OpenAI Realtime API)およびローカル(Sherpa-ONNX、Whisper.cpp)の多数の音声認識(STT)プロバイダーと統合されており、Kokoroモデルを使用したローカルのテキスト読み上げ(TTS)や、Sherpa-ONNXを使用したキーワードスポッティング(KWS)とも統合されています。

Decibriはリアルタイムシステム向けに構築されており、外部オーディオツールやプラットフォーム固有の処理なしで低遅延オーディオI/Oを保証します。Pythonでは`asyncio`を使用した非同期操作をサポートし、Node.jsおよびブラウザ環境の両方で単一のパッケージから動作します。`decibri-cli`ツールは、オーディオキャプチャ、再生、デバイス列挙のためのコマンドライン機能を提供し、スクリプトやCI/CDパイプラインのためのユーティリティをさらに拡張します。

  • カテゴリーAI エージェントビルダー
  • 料金モデル無料
  • デプロイローカル
  • プラットフォームWindows, macOS, Linux, Browser

  • リアルタイムマイクキャプチャ

  • スピーカー出力と再生

  • 音声活動検出(VAD)

  • クロスプラットフォームサポート(Python、Node.js、Rust)

  • ゼロセットアップのための事前ビルドバイナリ

  • 直接OSオーディオレイヤーアクセス

  • 16ビットPCMおよび32ビット浮動小数点オーディオ出力

  • 非同期APIサポート(Python用asyncio)

  • ブラウザ互換性(Node.jsパッケージ)

  • オーディオキャプチャエンジン(DC除去、ノイズ除去、AGC)

  • 音響エコーキャンセリング(AEC)

  • ローカルML音声検出(Silero VAD)

  • クラウドSTTサービスとの統合

  • ローカルSTT/TTS/KWSモデルとの統合

  • コマンドラインインターフェース(decibri-cli)

  1. Decibriをインストール: Pythonの場合は`pip install decibri`、Node.jsの場合は`npm install decibri`を使用して事前ビルドバイナリを取得します。

  2. マイクを開く: Pythonでは`decibri.Microphone.open()`、Node.jsでは`new Microphone()`を利用してオーディオキャプチャを開始します。

  3. オーディオをストリーム: Pythonイテレータ、Node.jsのReadableストリーム、またはRustチャネルを使用してオーディオチャンクを読み取ります。

  4. オーディオを処理: DC除去、ノイズ除去、音響エコーキャンセリングなどの組み込み条件付けを適用します。

  5. 音声を検出: バンドルされたSilero VADモデルを有効にしてローカル音声活動検出を行います。

  6. AIサービスと統合: 生のPCMオーディオを音声認識サービス、音声エージェント、または他のAIモデルにパイプします。

  7. オーディオを再生: DecibriのスピーカーAPIを使用してシステムスピーカーからオーディオを再生します。

  8. ファイルに録音: 簡単なオーディオ録音のために`record_to_file()`を使用するか、高度な使用ケースのために完全なストリーミング制御を行います。

  • リアルタイム音声AIエージェント
  • 音声認識統合
  • 音声活動検出
  • ASR用オーディオ録音
  • クロスプラットフォームオーディオアプリケーション
  • サーバーサイド音声バックエンド
  • キーワードスポッティング
  • フルデュプレックスオーディオ通信

Decibri のレビュー

読み込み中...

Decibri に似た人気のAIツール

Deepgram Voice Agent APIは、高度な音声認識および音声合成技術を使用してリアルタイムの音声AIエージェントを作成することを可能にします。自然な会話のためのシームレスなオーケストレーションを提供し、応答性の高い顧客インタラクションを求める企業に最適です。

AI 音声エージェント
ツールを見る

高度な音声認識および音声合成技術を使用してリアルタイムの音声AIエージェントを作成することを可能にします。自然な会話のためのシームレスなオーケストレーションを提供し、応答性の高い顧客インタラクションを求める企業に最適です。Deepgram Voice Agent APIは、高度な音声認識および音声合成技術を使用してリアルタイムの音声AIエージェントを作成することを可能にします。自然な会話のためのシームレスなオーケストレーションを提供し、応答性の高い顧客インタラクションを求める企業に最適です。

AI 音声エージェント
AI アプリ トップ250を見る

Open Voice OS

AI アプリ

Open Voice OSは、カスタム音声制御インターフェースの構築のためのコミュニティ主導のオープンソース音声AIプラットフォームです。NLP、カスタマイズ可能なUIを提供し、プライバシーとセキュリティを重視しているため、DIYスマートスピーカーや組み込みデバイスに最適です。

AI 音声エージェント

AI 音声エージェントで第89位

ツールを見る

AI アプリ

カスタム音声制御インターフェースの構築のためのコミュニティ主導のオープンソース音声AIプラットフォームです。NLP、カスタマイズ可能なUIを提供し、プライバシーとセキュリティを重視しているため、DIYスマートスピーカーや組み込みデバイスに最適です。Open Voice OSは、カスタム音声制御インターフェースの構築のためのコミュニティ主導のオープンソース音声AIプラットフォームです。NLP、カスタマイズ可能なUIを提供し、プライバシーとセキュリティを重視しているため、DIYスマートスピーカーや組み込みデバイスに最適です。

AI 音声エージェント
AI 音声エージェントで第89位

Voice.ai

AI アプリ

Voice.aiは、50以上のアプリでのリアルタイムAI音声変換と音声プラットフォームを提供し、無料の音声クローン、テキスト読み上げ、音声エージェント、開発者向けAPIおよびSDKを提供します。

AIオーディオエディターゲーム・eスポーツ

AI アプリで第239位

ツールを見る

AI アプリ

50以上のアプリでのリアルタイムAI音声変換と音声プラットフォームを提供し、無料の音声クローン、テキスト読み上げ、音声エージェント、開発者向けAPIおよびSDKを提供します。Voice.aiは、50以上のアプリでのリアルタイムAI音声変換と音声プラットフォームを提供し、無料の音声クローン、テキスト読み上げ、音声エージェント、開発者向けAPIおよびSDKを提供します。

AIオーディオエディターゲーム・eスポーツ
AI アプリで第239位

Aethex

AI アプリ

AethexAIは新興市場向けに特化したエンドツーエンドの音声エージェントを提供します。独自のモデルとローカライズされたソリューションにより、企業は音声技術を効率的に展開し、既存のシステムとのシームレスなコミュニケーションと統合を実現します。

AI 音声エージェント金融・銀行

AI 音声エージェントで第167位

ツールを見る

AI アプリ

AethexAIは新興市場向けに特化したエンドツーエンドの音声エージェントを提供します。独自のモデルとローカライズされたソリューションにより、企業は音声技術を効率的に展開し、既存のシステムとのシームレスなコミュニケーションと統合を実現します。

AI 音声エージェント金融・銀行
AI 音声エージェントで第167位

Resum

AI アプリ

Resumは、ライブ会話を指定されたAIエージェントと接続するために設計されたエンタープライズAPIおよびSDKを提供します。さまざまなソースから音声をキャプチャし、リアルタイムのトランスクリプトを生成し、セッション完了時に各AIエージェントの個別ファイルを作成します。このソリューションは、高度な会話AI統合と詳細なセッション後分析を必要とする企業向けに特化…

AI 音声エージェント
ツールを見る

AI アプリ

ライブ会話を指定されたAIエージェントと接続するために設計されたエンタープライズAPIおよびSDKを提供します。さまざまなソースから音声をキャプチャし、リアルタイムのトランスクリプトを生成し、セッション完了時に各AIエージェントの個別ファイルを作成します。このソリューションは、高度な会話AI統合と詳細なセッション後分析を必要とする企業向けに特化…Resumは、ライブ会話を指定されたAIエージェントと接続するために設計されたエンタープライズAPIおよびSDKを提供します。さまざまなソースから音声をキャプチャし、リアルタイムのトランスクリプトを生成し、セッション完了時に各AIエージェントの個別ファイルを作成します。このソリューションは、高度な会話AI統合と詳細なセッション後分析を必要とする企業向けに特化…

AI 音声エージェント
AI アプリ トップ250を見る

VideoSDK

AI アプリ

リアルタイムの音声、ビデオ、AIエージェント用のAPIとSDKを備えた開発者プラットフォームで、チームが音声/ビデオ通話、ライブストリーミング、AI音声エージェントをウェブおよびモバイルアプリに組み込むことを可能にします。

AI DevOps・クラウドツール
ツールを見る

AI アプリ

リアルタイムの音声、ビデオ、AIエージェント用のAPIとSDKを備えた開発者プラットフォームで、チームが音声/ビデオ通話、ライブストリーミング、AI音声エージェントをウェブおよびモバイルアプリに組み込むことを可能にします。

AI DevOps・クラウドツール
AI アプリ トップ250を見る

ムーンシャインは、非常に低遅延の音声認識、意図認識、音声合成機能を提供し、効率的な音声エージェントやインターフェースの作成を可能にします。音声機能をアプリケーションに統合したい開発者に最適です。

AI 音声エージェント
ツールを見る

iSpeechは、30以上の言語で自然な音声合成と音声認識を可能にする強力なテキスト読み上げAPIと音声認識SDKを提供しています。アプリケーションに音声機能を追加したい開発者や企業に最適です。

テキスト読み上げ
ツールを見る

30以上の言語で自然な音声合成と音声認識を可能にする強力なテキスト読み上げAPIと音声認識SDKを提供しています。アプリケーションに音声機能を追加したい開発者や企業に最適です。iSpeechは、30以上の言語で自然な音声合成と音声認識を可能にする強力なテキスト読み上げAPIと音声認識SDKを提供しています。アプリケーションに音声機能を追加したい開発者や企業に最適です。

テキスト読み上げ
AI アプリ トップ250を見る
1 / 8