ElevenLabs Voice Isolator - 音声だけをクリアに分離

• 映画、ポッドキャスト、インタビューなどで背景ノイズを除去し、音声だけをクリアに抽出してくれる
• 最大サイズは500MB、最長1時間の音声まで対応
• 音楽ボーカル向けに設計・最適化されているわけではない（コンテンツによってはうまくいく可能性あり）
• まだリアルタイムストリーミング向けAPIは公開していないが、近日公開予定
• 利用料金は音声1分あたり1000文字

[savvykang]

Voice Isolator の料金はどれくらいですか?
Voice Isolator は、音声1分ごとに1000文字分のコストがかかります。

これはどういう意味でしょうか？ なぜ文字数が出てくるのか分かりません

[brainer]

トークンのような概念ではないですか？

GPTで画像も text token のように計算されるように。

[savvykang]

会社が提供しているほかのサービスを見ると納得できます。Speech to text to Speech 方式のようですね。だから中間テキストに対して課金しているのでしょう。

[qyurila]

一方、さまざまなオープンモデルによるボーカル分離を無料・有料で提供しているMVSepでも、数種類の音声/ノイズ分離モデルを提供しています。
https://mvsep.com

[xguru]

Adobe Podcast AIも似たような機能を提供しています。無料版もあるようです https://podcast.adobe.com/enhance

[brainer]

無料版基準では、韓国語は最適化されていない感じでしたね…。