Uhm
Rilevamento di intercalari on-device che marca ogni um, uh e hmm con precisione di 20 ms: un'ora di audio in 12 s.
Trova e togli ogni intercalare.
Un episodio di un'ora viene analizzato in 12 s su un iPhone 17 Pro. Un intero catalogo è un lavoro in batch che lanci in locale, non una fattura cloud.
Uhm ci riesce saltando il passaggio della trascrizione. Di solito, per trovare un «um», si trascrive l'intero file e si cerca nel testo. E comunque una trascrizione non aiuterebbe: modelli come Whisper omettono gli intercalari dall'output, quindi gli um nel testo non compaiono mai.
Uhm legge invece la forma d'onda e segna ogni intercalare che sente, così un montatore può tagliarli o una pulizia con un clic può asciugare tutta la ripresa. Apri un file audio o video e ogni intercalare è elencato con il suo tempo, così ne clicchi uno e ci arrivi.
Su Apple gira la build Core ML da 45 MB. La demo nel browser e un backend Python eseguono lo stesso modello come 51 MB di ONNX, così un editor web e un lavoro in batch si comportano allo stesso modo.
10 minuti di audio in 2 s.
296x rispetto al tempo reale su iPhone 17 Pro, 279x su iPad Pro M4 e 169x su iPhone 15 Pro, con una previsione ogni 20 ms.
Fattore di tempo reale (durata dell'audio sul tempo di analisi), Core ML fp16, a caldo (interno)
| Dispositivo | Fattore di tempo reale |
|---|---|
| iPhone 17 Pro | 296x |
| iPad Pro (M4) | 279x |
| iPhone 15 Pro | 169x |
Benchmark interni. Addestrato sull'inglese; il trasferimento a spagnolo, francese, tedesco e olandese è acustico e non è stato misurato a parte.
Casi d'uso
Ripulisci un intero catalogo in una notte.
Taglia ogni riempitivo sulla timeline
Segna ogni «um» e ogni «uh», così un montatore, o una pulizia con un clic, può asciugare una registrazione senza fare prima un passaggio di trascrizione.
Una timeline dei riempitivi nel browser
In un editor web, ogni intercalare di un file audio o video è elencato con un tempo su cui cliccare per saltarci, calcolato lato client, senza upload e senza una coda di worker dietro.
Togli gli «um» prima che arrivino nel testo
Segnala le disfluenze nell'audio e tienile fuori dalle parole che arrivano nella trascrizione, così il testo finale si legge come chi parlava voleva dire la frase.
Allenarsi a parlare in pubblico
Conta quante volte chi parla ricorre a un riempitivo nell'arco di un intervento registrato e mostragli l'andamento, in un'app di esercitazione che non carica mai la sua voce.
Ispirazione
Idee da costruire con Uhm. Copia un prompt nel tuo coding agent e parti.
Add a 'remove ums' button to a podcast or video editor.
Build a speaking coach that counts and marks your filler words.
Show a filler-word timeline for any recording.
A clean, filler-free transcript from a raw, noisy recording.
Trim every filler from a talking-head take automatically.
Cosa fa il modello
- Preciso al frame: accurato a 20 ms.
- Rilevamento acustico: funziona direttamente sulla forma d'onda, senza trascrizione.
- Preset
Bias: precisione, bilanciato o recall. - Addestrato sull'inglese, si trasferisce a spagnolo, francese, tedesco e olandese senza riaddestramento.
Per iniziare
Aggiungi rilevamento delle parole riempitive alla tua app iOS or macOS in poche righe di codice. Documentazione di Uhm.
// Swift Package Manager
.package(url: "https://github.com/Desert-Ant-Labs/desert-ant-core", from: "3.5.0")
// target dependency
.product(name: "Uhm", package: "desert-ant-core")import Uhm
let result = try await Uhm().analyze(audioURL: url)
for f in result.fillers { print(f.start, f.end, f.type ?? .other) }Add Uhm from Desert Ant Labs to this Swift project (iOS, macOS). What it does: rilevamento delle parole riempitive on-device per audio e video. SDK: Swift (iOS, macOS) Repo: https://github.com/Desert-Ant-Labs/desert-ant-core#readme // Swift Package Manager .package(url: "https://github.com/Desert-Ant-Labs/desert-ant-core", from: "3.5.0") // target dependency .product(name: "Uhm", package: "desert-ant-core") Reference: - Model page: https://desertant.com/models/uhm/ - Full catalog and other models: https://desertant.com/llms.txt Add the SDK, then follow its README for the exact API and current version. Do not invent API names or method signatures; confirm them against the README.
Specifiche
- Risoluzione
- Risoluzione di 20 ms
- Modello
- Acustico, senza trascrizione
- Dimensione sul dispositivo
- 45 MB Core ML (Apple); 51 MB ONNX (browser, server)
- Lingue
- Inglese; si trasferisce a spagnolo, francese, tedesco e olandese
- Velocità
- 296x rispetto al tempo reale su iPhone 17 Pro
Uhm è stato addestrato sull'inglese, e le quattro lingue a cui si trasferisce non sono state misurate su dati di riferimento per ciascuna lingua. Uhm dà il meglio su audio di podcast, riunioni e video con volti parlanti.
Musica di sottofondo forte, risate o più persone che parlano sovrapponendosi gli costano accuratezza. Fidati più della risposta intercalare o non intercalare che dell'etichetta: se un intercalare fosse un «uh», un «um» o un «hmm» è la metà meno affidabile del risultato.
FAQ
Cos'è Uhm?
Rilevamento di intercalari on-device che marca ogni um, uh e hmm con precisione di 20 ms: un'ora di audio in 12 s.
Uhm funziona sul dispositivo?
Sì. Uhm funziona sul dispositivo, senza chiamate a un server, quindi i dati restano con l'utente.
Quali piattaforme supporta Uhm?
Uhm è distribuito come SDK nativo on-device per Swift.
Quanto costa Uhm?
Ogni modello è gratuito fino a 100k dispositivi attivi mensili. L'inferenza è illimitata. Contattaci per licenze personalizzate.
Quanto è preciso o veloce Uhm?
296x rispetto al tempo reale su iPhone 17 Pro, 279x su iPad Pro M4 e 169x su iPhone 15 Pro, con una previsione ogni 20 ms.