Cleanvoice

Was ist Cleanvoice AI?

Cleanvoice AI ist eine KI-basierte Postproduktionsplattform für Podcasts, Interviews, Hörbücher, Kurse, Kommentare und Video-Programme. Nach dem Hochladen von Audio- oder Videodateien kann die Plattform automatisch Redewendungen, lange Stillephasen, Speichellärm, hörbares Atmen, Stottern sowie Hintergrundgeräusche erkennen und entfernen. Zudem wird die Lautstärke normalisiert, die Sprache verbessert, eine Transkription erstellt und ein Inhaltssatz zusammengefasst.

Seine Besonderheit besteht darin, wiederholende Audiosignale in vorgefertigte Profile zusammenzufassen, wodurch der Benutzer nicht frame für frame nach den Wellenformen suchen muss. Cleanvoice eignet sich besser für Dialoge und ist keine vollständige digitale Audio-Workstation.

Wenn eine präzise Musik-Mixing, Sounddesign, Automatisierung von Plugins oder Mastering-Bearbeitung erforderlich ist, sollte das Ergebnis dennoch in professionelle Software eingeführt werden, um es zu überprüfen.

Automatische Entfernung von Füllwörtern

Der Filler Words Remover dient dazu, Wörter wie „Äh“, „Ah“ sowie Füllwörter in verschiedenen Sprachen zu erkennen und den entsprechenden Audio-Teil zu entfernen. Er kann das Zögern in Vorträgen und Interviews verringern und eignet sich für Moderationen, Lehrinhalte sowie Geschäftsinhalte.

Nicht alle Füllwörter sollten entfernt werden. Einige Wörter tragen zur Betonung, zum Rhythmus oder zur Stimmung bei; ihr mechanisches Weglassen kann dazu führen, dass der Dialog hastig klingt und es zu abrupten Übergängen zwischen den Worten kommt.

Es wird empfohlen, die ursprünglichen Dateien beizubehalten und die typische Sprechgeschwindigkeit jedes Sprechers anzuhören.

Langer Stummschaltmodus und Pausenbereinigung

Silence Remover verkürzt überlange Pausen und „Dead Air“-Phasen und reduziert die zeitaufwändigen Abschnitte ohne Inhalt, die durch Warten, Nachdenken und den Wechsel der Geräte entstehen. Bei langen Podcasts kann es die Zeit, die für das manuelle Auffinden der Pausen benötigt wird, erheblich verkürzen.

Der normale Atemrhythmus, der Rhythmus vor und nach Lachen sowie die Zeit zum Nachdenken im Unterricht gehören nicht unbedingt zu den überflüssigen Stillephasen. In Interviews und Erzählformaten sollten konservativere Einstellungen verwendet werden.

Wenn ein Video ausgegeben werden soll, muss auch überprüft werden, ob die Bildwechsel natürlich sind.

Behandlung von Speichelgeräuschen, Atmung und Stottern

Die Plattform kann das Öffnen und Schließen der Lippen, Schnalzen, Klickgeräusche, deutliches Einatmen sowie wiederholte Silben erkennen und versucht, diese zu dämpfen oder zu entfernen. Sie eignet sich für Mundgeräusche, die durch Mikrofone in kurzer Entfernung entstehen, sowie für leise Störgeräusche, die in Hörbüchern und Kommentaren häufig auftreten.

Diese Laute überschneiden sich oft mit Konsonanten, Wortendungen und emotionalen Atemzügen. Eine übermäßige Verarbeitung kann plosive Laute verschlucken oder dem Satz seinen natürlichen Klang nehmen.

Vor der offiziellen Veröffentlichung sollten die Statistiken sowie die wichtigsten Schnittpunkte überprüft werden. Die automatische Bearbeitung darf nicht als Ersatz für ein manuelles Hören des Endprodukts angesehen werden.

Entfernung von Hintergrundgeräuschen

Der Hintergrundgeräuschentferner dient dazu, das Geräusch von Lüftern, Klimaanlagen, Computern sowie das allgemeine Rauschen im Raum zu verringern. Der Benutzer kann entweder nur die Geräuschreduzierung aktivieren oder sie in Kombination mit Sprachgeräuschen, Schluckgeräuschen usw. zu eigenen Bearbeitungsvorlagen zusammenstellen.

Wenn Verkehrsgeräusche, Musik, Menschenmengen sowie die Stimmen anderer Sprecher mit der zu erfassenden Stimme übereinanderfallen, kann das Algorithmus ein „unterwasserartiges“ Gefühl oder Restgeräusche erzeugen. Starke Klirrgeräusche sowie Aufnahmen aus großer Entfernung lassen sich durch Geräuschreduzierung nicht vollständig beseitigen. Deshalb sollte man während der Aufnahmephase weiterhin die Umgebung, die Entfernung zum Mikrofon sowie den Eingangssignalpegel kontrollieren.

Audio Enhancer und Studio Sound

Der Audio Enhancer kann die Klarheit der Dialoge verbessern. Studio Sound dient dazu, gewöhnliche Aufnahmen dem Klang von in einem Tonstudio aufgenommenen Aufnahmen anzunähern. Die Lautstärkennormalisierung sorgt dafür, dass die Pegel der verschiedenen Sprecher sowie der verschiedenen Abschnitte gleich sind – außerdem ermöglicht sie es den Entwicklern, im API einen Zielwert für LUFS festzulegen.

In Podcasts wird oft ein Wert von etwa -16 LUFS als Referenz für das Stereo-Klangbild verwendet, doch unterschiedliche Plattformen, monophone Programme sowie Kundenanforderungen können abweichen. Die Standardisierung befasst sich nur mit der Gesamtlautstärke und beseitigt nicht alle momentanen Spitzenwerte, Frequenzkonflikte sowie Dynamikprobleme.

Bearbeitung von Audio- und Videopodcasts

Cleanvoice kann direkt Audio- und Videodaten verarbeiten. Im Video-Modus werden die Dialoge bearbeitet, während die visuelle Qualität beibehalten wird. Dies eignet sich für Interview-Videos, Online-Kurse, Aufzeichnungen von Meetings sowie kurze Videos.

Material kann über lokale Geräte, Dateipfade, Aufnahmen oder Screenrecordings eingeführt werden.

Das Entfernen von Sätzen und Pausen verändert gleichzeitig die Zeitachse. Bei Video-Dateien können Bildwechsel, fehlerhafte Untertitel oder unkontinuierliche Lippenbewegungen auftreten. Deshalb sollte man das gesamte Video nach der Exportierung ansehen, anstatt nur den Tonträger abzuspielen.

Mehrspurige Projekte und Export der Zeitlinie

Die Plattform unterstützt einen Mehrspur-Workflow für Podcasts. Die Spuren des Moderators und der Gäste können gemeinsam hochgeladen und bearbeitet werden. Laut den derzeitigen Gebühreninformationen fallen für Mehrspur-Dateien vorerst keine zusätzlichen Kosten an, doch die offiziellen Quellen weisen darauf hin, dass sich diese Regelung in Zukunft ändern könnte.

Mit der Timeline-Export-Funktion können die automatisch erkannten Schnittentscheidungen in eine kompatible Bearbeitungsumgebung übertragen werden, um weitere Anpassungen vorzunehmen. Mehrspurige Materialien sollten denselben Startpunkt, dieselbe Abtastrate sowie klare Spaltenbezeichnungen aufweisen; außerdem sollten die unverarbeiteten Originalspuren vor dem Hochladen beibehalten werden.

Transkription, Zusammenfassung und Kapitel

Cleanvoice kann eine vollständige Transkription sowie Zeitangaben auf Absatz- und Wortebene liefern und gleichzeitig Titel, Zusammenfassungen, Kapitel, wichtige Lernpunkte sowie Beschreibungen der Sendung erzeugen. Es eignet sich zur Erstellung von Show-Notizen, Lernnotizen und zur Suche in Inhalten.

Die automatische Transkription kann durch Akzente, Eigennamen, mehrere Stimmen gleichzeitig sowie Störgeräusche beeinflusst werden; Zusammenfassungen können außerdem Bedingungen übergehen oder Ansichten als Fakten darstellen.

Personennamen, Daten, Werbeaussagen, medizinisch-rechtliche Inhalte und direkte Zitate müssen manuell überprüft werden.

Erstellung von sozialen Inhalten

Die API sowie der aktuelle Inhalt können außerdem Newsletter, Social-Media-Beiträge und Texte für berufliche Netzwerke erstellen, um eine Sendung in Werbematerialien aufzuteilen. Die Ergebnisse sollten als Entwürfe angesehen werden; vor der Veröffentlichung müssen Tonfall, Fakten, Länge sowie die Regeln der jeweiligen Plattform angepasst werden.

Unterstützte Formate

Zu den von der offiziellen Python SDK aufgeführten Audioformaten gehören WAV, MP3, OGG, FLAC, M4A, AIFF und AAC. Zu den Videoformaten zählen MP4, MOV, WebM, AVI und MKV. Bei der Exportierung kann zwischen automatischer Auswahl, MP3, WAV, FLAC oder M4A gewählt werden.

Die Lesbarkeit des Formats bedeutet nicht, dass alle Kodierungen, variable Frame-Raten sowie beschädigte Dateien ordnungsgemäß verarbeitet werden können. Ein Upload-Fehler führt nicht zu einem Abzug der Kontingentpunkte.

Bei Fehlern kann man zunächst auf ein standardmäßiges WAV- oder MP4-Format wechseln und überprüfen, ob die Datei lokal vollständig abgespielt werden kann.

Kostenloser Probemonat

Cleanvoice bietet eine kostenlose Testversion ohne Kreditkarte an, die sich eignet, um zunächst kurze Beispiele hochzuladen und den Unterschied vor und nach der Verarbeitung zu vergleichen. Auf der offiziellen Preisseite wird die kostenlose Testversion nicht als dauerhaft gültiges kostenloses Abo beschrieben, und im aktuellen öffentlichen Text wird auch keine garantierte Anzahl an Testminuten angegeben.

Daher kennzeichnet der Katalog die Preisarten als kostenlose Testversion, Pay-as-you-go, Abonnement und maßgeschneidert für Unternehmen. Benutzer, die kontinuierlich Inhalte erstellen müssen, sollten die Zahlungsmethode entsprechend der tatsächlichen Monatslaufzeit der Inhalte auswählen.

Preis- und Versionsvergleich

Preis nach Verbrauch

Pay as You Go eignet sich für Einmalkäufe und gelegentliche Nutzung. Der aktuelle offizielle Preis in US-Dollar beträgt: 5 Stunden à 11 US-Dollar, das sind ca. 2,20 US-Dollar pro Stunde; 10 Stunden à 20 US-Dollar, das sind ca. 2 US-Dollar pro Stunde.

30 Stunden für 45 Dollar, das sind etwa 1,50 Dollar pro Stunde.

Die Credits sind ab dem Kaufdatum 2 Jahre lang gültig. Alle öffentlichen Pakete beinhalten Sprachfetzen, Geräusche, Stille, Video, Speichelfluss- und Atemgeräusche, Studio-Sound, Export der Zeitachse, Transkription und Zusammenfassung – es ist kein Upgrade für einzelne Funktionen erforderlich.

Monatliche Abonnementgebühr

Die Monatsmitgliedschaft eignet sich für Programme, die wöchentlich oder regelmäßig aktualisiert werden. Der aktuelle Preis in US-Dollar beträgt: 10 Stunden à 11 US-Dollar, das sind etwa 1,10 US-Dollar pro Stunde; 30 Stunden à 30 US-Dollar, das sind etwa 1 US-Dollar pro Stunde.

100 Stunden für 90 US-Dollar, das sind etwa 0,90 US-Dollar pro Stunde. Auf der offiziellen Website kann auch eine jährliche Zahlung gewählt werden; der tatsächliche Rabatt hängt von der Zahlelseite ab.

Die ungenutzte Abonnementsmenge kann während der Laufzeit des Abonnements übertragen werden – maximal jedoch auf das Dreifache der monatlichen Paketmenge. Bei einem Plan von 10 Stunden pro Monat können beispielsweise bis zu 30 Stunden aus dem vorherigen Monat übertragen werden, sodass weiterhin die neuen Stunden für den aktuellen Monat zur Verfügung stehen.

Abrechnungsregeln für Credits

Die Abrechnung erfolgt nach der Länge des eingegebenen Materials. Die kleinste Abrechnungseinheit beträgt 1 Minute, wobei auf die nächste ganze Minute aufgerundet wird. Zum Beispiel werden 10 Minuten und 20 Sekunden als 11 Minuten berechnet.

Bei einem Uploadversagen wird keine Gebühr berechnet; wenn sowohl ein Abonnement als auch eine Pay-as-you-go-Option vorhanden sind, wird zunächst das Guthaben des Abonnements verbraucht, und falls dieses nicht ausreicht, werden die Pay-as-you-go-Credits genutzt.

Nach Kündigung der Mitgliedschaft kann die nicht genutzte Mitgliedschaftsgebühr nur bis zum Ende des aktuellen Abrechnungszeitraums genutzt werden; die nach Verbrauch berechnete Gebühr bleibt weiterhin für 2 Jahre gültig, beginnend mit dem ursprünglichen Kaufdatum.

Der offizielle Preis beinhaltet keine MwSt., der Verkaufssteuer oder Umsatzsteuer kann je nach Standort variieren.

Unternehmen und Hochverbrauchspläne

Organisationen, die monatlich mehr als 200 Stunden bearbeiten müssen, für die kundenspezifische API-Endpunkte benötigt werden, die Prioritätsunterstützung oder besondere Abrechnungsbedingungen haben, können sich um den Custom Plan bewerben. Für Batch-Workflows mit tausenden von Stunden pro Monat sind gesonderte Verhandlungen bezüglich Rabatten, Konkurrenzfähigkeit, Dateispeicherung, Servicegarantien und Datenbedingungen erforderlich.

Die Behörden bieten zudem Programme für qualifizierte Start-ups an, bei denen eine Bearbeitungszeit von 100 Stunden beantragt werden kann; die Qualifikationsvoraussetzungen und der Zugang sind auf der Antragsseite zu entnehmen.

API

Cleanvoice bietet eine offizielle API an, über die lokale Dateien oder Medien-Adressen per API-Schlüssel übermittelt werden können, Reinigungsparameter ausgewählt, Aufgaben abgerufen und die Ergebnisse heruntergeladen werden können. Das Standard-Paket eignet sich sowohl für Webanwendungen als auch für die API; Kunden mit hohem Verbrauch können angepasste Endpunkte anfordern.

Die API kann Filler, lange Pausen, Mundgeräusche, Atemgeräusche, Stottern, Geräuschentfernung, Studio-Sound, Normalisierung, Ziel-LUFS-Wert, Transkription, Zusammenfassung, sozialen Inhalt sowie Exportformate steuern.

In der Produktionsumgebung sollten API-Schlüssel auf der Serverseite gespeichert werden, und es sollten Verarbeitungen für das Hochladen, das Abfragen von Aufgaben, Zeitüberschreitungen, wiederholte Einreichungen sowie abgelaufene Download-Links erfolgen.

Python- und JavaScript-SDKs

Das offizielle Python SDK kann über das CleanVoice-SDK-Paket installiert werden. Es unterstützt Synchronisierung, Asynchronisierung, Batch-Verarbeitung, lokale Dateien, Audio in Erinnerungsspeicher, automatische Abfragen sowie den Download der Ergebnisse. Erforderlich ist Python 3.8 oder eine neuere Version. Das offizielle JavaScript SDK unterstützt Node.js und TypeScript und kann über die entsprechenden npm-Pakete installiert werden.

Der offizielle GitHub-Server bietet außerdem N8N-Community-Node, die es ermöglichen, den Abschluss von Aufgaben in automatisierten Workflows zu überwachen sowie Storage-, Veröffentlichungs- und Benachrichtigungsdienste miteinander zu verknüpfen. Die Veröffentlichung des SDKs und der Nodes bedeutet jedoch nicht, dass das Kern-AI-Modell von Cleanvoice offen zugänglich ist.

Open-Source-Zustand

Die Cleanvoice-Plattform, die Sprachverarbeitungsmodelle, der Trainingscode sowie die Modellgewichte sind nicht offen zugänglich und werden hauptsächlich als Cloud-Dienste angeboten. Die offizielle Python-SDK wird unter der MIT-Lizenz bereitgestellt. Die JavaScript-SDK sowie der Integrationsscode zur Anbindung an kommerzielle APIs unterliegen jeweils eigenen Lizenzbedingungen; diese sind in den entsprechenden Repository-Lizenzen sowie in den API-Bedingungen zu finden.

Projekte mit ähnlichen Namen auf GitHub wie CleanVoice, ClearVoice oder Audio-Enhancement-Projekte stehen möglicherweise in keinem Zusammenhang mit dem Unternehmen Cleanvoice AI und dürfen nicht als ihre lokale, offline-Version angesehen werden.

Dateispeicherung und Privatsphäre

Hinweise zur aktuellen Preisgestaltung: Die ursprünglichen sowie bearbeiteten Dateien werden 7 Tage lang gespeichert, danach dauerhaft entfernt. Die Nutzer sollten die Ergebnisse dennoch selbst herunterladen und eine lokale Kopie aufbewahren; die Cleanvoice-Aufgabenseite darf nicht als langfristiger Cloud-Speicher verwendet werden.

Bei der Bearbeitung von Kundeninterviews, Mitarbeiterbesprechungen, medizinischen, rechtlichen sowie noch nicht veröffentlichten geschäftlichen Inhalten muss sichergestellt werden, dass die Beteiligten zustimmen, wo die Daten übertragen werden, welche Vorschriften eingehalten werden müssen und wie die Löschung der Daten erfolgen soll. Die API-Workflows sollten außerdem verhindern, dass sensible Informationen über offene Download-Adressen oder in den Protokollen zugänglich werden.

Anleitung zur Verwendung von Cleanvoice AI

Eine grundlegende Aufgabe erledigen

1. Bestätigung der Aufnahmen, der Geräusche, der Musik sowie der Genehmigung der Teilnehmer;
2. Laden Sie hochwertigen Audioinhalt in Cleanvoice AI hoch oder eingeben Sie ihn dort ein;
3. Wählen Sie Einstellungen wie Sprache, Sprecher und automatische Entfernung von Füllwörtern usw.;
4. Verwenden Sie langes Stummschalten und Pausen, um Transkripte, Synchronisationen oder bearbeitete Ergebnisse zu erzeugen;
5. Überprüfen Sie Abschnitt für Abschnitt Namen, Zahlen, Pausen, Lautstärke und Stimmung;
6. Prüfen Sie vor der Exportierung das Format, die Lautstärke sowie die Anforderungen bezüglich Urheberrechten und Datenschutz.

Erstellung wiederverwendbarer professioneller Workflows

1. Erstellen Sie einen Testdatensatz mit echtem Rauschen, Akzenten und mehrsprachigen Abschnitten;
2. Vergleich der Unterschiede bei der automatischen Entfernung von Füllwörtern, langen Pausen sowie Geräuschen wie Speichelgeräuschen, Atmung und Stottern.
3. Beibehalten der ursprünglichen Aufnahmen und unveränderten Transkripte;
4. Vor der Veröffentlichung für die Öffentlichkeit eine mündliche Anhörung anberaumen;
5. Statistische Auswertung der Verarbeitungszeit, Fehlerquote und Verbrauch von Limits;
6. Regelmäßige Aktualisierung des Glossars, der Lizenzen für Töne und der Löschrichtlinien;

Für welche Nutzer geeignet?

• Podcast-Team, das regelmäßig Interviews und Gesprächsformate produziert;
• Kreator:innen, die Hörbücher, Kommentare sowie Aufzeichnungen von Online-Kursen und Meetings bearbeiten;
• Ein Editor, der die wiederholten Ausdrücke, Pausen und Mundgeräusche in großen Mengen reduzieren muss;
• Operatoren, die eine automatische Erstellung von Transkripten, Kapiteln, Zusammenfassungen und Werbetexten wünschen;
• Entwickler, die Audio- und Videobearbeitungsprozesse über API, Python, JavaScript oder n8n erstellen.

Vorteile des Produkts

• Verschiedene Aufgaben zur Bearbeitung von Dialogen in einem einzigen Prozess zusammenfassen;
• Alle öffentlichen Pakete bieten vollständige Funktionen und unterscheiden sich hauptsächlich nach der Verarbeitungsdauer.
• Es wird gleichzeitig Support für Pay-as-you-go-Pakete, Abonnements und maßgeschneiderte Lösungen für Unternehmen bereitgestellt.
• Die Abonnementsgrenzen können übertragen werden, die Mengengrenzen gelten 2 Jahre lang;
• Unterstützung von Audio, Video, mehreren Spuren, Zeitlinie sowie verschiedenen Exportformaten;
• Offizielle API sowie Python- und JavaScript-SDKs werden bereitgestellt.

Einschränkungen und Hinweise

• Automatische Löschung kann Interjektionen, Atemzüge, Konsonanten und natürliche Pausen versehentlich entfernen; außerdem entstehen beim Video Sprünge.
• Die Plattform berechnet die Gebühren nach oben gerundet anhand der eingegebenen Dauer, nicht anhand der letztendlich verkürzten Dauer.
• Ungenutzte Abonnementspunkte nach Kündigung werden nicht dauerhaft beibehalten.
• Die Ergebnisse in der Cloud werden nur 7 Tage lang gespeichert, und das Kernmodell kann nicht lokal installiert werden.
• Transkriptionen, Zusammenfassungen und Social-Media-Texte können Fehler enthalten. Formelle Programme erfordern weiterhin eine manuelle Prüfung, Überprüfung der Fakten, Lautstärkekontrolle sowie Bestätigung der Urheberrechte.

Häufige Fragen

Ist Cleanvoice AI kostenlos?

Es wird eine kostenlose Testversion ohne Kreditkarte angeboten, doch die offizielle Website beschreibt dies derzeit nicht als dauerhaft kostenlosen Plan. Für eine kontinuierliche Nutzung müssen Credits nach Verbrauch oder monatliche/jährliche Abonnements erworben werden.

Wie viel kostet Cleanvoice AI?

Paketpreise beginnen bei 11 US-Dollar für 5 Stunden; Monatsabonnements beginnen bei 11 US-Dollar für 10 Stunden.

Abonnement für 30 Stunden: 30 US-Dollar, Abonnement für 100 Stunden: 90 US-Dollar. Es handelt sich um offizielle Preise in US-Dollar, ohne Mehrwertsteuer.

Verfällt die nicht genutzte Kreditlinie?

Nach dem Kauf einer Gebührenbasierten Lizenz gilt diese 2 Jahre lang. Bei anhaltender Mitgliedschaft kann die Abonnementgebühr maximal das Dreifache der monatlichen Paketgebühr betragen;

Nach der Stornierung kann es nur bis zum Ende des aktuellen Abrechnungszeitraums verwendet werden.

Wird Chinesisch-Slang unterstützt?

Das Produkt betont die Erkennung mehrsprachiger Umgangssprache; die tatsächliche Genauigkeit hängt von Mandarin, Dialekten, Akzenten und der Qualität der Aufnahmen ab. Für formelle chinesische Projekte sollten zunächst kurze Proben getestet sowie manuell angehört werden.

Hat Cleanvoice eine API?

Ja. Offiziell werden API-Dokumentationen, ein Python SDK, ein JavaScript SDK sowie n8n-Node bereitgestellt. Sowohl die Web-Pakete als auch die API werden nach der verarbeiteten Zeit in Credits abgerechnet.

Ist Cleanvoice Open Source?

Die Kernplattform sowie die AI-Modelle sind nicht unter Open Source verfügbar; das offizielle Python SDK wird unter der MIT-Lizenz bereitgestellt, wobei das SDK lediglich zur Aufrufung von Cloud-Diensten dient.