آفونیک

آفونیک (auphonic.com) یک سرویس وب اتریشی برای پس‌تولید خودکار صداست که شرکت Auphonic GmbH از سال ۲۰۱۳ در گراتس آن را می‌سازد و خودش را «مهندس صدای هوش مصنوعی» می‌نامد. «بهینه‌سازی و تنظیم کیفیت فایل صوتی» توصیف درستی است، ولی همه‌ی کارش نیست. فایل صوتی یا ویدئویی را آپلود می‌کنید (یا از دراپ‌باکس، گوگل‌درایو، FTP و سرویس‌های دیگر می‌آورید)، یک پیش‌تنظیم انتخاب می‌کنید و بقیه‌اش خودکار است. Adaptive Leveler اختلاف بلندی صدای گوینده‌ها و موسیقی و گفتار را یکسان می‌کند. نرمال‌سازی بلندی صدا را هم مطابق هدفی که تعیین می‌کنید انجام می‌دهد، مثلاً ‎-16 LUFS برای پادکست یا استانداردهای EBU R128، Audible و Netflix. حذف نویز و ریورب را هم با چند روش انجام می‌دهد (با حفظ یا حذف موسیقی، فقط نویز ثابت، یا جداسازی کامل گفتار) و مقدار حذف نویز، ریورب و نفس قابل تنظیم است.

بخش فیلتر شامل Voice AutoEQ با حذف «س»های تیز (De-Esser) و ضربه‌های «پ» (De-Plosive) و Bandwidth Extension برای برگرداندن فرکانس‌های بالای صدای تلفنی یا قدیمی است. از ژوئیه‌ی ۲۰۲۶ مدل Studio Voice (بتا) هم اضافه شده که صدای خراب، فشرده یا کلیپ‌شده را بازسازی می‌کند. سکوت، سرفه، موسیقی و کلمات پرکننده را از صدا و ویدئو خودکار می‌بُرد و فهرست برش‌ها را برای Audition، Audacity، REAPER، DaVinci Resolve و Final Cut خروجی می‌دهد. حالت چندترکه ترک‌های چند میکروفون را با داکینگ خودکار موسیقی، نویزگیت و حذف نشت صدا میکس می‌کند. تشخیص گفتار با Whisper (حدود ۱۰۰ زبان)، شونوت و فصل‌بندی خودکار، زیرنویس سوخته روی ویدئو (از ژوئیه‌ی ۲۰۲۶)، ساخت audiogram، انتشار خودکار در یوتیوب و سرویس‌های پادکست، Watch Folder، Zapier، CLI و API هم دارد. در ادیتور وب هم می‌شود نتیجه را دستی تنظیم کرد، مثلاً منحنی گین که از سپتامبر ۲۰۲۶ قابل ویرایش است.

پلن رایگان ماهی ۲ ساعت پردازش با همه‌ی الگوریتم‌های پایه می‌دهد، ولی خروجی کاربران رایگان جینگل آفونیک دارد، تشخیص گفتار و شونوت خودکار ندارد و پروژه‌ی چندترکه‌اش باید زیر ۲۰ دقیقه باشد. اعتبار ماهانه: S با ۹ ساعت ماهی ۱۳ دلار، M با ۲۱ ساعت ۳۰ دلار، L با ۴۵ ساعت ۶۴ دلار، XL با ۱۰۰ ساعت ۱۳۶ دلار و XXL با ۲۵۰ ساعت ۲۹۰ دلار. پرداخت سالانه حدود ۲۰٪ ارزان‌تر است (S ماهی ۱۱ دلار). اعتبار ماهانه به ماه بعد منتقل نمی‌شود. اعتبار یک‌باره هم هست که هیچ‌وقت منقضی نمی‌شود: ۵ ساعت ۱۲ دلار، ۱۰ ساعت ۲۳ دلار، ۲۵ ساعت ۵۵ دلار، ۵۰ ساعت ۱۰۰ دلار و ۱۰۰ ساعت ۱۷۱ دلار. قیمت‌ها بدون مالیات است، هر تولید حداقل ۳ دقیقه حساب می‌شود و اگر از نتیجه راضی نباشید اعتبار برمی‌گردد. اپ دسکتاپ قدیمی آفونیک متوقف شده و محصول فعلی سرویس وب و API است.

نکته‌های کاربر فارسی‌زبان: پرداخت از طریق FastSpring و با PayPal یا کارت بین‌المللی است (اعتبار یک‌باره را با حواله‌ی بانکی هم می‌شود خرید). پردازش صدا (یکسان‌سازی بلندی، حذف نویز و ریورب، فیلترها و برش سکوت) به زبان وابسته نیست و روی پادکست فارسی کار می‌کند. الگوریتم حذف کلمات پرکننده با داده‌ی انگلیسی، آلمانی و زبان‌های لاتین آموزش دیده است. خود آفونیک می‌گوید روی زبان‌های هم‌آوا هم خوب جواب می‌دهد، ولی فارسی را نام نبرده؛ پس روی «اِ» و «اوم» فارسی تست کنید. ترنسکریپت با Whisper است که فارسی را پشتیبانی می‌کند. طبق شرایط استفاده، آفونیک ممکن است بخشی از فایل‌های شما را برای بهبود الگوریتم‌هایش نگه دارد و کارمندانش آن را بشنوند. فایل‌های صوتی بعد از ۲۱ روز و ویدئوها بعد از ۷ روز پاک می‌شوند.