Hangstúdió a böngészőben. Felvétel, hangjavítás, zajszűrés, vágás, keverés és hangszerek egy helyen, telepítés nélkül.
A sound studio in your browser. Recording, voice repair, noise reduction, editing, mixing and instruments in one place, nothing to install.
Rólunk
About us
Az Alexandrit egy 2025 áprilisa óta fejlesztett webes hangstúdió. 2022-ben asztali alkalmazásnak indult, ami korai AI-technológiával, valós időben javította volna stúdióminőségűre a mikrofonod hangját, de hamar felváltották a nagy cégek megoldásai, ezért felhagytunk a projekttel.
Most viszont az a célunk, hogy megkönnyítsük a dolgodat. Olyan szolgáltatásokkal, mint például az Autocut, ami a nyers hangfelvételed utáni munkálatokban segít, akár teljesen automatikusan, akár segédfunkcióként, néhány kattintással és mindössze pár perc alatt hozhatod ki a legtöbbet az otthoni eszközeidből.
Nyílt forráskódú AI-megoldásokat használunk, ezért a kínálatunk teljesen díjmentes. Amit lehet, azt a böngésződ memóriájában tároljuk, és a Te gépeden fut (Vágó, Szinkron, sávbontás, Autocut, hangszerek), a Hangjavító és a Mix & Master viszont a szerverünkön dolgozik. Erről részletesebben alul olvashatsz.
Alexandrit is a web-based sound studio, in development since April 2025. In 2022 it started as a desktop app that would have used early AI to bring your microphone's sound to studio quality in real time, but the big companies' solutions soon took its place, so we gave up on the project.
But now our goal is to make things easier for you. With services like Autocut, which helps with the work after your raw recording, either fully automatically or as a helper, you can get the most out of your home gear in a few clicks and just a few minutes.
We use open source AI solutions, so everything we offer is completely free. Whatever we can, we keep in your browser's memory and run on your machine (Editor, Undub, stem split, Autocut, instruments), while the Enhancer and Mix & Master work on our server. You can read more about this below.
Funkciók
Features
Vedd fel a hangod, vagy tölts fel egy fájlt (videót is), és kérd vissza Crystal vagy Prism hangzással, kérésre zajszűréssel. Letöltés MP3, WAV, FLAC, OGG, M4A formátumban, és az eredeti is letölthető.
Record your voice or upload a file (video too) and get it back with the Crystal or Prism sound, noise reduction on request. Download as MP3, WAV, FLAC, OGG or M4A, the original too.
Egy gombnyomással rövidíti a hosszú szüneteket, kivágja vagy lehalkítja a levegővételeket, és kivágja az elrontott, újrakezdett mondatrészeket.
One click shortens long pauses, cuts or ducks breaths and removes the stumbled starts you read again.
Felolvasó: betöltöd a szöveget (TXT, DOCX, PDF…), és felvétel közben görgeti magát, tempóra vagy a hangodat követve.
A prompter: load your script (TXT, DOCX, PDF…) and it scrolls while you record, at a set pace or following your voice.
Többsávos hangvágó: események feldarabolása, mozgatása, fade-ek és áttűnések, ripple, markerek, hangerő-görbe, sávonkénti hangerő, pan, némítás és szóló. A projekt a böngésződben mentődik, és projektfájlként is letölthető.
A multitrack audio editor: split and move events, fades and crossfades, ripple, markers, volume envelopes, per-track volume, pan, mute and solo. The project is saved in your browser and can be downloaded as a project file.
YouTube- vagy saját videó szinkronizálása mondatonként: felirat a YouTube-ról vagy gépi felismeréssel, felvétel soronként, az eredeti hang halkítása vagy a beszéd kivétele. Export hangként, SRT-ként, saját videónál kész videóként.
Dub a YouTube or your own video line by line: subtitles from YouTube or speech recognition, a take per line, the original ducked or its speech taken out. Export as audio, SRT, and for your own video as a finished video.
31 effekt láncba fűzve: pitch shifter, tempó, reverse, zengető, visszhang, chorus, torzítás, robot, telefon, rádió és társaik, előhallgatással.
31 effects in a chain: pitch shifter, tempo, reverse, reverb, echo, chorus, distortion, robot, telephone, radio and more, with preview.
Ének és alap összekeverése (az alap YouTube-linkről is jöhet), hangolás, majd kész dal masterelése. 6 keverési és 6 master előbeállítás, finomhangolással.
Mix a vocal over a beat (the beat can come from a YouTube link), tuning, then master a finished song. 6 mix and 6 master presets with fine-tuning.
58 hangszer és 2 dobkészlet billentyűzetről, egérrel vagy MIDI-ről. Dúdolj egy dallamot, és bármelyik hangszer eljátssza; a beatboxból dobtéma lesz.
58 instruments and 2 drum kits from the keyboard, the mouse or MIDI. Hum a tune and any instrument plays it; beatbox turns into a drum pattern.
Egy mintából szeletekre bontott padokat vagy egyhangos billentyűs hangszert készíthetsz. A sávbontás gépi tanulással ének, dob, basszus és egyéb sávra választja szét a mintát, a te gépeden.
Turn a sample into sliced pads or a one-shot keyboard instrument. The stem split separates it into vocals, drums, bass and other with machine learning, on your machine.
Egy munkafelület: fájlböngésző, lejátszási lista, rack, piano roll és keverő, a hangszerekkel együtt.
One workspace: browser, playlist, rack, piano roll and mixer, together with the instruments.
Módszerek
Methods
Kíméletes javító lánc beszédre, ebben a sorrendben:
A gentle repair chain for speech, in this order:
Fényes, hangos hangzás javítás nélkül: EQ, majd limiter két lépésben (felülmintavételezve, hogy a mintavételek közti csúcsok se torzuljanak), −11 LUFS hangosságra.
A bright, loud sound without repair: EQ, then a limiter in two passes (oversampled, so peaks between samples do not distort either), to −11 LUFS.
A Crystal vagy Prism lánc után fut. A szünetekből megtanulja a háttérzaj színképét, és a teljes felvételből azt vonja ki (spektrális zajszűrés). Utána egy beszédkapu a szüneteket szinte teljesen elnémítja, előre figyelve, hogy a szavak eleje ne vesszen el. Végül visszaállítja a beállítás hangosságát.
Runs after the Crystal or Prism chain. It learns the spectrum of the background noise from the pauses and takes it out of the whole take (spectral noise reduction). A look-ahead speech gate then silences the pauses almost fully without cutting word onsets. Finally the preset's loudness is restored.
A felvételt 10 ms-os szeletekre bontja, és mindegyiknél méri a hangerőt, a hangmagasság jelenlétét és a hangszínt. Levegővétel: hangmagasság nélküli, halk, 1,5–3,3 kHz körüli zaj, a beszédnél legalább 10 dB-lel halkabb. Botlás: ha egy mondatrész eleje vagy vége ugyanúgy szól, mint a rá következő mondat eleje, az elrontott próbálkozás megy, az újrakezdés marad (hangszín-összevetés időben nyújtható illesztéssel, DTW). Felolvasóval rögzítve a szöveg követéséből is felismeri az újrakezdést.
It cuts the take into 10 ms frames and measures level, pitch presence and tone colour in each. A breath: pitchless, quiet noise around 1.5–3.3 kHz, at least 10 dB under the voice. A stumble: when the start or end of a phrase sounds like the start of the next phrase, the failed attempt goes and the restart stays (tone colour compared with time-warping alignment, DTW). Recorded with the prompter, restarts are also found from the text tracking.
A dúdolás alaphangját a YIN-módszer becsli pillanatról pillanatra, ebből hangjegyek lesznek (kezdet, hossz, hangmagasság, hajlítás). Ezeket játssza el a kiválasztott hangszer; a beatboxnál a hangszín alapján dönti el, mi lábdob, pergő vagy cintányér.
The pitch of the hum is estimated moment by moment with the YIN method and turned into notes (onset, length, pitch, bends) that the chosen instrument plays; for beatbox the tone colour decides kick, snare or hi-hat.
HTDemucs neurális háló, az ONNX Runtime Web futtatja a gépeden: videókártyán (WebGPU), ha a böngésző támogatja, különben a processzoron. A kb. 172 MB-os modellt egyszer tölti le, utána a böngésző megjegyzi. A dobokat az „Egyéb” sávból egy ütős-szűrő (HPSS) még kimenti. Lassabb gépen percekig, egy egész dalnál akár egy óráig is tarthat.
The HTDemucs neural network, run on your machine by ONNX Runtime Web: on the graphics card (WebGPU) when the browser supports it, otherwise on the processor. The ~172 MB model is downloaded once and kept by the browser. A percussive filter (HPSS) rescues drums left in "other". On a slower machine it takes minutes, up to an hour for a whole song.
Nem roncsoló szerkesztés: a hangfájlok érintetlenek, a vágások csak hivatkozások rájuk (melyik rész, hol, milyen hangerővel). Lejátszáskor és exportkor ugyanaz a Web Audio hangútvonal szól, így pontosan az kerül a fájlba, amit hallasz.
Non-destructive editing: the audio files stay untouched, the edits only point into them (which part, where, how loud). Playback and export use the same Web Audio signal path, so the file holds exactly what you hear.
Technológia és adatok
Technology and data
| Web Audio API | lejátszás, felvétel, Vágó, hangszerek, export | playback, recording, Editor, instruments, export | |
| IndexedDB | helyi tárolás a gépeden | local storage on your machine | |
| ONNX Runtime Web | gépi tanulás futtatása (WebGPU / WASM) | runs the ML model (WebGPU / WASM) | MIT |
| HTDemucs · demucs-web | sávbontó modell (Meta) | stem split model (Meta) | MIT |
| Whisper (OpenAI) · transformers.js | felirat generálása a Szinkronban | subtitles in Undub | MIT · Apache-2.0 |
| ffmpeg.wasm | a kész szinkronos videó összerakása | puts the finished dubbed video together | MIT · LGPL/GPL |
| YouTube IFrame Player | YouTube-videók lejátszása a Szinkronban (a videó nem töltődik le) | plays YouTube videos in Undub (the video is not downloaded) | |
| Web Speech API | a felolvasó „Hang szerint” követése; ezt a böngésző beszédfelismerője végzi (Chrome-ban a Google szolgáltatása) | the prompter's "follow voice" mode; done by the browser's speech recognition (in Chrome, a Google service) |
| Node.js · Express | az oldal és az API | the site and the API | MIT |
| SQLite | fiókok és felvétellista | accounts and takes | public domain |
| Python · NumPy · SciPy | a Crystal lánc és a zajszűrés | the Crystal chain and noise reduction | BSD |
| Pedalboard (Spotify) | szűrők, kompresszor, effektek | filters, compressor, effects | GPL-3.0 |
| FFmpeg | beolvasás, Prism lánc, formátumok | decoding, the Prism chain, formats | LGPL/GPL |
| FluidR3 GM | a 58 hangszer mintái (Frank Wen) | the 58 instruments' samples (Frank Wen) | CC BY 3.0 |
| VCSL | az akusztikus dobkészlet | the acoustic drum kit | CC0 |
| Geist · Geist Mono | betűtípus (Vercel) | typeface (Vercel) | OFL |
| Cloudflare | a forgalom védelme és gyorsítása | protects and speeds up the traffic |