Skip to content

README.zh.md

Latest commit

 

History

History
225 lines (165 loc) · 10.5 KB

README.zh.md

File metadata and controls

225 lines (165 loc) · 10.5 KB
Raw

Sokuji Logo

实时语音翻译 — 云端或完全离线在您的设备上运行

AGPL-3.0 License Build and Release Latest Release Platforms Ask DeepWiki

English | 日本語 | 中文

为什么选择 Sokuji？

由 Kizuna AI Lab 开发 — 我们利用 AI 打破语言和无障碍壁垒，创造真正的人与人之间的连接。"絆"（Kizuna）在日语中意为"羁绊"，即時（Sokuji）是我们让跨语言实时沟通成为可能的旗舰工具。

Sokuji 是一款跨平台实时语音翻译应用，同时支持桌面端和浏览器端。支持本地推理 — 通过 WASM 和 WebGPU 在设备上运行 ASR、翻译和 TTS，无需 API 密钥，无需昂贵的 GPU，完全离线，隐私完全保护。同时集成 OpenAI、Google Gemini、Palabra.ai、Kizuna AI、豆包 AST 2.0、Soniox、Zoom AI 和 OpenAI 兼容 API 等云端服务商。

工作原理

graph LR
    A["🗣️ 你说话<br/>（任意语言）"] --> B["🎙️ Sokuji"]
    B --> C{"选择其一"}
    C -->|"☁️ 云端"| D["OpenAI · Gemini<br/>Palabra · 豆包..."]
    C -->|"🖥️ 本地"| E["设备端 AI<br/>ASR → 翻译 → TTS<br/>（完全离线，无需 GPU）"]
    D --> F["🔊 翻译后的语音"]
    E --> F
    F --> G["💻 Zoom · Teams · Meet<br/>Discord · 任何应用"]

    style A fill:#4a9eff,stroke:#357abd,color:#fff
    style B fill:#10a37f,stroke:#0d8a6a,color:#fff
    style C fill:#ff9f43,stroke:#e88a2e,color:#fff
    style D fill:#6c5ce7,stroke:#5a4bd1,color:#fff
    style E fill:#00b894,stroke:#009d7e,color:#fff
    style F fill:#fd79a8,stroke:#e56b96,color:#fff
    style G fill:#636e72,stroke:#525c60,color:#fff
Loading
服务商 9 — OpenAI、Gemini、Palabra.ai、Kizuna AI、豆包 AST 2.0、Soniox、Zoom AI、OpenAI 兼容、本地推理
本地模型 50 个 ASR 模型、55+ 翻译语言对、136 个 TTS 语音
语言 99+（语音识别）· 55+（翻译）· 53（语音合成）
平台 Linux · Windows · macOS · Chrome · Edge
隐私 本地推理 = 100% 设备端运行，无需 API 密钥，无需联网

演示

demo.mp4

安装

Sokuji 提供桌面应用和浏览器扩展两种形式 — 功能完全相同，适用范围不同。

桌面应用 浏览器扩展
功能 完全相同 完全相同
适用场景 支持麦克风输入的任何应用 — Zoom、Teams、Discord、Slack、游戏、OBS 等 网页端会议平台 — Google Meet、Teams、Zoom、Yandex Telemost、Discord、Slack、Gather.town、Whereby、Jitsi Meet
安装 下载安装 免安装 — 从商店添加
平台 Windows · macOS · Linux Chrome · Edge

桌面应用

从发布页面下载：

平台 安装包
Windows Sokuji-x.y.z.Setup.exe
macOS (Apple Silicon) Sokuji-x.y.z-arm64.pkg
macOS (Intel) Sokuji-x.y.z-x64.pkg
Linux (Debian/Ubuntu x64) sokuji_x.y.z_amd64.deb
Linux (Debian/Ubuntu ARM64) sokuji_x.y.z_arm64.deb

浏览器扩展

Available on Chrome Web Store Available on Microsoft Edge Add-ons

以开发者模式安装扩展
  1. 从发布页面下载 sokuji-extension.zip
  2. 解压缩文件
  3. 访问 chrome://extensions/ 并启用"开发者模式"
  4. 点击"加载已解压的扩展程序"并选择解压后的文件夹

从源码构建

git clone https://github.com/kizuna-ai-lab/sokuji.git
cd sokuji && npm install
npm run electron:dev        # 开发模式
npm run electron:build      # 生产构建

功能特性

本地推理（边缘 AI）

一切在设备上运行 — 无需 API 密钥，无需联网，无需昂贵的 GPU，完全保护隐私。通过 WASM 和 WebGPU，Sokuji 使用您现有的 CPU 和集成显卡即可高效运行。

  • 50 个 ASR 模型（32 个离线 + 10 个流式 + 8 个 WebGPU，包括 Whisper、Cohere Transcribe、Voxtral Mini 4B）覆盖 99+ 种语言
  • 55+ 翻译语言对 通过 Opus-MT + 5 个多语言 LLM（Qwen 2.5 / 3 / 3.5、GemmaTranslate）支持 WebGPU
  • 136 个 TTS 语音 覆盖 53 种语言（Piper、Piper-Plus、Coqui、Mimic3、Matcha 引擎）
  • 一键模型下载，IndexedDB 缓存

云端服务商

服务商 核心特性
OpenAI gpt-realtime-mini / gpt-realtime-1.5 · 10 种语音 · 可配置轮次检测（普通 / 语义 / 禁用）· 降噪 · 60+ 种语言
Google Gemini 动态模型选择（audio/live 模型）· 30 种语音 · 内置轮次检测 · 34 种语言变体
Palabra.ai WebRTC 低延迟 · 语音克隆 · 自动句子分割 · 部分转录翻译 · 60+ 源语言 / 40+ 目标语言
Kizuna AI 登录即用 — API 密钥由后端管理 · 使用优化默认设置的 OpenAI 模型
豆包 AST 2.0 带说话人语音克隆的语音翻译 · 中英双向翻译 · Ogg Opus 音频输出
Soniox 实时语音到语音互译 · 单向和双向翻译 · 60+ 语言 / 3,600+ 语言对 · 自动语言识别 · 12 种语音 · 自带 API 密钥
Zoom AI Services 纯文本实时字幕 · 自带 Zoom Build Platform 密钥 · 不限于 Zoom，任意网站可用 · Zoom 原生语言对
OpenAI 兼容 自带端点 — 任何兼容 OpenAI Realtime API 的服务（仅限 Electron）
本地推理 完全离线 · ASR → 翻译 → TTS 设备端运行 · 无需 API 密钥 · 无需 GPU

音频

  • 翻译您的声音 — 用您的语言说话，对方听到的翻译就像您用母语在说一样
  • 翻译对方的声音 — 捕获会议音频（扩展）或任何系统音频（桌面），获取实时翻译字幕
  • 虚拟麦克风 — 将翻译后的音频路由到 Zoom、Meet、Teams 或任何应用
  • 实时直通 — 录音时监听自己的声音
  • AI 降噪 — 去除背景噪音、键盘声等干扰
  • 回声消除 — 基于 Web Audio API 内置

界面

  • 30 种语言 — 完全本地化的 UI
  • 简洁模式 — 为非技术用户精简的设置
  • 高级模式 — 波形显示和详细控制

隐私

选择本地推理，您的音频绝不会离开设备。

  • 云端模式直接连接服务商 API — 没有中间服务器
  • API 密钥仅保存在本地 — 不会传输给我们
  • 本地推理在设备上处理一切 — 零网络请求
  • 通过 PostHog 进行匿名使用分析

技术栈

贡献

欢迎贡献！请先阅读我们的贡献指南。

许可证

AGPL-3.0

赞助

SignPath Windows 代码签名由 SignPath.io 免费提供，证书由 SignPath Foundation 颁发。

支持

致谢

模型许可证详情请参阅 THIRD_PARTY_NOTICES.md。