影片筆記：AI同声传译Sokuji！开源免费+多语种+跨平台(Win/Mac/Linux)，甚至免GPU！不会外语也能实时交流 | Hex-电脑课堂

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
• 待修正：逐字稿可先使用，但有待校正清單（segment=14 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=144 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

影片介紹了一款名為「Sokuji」的開源、免費、跨平台（Win/Mac/Linux）同聲傳譯工具，支援本地部署與 WebGPU 加速，無需 GPU 亦可運行，並演示了從模型下載、參數設置到實時中英互譯的全流程。

核心重點

• 工具特性：開源、免費、跨平台（支援 Windows、Linux、macOS），效果可與商用閉源產品抗衡。
• 技術架構：整合語音識別、機器翻譯、語音合成（TTS）三大模組，實現低延遲的同聲傳譯。
• 硬體要求：無 GPU 亦可運行，但建議使用 NVIDIA 顯卡（顯存 >= 8GB）並啟用 WebGPU 加速以降低時延。
• 隱私選項：提供純本地部署（數據不出本地）與雲端 API 兩種模式，本地模式隱私性較高。
• 關鍵配置：必須確保語音識別、翻譯、合成三個模型支援共同的語言範圍，且強烈建議使用帶有 realtime 字段的流式模型以確保即時性。

詳細大綱

一、 工具介紹與效果展示

• 產品定位：由「Hex-電腦課堂」分享的開源同聲傳譯工具，特點為跨平台、完全免費。
• 效果演示：
• 現場演示中英互譯，展示流式字幕輸出。
• 強調其效果可與商用閉源產品抗衡。
• 演示多語言切換（如西班牙語、日語等）。

二、 系統環境與安裝要求

• 硬體要求：
• 作業系統：Windows 10/11 均可。
• GPU：無 GPU 亦可運行，但建議有 NVIDIA 顯卡且顯存 >= 8GB。
• 記憶體：最低 4GB。
• 硬碟空間：200MB 以上。
• 外設：麥克風與揚聲器需正常運作。
• 軟體安裝：
• 從官方網頁下載終端版（exe 檔案）。
• 安裝後桌面出現圖標，雙擊打開。
• 提及另一種形式為瀏覽器擴充插件（本期不詳述）。

三、 模型配置與下載（核心步驟）

• 三大模組：語音識別、機器翻譯、語音合成（TTS）。
• 推薦模型選擇：

1. 語音識別：推薦 mini 4B 模型。

• 理由：精度與速度均為滿星（5星），支援 WebGPU 加速。

1. 機器翻譯：推薦 translate Gemma 模型。

• 理由：速度與質量最佳，支援多種語言。

1. 語音合成 (TTS)：推薦 supersonic 模型。

• 理由：體積小（約 380MB），支援語種豐富。
• 下載操作：
• 在軟體內點擊「瀏覽模型庫」。
• 點擊對應模型的「下載」按鈕。
• 注意事項：下載期間需保持網絡穩定，建議開啟全局模式。

四、 參數設置與會話操作

• 基本設置：
• 語言選擇：根據已下載模型支援的語種進行設置（如輸入中文，輸出英文）。
• 速度調整：TTS 速度默認 1.0，可調整至 1.2 以加快語速。
• 進階參數（默認即可）：
• 最小靜音時長：1.4秒（超過此間隔視為句子切分）。
• 最小語音時長：0.4秒（小於此長度的聲音視為雜音，節省算力）。
• 會話操作：
• 選擇音頻輸入設備（物理麥克風）。
• 點擊「開始會話」。
• 界面顯示實時識別字幕，可點擊右上角「字幕」放大顯示。
• 結束會話：點擊「結束會話」或按 ESC 鍵。

五、 進階選項：雲端 API 與隱私

• 本地 vs 雲端：
• 本地模式：所有模型在本地運行，數據不經過伺服器，隱私性高。
• 雲端模式：
• 需註冊帳號並登錄。
• 使用雲端翻譯服務 API（如 OpenAI, 豆包, Google Gemini 等）。
• 需填入對應 API 的密鑰（Key）。
• 缺點：數據會經過伺服器，隱私保障較低。
• 建議：若本地效果已足夠，建議優先使用免費的本地部署方案。

六、 常見錯誤與最佳實踐

• 報錯原因：
• 語種不匹配：語音識別模型支援的語言與語音合成模型支援的語言無交集（例如：識別模型支援粵語，但合成模型不支援粵語），導致鏈路斷開。
• 網絡問題：下載模型時網絡不穩定或未開全局模式。
• 降低時延的技巧：
• 選擇流式模型：務必選擇帶有 realtime 字段的流式模型，避免非流式模型造成的巨大延遲。
• 啟用 WebGPU：若有 GPU，務必選擇支援 WebGPU 的模型以加速渲染。
• 核心指標：同聲傳譯的關鍵在於翻譯準確性與低時延。

工具 / 模型 / 名詞整理

• 軟體/平台名稱：
• Hex-電腦課堂
• Windows
• Linux
• macOS
• WebGPU
• Sokuji (提及為雲端翻譯服務 API)
• 推薦模型名稱：
• mini 4B (語音識別模型)
• translate Gemma (機器翻譯模型)
• supersonic (語音合成/TTS 模型)
• 雲端 API 提供商：
• OpenAI
• 豆包
• Google Gemini
• 其他術語：
• WebGPU (網頁端 GPU 渲染加速)
• Realtime (流式)
• TTS (Text-to-Speech, 語音合成)

操作流程整理

1. 下載與安裝：從官方網頁下載終端版（exe），安裝後雙擊打開。
2. 下載模型：

• 點擊軟體內的「瀏覽模型庫」。
• 分別下載推薦的語音識別（mini 4B）、機器翻譯（translate Gemma）及語音合成（supersonic）模型。
• 確保網絡穩定，建議開啟全局模式。

1. 參數設置：

• 設置輸入與輸出語言（需與模型支援語種匹配）。
• 調整 TTS 速度（可設為 1.2）。
• 確認默認參數（最小靜音時長 1.4s，最小語音時長 0.4s）。

1. 開始會話：

• 選擇正確的音頻輸入設備（麥克風）。
• 點擊「開始會話」。
• 觀察實時識別字幕，可點擊右上角「字幕」放大。

1. 結束會話：點擊「結束會話」或按 ESC 鍵。

值得注意的限制或風險

• 語種兼容性：語音識別、翻譯、合成三個模型必須支援共同的語言範圍，否則會報錯。
• 網絡依賴：下載模型時需網絡穩定，建議開啟全局模式。
• 隱私風險：使用雲端 API 模式時，數據會經過伺服器，隱私保障較低。
• 延遲問題：若未選擇帶有 realtime 字段的流式模型，可能會產生巨大延遲。
• 硬體限制：雖無 GPU 亦可運行，但無 GPU 時性能可能受限，建議使用支援 WebGPU 的模型。

逐字稿辨識疑點

• Sokuji：逐字稿中提到「它云端的 sokuji 它自己的翻译服务 api」，此名稱較為生僻或可能是口誤/聽寫錯誤，需查證是否為該工具專有的雲端服務名稱或特定 API 名稱。
• Mini 4B：模型名稱寫作「mini 4B」，需確認是否為特定量化版本或特定架構的簡寫（如 4-bit 量化等），但依規則保留原樣。
• Translate Gemma：模型名稱寫作「translate Gemma」，需查證是否為 Gemma 模型的特定微調版本或官方推薦的翻譯專用名稱。
• Supersonic：TTS 模型名稱寫作「supersonic」，需查證是否為該開源項目內部的模型代號或特定 TTS 模型名稱。
• 全局模式：多次提到「网络一定要保持全局模式」，需查證此處「全局模式」是否特指某種網絡代理設置（如 VPN 的全局代理模式）以確保下載穩定，還是該軟體內部的特定設置選項。
• WebGPU：文中解釋為「用 GPU 去做网页端的一个渲染加速」，需確認在桌面端應用中 WebGPU 的具體實現方式是否與瀏覽器環境一致，或為該軟體特有的技術實現。

可延伸追問

• 該工具的開源代碼倉庫地址為何？
• 「Sokuji」雲端 API 的具體定價或免費額度為何？
• 對於無 GPU 的設備，推薦的最低硬體配置為何？
• 如何手動配置非推薦的第三方模型？
• 該工具是否支援自定義訓練或微調模型？