# 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。
    2.  **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。
    3.  **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。
3.  **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）。
4.  **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。
5.  **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？