EchoTrans

KO | EN

gitlite — search

#python #java #python3 #arduino #golang #machine-learning #rust #html #flask #javascript #seismology #nodejs

★ 18 Open GitHub ↗

EchoTransc: A lightweight, GPU-free real-time translation tool powered by Vosk (offline STT) and Gemma 3 (AI refinement), featuring a seamless Google Translate fallback.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# EchoTransc 🚀

**EchoTransc** 是一款輕量化、免顯卡（GPU-free）的即時語音翻譯工作台。它結合了 **Vosk 離線辨識** 技術與 **Gemma 3 (Ollama)請自行安裝設定** 的高級 AI 精修能力，並具備 Google 翻譯無縫備援機制，旨在為演講聽寫、課程紀錄提供最穩定且高品質的雙語對照體驗。

---

## 🌟 核心特色

- **雙引擎翻譯架構**：
  - **即時快譯 (Google)**：利用 Google 翻譯提供毫秒級的視覺反饋，確保字幕流暢不卡頓。
  - **AI 高品質精修 (Gemma 3)**：在語音停頓（0.3s）時觸發 Gemma 3 進行深度語境理解與優雅修辭，產出專業課程紀錄。
- **無縫備援機制 (Fallback)**：若 AI 伺服器斷線或回應超時，系統將自動切換回 Google 翻譯存檔，確保紀錄不中斷、不遺失。
- **免顯卡負擔**：語音辨識部分（Vosk）完全在 CPU 運行，普通筆電也能流暢執行，將 GPU 資源保留給其他開發需求或 AI 運算。
- **多語模型切換**：支援動態載入多組 Vosk 模型資料夾（如：英文快速、日文品質佳），透過介面一鍵切換。
- **右側歷史紀錄**：自動彙整中英對照紀錄，支援一鍵匯出為 `.txt` 檔案。

---

## 🎙️ 收音與硬體配置建議

除了軟體運算，**收音品質**是影響辨識準確度的第一關：

1.  **實體收音法 (推薦入門使用)**：
    * **做法**：直接使用 **Webcam 的內建麥克風** 或指向性麥克風，對準電腦喇叭。
    * **優點**：設定最簡單，無需更動系統音訊路由，適合直播、線上課程等情境。
    * **小撇步**：建議將喇叭音量固定在 50% 以上，並讓麥克風靠近音箱，以減少環境雜音干擾。

2.  **音訊輸入選擇**：
    * 啟動程式後，請確保在系統設定中將 **預設錄音裝置** 設為您正在使用的 Webcam 麥克風。

---

## ⚙️ AI 配置與運行建議

本專案目前的設計重點在於「即時性」與「操作靈活性」：

1. **AI 服務建議**：
   - 推薦使用 **本地端 AI 服務** (如 Ollama, LM Studio) 或 **自建 OpenAI 相容伺服器**。
   - **資源分配優化**：語音辨識 (Vosk) 主要消耗 **CPU** 運算力。若您的 **GPU** 顯存充足 (建議 8G VRAM 以上)，建議讓 AI 翻譯模型運行在 GPU 上，達成「CPU 負責聽寫、GPU 負責翻譯」的並行架構，以獲得最流暢的體驗。

2. **UI 介面動態設定 (免改程式碼)**：
   - **自訂 API 網址**：點開右側「進階設定」，即可直接填入您的伺服器位置（預設為 Ollama 的 `http://127.0.0.1:11434/v1/chat/completions`）。
   - **切換 AI 模型**：可隨時更改模型名稱（如 `gemma3:12b` 或 `llama3`），無需重新啟動程式。
   - **⏱️ 停頓秒數微調**：針對「一停就翻」的需求，建議將進階設定中的停頓秒數設為 **0.2 或 0.3** 秒。這能確保在短句結束後立即觸發翻譯，避免因段落過長導致閱讀吃力。

3. **運行策略**：
   - **短句優先**：本系統優化了短句觸發機制，適合需要高度即時性的課程或直播場景。
   - **Google 備援機制**：若您的自建 AI 伺服器連線失敗或回應過慢，系統會自動切換至 Google 翻譯作為備援，確保翻譯不中斷。

---

## 🛠️ 環境準備

1. **安裝依賴套件**：
   ```bash
   pip install vosk pyaudio deep-translator pyperclip pyttsx3 numpy requests
   ```

2. **下載語音模型**：
   請至 [Vosk Models](https://alphacephei.com/vosk/models) 下載所需模型。

3. **資料夾結構**：
   為了讓程式能自動偵測模型，請保持以下結構（資料夾名稱建議使用英文，避免亂碼）：
   ```text
   EchoTransc/
   ├── app.py
   └── model/
       ├── en_fast/       (英文快速模型)
       ├── en_quality/    (英文高品質模型)
       └── ja_quality/    (日文高品質模型)
   ```

---

## 📦 打包為 EXE

若要將本程式打包給其他人使用，請使用 PyInstaller 並確保包含 `vosk` 的所有相依檔案：

```bash
pyinstaller --onefile --windowed --collect-all vosk app.py
```

打包後，請將產出的 `app.exe` 與 `model` 資料夾放在同一個目錄下即可運行。

---

## 📝 免責聲明

本專案主要用於個人學習與學術演講紀錄。請確保在法律允許的範圍內錄製音訊，並尊重講者的智慧財產權。AI 翻譯結果僅供參考。

---

### 👨‍💻 開發者
**[ddmmbb]** 歡迎提供建議與 Pull Request，讓我們一起完善 **EchoTransc**！

EchoTrans

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README