实时语音翻译 — 云端或完全离线在您的设备上运行

English | 日本語 | 中文

--- ## 为什么选择 Sokuji？由 [Kizuna AI Lab](https://github.com/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 和 OpenAI 兼容 API 等云端服务商。 --- ## 工作原理 ```mermaid graph LR A["🗣️ 你说话
（任意语言）"] --> B["🎙️ Sokuji"] B --> C{"选择其一"} C -->|"☁️ 云端"| D["OpenAI · Gemini
Palabra · 豆包..."] C -->|"🖥️ 本地"| E["设备端 AI
ASR → 翻译 → TTS
（完全离线，无需 GPU）"] D --> F["🔊 翻译后的语音"] E --> F F --> G["💻 Zoom · Teams · Meet
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 ``` | | | |---|---| | **服务商** | 8 — OpenAI、Gemini、Palabra.ai、Kizuna AI、豆包 AST 2.0、Soniox、OpenAI 兼容、本地推理 | | **本地模型** | 44 个 ASR 模型、75 个翻译模型、137 个 TTS 模型 | | **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 https://github.com/user-attachments/assets/1eaaa333-a7ce-4412-a295-16b7eb2310de --- ## 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](https://github.com/kizuna-ai-lab/sokuji/releases)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

以开发者模式安装扩展

1. 从[发布页面](https://github.com/kizuna-ai-lab/sokuji/releases)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 ```bash 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。 - **44 个 ASR 模型**（23 个离线 + 10 个流式 + 11 个 WebGPU，包括 Whisper、Cohere Transcribe、Voxtral、Granite Speech）覆盖 99+ 种语言 - **75 个翻译模型** — Opus-MT 的 69 个语言对 + 6 个多语言 LLM（Qwen 2.5 / 3 / 3.5、Hunyuan-MT 1.5、TranslateGemma）支持 WebGPU - **137 个 TTS 模型** 覆盖 53 种语言（Piper、Piper-Plus、Coqui、Mimic3、Matcha、MMS、VITS、Supertonic 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 · 200 种声音（按性别、年龄、口音、用途、风格筛选）· 声音克隆 · 自带 API 密钥 | | **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 - **桌面端**: [Electron](https://www.electronjs.org) (Windows, macOS, Linux) - **扩展**: Chrome/Edge Manifest V3 - **UI**: [React](https://react.dev) + TypeScript + [Zustand](https://zustand-demo.pmnd.rs/) - **本地 AI**: [sherpa-onnx](https://github.com/k2-fsa/sherpa-onnx) (WASM) · [Transformers.js](https://github.com/huggingface/transformers.js) · WebGPU - **音频**: Web Audio API · AudioWorklet · WebRTC - **i18n**: [i18next](https://www.i18next.com/) (30 种语言) --- ## 贡献欢迎贡献！请先阅读我们的[贡献指南](../.github/CONTRIBUTING.md)。 --- ## 许可证 [AGPL-3.0](../LICENSE) ## 赞助

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

## 支持 - [Issues](https://github.com/kizuna-ai-lab/sokuji/issues) — Bug 报告 - [Discussions](https://github.com/kizuna-ai-lab/sokuji/discussions) — 提问与想法 ## 致谢 - **云端 API**: [OpenAI](https://openai.com), [Google Gemini](https://ai.google.dev), [Volcengine](https://www.volcengine.com) - **ASR**: [sherpa-onnx](https://github.com/k2-fsa/sherpa-onnx), [OpenAI Whisper](https://github.com/openai/whisper), [SenseVoice](https://github.com/FunAudioLLM/SenseVoice), [Moonshine](https://github.com/usefulsensors/moonshine), [Cohere Transcribe](https://cohere.com), [Voxtral Mini 4B](https://github.com/mistralai) - **TTS**: [Piper](https://github.com/rhasspy/piper), [Piper-Plus](https://github.com/ayutaz/piper-plus), [Matcha-TTS](https://github.com/shivammehta25/Matcha-TTS), [Coqui TTS](https://github.com/coqui-ai/TTS), [Mimic 3](https://github.com/MycroftAI/mimic3) - **翻译**: [Opus-MT](https://github.com/Helsinki-NLP/Opus-MT), [Qwen](https://github.com/QwenLM/Qwen), [TranslateGemma](https://github.com/google-research/translate-gemma) - **基础设施**: [Transformers.js](https://github.com/huggingface/transformers.js), [ONNX Runtime](https://github.com/microsoft/onnxruntime), [Electron](https://www.electronjs.org), [React](https://react.dev) 模型许可证详情请参阅 [THIRD_PARTY_NOTICES.md](../THIRD_PARTY_NOTICES.md)。