Live Caption Pro
https://www.livecaption.proFelirat, fordítás és tolmács a hívásai fölé – a saját gépén.
A Live Caption Pro a beszédet helyben írja át, fordítja le és mondja ki – akár a beszélő saját hangján. Internet csak a modellek első letöltéséhez kell.
Bejövő
Amit a másik fél mond, azt feliratban és fordításban olvassa – és ha kéri, hallja is, a beszélő klónozott vagy egy beépített hangon.
Kimenő
Amit Ön mond, azt a hívás résztvevője a saját nyelvén hallja, az Ön hangján – a hívásprogram virtuális mikrofonján át.
Kötegelt, parancssorból
Egy egész videómappa feliratozása SRT-be, vagy feliratfájlok fordítása – ugyanazokkal a helyi modellekkel, a feliratablak nélkül.
- Live Caption Pro – a feliratablak a saját gépén
- AccountServer (port: 8100) – a fiókszolgáltatás: felhasználók, szerepkörök, API-kulcsok, audit napló és forgalommérés
- TranslatorServer (port: 8080) – a fordító: mondatonként fordít a TranslateGemma modellel
- VoiceServer (port: 8090) – a beszédszolgáltatás: kimondja a fordítást, kérésre a beszélő klónozott hangján
- CaptionServer (port: 5111) – a feliratozó szerver: mondatokra bontja és átírja a hangot (Whisper)
Mérve, nem ígérve
| Mit mértünk | Eredmény | Milyen feltétellel |
|---|---|---|
| Az első lefordított szó | 62 ms | TranslateGemma 12b Q8, 20 mondat; a teljes mondat 270 ms, 20-ból 19 hibátlan. Összehasonlításul a felhős gpt-4o-mini 1106 ms alatt adta az első szót. |
| 6,3 s beszéd átírása | 108 ms | Whisper large-v3-turbo videokártyán, a feliratozó szerveren át. |
| A mondat vége és a tolmács első hangja között – folyamaton belüli hang | 0,99 s | A 24 kimondott mondat mediánja (37-ből 13-at a torlódás miatt kihagyott); 95. percentilis 5,56 s. Piper-hang, a hanghoz nem kell videokártya. |
| A mondat vége és a tolmács első hangja között – klónozott hang | 2,93 s | A 22 kimondott mondat mediánja (38-ból 16-ot a torlódás miatt kihagyott); 95. percentilis 6,86 s. XTTS-v2 a beszédszolgáltatásban. |
| Videómemória a három motornak együtt | 22,3 GB | Egy gépen mérve, a legnagyobb fordítómodellel. 20 GB-os kártyán a fordító 12b Q4_K_M változata fut (mérve 7,5 GB), 32 GB-oson a 12b Q8_0. |
A fejlesztő gépén mérve; más gépen más szám jön ki. A feltételek és a teljes tábla a weboldalon.
Követelmények
A feliratablak Windows x64-en (Windows 11 vagy 10) és Apple siliconos Macen (macOS 14.2-től) fut. A szolgáltatásokat Windowson egy NVIDIA videokártya, Macen az Apple silicon Metal-gyorsítása és egységes memóriája teszi gyorssá; videokártya nélkül a feliratozó és a fordító processzoron fut, lassabban. Intel processzoros Macen a szolgáltatások nem futnak. Az első telepítéshez internet kell az eszközökhöz és a modellekhez, utána minden helyben megy.
A beszédszolgáltatás mai motorja, az XTTS-v2, nem kereskedelmi licencű; a kereskedelmi kiadás előtt cseréljük. A Licenc lap pontosan megmondja, mire vonatkozik ez.
Hozzáférés
Kereskedelmi szoftver; hozzáférés kérésre, licenc ajánlat alapján. Részletek, útmutatók és a kapcsolati űrlap: https://www.livecaption.pro