请教如何做一个在线口译系统

2023-05-11 11:05:51 +08:00
 arkerdota

请教一下各位大佬,一位老同学做科研找上门来合作项目,想做一个在线的口译训练系统。

前端需要能够识别 演讲者的语言(耳机),学生的语言(麦克风),还需要实时翻译成目标语言(中英文)。

对这块真的不是很熟悉,请教一下大家怎么实现,或者有没有相关的学习资料。

如果有现成的 demo 可以参考就更好了了。

谢谢大家。

1840 次点击
所在节点    程序员
15 条回复
paradox8599
2023-05-11 11:27:02 +08:00
昨晚正好在看这个,但只是游戏社交用:

https://nmori.github.io/yncneo-Docs/

https://github.com/VRCWizard/TTS-Voice-Wizard
superliy
2023-05-11 11:28:32 +08:00
用 chatgpt ?
ruanimal
2023-05-11 11:29:02 +08:00
语音转文字,然后调用 chatgpt ?
rsy
2023-05-11 11:34:44 +08:00
用现成的音频转写翻译服务就可以了
https://sight.youdao.com/service/voice
Alias4ck
2023-05-11 13:41:46 +08:00
stt 服务,openai 的 whisper( https://github.com/openai/whisper),在官方 github 的 discussion 里面有很多相关的 application(huggingface 上面也有很多),还有可以在 cpu 上跑的比如 这个 https://github.com/ggerganov/whisper.cpp
它的 examples 里面有 https://whisper.ggerganov.com/stream/, 实时翻译的 wasm 应用
我看一楼给的最后一个项目也是基于 c#的 whisper wrapper
janus77
2023-05-11 13:43:53 +08:00
TTS ,然后接个翻译 api
metalvest
2023-05-11 14:09:27 +08:00
上面说的都是很成熟的技术了,但要形成产品还不够,因为这个系统的重点在于训练,关键是要建库塞一堆课程,然后根据学生的成绩制定训练和学习计划,然后搞个收费标准。
lff0305
2023-05-11 14:36:30 +08:00
公司做过类似的,不算复杂
前端调用 API 从麦克风采集音频,拿到音频以二进制形式通过 Web socket 发到后端,后端拿到之后把音频数据发给 ASR 把音频转换成文字,然后就是处理文字,比如翻译之类的

最后把处理过的结果通过 tts 转换成音频数据,从 Web socket 返回,

前端拿到音频数据后播放

Asr tts 主流的云厂商都有提供
wangtian2020
2023-05-11 15:53:56 +08:00
win11 马上会加入一个实时字幕 Live Captions 功能
fionasit007
2023-05-11 16:14:27 +08:00
科大讯飞不就是做这个的吗,实时口译,之前星火发布会的时候下面的双语字母不就是实时翻译的吗
wumoumou
2023-05-11 17:14:06 +08:00
chatgpt 支持语音转文字,如果选择英文输出,直接会帮你翻译
humbass
2023-05-11 17:50:06 +08:00
可以直接做一对一的接口,延时在 500 毫秒以内
fox
2023-05-11 17:59:18 +08:00
可以看看北语韩老师的科研项目 paratrans ,算是非常解决了业内(翻译学生)痛点的一个服务。
https://paratrans.vip/login.php
fox
2023-05-11 18:02:05 +08:00
然后 讯飞新发布的产品好像有类似的应用?还没试过,不是很清楚
czhh
2023-05-14 22:56:39 +08:00
蹲一波

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/939121

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX