Élő felirat · fordítás · tolmács
Felirat, 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.
Kérjen ajánlatot Hogyan működik
Windows 11 vagy 10 · macOS 14.2-től, Apple siliconon · helyben vagy a saját hálózatán · nincs felhő, nincs előfizetés
Let's go through the numbers before we decide. Menjünk végig a számokon, mielőtt döntünk.
Ábrázolás. A valódi ablak átlátszó, mindig felül van, és kimarad a képernyőmegosztásból.
Mérőgép: NVIDIA GeForce RTX 5090, Intel Core i9-13900K, 128 GB RAM
Felhasználás
Háromféle használat
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.
Hogyan működik
Egy alkalmazás, mögötte a saját szolgáltatásai.
A feliratozó szerver mondatokra bontja és átírja a hangot, a fordító lefordítja, a beszédszolgáltatás kimondja. A saját gépén futó alkalmazás mindegyikkel beszél; bármelyik futhat itt vagy a helyi hálózat egy másik gépén, a fiókszolgáltatás pedig a felhasználókat és a kulcsokat adja.
- accountserver AccountServer A fiókszolgáltatás: felhasználók, szerepkörök, API-kulcsok, audit napló és forgalommérés
- translatorserver TranslatorServer A fordító: mondatonként fordít a TranslateGemma modellel
- voiceserver VoiceServer A beszédszolgáltatás: kimondja a fordítást, kérésre a beszélő klónozott hangján
- captionserver CaptionServer A feliratozó szerver: mondatokra bontja és átírja a hangot (Whisper)
Saját üzemeltetés
A hang nem hagyja el a hálózatát.
Minden szolgáltatásnak webes kezelőfelülete van – állapot, élő terhelés, hívók, naplók és beállítások –, és mindegyik szolgáltatásként is futhat Windowson, Linuxon és macOS-en.
- Nincs felhőhívás a feldolgozás közben: az átírás, a fordítás és a hang a saját gépein készül.
- Több példány több gépen: a kliensek címlistát kapnak, a terhelés szerint választanak, és kiesésnél a következő címre lépnek.
- Felhasználónkénti kulcsok, naplózott hozzáférés: a fiókszolgáltatás kezeli a felhasználókat, a kulcsokat és a jogosultságokat, és audit naplót vezet.
Mérések
Mérve, nem ígérve
Minden szám egy valódi mérésből való, a mérőgéppel és a mérés feltételével együtt.
| 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. |
| Nyelvek, amiket a feliratozó felismer | 99 | Whisper; automatikus felismerés, vagy rögzített nyelv és jelöltlista. |
| A folyamaton belüli hang nyelvei | 42 | Piper-hangok, 50 nyelvváltozat; videokártya nem kell. |
Mérőgép: NVIDIA GeForce RTX 5090, Intel Core i9-13900K, 128 GB RAM; 2026. szeptember. Más gépen más szám jön ki; Macen mért számokat ezen a lapon nem közlünk. A tolmács idői mediánok (p50): a mondatok felénél rövidebb volt; a 95. percentilis és a torlódás miatt kihagyott mondatok aránya a Hogyan működik lapon áll.
Amit előre tudni érdemes
Milyen gép kell hozzá?
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. Telepítés
Letölthető már?
Nyilvános letöltés még nincs: a hozzáférést kérésre adjuk.
Milyen licenc alá esik a hangklónozás?
A beszédszolgáltatás mai motorja, az XTTS-v2, nem kereskedelmi licencű; a kereskedelmi kiadás előtt cseréljük. A Licenc lap pontosan megmondja, mire vonatkozik ez. Licenc