这是一个创建于 580 天前的主题，其中的信息可能已经有所发展或是发生改变。
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。
 |
1
paradox8599 2023-05-11 11:27:02 +08:00 via Android
|
 |
2
superliy 2023-05-11 11:28:32 +08:00
用 chatgpt ？
|
 |
3
ruanimal 2023-05-11 11:29:02 +08:00
语音转文字，然后调用 chatgpt ？
|
 |
4
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 |
 |
5
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 |
 |
6
janus77 2023-05-11 13:43:53 +08:00
TTS ，然后接个翻译 api
|
 |
7
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。
|
 |
8
lff0305 2023-05-11 14:36:30 +08:00 via Android
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 |
 |
9
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
|
 |
10
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
|
 |
11
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
|
 |
12
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
|
 |
13
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 |
|
14
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
|
 |
15
czhh 2023-05-14 22:56:39 +08:00
蹲一波
|
Select Language