TheDeathDragon/LiveTranslate

解决的问题

LiveTranslate 为 Windows 用户提供实时音频翻译功能，可实时翻译系统音频（如视频、直播流和语音聊天）以及麦克风输入，无需修改原始媒体播放器。

工作原理

该应用程序通过 WASAPI 回环捕获系统音频，并可选地捕获麦克风输入。随后，音频通过一个包含语音活动检测（VAD）（使用 Silero）、自动语音识别（ASR）（通过 faster-whisper 或 SenseVoice 等引擎）以及通过任意 OpenAI 兼容 LLM API 进行翻译的处理管道。最终翻译结果以透明、始终置顶的叠加层形式显示在屏幕上。

适用人群

专为需要实时字幕的 Windows 用户设计，适用于来自计算机上任何来源的外语音频，包括游戏玩家、国际直播观众以及语音聊天用户。

主要亮点

• 多引擎 ASR 支持：兼容多种引擎，包括 faster-whisper、SenseVoice、FunASR Nano 和 Anime-Whisper。
• 灵活的翻译能力：支持任意 OpenAI 兼容 API（如 DeepSeek、GPT、Ollama、vLLM）。
• 低延迟：使用 32ms 音频块和自适应静音检测，实现快速处理。
• 可自定义叠加层：提供可点击穿透、可拖拽的透明叠加层，支持 14 种不同配色主题。
• 硬件加速：支持 CUDA，实现 GPU 加速的 ASR 推理。
• 远程卸载：可通过 HTTP 将 ASR 任务卸载到另一台 GPU 机器上。