Sharrnah/whispering-ui

解決的問題

Whispering Tiger UI 為 Whispering Tiger 應用程式提供原生 Windows 介面，使用戶能夠輕鬆即時轉錄並翻譯音訊串流或遊戲內圖像。它消除了管理後端平台的複雜性，使用戶無需深厚的專業技術知識即可配置音訊裝置、AI 模型與輸出方式。

工作原理

該 UI 作為 Whispering Tiger 後端的控制面板。它允許使用者選擇音訊輸入/輸出裝置，選擇 AI 模型的大小與精度（用於 GPU 的 CUDA 或 CPU），並透過 Websockets 或 OSC 設定輸出通道（如 Web 瀏覽器或 VRChat）。它還支援迴路音訊裝置以直接擷取 PC 音訊。

適用對象

需要對來自電腦的音訊或螢幕文字 (OCR) 進行即時翻譯與轉錄的玩家、實況主以及 VRChat 等虛擬實境平台的使用者。

亮點

• 多模態 AI 能力：支援語音轉文字、文字翻譯、文字轉語音以及遊戲內圖像的圖像轉文字 (OCR)。
• 透過外掛擴充：包含對 Emotion Prediction、RVC (Retrieval-based Voice Conversion) 與 LLM 整合的支援。
• 硬體加速：支援 NVIDIA GPU 的 CUDA，以提高轉錄速度並降低延遲。
• 靈活的輸出：使用 Websockets 或 OSC 將結果傳送到 Web 瀏覽器或 VRChat。