fossasia/voxbento

它解決的問題

Voxbento 是一個為現場活動設計的即時口譯平台。它不需要專用硬體安裝，提供瀏覽器-based 的體驗，讓即時口譯員可以監控活動影片，並以極低延遲將翻譯後的音訊廣播給與會者。

如何運作

系統結合 WebRTC、WHIP 和 WHEP 協定，透過 MediaMTX 處理音訊串流，實現次秒級延遲。口譯員使用瀏覽器介面，透過 Jitsi 監控會議現場，並串流他們翻譯後的音訊。FastAPI 管理平台負責協調、狀態管理與驗證。針對自動化功能，一個「floor-bot」會加入 Jitsi 會議，將音訊輸入 ffmpeg，利用 Deepgram、OpenAI、Groq、Anthropic 或 Gemini 等提供者進行背景轉錄與翻譯。

適用對象

需要可擴展、零安裝解決方案進行即時翻譯與音訊廣播的活動主辦單位與即時口譯員。

主要特色

• 零安裝體驗：口譯員與與會者皆完全在瀏覽器中運作。
• 低延遲音訊：使用 WebRTC/WHIP/WHEP 實現近乎即時的音訊傳遞。
• 彈性同步：允許主辦單位加入聽眾端音訊延遲，以對齊延遲的影片串流。
• AI 整合：支援透過多個第三方 AI 提供者或本地 NVIDIA Riva 模型進行背景轉錄與翻譯。