Proveedores de IA compatibles
Sokuji admite múltiples proveedores de IA para la traducción de voz en tiempo real. Cada proveedor ofrece diferentes capacidades, modelos y estructuras de precios. El modo Gratis no requiere clave de API y funciona gratis en tu dispositivo; solo algunas voces necesitan conexión a internet.
Instrucciones de configuración
Para usar un proveedor de IA en la nube, obtén una clave de API del sitio web del proveedor y configúrala en el panel de configuración de Sokuji. El modo Gratis no requiere clave de API: solo descarga los modelos y comienza a traducir.
OpenAI
- Modelos GPT-4o Realtime Preview
- 8 opciones de voz premium
- Modos avanzados de detección de turnos
- Reducción de ruido integrada
- Más de 60 idiomas compatibles
- Modo de plantilla para prompts personalizados
Google Gemini
- Modelos Gemini 2.0 Flash Live
- 30 personalidades de voz únicas
- Detección automática de turnos
- Más de 35 idiomas con variantes regionales
- Transcripción integrada
- Altos límites de tokens (8192)
PalabraAI
- Traducción WebRTC en tiempo real
- Más de 60 idiomas de origen
- Más de 40 idiomas de destino
- Streaming de baja latencia
- Procesamiento de audio automático
- Especializado en traducción en vivo
Doubao AST 2.0
- Traducción de voz a voz de extremo a extremo
- Clonación de voz, o una voz fija de una biblioteca de más de 500
- Interpretación simultánea de baja latencia
- 20 idiomas más cantonés y wu, 8 de ellos hablados
- App ID + Access Token, o una clave API
- Infraestructura en la nube de ByteDance
Soniox
- Traducción de voz a voz en tiempo real
- Transcribe y traduce más de 60 idiomas en una sola llamada API
- Detección automática de idioma
- 200 voces integradas y clonación de voz
- Traducción hablada o solo subtítulos
- Conversación cara a cara y etiquetas de hablante
- Infraestructura en la nube de Soniox
Gratis
- Totalmente sin conexión: no se necesita clave de API ni internet
- Más de 40 modelos ASR que cubren más de 99 idiomas
- Más de 55 pares de idiomas de traducción + LLMs Qwen
- 136 modelos TTS en 53 idiomas
- Aceleración CPU (WASM) y WebGPU
- Privacidad primero: todos los datos permanecen en el dispositivo
Elegir un proveedor
OpenAI: Ideal para síntesis de voz de alta calidad y funciones avanzadas
Gemini: Excelente para soporte multilingüe y procesamiento automático
PalabraAI: Optimizado para traducción en tiempo real con latencia mínima
Doubao AST 2.0: Interpretación simultánea de voz a voz de Doubao que clona la voz del hablante o habla con una voz fija de su elección
Soniox: Traducción de voz a voz en tiempo real de Soniox en más de 60 idiomas con detección automática de idioma
Local Inference: Ejecuta todo en tu dispositivo sin que los datos salgan de tu máquina, perfecto para casos de uso sensibles a la privacidad
¿Necesitas ayuda?
Para guías de configuración, solución de problemas y comparaciones de proveedores, visita nuestro repositorio de GitHub. GitHub Repository