Tutorial de configuración local (sin conexión)

1Seleccione "Local (Sin conexión)" como proveedor

Abra Sokuji y navegue al panel de configuración. Seleccione "Local (Sin conexión)" como su proveedor de IA en el menú desplegable de proveedores.

2Descargue un modelo ASR

Elija un modelo ASR para su idioma de origen. Sokuji ofrece 42 modelos sin conexión/streaming impulsados por sherpa-onnx WASM y WebGPU (Cohere Transcribe, Voxtral Mini, Whisper), cubriendo más de 99 idiomas. Los modelos varían desde ligeros (~5MB) hasta alta precisión (~2GB+). Recomendamos Cohere Transcribe o Voxtral Mini 4B Realtime para la mejor precisión y velocidad.

3Descargue un modelo de traducción

Seleccione un par de idiomas de traducción. Elija TranslateGemma para la mejor calidad y velocidad, 74 pares de idiomas Opus-MT para traducción rápida por CPU, o Qwen LLMs vía WebGPU para traducción multilingüe de mayor calidad.

4Descargue un modelo TTS

Descargue un modelo TTS para salida de voz. Hay 136 modelos disponibles en 52 idiomas, impulsados por los motores Piper, Coqui, Mimic3 y Matcha.

5Comience a traducir

Haga clic en el botón Iniciar sesión. No se necesita conexión a Internet — la traducción ocurre completamente en su dispositivo en tiempo real.

¿Qué es el modo Local (Sin conexión)?

Local (Sin conexión) es un pipeline de traducción IA completamente en el dispositivo que ejecuta ASR, traducción y TTS sin ningún servicio en la nube:

• Privacidad completa — todo el procesamiento de audio y texto permanece en su dispositivo
• Funciona sin conexión después de la descarga inicial del modelo
• No se requieren claves API, cuentas ni suscripciones
• Impulsado por WebAssembly (WASM) y WebGPU para rendimiento similar al nativo
• Uso gratuito sin límites de uso

Modelos disponibles

El modo Local (Sin conexión) soporta una amplia gama de modelos para cada etapa del pipeline de traducción:

• ASR: 42 modelos incluyendo Cohere Transcribe, Voxtral Mini 4B Realtime, Whisper, SenseVoice, Moonshine, NeMo y Zipformer — cubriendo más de 99 idiomas
• Traducción: 74 pares de idiomas Opus-MT para traducción rápida por CPU, además de TranslateGemma y Qwen LLMs vía WebGPU para soporte multilingüe
• TTS: 136 modelos en 52 idiomas usando motores Piper, Coqui, Mimic3 y Matcha

Requisitos de hardware

• CPU (WASM): Funciona en cualquier navegador moderno — no se necesita hardware especial
• WebGPU: Aceleración GPU opcional para modelos Cohere Transcribe, Voxtral Mini, Whisper ASR, TranslateGemma y traducción Qwen — significativamente más rápido con una GPU dedicada
• Recomendado: 4GB+ de RAM para carga cómoda de modelos
• Almacenamiento: Los modelos varían de 5MB a 200MB+ dependiendo del nivel de precisión
• Se requiere navegador moderno: Chrome 113+, Edge 113+ o Firefox 120+ para soporte WebGPU

Modelos ASR (Reconocimiento de voz)

Elija un modelo de reconocimiento de voz según su idioma de origen, necesidades de precisión y capacidades de hardware.

Modelos sin conexión (CPU/WASM)

23 modelos que se ejecutan en CPU vía WebAssembly. No se requiere GPU. Mejor compatibilidad.

Modelos en streaming (CPU/WASM)

10 modelos de streaming en tiempo real. Transcriba mientras habla con baja latencia.

Modelos WebGPU (GPU requerida)

9 modelos acelerados por WebGPU incluyendo Cohere Transcribe y Voxtral Mini 4B Realtime (recomendados) más Whisper. Mejor precisión y velocidad, requiere una GPU compatible.

Modelos de traducción

Elija TranslateGemma para la mejor calidad y velocidad, Opus-MT para traducción rápida en CPU, o Qwen LLM para amplia cobertura multilingüe.

TranslateGemma 4B (WebGPU) — Recomendado

Modelo de traducción especializado de Google con la mayor calidad y velocidad entre todos los modelos de traducción locales. Soporta 51 idiomas con traducción bidireccional. Requiere WebGPU.

Arabic, Bulgarian, Bengali, Catalan, Czech, Danish, German, Greek, English, Spanish, Estonian, Persian, Finnish, French, Gujarati, Hebrew, Hindi, Croatian, Hungarian, Indonesian, Icelandic, Italian, Japanese, Kannada, Korean, Lithuanian, Latvian, Malayalam, Marathi, Dutch, Norwegian, Punjabi, Polish, Portuguese, Romanian, Russian, Slovak, Slovenian, Serbian, Swedish, Swahili, Tamil, Telugu, Thai, Tagalog, Turkish, Ukrainian, Urdu, Vietnamese, Chinese, Zulu

Qwen LLM (WebGPU)

Modelos de lenguaje grandes que soportan 119–201+ idiomas. Mayor calidad pero requiere GPU. Ideal para traducción multilingüe flexible.

Qwen 2.5: Japanese, Chinese, English, Korean, German, French, Spanish, Russian, Arabic, Portuguese, Thai, Vietnamese, Indonesian, Turkish, Dutch, Polish, Italian, Hindi, Swedish, Danish, Finnish, Hungarian, Romanian, Norwegian, Ukrainian, Czech, Estonian, Afrikaans

Qwen 3/3.5: 119–201+ languages (multilingual)

Opus-MT (CPU/WASM)

74 pares de idiomas, ~110 MB cada uno. Rápido, ligero, funciona en cualquier dispositivo. Ideal para traducción unidireccional.

Modelos TTS (Texto a voz)

136 modelos en 52 idiomas. Todos se ejecutan en CPU vía WASM — no se requiere GPU. Impulsados por motores Piper, Coqui, Mimic3, VITS y Matcha.

Configuración de TTS

• Velocidad de voz — Controla la velocidad de reproducción del habla sintetizada. Ajuste el control deslizante de velocidad para hacer la salida más rápida o más lenta según su preferencia.
• ID de hablante — Controla el timbre de voz del habla sintetizada. Muchos modelos soportan múltiples IDs de hablante, cada uno con una voz diferente. Algunos modelos multi-hablante incluyen voces de diferentes géneros, por lo que puede elegir una voz masculina o femenina seleccionando diferentes IDs de hablante.

Problemas comunes

La descarga del modelo falla: Verifique su conexión a Internet para la descarga inicial. Los modelos se almacenan localmente en IndexedDB, por lo que los usos posteriores funcionan sin conexión. Intente borrar los datos del navegador si las descargas están corruptas.

ASR no reconoce el habla: Asegúrese de haber seleccionado el modelo ASR correcto para su idioma de origen. Pruebe un modelo más grande para mayor precisión. Verifique que su micrófono funcione y se hayan otorgado los permisos.

La calidad de traducción es baja: Los modelos Opus-MT están optimizados para velocidad sobre calidad. Para mejores resultados, pruebe los modelos TranslateGemma o Qwen LLM si su dispositivo soporta WebGPU. Asegúrese de haber seleccionado el par de idiomas correcto.

WebGPU no está disponible: WebGPU requiere un navegador y GPU compatibles. Recurra a modelos basados en WASM (sherpa-onnx, Opus-MT) que funcionan en cualquier navegador moderno sin requisitos de GPU.

Consejos de rendimiento

1. Use modelos WebGPU cuando estén disponibles para un procesamiento significativamente más rápido
2. Cierre otras pestañas del navegador para liberar memoria para la carga de modelos
3. Elija modelos más pequeños para dispositivos de gama baja o cuando se priorice la velocidad
4. Los modelos WASM (sherpa-onnx, Opus-MT) son más compatibles pero más lentos que las alternativas WebGPU
5. Monitoree el uso de memoria del navegador — los modelos grandes pueden requerir 2GB+ de memoria del navegador