Tutorial de configuración de Doubao AST 2.0

1Registre una cuenta en Volcengine

Vaya a volcengine.com y regístrese para obtener una cuenta. Si ya tiene una cuenta de ByteDance/Volcengine, puede iniciar sesión directamente.

2Navegue a la consola de voz

Después de iniciar sesión, seleccione "Doubao Simultaneous Interpreting 2.0" en el menú de la izquierda, o visite directamente la consola de voz.

3Cree una aplicación

En la consola de voz, haga clic en "Create Application" para crear una nueva aplicación. Nómbrela (por ejemplo, "Sokuji Translation") y confirme la creación.

4Obtenga APP ID y Access Token

Haga clic en "Doubao Simultaneous Interpreting 2.0" en el menú de la izquierda. Seleccione la aplicación recién creada en el menú desplegable de nombre de aplicación en la parte superior de la página, luego copie el APP ID y el Access Token que se muestran a continuación. Sokuji también acepta una API Key de Volcengine; sirve cualquiera de los dos tipos de credencial.

5Configure en Sokuji

Abra Sokuji y seleccione "Doubao AST 2.0" como su proveedor de IA en el panel de configuración. Elija el tipo de credencial App ID + Access Token e ingrese su APP ID y Access Token, o elija Clave API y pegue la API Key. Después elija los idiomas de origen y destino; el Modo de habla (Auto, Pulsar para hablar o Pulsar para traducir) es un único ajuste para todos los proveedores.

6Pruebe la conexión

Haga clic en el botón Iniciar sesión y hable por el micrófono para verificar que la traducción de voz a voz funciona. Debería ver la traducción. La traducción hablada va al micrófono virtual para la otra parte; para oírla usted también, active Yo también la oigo en el bloque Voz (configuración rápida, o Configuración → Avanzado → Audio).

¿Qué es Doubao AST 2.0?

Doubao AST 2.0 es un servicio de traducción de voz de extremo a extremo:

• Traducción simultánea de voz a voz sin pasos de texto intermedios
• Clonación de voz: la voz traducida conserva las características vocales del hablante
• Voces fijas: elija una por idioma de destino de la biblioteca de Doubao, filtrada por género, edad y estilo, con escucha previa
• Voz que yo oigo: con Traducción que yo oigo activada en el bloque Voz, la traducción de la otra parte también se le lee a usted, y Configuración de Voz muestra dos filas, Voz que oye la otra parte y Voz que yo oigo. Voz que yo oigo lista las voces de su propio idioma; allí, Clonar la voz del hablante clona a la otra persona. La voz se guarda por idioma, así que la voz que elija para un idioma lo lee en cualquiera de las dos filas. Con Chino + inglés, una sola fila sirve para ambas partes
• Procesamiento de traducción en tiempo real de baja latencia
• El chino y el inglés pueden traducirse en ambos sentidos en una misma sesión

Idiomas admitidos

Un lado de cada par de idiomas debe ser chino o inglés:

• Hablados (voz a voz): chino, inglés, japonés, indonesio, español, portugués, alemán, francés; desde chino o inglés también se puede hablar coreano
• Solo texto: coreano, turco, malayo, neerlandés, rumano, polaco, checo, árabe, tailandés, vietnamita, ruso, italiano
• Dialectos: cantonés y wu (shanghainés), solo como idioma de origen
• “Chino + inglés”: ambos idiomas traducidos en cada sentido en una misma sesión

Modo de habla

• Auto: el servicio detecta cuándo empieza y termina el habla, adecuado para conversaciones naturales
• Pulsar para hablar: el audio se envía solo mientras mantiene pulsada la barra espaciadora o el botón del micrófono, adecuado para entornos ruidosos o cuando se necesita control preciso
• Pulsar para traducir: igual que Pulsar para hablar, salvo que, mientras no mantiene pulsado, su propia voz va directamente al micrófono virtual

Problemas comunes

Error de autenticación: Verifique que su APP ID y Access Token (o API Key) estén correctamente copiados sin espacios adicionales, y que el tipo de credencial seleccionado en Sokuji coincida con lo que ingresó.

Error de conexión: Compruebe su conexión de red y asegúrese de que los firewalls no bloqueen las conexiones WebSocket. Si usa un proxy, asegúrese de que admita WebSocket.

Par de idiomas no admitido: Confirme que la combinación de idiomas de origen y destino seleccionada esté dentro del rango admitido por Doubao AST 2.0.

Consejos para mejores resultados

1. Use una conexión de red estable para obtener la mejor calidad de traducción
2. Use en un ambiente tranquilo para un reconocimiento de voz óptimo
3. Si la calidad de traducción no es ideal, intente cambiar el Modo de habla
4. Verifique regularmente el uso y la cuota en la consola de Volcengine