Tutoriel de configuration de Gratuit (sur l'appareil)

1Sélectionnez "Gratuit" comme fournisseur

Ouvrez Sokuji et accédez au panneau de paramètres. Sélectionnez "Gratuit" comme fournisseur d'IA dans le menu déroulant des fournisseurs.

2Téléchargez un modèle ASR

Choisissez un modèle ASR pour votre langue source. Sokuji propose 42 modèles hors ligne/streaming alimentés par sherpa-onnx WASM et WebGPU (Cohere Transcribe, Voxtral Mini, Whisper), couvrant plus de 99 langues. Les modèles vont de légers (~5 Mo) à haute précision (~2 Go+). Nous recommandons Cohere Transcribe ou Voxtral Mini 4B Realtime pour la meilleure précision et vitesse.

3Téléchargez un modèle de traduction

Sélectionnez une paire de langues de traduction. Choisissez TranslateGemma pour la meilleure qualité et vitesse, 74 paires de langues Opus-MT pour une traduction CPU rapide, ou les LLM Qwen via WebGPU pour une traduction multilingue de meilleure qualité.

4Téléchargez un modèle TTS

Téléchargez un modèle TTS pour la sortie vocale. 136 modèles sont disponibles dans 52 langues, alimentés par les moteurs Piper, Coqui, Mimic3 et Matcha. Si Traduction que j'entends est activée dans le bloc Voix (mode Autre ou Les deux), la traduction de l'autre vous est aussi lue à voix haute : cette direction a son propre emplacement TTS, avec son propre modèle et sa propre voix. Chaque direction garde sa propre voix.

5Commencez à traduire

Cliquez sur le bouton Démarrer la session. La reconnaissance et la traduction s'effectuent sur votre appareil en temps réel ; avec une voix Edge TTS sélectionnée, faire parler la traduction nécessite une connexion réseau.

Qu'est-ce que le fournisseur Gratuit ?

Gratuit est un pipeline de traduction IA entièrement sur l'appareil qui exécute l'ASR, la traduction et le TTS sans aucun service cloud :

• Confidentialité complète — tout le traitement audio et texte reste sur votre appareil
• Fonctionne hors ligne après le téléchargement initial du modèle
• Aucune clé API, compte ou abonnement requis
• Alimenté par WebAssembly (WASM) et WebGPU pour des performances proches du natif
• Utilisation gratuite sans limites d'utilisation

Modèles disponibles

Le fournisseur Gratuit prend en charge une large gamme de modèles pour chaque étape du pipeline de traduction :

• ASR : 42 modèles dont Cohere Transcribe, Voxtral Mini 4B Realtime, Whisper, SenseVoice, Moonshine, NeMo et Zipformer — couvrant plus de 99 langues
• Traduction : 74 paires de langues Opus-MT pour la traduction CPU rapide, plus TranslateGemma et les LLM Qwen via WebGPU pour le support multilingue
• TTS : 136 modèles dans 52 langues utilisant les moteurs Piper, Coqui, Mimic3 et Matcha

Paramètres VAD (détection de la parole)

Avec le Mode de parole réglé sur Auto dans les Paramètres, cliquez sur Paramètres VAD juste à côté pour ajuster la détection de la parole sur l'appareil. En Appuyer pour parler et Appuyer pour traduire, c'est vous qui décidez où chaque phrase commence et finit :

• Durée max. de parole : combien de temps un énoncé peut durer avant d'être coupé (10–40 s, 30 s par défaut) ; certains modèles coupent plus tôt, à la plus longue durée qu'ils transcrivent correctement
• Marge avant la parole : conserve un peu d'audio juste avant la détection de la parole (jusqu'à 2 s, 0,8 s par défaut), pour que le premier son d'une phrase ne soit pas coupé ; affiché uniquement pour les modèles qui le prennent en charge
• Intelligent (Smart Turn) : au lieu d'attendre systématiquement un silence fixe, vérifie si vous avez fini de parler et termine la phrase environ 0,4 s après votre arrêt ; une pause en milieu de phrase le laisse à l'écoute. L'activer télécharge une fois un modèle de 31 Mo ; il fonctionne avec les modèles de reconnaissance vocale WebGPU
• Réinitialiser : remet ces réglages à leurs valeurs par défaut

Configuration matérielle requise

• CPU (WASM) : Fonctionne sur tout navigateur moderne — aucun matériel spécial nécessaire
• WebGPU : Accélération GPU optionnelle pour les modèles Cohere Transcribe, Voxtral Mini, Whisper ASR, TranslateGemma et traduction Qwen — significativement plus rapide avec un GPU dédié
• Recommandé : 4 Go+ de RAM pour un chargement confortable des modèles
• Stockage : Les modèles vont de 5 Mo à 200 Mo+ selon le niveau de précision
• Navigateur moderne requis : Chrome 113+, Edge 113+ ou Firefox 120+ pour le support WebGPU

Paramètres TTS

• Vitesse de parole — Contrôle la vitesse de lecture de la parole synthétisée. Ajustez le curseur de vitesse pour rendre la sortie plus rapide ou plus lente selon vos préférences.
• ID du locuteur — Contrôle le timbre vocal de la parole synthétisée. De nombreux modèles prennent en charge plusieurs ID de locuteur, chacun avec une voix différente. Certains modèles multi-locuteurs incluent des voix de genres différents, vous pouvez donc choisir une voix masculine ou féminine en sélectionnant différents ID de locuteur. L'ID du locuteur, ou la voix Edge TTS, est conservé par direction : ce que vous choisissez dans l'emplacement TTS d'une direction ne change pas l'autre direction.

Problèmes courants

Voix réinitialisée après la mise à jour: Depuis Sokuji 0.44.0, chaque direction garde sa propre voix. Une voix choisie dans une version antérieure était partagée par les deux directions ; après la mise à jour, chaque direction repart donc une fois de sa voix par défaut. Choisissez à nouveau la voix dans l'emplacement TTS de chaque direction.

Traduction que j'entends en texte seul: Si l'avertissement "La traduction que j'entends s'affiche en texte seul : pas assez de mémoire pour charger aussi le modèle vocal de l'autre." apparaît, les modèles des deux directions ne tiennent pas ensemble en mémoire : la traduction de l'autre démarre donc en texte seul, tandis que la vôtre est toujours parlée. Son bouton Paramètres ouvre l'emplacement TTS de cette direction : choisissez un modèle plus petit, ou Edge TTS, qui n'occupe pas de mémoire locale.

Edge TTS ne parle plus dans l'extension du navigateur: Edge TTS synthétise désormais la parole sur api.msedgeservices.com. Quand l'extension passe à Sokuji 0.44.0, Chrome ou Edge vous demande d'autoriser l'accès à ce site et laisse l'extension désactivée tant que vous n'avez pas accepté : ouvrez la page des extensions du navigateur et acceptez la nouvelle autorisation. L'application de bureau n'a besoin de rien.

Le téléchargement du modèle échoue: Vérifiez votre connexion Internet pour le téléchargement initial. Les modèles sont mis en cache localement dans IndexedDB, les utilisations suivantes fonctionnent donc hors ligne. Essayez de vider les données du navigateur si les téléchargements sont corrompus.

L'ASR ne reconnaît pas la parole: Assurez-vous d'avoir sélectionné le bon modèle ASR pour votre langue source. Essayez un modèle plus grand pour une meilleure précision. Vérifiez que votre microphone fonctionne et que les permissions sont accordées.

La qualité de traduction est faible: Les modèles Opus-MT sont optimisés pour la vitesse plutôt que la qualité. Pour de meilleurs résultats, essayez les modèles TranslateGemma ou Qwen LLM si votre appareil prend en charge WebGPU. Assurez-vous d'avoir sélectionné la bonne paire de langues.

WebGPU non disponible: WebGPU nécessite un navigateur et un GPU compatibles. Utilisez les modèles basés sur WASM (sherpa-onnx, Opus-MT) qui fonctionnent sur tout navigateur moderne sans exigences GPU.

Conseils de performance

1. Utilisez les modèles WebGPU lorsqu'ils sont disponibles pour un traitement significativement plus rapide
2. Fermez les autres onglets du navigateur pour libérer de la mémoire pour le chargement des modèles
3. Choisissez des modèles plus petits pour les appareils bas de gamme ou lorsque la vitesse est prioritaire
4. Les modèles WASM (sherpa-onnx, Opus-MT) sont plus compatibles mais plus lents que les alternatives WebGPU
5. Surveillez l'utilisation de la mémoire du navigateur — les grands modèles peuvent nécessiter 2 Go+ de mémoire navigateur