Tutorial di configurazione di Gratuito (sul dispositivo)

1Seleziona "Gratuito" come provider

Apri Sokuji e naviga al pannello delle impostazioni. Seleziona "Gratuito" come provider di IA dal menu a tendina dei provider.

2Scarica un modello ASR

Scegli un modello ASR per la tua lingua di origine. Sokuji offre 42 modelli offline/streaming alimentati da sherpa-onnx WASM e WebGPU (Cohere Transcribe, Voxtral Mini, Whisper), che coprono oltre 99 lingue. I modelli variano da leggeri (~5MB) ad alta precisione (~2GB+). Raccomandiamo Cohere Transcribe o Voxtral Mini 4B Realtime per la migliore precisione e velocità.

3Scarica un modello di traduzione

Seleziona una coppia di lingue per la traduzione. Scegli TranslateGemma per la migliore qualità e velocità, 74 coppie di lingue Opus-MT per la traduzione rapida via CPU, o Qwen LLM tramite WebGPU per una traduzione multilingue di qualità superiore.

4Scarica un modello TTS

Scarica un modello TTS per l'output vocale. Sono disponibili 136 modelli in 52 lingue, alimentati dai motori Piper, Coqui, Mimic3 e Matcha. Se Traduzione che sento io è attiva nel blocco Voce (modalità Altro o Entrambi), anche la traduzione dell'altra parte ti viene letta ad alta voce: quella direzione ha il suo slot TTS, con il suo modello e la sua voce. Ogni direzione conserva la propria voce.

5Inizia a tradurre

Clicca il pulsante Avvia sessione. Riconoscimento e traduzione avvengono sul tuo dispositivo in tempo reale; con una voce Edge TTS selezionata, per pronunciare la traduzione serve una connessione di rete.

Cos'è il provider Gratuito?

Gratuito è una pipeline di traduzione IA completamente sul dispositivo che esegue ASR, traduzione e TTS senza alcun servizio cloud:

• Privacy completa — tutta l'elaborazione audio e testuale rimane sul tuo dispositivo
• Funziona offline dopo il download iniziale del modello
• Nessuna chiave API, account o abbonamento richiesto
• Alimentato da WebAssembly (WASM) e WebGPU per prestazioni quasi native
• Utilizzo gratuito senza limiti di utilizzo

Modelli disponibili

Il provider Gratuito supporta un'ampia gamma di modelli per ogni fase della pipeline di traduzione:

• ASR: 42 modelli tra cui Cohere Transcribe, Voxtral Mini 4B Realtime, Whisper, SenseVoice, Moonshine, NeMo e Zipformer — copertura di oltre 99 lingue
• Traduzione: 74 coppie di lingue Opus-MT per traduzione rapida via CPU, più TranslateGemma e Qwen LLM tramite WebGPU per supporto multilingue
• TTS: 136 modelli in 52 lingue utilizzando i motori Piper, Coqui, Mimic3 e Matcha

Impostazioni VAD (rilevamento del parlato)

Con la Modalità vocale impostata su Auto in Impostazioni, clicca Impostazioni VAD accanto a essa per regolare il rilevamento del parlato sul dispositivo. In Premi per parlare e Premi per tradurre sei tu a decidere dove ogni frase inizia e finisce:

• Durata max. parlato: quanto può durare un singolo enunciato prima di essere diviso (10–40 s, predefinito 30 s); alcuni modelli dividono prima, alla lunghezza massima che trascrivono correttamente
• Margine prima del parlato: conserva un po' di audio da subito prima che il parlato venga rilevato (fino a 2 s, predefinito 0,8 s), così il primo suono di una frase non viene tagliato; mostrato solo per i modelli che lo supportano
• Intelligente (Smart Turn): invece di aspettare sempre un silenzio fisso, verifica se hai finito di parlare e termina la frase circa 0,4 s dopo che ti fermi; una pausa a metà frase lo tiene in ascolto. Attivarlo scarica una volta un modello da 31 MB; funziona con i modelli di riconoscimento vocale WebGPU
• Ripristina: riporta queste impostazioni ai valori predefiniti

Requisiti hardware

• CPU (WASM): Funziona su qualsiasi browser moderno — nessun hardware speciale necessario
• WebGPU: Accelerazione GPU opzionale per modelli Cohere Transcribe, Voxtral Mini, Whisper ASR, TranslateGemma e traduzione Qwen — significativamente più veloce con una GPU dedicata
• Consigliato: 4GB+ di RAM per un caricamento confortevole dei modelli
• Archiviazione: I modelli variano da 5MB a 200MB+ a seconda del livello di precisione
• Browser moderno richiesto: Chrome 113+, Edge 113+ o Firefox 120+ per il supporto WebGPU

Impostazioni TTS

• Velocità del parlato — Controlla la velocità di riproduzione del parlato sintetizzato. Regola il cursore della velocità per rendere l'output più veloce o più lento secondo le tue preferenze.
• ID del parlante — Controlla il timbro vocale del parlato sintetizzato. Molti modelli supportano più ID parlante, ciascuno con una voce diversa. Alcuni modelli multi-parlante includono voci di generi diversi, quindi puoi scegliere una voce maschile o femminile selezionando diversi ID parlante. L'ID parlante, o la voce Edge TTS, è conservato per direzione: ciò che scegli nello slot TTS di una direzione non cambia l'altra direzione.

Problemi comuni

Voce reimpostata dopo l'aggiornamento: Da Sokuji 0.44.0 ogni direzione conserva la propria voce. Una voce scelta in una versione precedente era condivisa dalle due direzioni, quindi dopo l'aggiornamento ogni direzione riparte una volta dalla sua voce predefinita. Scegli di nuovo la voce nello slot TTS di ciascuna direzione.

Traduzione che sento io solo testo: Se compare l'avviso "La traduzione che sento io è solo testo: memoria insufficiente per caricare anche il modello vocale dell'altra parte.", i modelli delle due direzioni non entrano insieme in memoria, quindi la traduzione dell'altra parte parte come solo testo mentre la tua continua a essere pronunciata. Il suo pulsante Impostazioni apre lo slot TTS di quella direzione: scegli un modello più piccolo, oppure Edge TTS, che non occupa memoria locale.

Edge TTS non parla più nell'estensione del browser: Edge TTS ora sintetizza la voce su api.msedgeservices.com. Quando l'estensione si aggiorna a Sokuji 0.44.0, Chrome o Edge ti chiede di consentire l'accesso a quel sito e tiene l'estensione disattivata finché non accetti: apri la pagina delle estensioni del browser e accetta il nuovo permesso. L'app desktop non ha bisogno di nulla.

Download del modello fallito: Controlla la connessione Internet per il download iniziale. I modelli vengono memorizzati localmente in IndexedDB, quindi gli utilizzi successivi funzionano offline. Prova a cancellare i dati del browser se i download sono corrotti.

ASR non riconosce il parlato: Assicurati di aver selezionato il modello ASR corretto per la tua lingua di origine. Prova un modello più grande per una maggiore precisione. Verifica che il microfono funzioni e che i permessi siano stati concessi.

La qualità della traduzione è bassa: I modelli Opus-MT sono ottimizzati per la velocità piuttosto che per la qualità. Per risultati migliori, prova i modelli TranslateGemma o Qwen LLM se il tuo dispositivo supporta WebGPU. Assicurati di aver selezionato la coppia di lingue corretta.

WebGPU non disponibile: WebGPU richiede un browser e una GPU compatibili. Passa ai modelli basati su WASM (sherpa-onnx, Opus-MT) che funzionano su qualsiasi browser moderno senza requisiti GPU.

Suggerimenti per le prestazioni

1. Usa i modelli WebGPU quando disponibili per un'elaborazione significativamente più veloce
2. Chiudi le altre schede del browser per liberare memoria per il caricamento dei modelli
3. Scegli modelli più piccoli per dispositivi di fascia bassa o quando la velocità è prioritaria
4. I modelli WASM (sherpa-onnx, Opus-MT) sono più compatibili ma più lenti delle alternative WebGPU
5. Monitora l'utilizzo della memoria del browser — i modelli grandi possono richiedere 2GB+ di memoria del browser