サポートされているAIプロバイダー
Sokujiはリアルタイム音声翻訳のために複数のAIプロバイダーをサポートしています。各プロバイダーは異なる機能、モデル、価格体系を提供しています。無料モードはAPIキー不要で、デバイス上で無料で動作します（インターネット接続が必要なのは一部の音声だけです）。
セットアップ手順
クラウドAIプロバイダーを使用するには、プロバイダーのウェブサイトからAPIキーを取得し、Sokujiの設定パネルで設定してください。無料モードはAPIキー不要 — モデルをダウンロードするだけで翻訳を開始できます。
OpenAI
リアルタイムオーディオAPI
- GPT-4o Realtime Previewモデル
- 8種類のプレミアム音声オプション
- 高度なターン検出モード
- 内蔵ノイズリダクション
- 60以上の言語をサポート
- カスタムプロンプト用テンプレートモード
Google Gemini
Gemini Live API
- Gemini 2.0 Flash Liveモデル
- 30種類のユニークな音声パーソナリティ
- 自動ターン検出
- 35以上の言語と地域バリアント
- 内蔵文字起こし
- 高トークン制限 (8192)
PalabraAI
WebRTC翻訳サービス
- リアルタイムWebRTC翻訳
- 60以上のソース言語
- 40以上のターゲット言語
- 低遅延ストリーミング
- 自動音声処理
- ライブ翻訳に特化
Doubao AST 2.0
音声から音声への翻訳
- エンドツーエンドの音声から音声への翻訳
- 声の複製、または 500 以上のライブラリから選ぶ固定の声
- 低遅延の同時通訳
- 20 言語に加えて広東語と呉語、うち 8 言語は音声出力に対応
- アプリ ID + アクセストークン、または API キー
- ByteDanceクラウドインフラ
Soniox
音声から音声への翻訳
- リアルタイム音声から音声への翻訳
- 1回のAPI呼び出しで60以上の言語を文字起こしと翻訳
- 自動言語検出
- 200種類の内蔵音声と声の複製
- 音声翻訳または字幕のみ
- 対面会話と話者ラベル
- Sonioxクラウドインフラ
無料
オンデバイスAI（エッジ）
- 完全オフライン — APIキーもインターネットも不要
- 40以上のASRモデルで99以上の言語をカバー
- 55以上の翻訳言語ペア + Qwen LLM
- 53言語の136のTTSモデル
- CPU (WASM) とWebGPUアクセラレーション
- プライバシー最優先 — すべてのデータはデバイス上に保持
プロバイダーの選び方
OpenAI: 高品質な音声合成と高度な機能に最適
Gemini: 多言語サポートと自動処理に最適
PalabraAI: 最小限の遅延でリアルタイム翻訳に最適化
Doubao AST 2.0: Doubaoの音声から音声への同時通訳。話者の声を複製するか、選んだ固定の声で話します
Soniox: 60以上の言語に対応した Soniox のリアルタイム音声から音声への翻訳、自動言語検出付き
Local Inference: デバイス上ですべてを実行し、データが外部に出ない — プライバシーを重視するユースケースに最適
お困りですか？
セットアップガイド、トラブルシューティング、プロバイダー比較については、GitHubリポジトリをご覧ください。 GitHub Repository