Doubao AST 2.0 セットアップチュートリアル
概要
このチュートリアルでは、Sokuji で使用するための Doubao AST 2.0 のセットアップを説明します。Doubao AST 2.0 は音声から音声への同時通訳サービスで、自動音声クローニング機能を備えています。
1火山エンジンアカウントを登録
volcengine.com にアクセスしてアカウントを登録します。ByteDance/火山エンジンのアカウントをお持ちの場合は、直接サインインできます。
2音声技術コンソールに移動
ログイン後、左側メニューから 「豆包同時通訳2.0大規模モデル」 を選択するか、音声技術コンソールに直接アクセスします。
3アプリケーションを作成
音声技術コンソールで、「アプリケーション作成」をクリックして新しいアプリケーションを作成します。名前を付けて（例：「Sokuji Translation」）、作成を確認します。
4APP ID と Access Token を取得
左側メニューの 「豆包同時通訳2.0大規模モデル」 をクリックします。ページ上部のアプリケーション名ドロップダウンから作成したアプリケーションを選択し、下に表示される APP ID と Access Token をコピーします。
5Sokuji で設定
Sokuji を開き、設定パネルで 「Doubao AST 2.0」 を AI プロバイダーとして選択します。APP ID と Access Token を入力し、ソース言語とターゲット言語を選択し、ターン検出モード（自動またはプッシュ・トゥ・トーク）を設定します。
6接続をテスト
セッション開始ボタンをクリックし、マイクに向かって話して、音声から音声への翻訳が動作していることを確認します。翻訳された音声出力が聞こえるはずです。
機能紹介
Doubao AST 2.0 とは？
Doubao AST 2.0 はエンドツーエンド音声翻訳サービスです：
- 中間テキストステップなしの音声から音声への同時通訳
- 自動音声クローニング：翻訳された音声が話者の声質を保持
- 低遅延のリアルタイム翻訳処理
- 複数の言語ペアの双方向翻訳をサポート
サポートされている言語
現在、以下の言語組み合わせをサポートしています：
- 中国語 (zh) — すべてのターゲット言語との双方向翻訳をサポート
- 英語 (en) — 中国語との双方向モードをサポート
- 日本語 (ja)、インドネシア語 (id)、スペイン語 (es)
- ポルトガル語 (pt)、ドイツ語 (de)、フランス語 (fr)
ターン検出モード
- 自動モード：システムが発話の開始と終了を自動検出し、自然な会話に適しています
- プッシュ・トゥ・トークモード：発話タイミングを手動制御、騒がしい環境や正確な制御が必要な場合に適しています
トラブルシューティング
一般的な問題
認証エラー: APP ID と Access Token が余分なスペースなしで正しくコピーされているか確認してください。
接続エラー: ネットワーク接続を確認し、ファイアウォールが WebSocket 接続をブロックしていないことを確認してください。プロキシを使用している場合は、WebSocket がサポートされていることを確認してください。
サポートされていない言語ペア: 選択したソース言語とターゲット言語の組み合わせが Doubao AST 2.0 のサポート範囲内であることを確認してください。
最良の結果を得るために
- 最高の翻訳品質のために安定したネットワーク接続を使用する
- 最適な音声認識のために静かな環境で使用する
- 翻訳品質が理想的でない場合は、ターン検出モードの切り替えを試す
- 火山エンジンコンソールで使用量とクォータを定期的に確認する
さらにヘルプが必要ですか？公式ドキュメントは火山エンジン音声技術コンソールをご覧いただくか、GitHub リポジトリでサポートを受けてください。