AI プロバイダーに戻る

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、話者の声を複製することも、ライブラリから選んだ固定の声で話すこともできます。

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。Sokuji は火山エンジンの API Key も受け付けます。どちらか一方の認証情報があれば十分です。

APP ID and Access Token

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。認証方式でアプリ ID + アクセストークンを選んで APP ID と Access Token を入力するか、API キーを選んで API Key を貼り付けます。次にソース言語とターゲット言語を選択します。音声モード（自動、プッシュトゥトーク、プッシュトゥトランスレート）はすべてのプロバイダーに共通の 1 つの設定です。

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。翻訳が表示されるはずです。読み上げられた翻訳は相手向けに仮想マイクへ送られます。自分でも聞くには、音声ブロック（クイック設定、または 設定 → 詳細 → オーディオ）で自分にも再生をオンにします。

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
  • 声の複製：翻訳された音声が話者の声質を保持
  • 固定の声：ターゲット言語ごとに Doubao のライブラリから 1 つ選べます。性別、年齢、スタイルで絞り込み、試聴もできます
  • 自分に聞こえる音声：音声ブロックで「自分に聞こえる翻訳」をオンにすると、相手の翻訳もあなたに読み上げられ、音声設定に「相手に聞こえる音声」と「自分に聞こえる音声」の 2 行が表示されます。「自分に聞こえる音声」にはあなた自身の言語の声が並び、そこで「話者の声を複製」を選ぶと相手の声が複製されます。声は言語ごとに保存されるため、ある言語に選んだ声はどちらの行でもその言語の読み上げに使われます。「中国語 + 英語」では 1 行が双方に使われます
  • 低遅延のリアルタイム翻訳処理
  • 中国語と英語は 1 つのセッションで双方向に翻訳可能

サポートされている言語

どの言語ペアも、一方は中国語または英語である必要があります：

  • 音声出力あり（音声から音声）：中国語、英語、日本語、インドネシア語、スペイン語、ポルトガル語、ドイツ語、フランス語。中国語または英語からは韓国語も音声で出力できます
  • テキストのみ：韓国語、トルコ語、マレー語、オランダ語、ルーマニア語、ポーランド語、チェコ語、アラビア語、タイ語、ベトナム語、ロシア語、イタリア語
  • 方言：広東語と呉語（上海語）はソース言語としてのみ
  • 「中国語 + 英語」：1 つのセッションで両方の言語を双方向に翻訳

音声モード

  • 自動：サービスが発話の開始と終了を検出します。自然な会話に適しています
  • プッシュトゥトーク：スペースキーまたはマイクボタンを押している間だけ音声が送られます。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
  • プッシュトゥトランスレート：プッシュトゥトークと同じですが、押していない間はあなたの声がそのまま仮想マイクに入ります

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（または API Key）が余分なスペースなしで正しくコピーされているか、また Sokuji で選んだ認証方式が入力した認証情報と合っ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

  1. 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
  2. 最適な音声認識のために静かな環境で使用する
  3. 翻訳品質が理想的でない場合は、音声モードの切り替えを試す
  4. 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。

火山エンジン音声技術コンソール