무료 (기기에서 실행) 설정 튜토리얼

1제공자로 "무료" 선택

Sokuji를 열고 설정 패널로 이동하세요. 제공자 드롭다운에서 "무료"를 AI 제공자로 선택하세요.

2ASR 모델 다운로드

소스 언어에 맞는 ASR 모델을 선택하세요. Sokuji는 sherpa-onnx WASM과 WebGPU(Cohere Transcribe, Voxtral Mini, Whisper) 기반의 42개 오프라인/스트리밍 모델을 제공하며 99개 이상의 언어를 지원합니다. 모델 크기는 경량(약 5MB)부터 고정밀(약 2GB 이상)까지 다양합니다. 최고의 정확도와 속도를 위해 Cohere Transcribe 또는 Voxtral Mini 4B Realtime을 권장합니다.

3번역 모델 다운로드

번역 언어 쌍을 선택하세요. 최고의 품질과 속도를 위해 TranslateGemma, 빠른 CPU 기반 번역을 위한 74개의 Opus-MT 언어 쌍, 또는 WebGPU를 통한 Qwen LLM으로 더 높은 품질의 다국어 번역을 선택할 수 있습니다.

4TTS 모델 다운로드

음성 출력을 위한 TTS 모델을 다운로드하세요. Piper, Coqui, Mimic3, Matcha 엔진 기반의 136개 모델이 52개 언어에서 사용 가능합니다. 음성 블록에서 내가 듣는 번역을 켜 두면(상대방 또는 모두 모드) 상대방의 번역도 음성으로 들려 줍니다. 그 방향에는 전용 TTS 슬롯이 있어 모델과 음성을 따로 고를 수 있습니다. 음성은 방향마다 따로 저장됩니다.

5번역 시작

세션 시작 버튼을 클릭하세요. 인식과 번역은 기기에서 실시간으로 이루어지며, Edge TTS 음성을 선택한 경우 번역을 음성으로 들으려면 네트워크 연결이 필요합니다.

"무료" 제공자란?

"무료"는 클라우드 서비스 없이 ASR, 번역, TTS를 실행하는 완전한 온디바이스 AI 번역 파이프라인입니다:

• 완전한 프라이버시 — 모든 오디오 및 텍스트 처리가 기기에서 수행
• 초기 모델 다운로드 후 오프라인 작동
• API 키, 계정 또는 구독 불필요
• WebAssembly (WASM) 및 WebGPU로 네이티브에 가까운 성능
• 사용 제한 없이 무료 사용 가능

사용 가능한 모델

"무료" 제공자는 번역 파이프라인의 각 단계에 다양한 모델을 제공합니다:

• ASR: Cohere Transcribe, Voxtral Mini 4B Realtime, Whisper, SenseVoice, Moonshine, NeMo, Zipformer를 포함한 42개 모델 — 99개 이상의 언어 지원
• 번역: 빠른 CPU 번역을 위한 74개의 Opus-MT 언어 쌍, WebGPU를 통한 TranslateGemma 및 Qwen LLM 다국어 지원
• TTS: Piper, Coqui, Mimic3, Matcha 엔진을 사용한 52개 언어 136개 모델

VAD 설정(음성 감지)

설정의 음성 모드를 자동으로 두었을 때, 그 옆의 VAD 설정을 클릭하면 기기에서 수행되는 음성 감지를 조정할 수 있습니다. 푸시 투 토크와 푸시 투 트랜슬레이트에서는 각 문장의 시작과 끝을 직접 정합니다:

• 최대 발화 시간: 한 발화가 나뉘기 전까지 이어질 수 있는 최대 길이(10–40초, 기본값 30초); 일부 모델은 정확하게 전사할 수 있는 최대 길이에서 더 일찍 나눕니다
• 발화 전 버퍼: 음성이 감지되기 직전의 오디오를 조금 남겨 두어(최대 2초, 기본값 0.8초) 문장의 첫 소리가 잘리지 않게 합니다; 이를 지원하는 모델에서만 표시됩니다
• 스마트(Smart Turn): 항상 일정한 침묵을 기다리는 대신 말을 끝냈는지 판단하여 말을 멈춘 뒤 약 0.4초 만에 문장을 끝냅니다; 문장 중간의 멈춤에는 계속 듣습니다. 켜면 31 MB 모델을 한 번 다운로드하며, WebGPU 음성 인식 모델과 함께 작동합니다
• 기본값으로 복원: 이 설정들을 기본값으로 되돌립니다

하드웨어 요구 사항

• CPU (WASM): 모든 최신 브라우저에서 작동 — 특별한 하드웨어 불필요
• WebGPU: Cohere Transcribe, Voxtral Mini, Whisper ASR, TranslateGemma 및 Qwen 번역 모델용 선택적 GPU 가속 — 전용 GPU로 크게 빨라짐
• 권장: 편안한 모델 로딩을 위해 4GB 이상 RAM
• 저장 공간: 정확도 수준에 따라 모델 크기 5MB~200MB+
• 최신 브라우저 필요: WebGPU 지원을 위해 Chrome 113+, Edge 113+ 또는 Firefox 120+

TTS 설정

• 음성 속도 — 합성 음성의 재생 속도를 조절합니다. 속도 슬라이더를 조정하여 출력 음성을 빠르게 또는 느리게 설정할 수 있습니다.
• 화자 ID — 합성 음성의 음색을 조절합니다. 많은 모델이 여러 화자 ID를 지원하며, 각 ID마다 다른 음색을 가집니다. 일부 다중 화자 모델에는 다른 성별의 음색이 포함되어 있어 화자 ID를 변경하여 남성 또는 여성 목소리를 선택할 수 있습니다. 화자 ID나 Edge TTS 음성은 방향마다 저장되므로, 한 방향의 TTS 슬롯에서 고른 음성은 다른 방향에 영향을 주지 않습니다.

일반적인 문제

업데이트 후 음성이 초기화됨: Sokuji 0.44.0부터 음성은 방향마다 따로 저장됩니다. 이전 버전에서 고른 음성은 두 방향이 함께 썼기 때문에, 업데이트 후 각 방향의 음성이 한 번 기본 음성으로 돌아갑니다. 각 방향의 TTS 슬롯에서 음성을 다시 고르세요.

내가 듣는 번역이 텍스트로만 표시됨: "내가 듣는 번역은 텍스트로만 표시됩니다: 상대방 쪽 음성 모델까지 불러올 메모리가 부족합니다." 경고가 나타나면 두 방향의 모델을 메모리에 함께 올릴 수 없다는 뜻이므로, 상대방의 번역은 텍스트로만 시작하고 내 번역은 그대로 음성으로 나갑니다. 경고의 "설정" 버튼을 누르면 그 방향의 TTS 슬롯이 열립니다. 더 작은 모델이나 로컬 메모리를 쓰지 않는 Edge TTS를 고르세요.

브라우저 확장 프로그램에서 Edge TTS가 음성을 내지 않음: Edge TTS는 이제 api.msedgeservices.com에서 음성을 합성합니다. 확장 프로그램이 Sokuji 0.44.0으로 업데이트되면 Chrome 또는 Edge가 이 사이트에 대한 접근 권한을 요청하며, 허용할 때까지 확장 프로그램은 사용 중지된 상태로 남습니다. 브라우저의 확장 프로그램 페이지를 열어 새 권한을 허용하세요. 데스크톱 앱에서는 아무것도 할 필요가 없습니다.

모델 다운로드 실패: 초기 다운로드 시 인터넷 연결을 확인하세요. 모델은 로컬 IndexedDB에 캐시되므로 이후 사용은 오프라인으로 가능합니다. 다운로드가 손상된 경우 브라우저 데이터 삭제를 시도하세요.

ASR이 음성을 인식하지 못함: 소스 언어에 맞는 올바른 ASR 모델을 선택했는지 확인하세요. 더 나은 정확도를 위해 더 큰 모델을 시도하세요. 마이크가 작동하고 권한이 부여되었는지 확인하세요.

번역 품질이 낮음: Opus-MT 모델은 품질보다 속도에 최적화되어 있습니다. 기기가 WebGPU를 지원하는 경우 TranslateGemma 또는 Qwen LLM 모델을 시도해 보세요. 올바른 언어 쌍을 선택했는지 확인하세요.

WebGPU 사용 불가: WebGPU에는 호환 브라우저와 GPU가 필요합니다. GPU 없이 모든 최신 브라우저에서 작동하는 WASM 기반 모델(sherpa-onnx, Opus-MT)로 대체하세요.

성능 팁

1. 사용 가능한 경우 WebGPU 모델을 사용하여 처리 속도를 크게 향상
2. 다른 브라우저 탭을 닫아 모델 로딩을 위한 메모리 확보
3. 저사양 기기이거나 속도를 우선할 때는 더 작은 모델 선택
4. WASM 모델(sherpa-onnx, Opus-MT)은 호환성이 높지만 WebGPU 대안보다 느림
5. 브라우저 메모리 사용량 모니터링 — 큰 모델은 2GB 이상의 브라우저 메모리가 필요할 수 있음