Tutorial de configuração local (offline)

1Selecione "Local (Offline)" como provedor

Abra o Sokuji e navegue até o painel de configurações. Selecione "Local (Offline)" como seu provedor de IA no menu suspenso de provedores.

2Baixe um modelo ASR

Escolha um modelo ASR para o seu idioma de origem. O Sokuji oferece 42 modelos offline/streaming alimentados por sherpa-onnx WASM e WebGPU (Cohere Transcribe, Voxtral Mini, Whisper), cobrindo mais de 99 idiomas. Os modelos variam de leves (~5MB) a alta precisão (~2GB+). Recomendamos Cohere Transcribe ou Voxtral Mini 4B Realtime para a melhor precisão e velocidade.

3Baixe um modelo de tradução

Selecione um par de idiomas de tradução. Escolha TranslateGemma para a melhor qualidade e velocidade, 74 pares de idiomas Opus-MT para tradução rápida via CPU, ou Qwen LLMs via WebGPU para tradução multilíngue de maior qualidade.

4Baixe um modelo TTS

Baixe um modelo TTS para saída de voz. Estão disponíveis 136 modelos em 52 idiomas, alimentados pelos motores Piper, Coqui, Mimic3 e Matcha.

5Comece a traduzir

Clique no botão Iniciar Sessão. Não é necessária conexão com a Internet — a tradução acontece inteiramente no seu dispositivo em tempo real.

O que é o modo Local (Offline)?

Local (Offline) é um pipeline de tradução IA totalmente no dispositivo que executa ASR, tradução e TTS sem nenhum serviço em nuvem:

• Privacidade completa — todo o processamento de áudio e texto permanece no seu dispositivo
• Funciona offline após o download inicial do modelo
• Sem necessidade de chaves API, contas ou assinaturas
• Alimentado por WebAssembly (WASM) e WebGPU para desempenho próximo ao nativo
• Uso gratuito sem limites de uso

Modelos disponíveis

O modo Local (Offline) suporta uma ampla gama de modelos para cada etapa do pipeline de tradução:

• ASR: 42 modelos incluindo Cohere Transcribe, Voxtral Mini 4B Realtime, Whisper, SenseVoice, Moonshine, NeMo e Zipformer — cobrindo mais de 99 idiomas
• Tradução: 74 pares de idiomas Opus-MT para tradução rápida via CPU, mais TranslateGemma e Qwen LLMs via WebGPU para suporte multilíngue
• TTS: 136 modelos em 52 idiomas usando motores Piper, Coqui, Mimic3 e Matcha

Requisitos de hardware

• CPU (WASM): Funciona em qualquer navegador moderno — nenhum hardware especial necessário
• WebGPU: Aceleração GPU opcional para modelos Cohere Transcribe, Voxtral Mini, Whisper ASR, TranslateGemma e tradução Qwen — significativamente mais rápido com uma GPU dedicada
• Recomendado: 4GB+ de RAM para carregamento confortável de modelos
• Armazenamento: Os modelos variam de 5MB a 200MB+ dependendo do nível de precisão
• Navegador moderno necessário: Chrome 113+, Edge 113+ ou Firefox 120+ para suporte WebGPU

Modelos ASR (Reconhecimento de fala)

Escolha um modelo de reconhecimento de fala com base no seu idioma de origem, necessidades de precisão e capacidades de hardware.

Modelos offline (CPU/WASM)

23 modelos que rodam em CPU via WebAssembly. Sem necessidade de GPU. Melhor compatibilidade.

Modelos de streaming (CPU/WASM)

10 modelos de streaming em tempo real. Transcreva enquanto fala com baixa latência.

Modelos WebGPU (GPU necessária)

9 modelos acelerados por WebGPU incluindo Cohere Transcribe e Voxtral Mini 4B Realtime (recomendados) mais Whisper. Melhor precisão e velocidade, requer uma GPU compatível.

Modelos de tradução

Escolha TranslateGemma para a melhor qualidade e velocidade, Opus-MT para tradução rápida em CPU, ou Qwen LLM para ampla cobertura multilíngue.

TranslateGemma 4B (WebGPU) — Recomendado

Modelo de tradução especializado do Google com a maior qualidade e velocidade entre todos os modelos de tradução locais. Suporta 51 idiomas com tradução bidirecional. Requer WebGPU.

Arabic, Bulgarian, Bengali, Catalan, Czech, Danish, German, Greek, English, Spanish, Estonian, Persian, Finnish, French, Gujarati, Hebrew, Hindi, Croatian, Hungarian, Indonesian, Icelandic, Italian, Japanese, Kannada, Korean, Lithuanian, Latvian, Malayalam, Marathi, Dutch, Norwegian, Punjabi, Polish, Portuguese, Romanian, Russian, Slovak, Slovenian, Serbian, Swedish, Swahili, Tamil, Telugu, Thai, Tagalog, Turkish, Ukrainian, Urdu, Vietnamese, Chinese, Zulu

Qwen LLM (WebGPU)

Modelos de linguagem grandes suportando 119–201+ idiomas. Maior qualidade, mas requer GPU. Melhor para tradução multilíngue flexível.

Qwen 2.5: Japanese, Chinese, English, Korean, German, French, Spanish, Russian, Arabic, Portuguese, Thai, Vietnamese, Indonesian, Turkish, Dutch, Polish, Italian, Hindi, Swedish, Danish, Finnish, Hungarian, Romanian, Norwegian, Ukrainian, Czech, Estonian, Afrikaans

Qwen 3/3.5: 119–201+ languages (multilingual)

Opus-MT (CPU/WASM)

74 pares de idiomas, ~110 MB cada. Rápido, leve, funciona em qualquer dispositivo. Melhor para tradução unidirecional.

Modelos TTS (Texto para fala)

136 modelos em 52 idiomas. Todos rodam em CPU via WASM — sem necessidade de GPU. Alimentados pelos motores Piper, Coqui, Mimic3, VITS e Matcha.

Configurações de TTS

• Velocidade da fala — Controla a velocidade de reprodução da fala sintetizada. Ajuste o controle deslizante de velocidade para tornar a saída mais rápida ou mais lenta de acordo com sua preferência.
• ID do falante — Controla o timbre vocal da fala sintetizada. Muitos modelos suportam múltiplos IDs de falante, cada um com uma voz diferente. Alguns modelos multi-falante incluem vozes de gêneros diferentes, então você pode escolher uma voz masculina ou feminina selecionando diferentes IDs de falante.

Problemas comuns

Download do modelo falha: Verifique sua conexão com a Internet para o download inicial. Os modelos são armazenados em cache localmente no IndexedDB, então os usos subsequentes funcionam offline. Tente limpar os dados do navegador se os downloads estiverem corrompidos.

ASR não reconhece a fala: Certifique-se de ter selecionado o modelo ASR correto para o seu idioma de origem. Tente um modelo maior para melhor precisão. Verifique se o microfone está funcionando e as permissões foram concedidas.

Qualidade da tradução está baixa: Os modelos Opus-MT são otimizados para velocidade em detrimento da qualidade. Para melhores resultados, tente os modelos TranslateGemma ou Qwen LLM se o seu dispositivo suporta WebGPU. Certifique-se de ter selecionado o par de idiomas correto.

WebGPU não disponível: WebGPU requer um navegador e GPU compatíveis. Recorra aos modelos baseados em WASM (sherpa-onnx, Opus-MT) que funcionam em qualquer navegador moderno sem requisitos de GPU.

Dicas de desempenho

1. Use modelos WebGPU quando disponíveis para processamento significativamente mais rápido
2. Feche outras abas do navegador para liberar memória para o carregamento de modelos
3. Escolha modelos menores para dispositivos de baixo desempenho ou quando a velocidade for prioridade
4. Modelos WASM (sherpa-onnx, Opus-MT) são mais compatíveis, mas mais lentos que as alternativas WebGPU
5. Monitore o uso de memória do navegador — modelos grandes podem exigir 2GB+ de memória do navegador