Tutorial de configuração do Doubao AST 2.0

1Registre uma conta Volcengine

Acesse volcengine.com e crie uma conta. Se você já tem uma conta ByteDance/Volcengine, pode fazer login diretamente.

2Navegue até o console de voz

Após o login, selecione "Doubao Simultaneous Interpreting 2.0" no menu à esquerda, ou visite diretamente o console de voz.

3Crie um aplicativo

No console de voz, clique em "Create Application" para criar um novo aplicativo. Nomeie-o (por exemplo, "Sokuji Translation") e confirme a criação.

4Obtenha o APP ID e o Access Token

Clique em "Doubao Simultaneous Interpreting 2.0" no menu à esquerda. Selecione o aplicativo recém-criado no menu suspenso de nome do aplicativo no topo da página, depois copie o APP ID e o Access Token exibidos abaixo. O Sokuji também aceita uma API Key da Volcengine; qualquer um dos dois tipos de credencial serve.

5Configure no Sokuji

Abra o Sokuji e selecione "Doubao AST 2.0" como seu provedor de IA no painel de configurações. Escolha o tipo de credencial App ID + Access Token e insira seu APP ID e Access Token, ou escolha Chave de API e cole a API Key. Depois escolha os idiomas de origem e destino; o Modo de fala (Auto, Pressionar para falar ou Pressionar para traduzir) é uma única configuração para todos os provedores.

6Teste a conexão

Clique no botão Iniciar sessão e fale no microfone para verificar se a tradução de voz para voz está funcionando. Você deverá ver a tradução. A tradução falada vai para o microfone virtual, para o outro lado; para ouvi-la também, ative Eu também ouço no bloco Voz (configurações rápidas, ou Configurações → Avançado → Áudio).

O que é o Doubao AST 2.0?

O Doubao AST 2.0 é um serviço de tradução de voz ponta a ponta:

• Tradução simultânea de voz para voz sem etapas de texto intermediárias
• Clonagem de voz: a voz traduzida preserva as características vocais do falante
• Vozes fixas: escolha uma por idioma de destino na biblioteca do Doubao, filtrando por gênero, idade e estilo, com prévia
• Voz que eu ouço: com Tradução que eu ouço ativada no bloco Voz, a tradução do outro lado também é lida para você, e Configurações de Voz mostra duas linhas, Voz que o outro lado ouve e Voz que eu ouço. Voz que eu ouço lista as vozes do seu próprio idioma; ali, Clonar a voz de quem fala clona a outra pessoa. A voz fica guardada por idioma, então a voz que você escolhe para um idioma o lê em qualquer uma das duas linhas. Com Chinês + Inglês, uma só linha serve aos dois lados
• Processamento de tradução em tempo real de baixa latência
• Chinês e inglês podem ser traduzidos nos dois sentidos em uma mesma sessão

Idiomas suportados

Um dos lados de cada par de idiomas precisa ser chinês ou inglês:

• Falados (voz para voz): chinês, inglês, japonês, indonésio, espanhol, português, alemão, francês; a partir do chinês ou do inglês, o coreano também pode ser falado
• Somente texto: coreano, turco, malaio, holandês, romeno, polonês, tcheco, árabe, tailandês, vietnamita, russo, italiano
• Dialetos: cantonês e wu (xangainês), apenas como idioma de origem
• “Chinês + Inglês”: os dois idiomas traduzidos nos dois sentidos em uma mesma sessão

Modo de fala

• Auto: o serviço detecta quando a fala começa e termina, adequado para conversas naturais
• Pressionar para falar: o áudio é enviado só enquanto você mantém pressionada a tecla Espaço ou o botão do microfone, adequado para ambientes barulhentos ou quando é preciso controle preciso
• Pressionar para traduzir: igual a Pressionar para falar, exceto que, enquanto você não está pressionando, a sua própria voz vai direto para o microfone virtual

Problemas comuns

Erro de autenticação: Verifique se o APP ID e o Access Token (ou a API Key) foram copiados corretamente sem espaços extras, e se o tipo de credencial selecionado no Sokuji corresponde ao que você inseriu.

Erro de conexão: Verifique sua conexão de rede e certifique-se de que os firewalls não estão bloqueando conexões WebSocket. Se estiver usando um proxy, certifique-se de que ele suporta WebSocket.

Par de idiomas não suportado: Confirme que a combinação de idiomas de origem e destino selecionada está dentro do alcance suportado pelo Doubao AST 2.0.

Dicas para melhores resultados

1. Use uma conexão de rede estável para obter a melhor qualidade de tradução
2. Use em um ambiente silencioso para reconhecimento de voz ideal
3. Se a qualidade da tradução não for ideal, tente mudar o Modo de fala
4. Verifique regularmente o uso e a cota no console Volcengine