Руководство по настройке Doubao AST 2.0
Обзор
Это руководство поможет вам настроить Doubao AST 2.0 для использования с Sokuji. Doubao AST 2.0 — это сервис синхронного перевода речи в речь, который может клонировать голос говорящего или говорить фиксированным голосом, выбранным из его библиотеки.
1Зарегистрируйте аккаунт Volcengine
Перейдите на volcengine.com и зарегистрируйте аккаунт. Если у вас уже есть аккаунт ByteDance/Volcengine, вы можете войти напрямую.
2Перейдите в консоль речевых технологий
После входа выберите "Doubao Simultaneous Interpreting 2.0" в левом меню или перейдите напрямую в консоль речевых технологий.
3Создайте приложение
В консоли речевых технологий нажмите "Create Application", чтобы создать новое приложение. Назовите его (например, "Sokuji Translation") и подтвердите создание.
4Получите APP ID и Access Token
Нажмите "Doubao Simultaneous Interpreting 2.0" в левом меню. Выберите только что созданное приложение из выпадающего списка имён приложений вверху страницы, затем скопируйте APP ID и Access Token, показанные ниже. Sokuji также принимает API Key Volcengine; подойдёт любой из двух видов учётных данных.
5Настройте в Sokuji
Откройте Sokuji и выберите "Doubao AST 2.0" в качестве провайдера ИИ в панели настроек. Выберите вид учётных данных App ID + Access Token и введите свои APP ID и Access Token либо выберите API-ключ и вставьте API Key. Затем выберите исходный и целевой языки; режим речи («Авто», «Нажми и говори» или «Нажми и переведи») — одна настройка для всех провайдеров.
6Протестируйте соединение
Нажмите кнопку «Начать сеанс» и говорите в микрофон, чтобы убедиться, что перевод речи в речь работает. Вы должны увидеть перевод. Озвученный перевод уходит в виртуальный микрофон для собеседника; чтобы слышать его самому, включите Я тоже слышу в блоке Речь (быстрые настройки или Настройки → Расширенный → Аудио).
Функции
Что такое Doubao AST 2.0?
Doubao AST 2.0 — это сквозной сервис перевода речи:
- Синхронный перевод речи в речь без промежуточных текстовых этапов
- Клонирование голоса: переведённая речь сохраняет голосовые характеристики говорящего
- Фиксированные голоса: выберите по одному на каждый целевой язык из библиотеки Doubao, с фильтрами по полу, возрасту и стилю и с прослушиванием
- Голос, который слышу я: если в блоке «Речь» включён «Перевод, который слышу я», перевод собеседника тоже читается вам, а в «Настройки голоса» появляются две строки: «Голос, который слышит собеседник» и «Голос, который слышу я». В строке «Голос, который слышу я» перечислены голоса вашего языка; выбор «Клонировать голос говорящего» там клонирует собеседника. Голос сохраняется для каждого языка, поэтому голос, выбранный для языка, читает его в любой из двух строк. Для «Китайский + английский» одна строка служит обеим сторонам
- Обработка перевода в реальном времени с низкой задержкой
- Китайский и английский можно переводить в обе стороны в одном сеансе
Поддерживаемые языки
Одной из сторон каждой языковой пары должен быть китайский или английский:
- Озвучиваемые (речь в речь): китайский, английский, японский, индонезийский, испанский, португальский, немецкий, французский; с китайского или английского озвучивается и корейский
- Только текст: корейский, турецкий, малайский, нидерландский, румынский, польский, чешский, арабский, тайский, вьетнамский, русский, итальянский
- Диалекты: кантонский и у (шанхайский) — только как исходный язык
- «Китайский + английский»: оба языка переводятся в обе стороны в одном сеансе
Режим речи
- Авто: сервис определяет начало и конец речи, подходит для естественных разговоров
- Нажми и говори: звук отправляется только пока вы удерживаете пробел или кнопку микрофона, подходит для шумных сред или когда нужен точный контроль
- Нажми и переведи: то же, что «Нажми и говори», только пока вы не удерживаете, ваш собственный голос идёт напрямую на виртуальный микрофон
Устранение неполадок
Частые проблемы
Ошибка аутентификации: Убедитесь, что APP ID и Access Token (или API Key) правильно скопированы без лишних пробелов и что вид учётных данных, выбранный в Sokuji, соответствует тому, что вы ввели.
Ошибка подключения: Проверьте сетевое подключение и убедитесь, что брандмауэры не блокируют WebSocket-соединения. Если используете прокси, убедитесь, что он поддерживает WebSocket.
Неподдерживаемая языковая пара: Подтвердите, что выбранная комбинация исходного и целевого языков находится в пределах поддерживаемого диапазона Doubao AST 2.0.
Советы для лучших результатов
- Используйте стабильное сетевое подключение для лучшего качества перевода
- Используйте в тихой обстановке для оптимального распознавания речи
- Если качество перевода неидеально, попробуйте переключить режим речи
- Регулярно проверяйте использование и квоту в консоли Volcengine
Нужна дополнительная помощь? Посетите консоль речевых технологий Volcengine для ознакомления с официальной документацией или наш репозиторий GitHub для получения поддержки.