支持的 AI 提供商

Sokuji 支持多个 AI 提供商进行实时语音翻译。每个提供商提供不同的功能、模型和定价结构。免费模式无需 API 密钥，在您的设备上免费运行；只有部分语音需要联网。

设置说明

要使用云端 AI 提供商，请从提供商网站获取 API 密钥，并在 Sokuji 设置面板中配置。免费模式无需 API 密钥 — 只需下载模型即可开始翻译。

OpenAI

实时音频 API
  • GPT-4o 实时预览模型
  • 8 种优质语音选项
  • 高级轮次检测模式
  • 内置降噪
  • 支持 60+ 种语言
  • 自定义提示模板模式
文档设置教程

Google Gemini

Gemini Live API
  • Gemini 2.0 Flash Live 模型
  • 30 种独特语音个性
  • 自动轮次检测
  • 35+ 种语言及地区变体
  • 内置转录
  • 高 token 限制 (8192)
文档设置教程

PalabraAI

WebRTC 翻译服务
  • 实时 WebRTC 翻译
  • 60+ 种源语言
  • 40+ 种目标语言
  • 低延迟流式传输
  • 自动音频处理
  • 专为实时翻译优化
文档设置教程

豆包同声传译 2.0

语音到语音翻译
  • 端到端语音到语音翻译
  • 声音复刻，或从 500 多个固定音色中挑选
  • 低延迟同声传译
  • 20 种语言加粤语、吴语，其中 8 种可朗读
  • 应用 ID + 访问令牌，或 API 密钥
  • 字节跳动云基础设施
文档设置教程

Soniox

语音到语音翻译
  • 实时语音到语音翻译
  • 在单个 API 调用中转写并翻译 60+ 种语言
  • 自动语言检测
  • 200 个内置声音与声音克隆
  • 朗读翻译或仅字幕
  • 面对面对话与说话人标注
  • Soniox 云基础设施
文档设置教程

免费

设备端 AI（边缘计算）
  • 完全离线 — 无需 API 密钥或互联网
  • 40+ 个 ASR 模型覆盖 99+ 种语言
  • 55+ 翻译语言对 + Qwen LLM
  • 136 个 TTS 模型覆盖 53 种语言
  • CPU (WASM) 和 WebGPU 加速
  • 隐私优先 — 所有数据保留在设备上
文档设置教程

选择提供商

OpenAI: 最适合高质量语音合成和高级功能

Gemini: 非常适合多语言支持和自动处理

PalabraAI: 针对最小延迟的实时翻译优化

Doubao AST 2.0: 豆包语音到语音同声传译服务，可复刻说话者的声音，也可挑选固定音色

Soniox: Soniox 实时语音到语音翻译，覆盖 60 多种语言，支持自动语言检测

Local Inference: 完全在您的设备上运行，数据不离开您的设备 — 非常适合对隐私敏感的使用场景

需要帮助？

有关设置指南、故障排除和提供商比较，请访问我们的 GitHub 仓库。 GitHub Repository