开源 Python 框架,用于构建实时语音和多模态 AI 智能体,可插拔接入语音、大模型与传输服务。
kizuna-ai-lab/sokuji
面向双语会议的实时双向语音翻译工具,支持云端服务或完全离线的本地推理,提供桌面应用和浏览器扩展。
- Star
- 1,408
- Fork
- 205
- 未关闭 Issue
- 36
- 最近提交
- 前天
这是什么?
Sokuji 可以在两种语言之间实时翻译口语对话。它会自动识别当前说的是哪种语言,并译成另一种语言,双向同时进行,让使用不同语言的两个人能够跟上同一场对话。音频可以同时采集麦克风和系统声音,翻译结果既可以以语音播放,也可以以实时字幕显示。
项目提供适用于 Windows、macOS 和 Linux 的桌面应用,可配合 Zoom、Teams、Discord 等任何接收麦克风输入的应用使用;Chrome 和 Edge 浏览器扩展则可直接在 Google Meet、Zoom 网页版等网页会议中工作。翻译可以调用 OpenAI、Gemini、Soniox、Palabra.ai 等云端服务,也可以使用本地推理模式,借助 WASM 和 WebGPU 在设备上完成语音识别、翻译和语音合成,无需 API 密钥。
核心功能
- 01自动识别说话语言,并双向翻译
- 02在同一会话中同时采集麦克风和系统音频
- 03提供实时字幕和译文语音,并可通过虚拟麦克风输入其他应用
- 04支持 8 种服务提供方,包括多家云端 API 和完全离线的本地推理
- 05本地推理模式在设备上完成语音识别、翻译和语音合成,无需 API 密钥
- 06提供 Windows、macOS、Linux 桌面应用,以及 Chrome 和 Edge 扩展
适用场景
- 与使用不同语言的同事或客户进行双语视频会议
- 通过实时字幕跟进外语网络研讨会或语音聊天
- 在无网络或无独立显卡的设备上离线翻译,适合对隐私要求高的对话
快速上手
- 1
克隆仓库
git clone https://github.com/kizuna-ai-lab/sokuji.git - 2
进入目录并安装依赖
cd sokuji && npm install - 3
启动桌面应用开发版
npm run electron:dev
使用前须知
- 采用 AGPL-3.0 许可证,衍生作品需以相同条款开源。
- 云端服务需要各自的 API 密钥,完全离线模式依赖设备端模型。
- 浏览器扩展目前仅支持 Chrome 和 Edge,Brave 尚在筹备中。
标签
常见问题
- sokuji 是什么?
- 面向双语会议的实时双向语音翻译工具,支持云端服务或完全离线的本地推理,提供桌面应用和浏览器扩展。 Sokuji 可以在两种语言之间实时翻译口语对话。它会自动识别当前说的是哪种语言,并译成另一种语言,双向同时进行,让使用不同语言的两个人能够跟上同一场对话。音频可以同时采集麦克风和系统声音,翻译结果既可以以语音播放,也可以以实时字幕显示。
- sokuji 可以免费使用吗?用的什么许可证?
- sokuji 以 AGPL-3.0 许可证开源。用于商业产品前,请先确认许可证条款。
- sokuji 还在维护吗?
- 活跃维护中。sokuji 最近一次提交是在 2026年10月18日。
- sokuji 适合用来做什么?
- 与使用不同语言的同事或客户进行双语视频会议 通过实时字幕跟进外语网络研讨会或语音聊天 在无网络或无独立显卡的设备上离线翻译,适合对隐私要求高的对话
- sokuji 怎么安装和运行?
- 克隆仓库: git clone https://github.com/kizuna-ai-lab/sokuji.git 进入目录并安装依赖: cd sokuji && npm install 启动桌面应用开发版: npm run electron:dev
- 在哪里获取 sokuji?
- 源代码和安装说明在 GitHub 上:https://github.com/kizuna-ai-lab/sokuji
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
1.7万2904PythonBSD-2-Clause更新于 昨天
开源、本地优先的 AI 语音听写应用,基于 Whisper 在 macOS 和 Windows 上离线转写语音。
1561142TypeScriptMIT更新于 8天前
开源、本地运行的语音工作室,支持声音克隆、声音设计、视频配音、听写、转录和有声书制作。
7.9万8642PythonAGPL-3.0更新于 4小时前
本地优先的开源 AI 语音工作室,支持克隆声音、生成语音、语音听写和为 AI 智能体提供语音输出。
5.8万7287PythonMIT更新于 14天前
开源的端侧语音工具包,提供语音转文字、意图识别和文字转语音,适合构建实时语音应用与智能体。
1.1万620C++Other更新于 18天前
一个面向知识工作与软件开发的智能体工作台,可自由选择模型并使用开源智能体框架,支持本地或托管运行。
4万6242MakefileMIT更新于 22小时前