这是一个创建于 1080 天前的主题，其中的信息可能已经有所发展或是发生改变。
请教一下各位大佬，一位老同学做科研找上门来合作项目，想做一个在线的口译训练系统。
前端需要能够识别 演讲者的语言（耳机），学生的语言（麦克风），还需要实时翻译成目标语言（中英文）。
对这块真的不是很熟悉，请教一下大家怎么实现，或者有没有相关的学习资料。
如果有现成的 demo 可以参考就更好了了。
谢谢大家。
 | 1 paradox8599 2023 年 5 月 11 日 via Android |
 | 2 用 chatgpt ？ |
 | 3 ruanimal 2023 年 5 月 11 日 语音转文字，然后调用 chatgpt ？ |
 | 4 rsy 2023 年 5 月 11 日 用现成的音频转写翻译服务就可以了 https://sight.youdao.com/service/voice |
 | 5 Alias4ck 2023 年 5 月 11 日 stt 服务,openai 的 whisper( https://github.com/openai/whisper),在官方 github 的 discussion 里面有很多相关的 application(huggingface 上面也有很多),还有可以在 cpu 上跑的比如 这个 https://github.com/ggerganov/whisper.cpp 它的 examples 里面有 https://whisper.ggerganov.com/stream/, 实时翻译的 wasm 应用 我看一楼给的最后一个项目也是基于 c#的 whisper wrapper |
 | 6 rb6221 2023 年 5 月 11 日 TTS ，然后接个翻译 api |
 | 7 metalvest 2023 年 5 月 11 日 上面说的都是很成熟的技术了，但要形成产品还不够，因为这个系统的重点在于训练，关键是要建库塞一堆课程，然后根据学生的成绩制定训练和学习计划，然后搞个收费标准。 |
 | 8 lff0305 2023 年 5 月 11 日 via Android 公司做过类似的，不算复杂 前端调用 API 从麦克风采集音频，拿到音频以二进制形式通过 Web socket 发到后端，后端拿到之后把音频数据发给 ASR 把音频转换成文字，然后就是处理文字，比如翻译之类的 最后把处理过的结果通过 tts 转换成音频数据，从 Web socket 返回， 前端拿到音频数据后播放 Asr tts 主流的云厂商都有提供 |
 | 9 wangtian2020 2023 年 5 月 11 日 win11 马上会加入一个实时字幕 Live Captions 功能 |
 | 10 fionasit007 2023 年 5 月 11 日 科大讯飞不就是做这个的吗，实时口译，之前星火发布会的时候下面的双语字母不就是实时翻译的吗 |
 | 11 wumoumou 2023 年 5 月 11 日 chatgpt 支持语音转文字，如果选择英文输出，直接会帮你翻译 |
 | 12 humbass 2023 年 5 月 11 日 可以直接做一对一的接口，延时在 500 毫秒以内 |
 | 13 fox 2023 年 5 月 11 日 可以看看北语韩老师的科研项目 paratrans ，算是非常解决了业内（翻译学生）痛点的一个服务。 https://paratrans.vip/login.php |
| 14 fox 2023 年 5 月 11 日 然后 讯飞新发布的产品好像有类似的应用？还没试过，不是很清楚 |
 | 15 javaDo 2023 年 5 月 14 日 蹲一波 |
Select Language