LiveCaptionN

LiveCaptionN zmienia Twój telefon z Androidem w narzędzie do tworzenia napisów i tłumaczenia w czasie rzeczywistym, które działa na wierzchu dowolnej innej aplikacji. Słucha przez mikrofon lub dźwięk aktualnie odtwarzanej aplikacji, transkrybuje to, co słyszysz, słowo po słowie, tłumaczy na wybrany język i wyświetla wynik w postaci przeciąganego okna napisów na wierzchu tego, co oglądasz, przewijasz lub studiujesz.

Obie części procesu domyślnie działają w pełni na urządzeniu:

• Rozpoznawanie mowy strumieniowej Vosk — jeden długo działający moduł rozpoznający otrzymuje ciągłe fragmenty audio o długości ok. 100 ms, dzięki czemu napisy wydają się natychmiastowe, a nie pojawiają się w 2-sekundowych sekwencjach.

• Tłumaczenie na urządzeniu z Google ML Kit — obsługuje ok. 59 języków, jednorazowe pobranie ok. 30 MB na parę językową, a następnie buforowanie offline na zawsze.

Bez konta. Bez telemetrii. Domyślny proces nie wymaga serwera.

FUNKCJE

• Pływająca nakładka z napisami, która wyświetla się na wierzchu dowolnej aplikacji, z funkcjami przeciągania, zmiany rozmiaru, wstrzymywania, minimalizowania i zamykania

• Dźwięk z mikrofonu lub systemu (za pośrednictwem MediaProjection) zasila ten sam strumień o niskim opóźnieniu

• Rozpoznawanie Vosk strumieniowane na urządzeniu — działa jak Google Live Caption

• Wbudowany moduł pobierania dla dodatkowych modeli Vosk na urządzeniu, z dwoma poziomami jakości: Mały (od 30 do 80 MB) i Duży (od 80 MB do 2 GB, najniższy współczynnik błędów) dla języka hiszpańskiego, francuskiego, niemieckiego, włoskiego, portugalskiego, holenderskiego, rosyjskiego, ukraińskiego, perskiego, hindi, chińskiego, japońskiego, arabskiego, wietnamskiego i innych

• Tłumaczenie na urządzeniu za pośrednictwem Google ML Kit, z opcjonalnym serwerem LibreTranslate dla szerszego zakresu języków

• Historia transkrypcji, przeszukiwana z poziomu aplikacji

• Regulowana nakładka: rozmiar tekstu, krycie, szerokość, wysokość, zapamiętywanie pozycji ekranu

• Automatyczne powiadomienia o aktualizacjach za pośrednictwem GitHub publikuje API

PRYWATNOŚĆ NAJPIERW

LiveCaptionN nie tworzy konta, nie śledzi użytkownika i nie oferuje żadnych analiz. Rozpoznawanie mowy i tłumaczenie działają na telefonie. Aplikacja łączy się z internetem tylko w celu pobrania modeli Vosk (z alphacephei.com) i par tłumaczeniowych ML Kit (z usługi modeli Google) na żądanie, a także w celu sprawdzenia GitHub pod kątem nowych wersji. Jeśli włączysz opcjonalny serwer Whisper lub LibreTranslate w ustawieniach, ruch kierowany jest na skonfigurowany adres URL i nic więcej.

WYMAGANIA

• Android 10 (API 29) lub nowszy

• Uprawnienia do mikrofonu (dla trybu mikrofonu)

• Uprawnienia do „Wyświetlania nad innymi aplikacjami” (dla ruchomego okna napisów)

• Uprawnienia do powiadomień (dla opcjonalnych alertów o aktualizacjach)

LiveCaptionN jest w pełni open source. Każde wydanie jest tworzone przez GitHub Actions na podstawie publicznego zatwierdzenia, które można sprawdzić. Zgłoszenia, opinie i żądania ściągnięcia są mile widziane na GitHubie.