跳到主要内容

翻译引擎设置

此页面按顺序包含四个配置卡片：文字翻译引擎设置、语音翻译引擎设置、ASR设置（语音识别）与 TTS设置（语音合成）。各引擎的源语言与目标语言设置入口如下：

  • OCR（文字）翻译的源/目标语言：在 OCR图像翻译设置 的"翻译语言设置"中配置。
  • 语音翻译的识别语言与目标语言：在 语音翻译设置 的"扬声器 / 麦克风语音翻译设置"中配置。

源语言可设为自动检测，切换游戏语言时无需手动调整；目标语言通常设为您的母语（如简体中文）。

文字翻译引擎设置​

配置用于 OCR 截图文字翻译的引擎。

翻译模式​

选择翻译请求的处理方通道：

  • 内置翻译服务：直接使用项目内置的服务接入，无需您在平台申请开发密钥，开箱即用。
  • 自定义配置：适合已自行申请了相关平台 API 密钥，或使用了本地部署推理模型的用户。
  • 本地翻译：使用随附的 Hy-MT2 本地翻译模型进行完全离线翻译，无需联网、无需 API 密钥。本地模型会按需加载，并在空闲 30 秒后自动卸载以释放内存。
    • 选择"本地"后，厂商 / 认证等在线配置会被隐藏，仅保留推理设备与推理核心数（见下文"推理设备与核心数"）。

服务类型​

选择使用哪类翻译引擎（非"本地"模式时显示）：

  • 通用翻译服务：基于"词句对词句"的传统机器翻译，响应速度快。包含腾讯、微软、火山引擎、阿里、百度、有道、Google、DeepL 以及华为等主流服务。（有道翻译和华为翻译视可用性显示。）
  • LLM 大模型服务：基于大语言模型，更擅长上下文理解和语气润色。包含 OpenAI、DeepSeek、阿里百炼（通义千问）、火山引擎（豆包）、硅基流动、Anthropic、谷歌 Gemini、腾讯混元、Kimi、MiniMax、百度千帆、xAI 以及智谱等服务。

首选厂商与模型​

  • 首选厂商：从上方服务类型下拉出对应厂商列表中选择。
  • 首选模型：仅 LLM 服务有效。内置模式下会自动获取该厂商可用模型列表供选择；自定义模式下可手动填写模型名称。

服务凭据​

  • 内置服务认证：内置模式下，部分厂商需要您填写服务商分配的认证用户名与认证密码（留空则使用内置的默认密钥）。
  • 自定义服务认证：自定义模式下，根据所选服务类型显示以下输入项（顺序如下）：
    • API ID：部分服务商（如百度翻译）要求同时提供应用 ID，在此填写。
    • API KEY：填写对应服务商生成的 API 密钥。
    • 模型名称：仅 LLM 模式有效。填写您要使用的具体模型，如 deepseek-chat、gpt-4o-mini、glm-4。
    • API URL：仅 LLM 模式有效。如您使用本地部署的 Ollama、LM Studio 或代理中转服务，可在此填写自定义接口地址（如 http://localhost:11434/v1/chat/completions），留空则使用所选服务商的默认接口。
    • 提示词：仅 LLM 模式有效。用于自定义模型的翻译风格和要求。默认提示词为 "你是一个翻译专家，翻译的文本是使用OCR识别的结果……"。

语音翻译引擎设置​

配置用于语音翻译的翻译引擎。

翻译模式​

  • 本地（默认）：使用随附的 Hy-MT2 本地翻译模型离线翻译。
  • 自定义：使用您自己的 API 密钥接入第三方翻译服务。

注意：语音翻译不支持内置翻译服务模式，仅支持本地与自定义。语音翻译使用独立的厂商 / 凭据配置。

服务类型与厂商​

同文字翻译，支持通用翻译服务与 LLM 大模型服务，厂商列表一致。语音翻译的自定义凭据（API ID / API KEY / 模型名称 / API URL / 提示词）独立于文字翻译单独保存。

语音翻译默认提示词​

语音翻译的 LLM 默认提示词为："你是一个语音翻译专家，输入是语音识别的连续片段……"，与文字翻译的默认提示词不同。

推理设备与核心数​

选择"本地"模式后，会显示以下两项（与 ASR / TTS 卡片中的同名设置一致）：

  • 推理设备：CPU（默认）或由子进程通过 Vulkan 枚举出的显卡（核显 / 独显，显示设备实际名称）。
  • 推理核心数：CPU 推理时使用的核心数（范围 1 ~ 设备核心数，默认 4）。选择 GPU 后该滑块自动隐藏。

ASR设置​

配置语音识别（自动语音识别）引擎。该卡片由"语音翻译设置"页面迁入，包含与模型强相关的全部选项。

识别模式​

  • 本地（默认）：使用随附的本地 Qwen3-ASR 模型离线识别，不加载在线服务。
  • 自定义：接入在线识别服务（当前支持阿里百炼 DashScope），不加载本地模型。选择后显示：
    • 厂商：当前为阿里百炼 DashScope（下拉框保留扩展位）。
    • 模型名：按端点协议分为"实时"与"非实时"两类预设，可直接选择预设模型；末项"自定义"可手动填写模型名与 API URL。
    • API URL：自定义模式下可填写自定义接口地址（留空使用默认地址）。
    • API Key：在线服务的密钥。未填写时界面会显示"未填写 API Key"提示。

本地模式专属选项​

  • 语音识别模型：选择本地识别模型档位。
    • 快速（0.6B）（默认）：响应更快，占用内存更少。
    • 高精度（1.7B）：准确率更高，占用更多内存（约需 3 GB 可用内存）。切换到高精度时会先弹出确认提示，确认后才生效。
  • 推理设备：CPU（默认）或枚举出的 GPU 设备。
  • 推理核心数：CPU 推理时的核心数（1 ~ 设备核心数，默认 4），选择 GPU 后隐藏。
  • 模拟流式输出：开启后按约 1 秒的间隔增量输出识别中间结果，显示更接近实时字幕；关闭则仅在整句识别完成后一次输出。开启时会先弹出确认提示。

TTS设置​

配置语音合成（文本转语音）引擎，用于朗读麦克风通道的译文。该卡片由"语音翻译设置"页面迁入。

合成模式​

  • 本地（默认）：使用随附的本地 Qwen3-TTS 模型离线合成。
  • 自定义：接入在线合成服务（当前支持阿里百炼 DashScope）。选择后显示厂商、模型名（含"实时 / 非实时"预设与"自定义"手动填写项）、API URL 与 API Key。

本地模式专属选项​

  • TTS实时流式播放：开启后边推理边播放，延迟更低；关闭则完整合成后一次性播放。
  • 推理设备：CPU（默认）或枚举出的 GPU 设备。切换到 GPU 前会弹出确认提示（GPU 推理当前存在显存异常增大的问题，可能占用约 6.5 GB 显存）。
  • 音色：默认（随机）、女声 A、女声 B、男声 A、男声 B、自定义（克隆）。切换音色仅更新引擎配置，不重载模型，下次朗读生效。
  • 声音克隆：点击"麦克风克隆"或"扬声器克隆"采集人声，界面会显示已采集秒数，累计约 10 秒后自动保存为"自定义（克隆）"音色；采集过程中可点击"停止采集"中断。请使用干净的单人连续人声。
  • 推理核心数：CPU 推理时的核心数（1 ~ 设备核心数，默认 4），选择 GPU 后隐藏。

合成失败时，卡片内会以红色文字显示在线合成返回的错误信息，便于排查 API Key、额度或网络问题。

服务状态提示​

选择"内置"模式时，若系统正在加载可用接口列表，下拉框旁会显示旋转加载动画。若因网络问题导致请求失败，会以红色倒计时文字显示，此时可等待重试或切换至"自定义"模式。

内置模式下部分服务若暂不可用或缺少凭据，界面中会以禁用 / 提示形式标出。