メインコンテンツまでスキップ

翻訳エンジン設定

このページには、文字翻訳エンジン設定、音声翻訳エンジン設定、ASR設定（音声認識）、TTS設定（音声合成）の4つの設定カードがこの順序で含まれています。各エンジンのソース言語と目標言語の設定入口は以下の通りです：

  • OCR（文字）翻訳の元/目標言語：OCR画像翻訳設定の「翻訳言語設定」で設定します。
  • 音声翻訳の認識言語と目標言語：音声翻訳設定の「スピーカー / マイク音声翻訳設定」で設定します。

ソース言語は自動検出に設定できます。ゲームの言語を切り替えても手動で調整する必要がありません；目標言語は通常、母語（例：簡体字中国語）に設定します。

文字翻訳エンジン設定​

OCRスクリーンショット文字の翻訳に使用するエンジンを設定します。

翻訳モード​

翻訳リクエストの処理先チャネルを選択します：

  • 内蔵翻訳サービス：プロジェクトに内蔵されているサービス統合を直接使用し、プラットフォームで開発キーを申請する必要がなく、そのまま使えます。
  • カスタム設定：自分で関連プラットフォームのAPIキーを申請した、またはローカルに推論モデルをデプロイしたユーザーに適しています。
  • ローカル翻訳：付属のHy-MT2ローカル翻訳モデルを使用して完全にオフラインで翻訳します。ネットワーク接続もAPIキーも不要です。ローカルモデルは必要に応じてロードされ、30秒アイドル状態が続くと自動的にアンロードされてメモリを解放します。
    • 「ローカル」を選択すると、ベンダー / 認証などのオンライン設定は非表示になり、推論デバイスと推論コア数のみが残ります（後述の「推論デバイスとコア数」を参照）。

サービスタイプ​

どのタイプの翻訳エンジンを使用するかを選択します（「ローカル」モード以外の場合に表示されます）：

  • 汎用翻訳サービス：「文対文」に基づく従来の機械翻訳で、応答速度が速いです。テンセント、マイクロソフト、ボルケーノエンジン、アリババ、百度、有道、Google、DeepL、ファーウェイなどの主流サービスを含みます。（有道翻訳とファーウェイ翻訳は可用性に応じて表示されます。）
  • LLM大規模モデルサービス：大規模言語モデルに基づいており、文脈理解とトーンの磨きに優れています。OpenAI、DeepSeek、アリババ百煉（通義千問）、ボルケーノエンジン（豆包）、硅基流動、Anthropic、Google Gemini、テンセント混元、Kimi、MiniMax、百度千帆、xAI、智譜などのサービスを含みます。

優先ベンダーとモデル​

  • 優先ベンダー：上記のサービスタイプのドロップダウンから対応するベンダーリストを選択します。
  • 優先モデル：LLMサービスのみ有効です。内蔵モードではそのベンダーの利用可能なモデルリストが自動的に取得され、カスタムモードでは手動でモデル名を入力できます。

サービス認証​

  • 内蔵サービス認証：内蔵モードでは、一部のベンダーにサービスプロバイダーが割り当てた認証ユーザー名と認証パスワードの入力が必要です（空欄の場合は内蔵のデフォルトキーが使用されます）。
  • カスタムサービス認証：カスタムモードでは、選択したサービスタイプに応じて以下の入力項目が表示されます（順序は以下の通りです）：
    • API ID：一部のサービスプロバイダー（百度翻訳など）はアプリケーションIDの同時提供を要求します。ここに入力してください。
    • API KEY：対応するサービスプロバイダーが生成したAPIキーを入力してください。
    • モデル名：LLMモードでのみ有効です。使用する具体的なモデルを入力してください、例：deepseek-chat、gpt-4o-mini、glm-4。
    • API URL：LLMモードでのみ有効です。ローカルにデプロイされたOllama、LM Studio、またはプロキシ中継サービスを使用する場合は、ここにカスタムインターフェースアドレスを入力できます（例：http://localhost:11434/v1/chat/completions）。空欄のままにすると、選択したサービスプロバイダーのデフォルトインターフェースが使用されます。
    • プロンプト：LLMモードでのみ有効です。モデルの翻訳スタイルと要求をカスタマイズするために使用されます。デフォルトのプロンプトは 「あなたは翻訳の専門家です。翻訳するテキストはOCR認識の結果です……」。

音声翻訳エンジン設定​

音声翻訳に使用する翻訳エンジンを設定します。

翻訳モード​

  • ローカル（デフォルト）：付属のHy-MT2ローカル翻訳モデルを使用してオフライン翻訳します。
  • カスタム：自分のAPIキーを使用してサードパーティの翻訳サービスに接続します。

注意：音声翻訳は内蔵翻訳サービスモードをサポートしていません。ローカルとカスタムのみ対応です。音声翻訳は独立したベンダー / 認証情報設定を使用します。

サービスタイプとベンダー​

文字翻訳と同じく、汎用翻訳サービスとLLM大規模モデルサービスをサポートし、ベンダーリストも同じです。音声翻訳のカスタム認証情報（API ID / API KEY / モデル名 / API URL / プロンプト）は、文字翻訳とは独立して個別に保存されます。

音声翻訳のデフォルトプロンプト​

音声翻訳のLLMのデフォルトプロンプトは 「あなたは音声翻訳の専門家です。入力は音声認識の連続断片です……」 で、文字翻訳のデフォルトプロンプトとは異なります。

推論デバイスとコア数​

「ローカル」モードを選択すると、以下の2項目が表示されます（ASR / TTSカードの同名設定と一致します）：

  • 推論デバイス：CPU（デフォルト）、または子プロセスがVulkanで列挙したグラフィックスカード（内蔵GPU / 個別GPU、デバイスの実際の名前を表示）。
  • 推論コア数：CPU推論時に使用するコア数（範囲1〜デバイスコア数、デフォルト4）。GPUを選択するとこのスライダーは自動的に非表示になります。

ASR設定​

音声認識（自動音声認識）エンジンを設定します。このカードは「音声翻訳設定」ページから移設されたもので、モデルに強く関連するすべてのオプションを含みます。

認識モード​

  • ローカル（デフォルト）：付属のローカルQwen3-ASRモデルを使用してオフラインで認識し、オンラインサービスは読み込みません。
  • カスタム：オンライン認識サービス（現在はアリババ百煉 DashScopeをサポート）に接続し、ローカルモデルは読み込みません。選択すると以下が表示されます：
    • ベンダー：現在はアリババ百煉 DashScope（ドロップダウンは拡張用の枠を保持しています）。
    • モデル名：エンドポイントプロトコルにより「リアルタイム」と「非リアルタイム」の2種類のプリセットに分かれており、プリセットモデルを直接選択できます。最後の項目「カスタム」では、モデル名とAPI URLを手動で入力できます。
    • API URL：カスタムモードではカスタムインターフェースアドレスを入力できます（空欄の場合はデフォルトアドレスが使用されます）。
    • API Key：オンラインサービスのキー。未入力の場合、画面に「API Keyが未入力」というプロンプトが表示されます。

ローカルモード専用オプション​

  • 音声認識モデル：ローカル認識モデルのグレードを選択します。
    • 高速（0.6B）（デフォルト）：応答が速く、メモリ使用量が少ないです。
    • 高精度（1.7B）：精度が高く、より多くのメモリを使用します（約3GBの空きメモリが必要です）。高精度に切り替える際は先に確認プロンプトが表示され、確認後に有効になります。
  • 推論デバイス：CPU（デフォルト）、または列挙されたGPUデバイス。
  • 推論コア数：CPU推論時のコア数（1〜デバイスコア数、デフォルト4）。GPUを選択すると非表示になります。
  • ストリーミング出力を模擬する：有効にすると約1秒間隔で認識の中間結果をインクリメント出力し、表示がリアルタイム字幕に近づきます；無効にすると、一文の認識完了後にのみ一括で出力します。有効にする際は先に確認プロンプトが表示されます。

TTS設定​

音声合成（テキスト読み上げ）エンジンを設定し、マイクチャンネルの訳文を読み上げるために使用します。このカードは「音声翻訳設定」ページから移設されたものです。

合成モード​

  • ローカル（デフォルト）：付属のローカルQwen3-TTSモデルを使用してオフラインで合成します。
  • カスタム：オンライン合成サービス（現在はアリババ百煉 DashScopeをサポート）に接続します。選択するとベンダー、モデル名（「リアルタイム / 非リアルタイム」プリセットと「カスタム」手動入力項目を含む）、API URL、API Keyが表示されます。

ローカルモード専用オプション​

  • TTSリアルタイムストリーミング再生：有効にすると推論しながら再生し、遅延が低くなります；無効にすると完全に合成した後に一括で再生します。
  • 推論デバイス：CPU（デフォルト）、または列挙されたGPUデバイス。GPUに切り替える前に確認プロンプトが表示されます（GPU推論は現在、VRAMが異常に増大する問題があり、約6.5GBのVRAMを占有する可能性があります）。
  • 音色：デフォルト（ランダム）、女性の声A、女性の声B、男性の声A、男性の声B、カスタム（クローン）。音色を切り替えてもエンジン設定が更新されるだけで、モデルは再読み込みされず、次回の読み上げ時に有効になります。
  • 音声クローン：「マイククローン」または「スピーカークローン」をクリックして人の声を収集します。画面には収集済みの秒数が表示され、合計約10秒で自動的に「カスタム（クローン）」音色として保存されます；収集中は「収集停止」をクリックして中断できます。クリーンな単一人物の連続した音声を使用してください。
  • 推論コア数：CPU推論時のコア数（1〜デバイスコア数、デフォルト4）。GPUを選択すると非表示になります。

合成に失敗した場合、カード内にオンライン合成が返したエラーメッセージが赤色の文字で表示され、API Key、クォータ、ネットワークの問題の切り分けに役立ちます。

サービス状態プロンプト​

「内蔵」モードを選択した際、システムが利用可能なインターフェースリストを読み込んでいる場合、ドロップダウンボックスの横に回転読み込みアニメーションが表示されます。ネットワークの問題でリクエストが失敗した場合は、赤色のカウントダウンテキストで表示され、その時点で再試行を待つか「カスタム」モードに切り替えることができます。

内蔵モードでは、一部のサービスが一時的に利用できないか認証情報が不足している場合、インターフェースで無効 / プロンプト形式で表示されます。