应用工具01
sapientpants/doctrans · Privacy-first document translation powered by local AI (Ollama). Upload PDF, Word, and OpenDocument files, extract text via vision models, and translate — all processing stays on your device.
Doctrans 是一个基于 Phoenix LiveView 的单用户文档翻译应用,通过 OpenAI 兼容的本地推理服务(如 oMLX)完成处理。它支持上传 PDF、DOCX、DOC、ODT 与 RTF 文件,先用视觉模型把每页提取为 Markdown 文本,再翻译到目标语言,并提供分屏对照查看、实时进度、文档 RAG 问答、语义与关键词混合检索以及多语言界面。使用本地推理服务时文档内容保留在设备上;若配置远程端点则内容会发送到该服务器。项目没有身份认证,官方建议将访问限制在本机或可信网络内。
应用工具02
Largenessstickballgame154/live-translation · Transcribe and translate system audio in real-time with a floating overlay. Runs entirely on your Mac for local privacy.
live-translation 是一个在本地运行的实时字幕工具,监听电脑音频后将语音转写并翻译成目标语言,再通过半透明浮层把译文显示在任意窗口之上。项目强调隐私,不上传音频或文本到服务器,也不需要联网或订阅服务。README 说明可用于观看外语视频、参与会议和游玩外语游戏,并支持选择输入设备、源语言与目标语言、自动检测,以及调整字幕字体大小、颜色和背景透明度。
行业动态03
Google 说,他们现在的技术和产品已经能支持 300 多种语言,覆盖全球 86% 的人口。过去技术只照顾少数大语言,很多小语种和方言在数字世界里几乎不存在。为此,他们一边改进 AI 模型,让机器直接“听懂”语音里的语气、情绪和混着说的多种语言,一边和各地大学、社区合作收集非洲、印度等地的语音数据,还做了能离线运行的小翻译模型。对普通用户来说,以后用母语和 AI 对话、翻译会更自然,网络不好时也能用。
文中可用工具
- Google Translate翻译文字,目前支持超过 250 种语言
- Gemini直接处理音频的 AI 模型,能理解声音和意图
- Gemini 3.5 Live Translate实时口语翻译,支持 70 种语言和 2000 多个语言对
- Gemini 3.5 Transcribe把语音转成文字,在嘈杂环境或复杂术语下也很准
- RamblerAndroid Gboard 上的功能,用语音去掉废话、改语法和标点
- Universal Speech Model用 1200 万小时音频训练的语音模型,帮助支持资源少的语言
- Language Explorer互动工具,可视化展示全球 7000 多种语言的开放数据
- TranslateGemma从 Gemini 构建的轻量开源翻译模型,支持 55 种语言,可离线在设备上运行