Одно время я очень боялся проходить собеседования на английском. При том что знаю его неплохо и даже 2 года жил в США. Тем не менее, долгий перерыв в голосовом общении дает о себе знать. Особенно меня беспокоит то, что я могу не понять что именно мне говорят во время созвона.
Поэтому я решил себе сделать помощника на основе имеющихся моделей ИИ для синхронного перевода. Итогом этой работы стал проект transono. Это, по большей части, - библиотека на Rust для работы со звуком (пока только для Linux, хотя, проверена и в работе на MacOS). Но в ее составе есть и два приложения. Одно - служебное, которое создает в системе виртуальные звуковые устройства. Второе - приложение tui самого переводчика. В нем есть несколько переключаемых режимов работы, но максимальный - это полноценный синхронный переводчик в обе стороны.
Выглядит его работа довольно просто. Первым приложением создаются виртуальные звуковые устройства в системе. При созвоне в приложении или браузере указываются виртуальные устройства для звука. Запускается второе приложение и далее, кроме голосового перевода (который можно отключать в процессе), на экран выдается еще и текстовый перевод в обе стороны. Причем, с распознанным оригиналом для контроля.
Пару раз мне это приложение уже пригодилось. :)
Но сегодня я хочу рассказать о другом приложении для перевода, которое, возможно, для многих покажется более интересным.
AI-translator
Это приложение с открытым исходным кодом - адаптер между звуковыми и текстовыми устройствами пользователя и ИИ-моделями переводчиками (сейчас реализован только openai-интерфейс, но расширение в планах). Среди пакетов в релизах есть версии под Linux, Windows и MacOS (в MacOS только для архитектуры ARM).
Оно получает звук речи из указанного вами источника, отправляет его модели-переводчику от openai, а результат в виде голосового и текстового потока перевода отправляет в сконфигурированные приемники.
В данный момент в качестве приемников можно использовать (настраивается через файл конфига):
Текст перевода:
- консоль, в котором запущено приложение;
- постоянно дописываемый srt-файл субтитров;
- websocket, который можно использовать либо из других приложений, либо через встроенную http страницу;
- в Телеграм канал;
Звук перевода:
- вывод на указанное аудио-устройство;
- в трансляцию Телеграм-канала;
Пока это только первая версия, но она уже использовалась на реальном событии. Синхронный перевод выводился на большой экран во время выступлений на фестивале. Кроме того, поток с websocket использовался для формирования субтитров в youtube-трансляциях.
Самым неожиданным для меня лично оказалась стоимость. В общей сложности, это приложение работало в режиме перевода примерно 8 часов. И за все это время было израсходовано около $20 с мелочью.
Участники фестиваля оказались очень довольны работой этого синхронного перевода.
Планы
Как я уже заметил - сейчас у этого приложения относительно небольшие возможности. Однако, в планах есть его доработка для поддержки передачи потоков субтитров и аудио в самые разные приемники.
Комментарии (13)

Patrick139
27.10.2026 23:50сразу видно человека, не общавшегося с индусской ТП. думаешь, Кутрапали из ТБВ выдумка?

UncleAndy Автор
27.10.2026 23:50Не совсем понял о чем вы.

ivpetrov386
27.10.2026 23:50Как они говорят плоо по английски. У нас часть сотрудников в рф, часть в нативной англоговрящей стране, а часть в индии как раз. И на созвонах, нативные англичане, спрашивают у нашего переводчика (иногда сложные вещи переводит с английского на русский), что говорит индус, который тоже с нативным английским. Они их не понимают почти так же как и мы.

LeraKholod
27.10.2026 23:50Свежие аудиомодельки специально натаскивают на разные акценты, так что индийский английский они распознают заметно лучше среднего европейца

itGuevara
27.10.2026 23:50Есть ли где хороший обзор синхронных переводчиков, включая автономных и без ИИ?

LeraKholod
27.10.2026 23:50Для собеседований я бы отключила голосовой вывод и оставила только субтитры на экране. Голос робота в ухе сильно сбивает, когда пытаешься одновременно формулировать мысль на чужом языке

UncleAndy Автор
27.10.2026 23:50Да. Поэтому для встроенного в
transonoприложения я сделал голосовой режим отключаемым.

shiyanivan
27.10.2026 23:50Участники фестиваля оказались очень довольны работой этого синхронного перевода.
А какая реальная задержка между сказаным словом и переводом?
И второй момент (это уже с вашего гитхаба):Зачем нужен этот проект
Несмотря на развитие технологий, языковой барьер по-прежнему остаётся серьёзным препятствием для общения.
Он мешает:
работать в международных командах;
участвовать в конференциях и видеовстречах;
получать образование;
путешествовать;
знакомиться и общаться с людьми из других стран.
Сдается мне, что тут слона в комнате решили аккуратно обойти - качество входящего звука в реальной жизни очень далеко от идеального - в стерильных условиях (норм гарнитура - читай созвоны / конференции) это может работать. Но вот для "получать образование" (в универе на лекциях), путешествовать, общаться с людьми - очень слабо себе представляю как сделать качественный захват звука, тыкать в лицо микрофоном / телефоном собеседнику?
Это не претензия к автору, просто немного скинуть розовые очки - без аппаратных решений по захвату звука (смотреть в сторону массивов микрофонов для выделения голоса) даже самые умные ЛЛМ утонут в фоновом шуме и будут выдавать полную чушь уже на этапе speech-to-text.
UncleAndy Автор
27.10.2026 23:50А какая реальная задержка между сказаным словом и переводом?
Для трансляции она была минимальная, т.к. сама трансляция была с задержкой.
Вживую, я прикидывал - от 3 до 6 секунд примерно запаздывание.как сделать качественный захват звука, тыкать в лицо микрофоном / телефоном собеседнику?
Конечно, такая проблема есть. Я и не отрицаю. Но это другая проблема, а не та, которую я пытаюсь решить этими приложениями.
даже самые умные ЛЛМ утонут в фоновом шуме и будут выдавать полную чушь уже на этапе speech-to-text.
Ну, практика опровергает ваше утверждение. На фестивале у нас использовались обычные микрофоны без каких-то технических улучшений.
codecity
Вообще неплохо бы расширить и для других языков, если оно хорошо работает. А то у Google Translate свои минусы.
UncleAndy Автор
Проверка была только для английского. Но в настройках можно указывать любой язык, который поддерживает модель
gpt-realtime-translate. Т.е. в настройках указывается только язык, на который нужно переводить.В процессе конференции был забавный момент, когда один из выступающих что-то сказал на французском. Синхронный переводчик при этом ничуть не смутился (основные выступления были на русском) и спокойно все перевел на английский. :)