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)


  1. codecity
    27.10.2026 23:50

    Вообще неплохо бы расширить и для других языков, если оно хорошо работает. А то у Google Translate свои минусы.


    1. UncleAndy Автор
      27.10.2026 23:50

      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. :)


  1. Patrick139
    27.10.2026 23:50

    сразу видно человека, не общавшегося с индусской ТП. думаешь, Кутрапали из ТБВ выдумка?


    1. UncleAndy Автор
      27.10.2026 23:50

      Не совсем понял о чем вы.


      1. ivpetrov386
        27.10.2026 23:50

        Как 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.


    1. LeraKholod
      27.10.2026 23:50

      Свежие аудиомодельки специально натаскивают на разные акценты, так что индийский английский они распознают заметно лучше среднего европейца


  1. itGuevara
    27.10.2026 23:50

    Есть ли где хороший обзор синхронных переводчиков, включая автономных и без ИИ?


    1. ilya369
      27.10.2026 23:50

      Обзор не видел, но сам пользуюсь RTtranslator, офлайн на андройде, работает нормально.


      1. itGuevara
        27.10.2026 23:50

        Хотел в WOT (World of Tanks / Мире танков) использовать как синхронный голосовой переводчик при общении с другими игроками во время игры.


  1. LeraKholod
    27.10.2026 23:50

    Для 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


    1. UncleAndy Автор
      27.10.2026 23:50

      Да. Поэтому для встроенного в transono приложения я сделал голосовой режим отключаемым.


  1. shiyanivan
    27.10.2026 23:50

    Участники 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.


    1. UncleAndy Автор
      27.10.2026 23:50

      А 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.