TsgcAIVoiceTranslator tłumaczy mowę, gdy użytkownik mówi. Przesyła mikrofon do OpenAI gpt-realtime-translate przez WebSocket, odtwarza przetłumaczoną mowę w miarę jej nadejścia i zgłasza transkrypcje na żywo tego, co zostało powiedziane, oraz tłumaczenia.
Tłumacz mowy na mowę w czasie rzeczywistym. Ustaw klucz API i język docelowy, wywołaj Start i mów. Model wykrywa język źródłowy, więc nie ma nic więcej do konfigurowania.
TsgcAIVoiceTranslator
Tłumaczenie mowy na mowę na żywo
Windows z mikrofonem i głośnikami. Linux i macOS z własnym dźwiękiem.
Edycje. TsgcAIVoiceTranslator jest dostępny w sgcAI i w sgcWebSockets Enterprise, czyli w tych samych edycjach co agent głosowy czasu rzeczywistego TsgcAIVoiceAgent. sgcAI jest samodzielny: zawiera środowisko uruchomieniowe sgcWebSockets Core, na którym zbudowano komponent. Dostępny dla Delphi 7 do Delphi 13 i C++ Builder.
Ustaw klucz API i język docelowy, przypisz zdarzenia transkrypcji i wywołaj Start.
uses
sgcWebSocket_Types, sgcAI_VoiceTranslator;
procedure TForm1.StartTranslator;
begin
oTranslator := TsgcAIVoiceTranslator.Create(Self);
oTranslator.ApiKey := 'sk-...';
oTranslator.Language := 'es'; // speak any language, hear Spanish
oTranslator.NotifyEvents := neAsynchronous;
oTranslator.OnInputTranscript := DoInputTranscript;
oTranslator.OnOutputTranscript := DoOutputTranscript;
oTranslator.OnError := DoError;
oTranslator.Start; // microphone in, translated speech out
end;
procedure TForm1.DoInputTranscript(Sender: TObject; const aDelta: string);
begin
memoSource.Text := memoSource.Text + aDelta; // what was said
end;
procedure TForm1.DoOutputTranscript(Sender: TObject; const aDelta: string);
begin
memoTarget.Text := memoTarget.Text + aDelta; // the translation
end;
procedure TForm1.DoError(Sender: TObject; const aError: string);
begin
ShowMessage(aError);
end;
procedure TForm1.SwitchLanguage;
begin
oTranslator.Language := 'fr'; // applied to the running session
end;// includes: sgcWebSocket_Types.hpp, sgcAI_VoiceTranslator.hpp
void TForm1::StartVoiceTranslator()
{
oTranslator = new TsgcAIVoiceTranslator(this);
oTranslator->ApiKey = "sk-...";
oTranslator->Language = "es";
oTranslator->NotifyEvents = neAsynchronous;
oTranslator->OnInputTranscript = DoInputTranscript;
oTranslator->OnOutputTranscript = DoOutputTranscript;
oTranslator->OnError = DoError;
oTranslator->Start();
}
void __fastcall TForm1::DoInputTranscript(TObject *Sender, const String aDelta)
{
memoSource->Text = memoSource->Text + aDelta;
}
void __fastcall TForm1::DoOutputTranscript(TObject *Sender, const String aDelta)
{
memoTarget->Text = memoTarget->Text + aDelta;
}
void __fastcall TForm1::DoError(TObject *Sender, const String aError)
{
ShowMessage(aError);
}Wyłącz urządzenia, aby tłumaczyć dźwięk z pliku, linii telefonicznej lub strumienia sieciowego. Wysyłaj PCM16 24 kHz mono przez SendAudio i odbieraj przetłumaczoną mowę z OnOutputAudio.
procedure TForm1.StartCustomAudio(const aPCM16: TBytes);
begin
oTranslator.AudioCapture := False; // no microphone
oTranslator.AudioPlayback := False; // no speakers
oTranslator.OnOutputAudio := DoOutputAudio;
oTranslator.Start;
oTranslator.SendAudio(aPCM16); // PCM16, 24 kHz, mono
end;
procedure TForm1.DoOutputAudio(Sender: TObject; const aPCM16: TBytes);
begin
// translated speech, PCM16 24 kHz mono, in order
end;Składowe, po które sięgasz najczęściej.
Start łączy, czeka na sesję, wysyła język docelowy i otwiera urządzenia. Stop opróżnia oczekujący dźwięk i zamyka sesję. Active robi to samo z poziomu Object Inspector.
Kod języka docelowego, domyślnie en. Przypisz nową wartość podczas trwania sesji, a zmiana zostanie natychmiast wysłana do modelu, bez ponownego łączenia.
ApiKey, Model (gpt-realtime-translate) i BaseURL. SafetyIdentifier wysyła zahaszowany identyfikator użytkownika w nagłówku OpenAI-Safety-Identifier.
AudioCapture i AudioPlayback używają mikrofonu i głośników. Ustaw je na False i zasilaj SendAudio dźwiękiem PCM16 24 kHz mono.
OnInputTranscript przesyła strumieniowo tekst tego, co zostało powiedziane, a OnOutputTranscript tekst tłumaczenia, oba jako delty.
OnSessionCreated, OnOutputAudio z każdym przetłumaczonym fragmentem dźwięku, OnSessionClosed i OnError. NotifyEvents wybiera zdarzenia asynchroniczne dla aplikacji z interfejsem lub brak synchronizacji dla usług.
Platformy. Ścieżka mikrofonu i głośników używa API audio systemu Windows. W Linuksie i macOS ustaw AudioCapture i AudioPlayback na False i obsługuj dźwięk samodzielnie przez SendAudio i OnOutputAudio. Gdy urządzenia pozostają włączone, Start zgłasza przez OnError, że na tej platformie nie ma dostępnego urządzenia audio.
Oficjalne źródła usługi, z której korzysta ten komponent.
| Pomoc onlinePełna dokumentacja API i przewodnik użytkowania komponentów sgcAI. | Otwórz | |
| OpenAI TranslatorNagrywaj, tłumacz i wypowiadaj po jednym segmencie za pomocą TsgcAIOpenAITranslator. | Otwórz | |
| Wszystkie komponenty sgcAIPrzejrzyj pełną matrycę funkcji komponentów sgcAI. | Otwórz | |
| Pobierz bezpłatną wersję próbnąZawiera demo Voice Translator. Użyj własnego klucza OpenAI. | Otwórz | |
| CennikLicencje Single, Team i Site, pełny kod źródłowy. | Otwórz |