Speechka

我做了 Speechka，因为我想解决一个很简单的问题：语言障碍还是让实时对话变得没必要地困难。

大多数翻译工具在你有时停下来打字、阅读，或者听另一路翻译语音时都挺好用。我想要一个能成为对话本身一部分的东西：你自然地说，Speechka 实时翻译你的话，对方听到的是用你自己的声音说出的翻译。

我从头到尾做了 Speechka，从产品和界面到技术实现。很大一部分工作都在寻找翻译质量、语音质量和延迟之间的平衡。最新版本把平均翻译交付时间降到了大约 1.5 秒，同时还能保持语音自然。

现在，Speechka 支持 44 种语言，可在 macOS 和 Windows 上使用。我还做了浏览器版本，让你不用安装任何东西就能免费体验。

我很想听听你的想法，尤其是 Speechka 在你的语言和口音下表现如何。欢迎任何反馈！

我们也做语音 AI 产品，所以我会重点压测的部分是重叠语音——真实通话并不是干净利落的轮流说话，人们会不停打断、互相抢话。翻译能优雅地处理句子中途的插话吗，还是得等说话人完全停下才能干净地翻译？一旦离开演示脚本，实时语音工具通常就是在这里崩掉的。

几天前我和一个客户开会，老实说沟通有点费劲，因为他们的英语不太好，我的也不完美 :D。要是当时我手边有 Speechka，那场会就会轻松多了。而且我很高兴看到你们支持 44 种语言，包括 Punjabi，这在很多翻译工具里都见不到。

@dmytro_ivanchenko 我想问一下 credit 系统。我没机会完整看你们的方案，但 credit 是怎么运作的？是按会议时长、使用分钟数，还是别的什么来算？

最后我只想说，你们的产品真的很棒。祝发布一切顺利 :)

1.5 秒的平均交付时间是最让我眼前一亮的数字。我在做 Callie Care，一个每天给年迈父母打电话的语音 AI；一旦静默超过大约两秒，老人就会以为线路断了，然后开始抢话。你们在这种延迟下怎么处理轮流说话：是靠 end-of-utterance 检测来触发，还是流式输出部分翻译并边译边修正？对我们来说，说话慢的人句子中间的长停顿会搞垮朴素的 VAD 阈值，我猜翻译只会让这件事更难，而不是更容易。