Переводчик, который не лезет в ваши дела

Представьте ситуацию: вы на созвоне с иностранным заказчиком или смотрите технический стрим на YouTube. Спикер говорит быстро, акцент непривычный, а термины вылетают один за другим. Можно, конечно, включить субтитры, если они есть, или судорожно вбивать фразы в Google Translate. Но есть вариант изящнее — десктопное приложение, которое подхватывает звук прямо из системы и выводит перевод поверх всех окон в реальном времени.

Речь об опенсорсном проекте My Translator. Это не очередной веб-интерфейс для API переводчика, а полноценное приложение на Tauri, которое работает локально на вашем компьютере и общается с облачными сервисами распознавания речи напрямую, без лишних посредников.

Что внутри и почему это удобно

Основная идея автора, phuc-nt, заключалась в создании минималистичного оверлея. Вы запускаете программу, выбираете источник звука — будь то микрофон или системный аудиовыход — и видите текст.

Главное отличие от браузерных расширений в том, что My Translator умеет захватывать звук из любого приложения: Zoom, Microsoft Teams, Slack или просто видеоплеера.

Двусторонний перевод для встреч

Интересная фишка — режим Two-Way Translation. Если вы участвуете в двуязычном митинге, приложение само определяет, кто сейчас говорит, и переводит на нужный язык. Например, если звучит вьетнамский, оно переведет на японский, и наоборот. В этом режиме разработчик предусмотрительно отключает озвучку текста (TTS), чтобы не возникало эха, когда синтезированный голос попадает обратно в микрофон.

Словари для узких специалистов

В технических или медицинских темах универсальные переводчики часто лажают. My Translator позволяет задать свои правила перевода. Если вам нужно, чтобы «Original sin» всегда переводилось как «Tội nguyên tổ» (как в примере автора), вы просто добавляете это в настройки. Это спасает, когда проект изобилует специфическим сленгом или аббревиатурами.

Читаемость превыше всего

Оверлей сделан толково. Есть «умный скролл»: текст не будет прыгать перед глазами, если вы решили пролистать историю чуть назад. Как только вы вернетесь в самый низ, автопрокрутка включится снова. Плюс ко всему, размер шрифта меняется прямо на лету до огромных 140 пикселей. Это полезно, если вы стримите экран или показываете перевод кому-то в большой комнате.

Как это устроено технически

Проект собран на Tauri 2. Это отличный выбор: Rust в бэкенде обеспечивает скорость и низкое потребление памяти, а фронтенд на WebView позволяет сделать интерфейс привычными средствами веб-разработки.

Схема работы выглядит так:

Захват звука: на macOS используется ScreenCaptureKit, на Windows — WASAPI.
Обработка: поток PCM (16кГц) отправляется в Soniox API.
Вывод: текст летит в интерфейс, а опционально — в движок озвучки.

Для синтеза речи (TTS) на выбор дается три варианта: бесплатный Edge TTS (вполне достойный), Google Chirp 3 HD или ElevenLabs для тех, кому нужен максимально естественный голос.

# Если захотите собрать проект сами:
git clone https://github.com/phuc-nt/my-translator.git
cd my-translator
npm install
npm run tauri build

Вопрос приватности и денег

Автор занимает жесткую позицию: никаких промежуточных серверов. Приложение общается с API Soniox или Google напрямую. Ваши ключи хранятся только у вас на диске. Нет никакой аналитики, телеметрии или скрытого сбора данных. Даже история перевода сохраняется в обычные .md файлы локально.

По деньгам: Soniox берет около 0.12$ за час работы. Это копейки, если использовать инструмент для важных рабочих встреч. Edge TTS вообще бесплатен, так что за озвучку платить не придется.

Кому стоит попробовать

Если вы часто работаете с иностранными коллегами и чувствуете дискомфорт из-за языкового барьера, My Translator может стать хорошим костылем, который со временем поможет лучше понимать живую речь.

Для владельцев маков на Apple Silicon есть экспериментальный локальный режим. Он задействует MLX, Whisper и Gemma, чтобы переводить вообще без интернета. Пока список языков там ограничен (японский, английский, китайский, корейский), но само наличие такой возможности радует.

Проект выглядит живым, хотя документация могла бы быть и подробнее. Но MIT лицензия и понятный стек на Rust/JS позволяют легко докрутить нужные фичи под себя, если возникнет желание.