语音翻译
语音翻译功能可以让您在 VR 中像看字幕一样，实时听懂游戏内或语音通话里别人说的话，同时也能把您自己的声音实时翻译给他人。它完全基于本地运行，无需上传音频，隐私安全。
功能简介
语音翻译会同时采集并识别两条音频流，并分别进行独立翻译：
- 扬声器通道（回环采集）：采集游戏内、语音通话中、会议中他人发出的声音，识别后翻译成您的母语，叠加显示在眼前，实现"实时字幕"效果。
- 麦克风通道：采集您自己说出的话，识别后翻译成目标语言（如英语），方便在多语言社交（如 VRChat）中与外国玩家交流。
灯光通道的识别语言、翻译语言、显示样式均可独立配置，互不干扰。
工作原理
语音翻译由主程序和一个独立的 ASR（自动语音识别）工作进程协同完成：
- 主程序通过命名管道与 ASR 子进程通信，采集麦克风和扬声器（系统回环）音频。
- ASR 子进程使用 Silero VAD 进行实时语音活动检测，自动切分一句话的起止。
- 检测到的语音片段交给 Qwen3-ASR 模型（基于 llama.cpp 的纯 CPU 推理）在本地转写为文字。
- 转写结果再交由翻译引擎翻译（支持本地翻译模型，或您配置的自定义翻译 API），随后在主程序叠加层中实时显示。
整个过程全部在您本机完成，音频不会离开您的电脑。
音频来源
- 麦克风：采集您自己的声音。设备列表中会列出可用的输入设备。
- 扬声器（回环采集 loopback）：采集系统正在播放的声音，即游戏或语音通话中对方发出的声音。
在语音翻译设置页面的"音频设备设置"卡片中，可以为麦克风和扬声器分别选择具体设备（点击"刷新设备列表"可重新枚举可用设备）。
自动语种识别
语音识别语言默认设为"自动"，此时 ASR 会自行判断当前说话的语种，无需手动切换。您也可以在设置中为扬声器和麦克风分别指定固定的识别语言，以提升特定语种下的识别准确率。
流式输出
开启"模拟流式输出"后，识别结果会以约每秒一次的增量实时显示出来（先出中间结果，最终结果稳定后再替换），让显示更像实时字幕；关闭时则等一句话识别完成后一次性地完整显示。可在语音翻译设置中随时切换。
暂停与恢复
在语音翻译模式下，短按一次扳机键即可暂停 / 恢复语音识别。暂停时模型仍保留在内存中，恢复时无需重新加载，速度很快。移动左手或右手摇杆可清除当前显示的语音翻译结果。
详细的模式下操作节奏，请通过软件内置的 VR 分步教学 熟悉。
翻译引擎选择
语音翻译的翻译引擎有两种模式可选：
- 本地：使用随附的 Hy-MT2 本地翻译模型进行离线翻译，无需联网、无需 API 密钥，完全本地运行。本地模型默认在空闲 30 秒后自动卸载以释放内存，下次需要时再按需加载。
- 自定义：使用您自己的 API 密钥接入第三方翻译服务（通用机器翻译或 LLM 大模型），可获得更丰富的语言与质量选择。
注意：语音翻译目前不支持"内置翻译服务"模式，仅支持本地或自定义模式。请在"翻译引擎"页面的"语音翻译引擎设置"卡片中配置。
VRChat Chatbox 发送
开启后将语音翻译结果通过 OSC 协议自动发送到 VRChat 的 Chatbox 聊天框，让您的翻译实时显示在 VRChat 界面中。支持分别控制：
- 是否发送扬声器（对方说话）的译文
- 是否发送麦克风（您自己说话）的译文
- OSC 端口（VRChat 默认接收端口为
9000） - 消息模式：对照模式（译文在上、原文在下）或仅译文模式
- 消息留存条数（1 ~ 10 条）
受 VRChat Chatbox 限制，单条消息最多约 135 个字符、最多 9 行，超长内容会自动换行；两次发送之间也有最小间隔，以保证聊天框稳定显示。
内存要求
- 语音识别模型：选择"快速（0.6B）"约需要 2.5 GB 可用内存；选择"高精度（1.7B）"约需要 3 GB 可用内存。若系统可用内存不足，会给出提示并跳过加载。
- 本地翻译模型（Hy-MT2）：启用本地翻译时会在需要时额外加载模型，请您预留足够的可用内存。
CPU 推理核心数可在设置中调节（范围 1 ~ 设备核心数，默认 4），更高的核心数会提升识别与翻译速度，但同时会占用更多计算资源。
使用步骤
- 确保已安装并启动软件，VR 设备运行中。
- 在基础设置中开启"启动时自动开启语音翻译"（或运行后在语音翻译模式下手动开启）。
- 在翻译引擎页面的"语音翻译引擎设置"中，选择本地或自定义翻译引擎并完成配置。
- 在语音翻译设置页面确认麦克风与扬声器设备、识别语言与翻译语言均已正确设置。
- 在 VR 中（语音翻译模式下）长按扳机约 1 秒开启语音翻译，即可实时看到对方或自己的译文；短按扳机可暂停 / 恢复识别。
更详细的设置项说明，请参阅 语音翻译设置。