docs(README): 更新自带字幕引擎说明 (#4)

- 在 README.md、README_en.md 和 README_ja.md 中添加了自带字幕引擎的详细说明
- 给予字幕窗口更大的顶置优先级
This commit is contained in:
himeditator
2025-07-07 22:20:04 +08:00
parent 0696651f04
commit 082eb8579b
6 changed files with 127 additions and 7 deletions

View File

@@ -24,7 +24,7 @@
[プロジェクト API ドキュメント(中国語)](./docs/api-docs/electron-ipc.md)
### 基本的な使用方法
## 📖 基本的な使用方法
現在、Windows プラットフォーム向けのインストール可能なバージョンのみ提供されています。デフォルトの Gummy 字幕エンジンを使用する場合、まず Alibaba Cloud 百煉プラットフォームの API キーを取得し、環境変数に設定する必要があります。これによりモデルが正常に動作します。
@@ -49,6 +49,47 @@
- Linux プラットフォームでは、現在マイク入力の字幕生成のみがサポートされています。
- 現在、macOS プラットフォームには対応していません。
以下是你选择的内容翻译成日语的结果:
---
## ⚙️ 搭載字幕エンジンの説明
現在のソフトウェアには 1 つの字幕エンジンが搭載されており、新しい 2 つのエンジンが計画されています。それぞれの詳細情報は以下の通りです。
### Gummy 字幕エンジン(クラウド)
通義実験室の [Gummy音声翻訳大規模モデル](https://help.aliyun.com/zh/model-studio/gummy-speech-recognition-translation/) を基に開発され、[阿里云百煉](https://bailian.console.aliyun.com) の API 経由でこのクラウドモデルを呼び出します。
**モデルの詳細パラメータ:**
- 音声サンプリングレートのサポート16kHz以上
- 音声サンプル深度16bit
- 音声チャンネル数のサポート:シングルチャンネル
- 識別可能な言語:中国語、英語、日本語、韓国語、ドイツ語、フランス語、ロシア語、イタリア語、スペイン語
- サポートする翻訳:
- 中国語 → 英語、日本語、韓国語
- 英語 → 中国語、日本語、韓国語
- 日本語、韓国語、ドイツ語、フランス語、ロシア語、イタリア語、スペイン語 → 中国語または英語
**ネットワークトラフィック消費量:**
字幕エンジンはネイティブサンプリングレート48kHzと仮定を使用してサンプリングを行い、サンプル深度は16bitであり、アップロードされる音声はシングルチャンネルであるため、アップロード速度は約
$$
48000\, \text{samples/second} \times 2\,\text{bytes/sample} \times 1\, \text{channel} = 93.75\,\text{KB/s}
$$
モデルからの結果返送によるトラフィック消費は小さく、考慮する必要はありません。
### Vosk 字幕エンジン(ローカル)
[vosk-api](https://github.com/alphacep/vosk-api) をベースにした開発を予定しており、現在試験段階にあります。
### FunASR 字幕エンジン(ローカル)
可能であれば、[FunASR](https://github.com/modelscope/FunASR) をベースに開発を行う予定です。まだ調査および実現可能性の検証が行われていません。
## 🚀 プロジェクトの実行
![](./assets/media/structure_ja.png)