LinguaRelay v0.3.2

LinguaRelay v0.3.2

v0.3.2 is the recommended Windows startup hotfix for v0.3.0. It includes the clean Qt/ICU packaging fix from v0.3.1 and safely handles an in-place upgrade from the affected installer.

如何升级

• 安装版：直接运行 LinguaRelay-0.3.2-Setup-x64.exe。安装器会先删除 v0.3.0 遗留的冲突 DLL，再写入新版本；不会删除模型、设置、字幕历史、录音或离线项目。
• 便携版：把 LinguaRelay-0.3.2-Windows-x64-portable.zip 解压到新的空文件夹，不要覆盖 v0.3.0 的旧目录。用户数据和模型默认位于 %LOCALAPPDATA%\LinguaRelay，可以继续复用。

修复与验证

• 阻止 Poppler/ICU 等开发工具链 DLL 混入 PyInstaller 产物；
• 启动时优先使用 Windows 系统目录中的系统 ICU；
• 安装升级时精确清理 v0.3.0 遗留的冲突 ICU/OpenSSL DLL；
• 构建阶段拒绝受污染的冻结包，并真实装载 PySide6.QtCore；
• 在隔离用户目录和无界面 Qt 平台下实际启动最终 LinguaRelay.exe。

下载文件

• LinguaRelay-0.3.2-Setup-x64.exe：推荐安装包；
• LinguaRelay-0.3.2-Windows-x64-portable.zip：免安装便携版；
• LinguaRelay-0.3.2.spdx.json：SPDX 2.3 软件物料清单；
• SHA256SUMS.txt：全部资产的 SHA-256 校验值。

录制、音视频导入、后期识别翻译、时间轴编辑与导出功能说明见 v0.3.0 完整发布说明。本版本仍未进行 Authenticode 签名。

LinguaRelay v0.3.1

LinguaRelay v0.3.1

Warning

v0.3.1 的全新安装已修复 QtCore 启动问题，但覆盖安装到 v0.3.0 目录时可能保留旧 DLL。请改用会自动清理旧文件的 v0.3.2。

v0.3.1 is a Windows startup hotfix for v0.3.0. It preserves the complete recording, media import, offline recognition, translation, editing, and export workflow introduced in v0.3.0.

需要更新的人

如果 v0.3.0 启动时提示 ImportError: DLL load failed while importing QtCore 或“找不到指定的程序”，请使用 v0.3.2；v0.3.1 只适用于全新安装或新的便携目录。

修复内容

• 隔离 PyInstaller 的 DLL 搜索环境，防止开发工具链中的 Poppler/ICU 文件混入应用；
• 启动时明确优先使用 Windows 系统目录中的系统 ICU；
• 在生成安装包前检查冻结包中是否存在外来 ICU 或构建路径污染；
• 对冻结的 PySide6.QtCore 依赖执行真实 DLL 装载冒烟测试。

下载文件

• LinguaRelay-0.3.1-Setup-x64.exe：推荐的当前用户安装包；
• LinguaRelay-0.3.1-Windows-x64-portable.zip：免安装便携版；
• LinguaRelay-0.3.1.spdx.json：SPDX 2.3 软件物料清单；
• SHA256SUMS.txt：上述资产的 SHA-256 校验值。

功能说明、录制与后期工作流见 v0.3.0 完整发布说明。本版本仍未进行 Authenticode 签名，Windows 可能显示未知发布者提示。

LinguaRelay v0.3.0

LinguaRelay v0.3.0

Warning

v0.3.0 的 Windows 发行包可能因 Qt/ICU DLL 冲突而无法启动，并提示无法导入 QtCore。请使用已修复并验证的 v0.3.2；升级不会删除已有模型或用户数据。

v0.3.0 adds a complete recording and offline subtitle workflow without changing LinguaRelay's local-first real-time path. Record the current system, process, or microphone source; import an existing audio or video file; then generate, review, edit, and export time-aligned translations.

下载

• LinguaRelay-0.3.0-Setup-x64.exe：推荐的当前用户安装包，带卸载程序；
• LinguaRelay-0.3.0-Windows-x64-portable.zip：便携版；
• LinguaRelay-0.3.0.spdx.json：SPDX 2.3 软件物料清单；
• SHA256SUMS.txt：全部本次发布文件的 SHA-256。

基础 Base/Small 模型包没有变化，v0.3.0 会继续复用 v0.1.5 发布页中的可信模型包。首次启动会检查已有模型，不会重复下载完整文件。

本版本仍未进行 Authenticode 签名。请只从项目 GitHub Releases 下载，并核对 SHA256SUMS.txt。

录制

悬浮窗新增三个紧凑入口：

• ● 开始录制当前音频源；录制中该按钮变成 ■，点击后结束并自动进入后期处理；
• Ⅱ / ▶ 暂停或继续录制；
• 辑 打开“录制与离线工作台”。

录制支持系统输出、指定进程及其子进程、麦克风三选一。录制内部使用分段 WAV：暂停会立即关闭当前片段，继续时创建新片段，暂停空档不会进入最终音频时间轴；真实暂停区间仍记录在项目数据库中。应用异常退出时，已经封口的片段可用于恢复。

当前录制格式针对语音识别优化为 16 kHz 单声道。它适合会议、课程和语音内容，不以高保真音乐录制为目标。录制期间不能切换音频源，以避免项目内格式或语义突然变化。

导入音频和视频

在工作台中选择“导入音频”或“导入视频”。PyAV 会读取第一个音轨，将其标准化为 16 kHz 单声道 PCM，并保留媒体时间轴。常见的 WAV、MP3、FLAC、M4A、AAC、OGG、Opus、MP4、MKV、MOV、AVI 和 WebM 可由随应用打包的 FFmpeg/PyAV 能力处理；具体容器能否打开仍取决于其中的编码格式。

导入与录制使用同一条后期流水线，因此项目、字幕编辑和导出行为一致。

高质量后期处理

后期模式与实时字幕相互独立：开始处理时会释放实时模型，避免同一 GPU/内存中同时驻留两套模型；任务完成后实时字幕自动恢复。

• 快速：Beam 1，适合快速预览；
• 均衡：Beam 5，默认推荐；
• 精确：Beam 8，速度较慢，适合短音频精修；
• ASR 可选 Base、Small、Medium、Large-v3 Turbo 和 Large-v3；
• 默认启用 Silero VAD、前文条件和词级时间戳；
• 明确句末标点、时长和字符上限共同切分字幕，避免一条字幕堆积过多文字；
• “大模型精修”会使用“用户设置 → 大模型”中已配置的本地或 HTTPS OpenAI-compatible 服务逐条修正译文，并携带最近上下文与匹配术语。

Large-v3 Turbo 通常是后期任务的速度/质量平衡点。Large-v3 下载约 3.0 GiB、运行占用更高，适合有 NVIDIA GPU 或较短的高价值音频。纯 CPU 或长文件建议 Small/Medium 加“均衡”。

工作台与导出

项目和字幕保存在 %LOCALAPPDATA%\LinguaRelay\projects。工作台提供：

• 项目列表、处理状态、错误与进度；
• 本地播放、拖动定位和语音波形；
• 点击字幕跳转到对应音频位置；
• 可编辑开始时间、结束时间、原文和译文；
• 音频导出：WAV、FLAC、MP3；
• 字幕导出：WebVTT (.vtt)、SubRip (.srt)、ASS (.ass)；
• 数据导出：TXT、CSV、JSON Lines。

“MP3 + VTT”是两个独立文件：先导出同名 .mp3，再导出同名 .vtt，即可供大多数播放器或发布平台配套使用。

隐私、存储与卸载

实时字幕仍不会默认保存音频。只有用户明确开始录制或导入媒体时，音频才会持久化到离线项目目录。启用云端大模型精修会逐条发送原文、快速译文、最近文本上下文和匹配术语；不会上传项目音频。

卸载程序现在分别询问：

1. 是否删除本地模型和下载缓存；
2. 是否删除录音、离线项目、配置和字幕历史。

两个选项默认都为“否”，便于升级或重装后继续使用；若项目包含敏感音频，请在卸载时主动删除用户数据。

当前限制

• 源语言仍须在录制或导入前手动选择；
• 一个录制项目一次只使用一个音频源，暂不混录系统音频与麦克风；
• 暂无说话人分离与逐说话人字幕；
• 工作台会顺序执行一个后期任务，避免显存和内存竞争；
• 四语 zh / ja / en / ko 继续覆盖全部 12 个方向，更多语言按语言扩展方案逐步验证。

LinguaRelay v0.2.0

LinguaRelay v0.2.0

v0.2.0 expands LinguaRelay from a system-output caption tool into a selectable Windows audio-source pipeline, and adds explicit high-quality local model choices.

下载

• LinguaRelay-0.2.0-Setup-x64.exe：推荐的当前用户安装包，带卸载程序。
• LinguaRelay-0.2.0-Windows-x64-portable.zip：便携版。
• LinguaRelay-0.2.0.spdx.json：SPDX 2.3 软件物料清单。
• SHA256SUMS.txt：发布文件校验值。

首次启动仍可直接下载或复用 v0.1.5 发布页中的 Small/Base 基础模型包；基础模型未变，因此本版本不重复上传约 2.4 GiB 的相同文件。

新增音频源

• 系统输出：捕获默认或指定的 Windows 扬声器输出。
• 指定进程：使用 Windows 原生进程回环，仅捕获目标进程及其子进程；应用重启后可按进程名恢复到新 PID。
• 麦克风：选择默认或指定的 WASAPI 输入设备。

三种来源都可从托盘菜单或“用户设置 → 音频源”切换，并共用自动重连、有界缓冲和 16 kHz 单声道归一化链路。按进程捕获要求 Windows 10 2004 或更高版本；DRM 内容或绕过系统音频引擎的软件可能输出静音。

模型与质量档位

识别模型现在可以选择 Base、Small、Medium 或 Large-v3 Turbo。识别与翻译解码分别提供极速、均衡、精确档；识别硬件可选择自动、CPU 或 NVIDIA GPU，并可配置 INT8/FP16 等计算精度。

翻译模型可以选择默认的 M2M100 418M，或约 2.5 GiB 的可选 M2M100 1.2B。缺失的高级模型只在用户确认后下载，界面会先显示体积和硬件建议，下载支持断点续传。Medium/Turbo 实时使用建议 NVIDIA GPU，1.2B 翻译建议至少 16 GB 内存。

识别调用新增重复惩罚、重复 n-gram 抑制、压缩率/置信度/静音阈值，并让 Silero VAD 的最短语音、静音和边缘填充与实时切段参数一致，以减少重复文本、静音幻觉和断词。

大模型接入

大模型入口仍在“用户设置 → 大模型”。选择本地 OpenAI 兼容服务（如 Ollama、LM Studio）或 HTTPS OpenAI 兼容 API，填写模型 ID；云端密钥通过环境变量提供。推荐使用“完整句异步修正”，这样本地快译先显示，大模型失败或超时也不会阻塞字幕。

安装与隐私

安装包会检测并复用 Base/Small 基础模型包；软件会在保存高级模型设置时检测 Medium、Large-v3 Turbo 和 M2M100 1.2B。卸载应用时可选择一并删除所有本地模型与下载缓存；配置和字幕历史默认保留。原始音频默认只在内存中处理。

本版本尚未进行 Authenticode 签名。请只从本项目 GitHub Releases 下载，并核对 SHA256SUMS.txt。

LinguaRelay v0.1.5

LinguaRelay v0.1.5

v0.1.5 是实时性、可读性、首次安装和日常操作的综合优化版本。

主要变化

• 默认字幕由“6 秒后优先、10 秒硬上限”缩短为“3.2 秒后优先、6 秒硬上限”，并在稳定句末标点或分号处立即断句。
• 开头保持快速 partial，长语音自适应降低重复识别频率，减轻 CPU/GPU 队列积压。
• 新增识别上下文，可为会议主题、人名、产品和术语提供提示。
• 用户设置新增“大模型”页，可配置本地或云端 OpenAI-compatible 服务；Ollama/LM Studio 有快捷预设。
• 悬浮窗新增暂停、单双语切换、历史、设置和隐藏按钮；点击穿透时自动隐藏控件。
• 首次启动新增 Small 均衡版与 Base 轻量版模型选择，继续支持已有目录和离线 ZIP。
• 安装说明、模型选择建议、隐私提示和卸载文字已重写。
• 修复旧 partial 翻译覆盖较新识别预览的问题。

选择模型

• LinguaRelay-0.1.5-models-small.zip：推荐，识别质量更好，安装后约 1.36 GiB。
• LinguaRelay-0.1.5-models-base.zip：低占用，安装后约 1.05 GiB。

普通用户不需要手动下载模型 ZIP：运行安装版或便携版后，首次启动向导会选择并下载安装。离线环境可以提前下载对应 ZIP。

大模型接入

打开悬浮窗“设”或托盘“用户设置…”，进入“大模型”：

1. 选择“完整句异步修正（推荐）”。
2. 本地服务选择 Ollama/LM Studio 预设，或选择云端 OpenAI-compatible API。
3. 填写服务端实际模型 ID。
4. 云端密钥写入界面所示环境变量后重启 LinguaRelay。
5. 保存；服务地址或模型变化在下次启动生效。

本地快速翻译始终先显示。大模型超时或不可用不会中断字幕。

安装与安全

发布资产包含 Windows x64 安装包、便携包、两套可选模型包、SPDX SBOM 和 SHA-256 清单。模型包在安装时按应用内置清单逐文件校验。

本版本未进行 Authenticode 签名，Windows 可能显示“未知发布者”。请只从项目 GitHub Releases 下载并校验 SHA256SUMS.txt。

制作人及版权所有者：Leeleelee。项目代码使用 MIT License；模型权重遵循各自上游许可证。

LinguaRelay v0.1.2

LinguaRelay v0.1.2

v0.1.2 is a Windows x64 Alpha maintenance release focused on user-controlled subtitle presentation and reducing noisy-audio hallucinations.

Highlights

• A new tray-accessible user settings dialog controls the four-language route, translated/bilingual display, subtitle history, status line, and click-through behavior.
• Subtitle retention is configurable from 0 to 120 seconds. Zero keeps the latest subtitle until another caption replaces it.
• Source and translated captions have independent font family, size, and color controls. Background color, background opacity, and whole-window opacity are also configurable and applied immediately.
• The realtime tab exposes partial-ASR cadence, punctuation finalization, preferred segment length, and maximum caption duration. Pipeline-affecting changes are clearly marked as taking effect after restart.
• Short template-like Whisper hallucinations over music or silence, including “字幕制作人 Zither Harp”, “Subtitles by”, and equivalent Japanese/Korean credit prefixes, are filtered by default. The filter can be disabled in settings.
• Local ASR/translation models can be removed independently from the tray or settings page. The Windows uninstaller now asks whether to also remove the 1.36 GiB model pack; configuration and caption history remain by default.
• Windows file properties, package metadata, installer publisher, About dialog, and MIT copyright now identify the producer and copyright owner as Leeleelee.
• v0.1.2 reuses the unchanged, SHA-256-pinned v0.1.0 model package, so existing installations do not download models again.

Assets

• LinguaRelay-0.1.2-Setup-x64.exe: per-user Windows installer (recommended).
• LinguaRelay-0.1.2-Windows-x64-portable.zip: portable application bundle.
• LinguaRelay-0.1.2.spdx.json: SPDX 2.3 software bill of materials.
• SHA256SUMS.txt: hashes for all attached v0.1.2 assets.

Compatibility and safety

• Windows 10/11 x64; CPU runtime included. CUDA behavior depends on locally compatible CUDA 12/cuDNN 9 libraries.
• The binaries remain unsigned. Windows may show an unknown-publisher or SmartScreen warning.
• Raw system audio is not saved by default. Cloud LLM correction sends caption text only when explicitly configured.

LinguaRelay v0.1.1

LinguaRelay v0.1.1

v0.1.1 is a Windows x64 Alpha maintenance release focused on feedback, live-caption cadence, readability, model reuse, and desktop polish.

Highlights

• The overlay now replaces its loading placeholder when both local models are ready and Windows shows a one-time ready notification.
• Recognized source text is displayed before machine translation completes. Completed partial ASR and translation results are no longer hidden merely because a newer partial is queued.
• A stable sentence-ending period, question mark, or exclamation mark requests an immediate final segment. Short-pause splitting after six seconds and the ten-second hard cap remain safety fallbacks.
• The overlay can be dragged and resized from every edge/corner; geometry is persisted and can be reset from the tray.
• Setup and first launch discover existing model directories, verify every file, and avoid duplicate downloads. v0.1.1 reuses the unchanged v0.1.0 model pack.
• History is now searchable and filterable, shows the latest revision for each segment, exposes record details, and copies translations. SRT export uses only the latest revision.
• The executable, taskbar, shortcuts, tray, and installer use the new compact speech-relay icon.

Assets

• LinguaRelay-0.1.1-Setup-x64.exe: per-user Windows installer (recommended).
• LinguaRelay-0.1.1-Windows-x64-portable.zip: portable application bundle.
• LinguaRelay-0.1.1.spdx.json: SPDX 2.3 software bill of materials.
• SHA256SUMS.txt: hashes for all attached v0.1.1 assets.

The approximately 1.36 GiB model pack is unchanged and remains available from the v0.1.0 release. Models are installed only after license consent and SHA-256 verification.

Compatibility and safety

• Windows 10/11 x64; CPU runtime included. CUDA behavior depends on locally compatible CUDA 12/cuDNN 9 libraries.
• The binaries remain unsigned. Windows may show an unknown-publisher or SmartScreen warning.
• Raw system audio is not saved by default. Cloud LLM correction sends caption text only when explicitly configured.

LinguaRelay v0.1.0

LinguaRelay v0.1.0

This is the first public Windows x64 release of LinguaRelay. It captures computer output audio in the background, recognizes a manually selected source language, translates locally between Chinese, Japanese, English, and Korean, and renders either translated-only or bilingual captions.

Download

• LinguaRelay-0.1.0-Setup-x64.exe: per-user Windows installer (recommended).
• LinguaRelay-0.1.0-Windows-x64-portable.zip: portable application directory.
• LinguaRelay-0.1.0-models.zip: optional manual download of the pinned local models; the app can download it on first launch.
• LinguaRelay-0.1.0.spdx.json: SPDX 2.3 software bill of materials.
• SHA256SUMS.txt: SHA-256 checksums for every release asset.

On first launch, review the model licenses and allow the approximately 1.36 GiB installed model pack. Audio recognition and fast translation then run locally. LLM correction remains off until explicitly configured.

Verification and security notice

Verify the downloaded asset against SHA256SUMS.txt. These first binaries are not Authenticode-signed, so Windows SmartScreen may show an unknown-publisher warning. Checksums protect against accidental corruption when obtained from the same GitHub release, but do not provide an independent publisher identity.

See docs/PRIVACY.zh-CN.md, docs/THREAT_MODEL.md, SECURITY.md, and THIRD_PARTY.md before using optional cloud correction or private content.

Measured release gate

• 95 unit/integration tests passed; Ruff passed.
• 20 legal four-language acoustic-condition samples; weighted WER/CER 21.13%.
• All 12 translation routes measured; mean chrF++ 38.573 on the small CC0 corpus.
• Protected terminology retention: 48/48 (100%).
• CPU end-to-end: first caption 2.98 s P50 / 11.77 s P95; final pipeline RTF 0.189.
• M4 non-blocking/disconnect/circuit/revision fault gates passed.

The corpus uses pinned FLEURS speech under CC-BY-4.0 and deterministic project-generated acoustic simulations. Meeting/video/music labels describe signal conditions, not real meeting or copyrighted entertainment content.