Skip to content

LinguaRelay v0.3.0

Choose a tag to compare

View all tags
@MuzeAnisichael MuzeAnisichael released this 26 Aug 11:11
· 8 commits to main since this release
v0.3.0
9865432

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。
Assets 6
Loading