VoxisLive の機能を、くわしく。

ドライバー不要のシステム音声キャプチャ

VoxisLive は、WASAPI プロセスループバックを通じて Windows の音声ミックスを直接読み取ります。画面録画ソフトが再生中の音を取り込むのに使うのと同じ、Windows の低レベルなオーディオセッション API です。VB-CABLE も仮想サウンドデバイスも不要で、経路を設定するものもありません。アプリをインストールすれば、Windows 10・11 で、あなたが聞いているものがそのまま VoxisLive にも聞こえます。

キャプチャでは VoxisLive 自身の出力が除外されるので、双方向の会話でも、アプリが自分の声を翻訳してしまうことはありません。

79言語、セッション中でも切り替え可能

聞きたい言語を79言語から選べます。ミーティングモードでは、相手が聞く言語も選べます。入れ替えボタンを押すと、セッションを止めずに1クリックで2つの言語を交換できます。元の言語の自動判定により、複数の言語が混ざった音声にも対応します。

双方向のミーティングモード

ミーティングモードでは、2つのライブセッションが同時に動きます。相手の発話はあなたの言語に翻訳されてスピーカーから聞こえ、あなた自身の発話は相手の言語に翻訳されて仮想マイクから送り込まれます。Teams、Zoom、Meet、Webex、Discord と併用でき、参加者一覧にボットが現れることはありません。

パイプラインではなく、ネイティブな同時通訳

発話はマルチモーダルなリアルタイムモデルに送られ、認識、翻訳、再発話が低遅延の1回の処理で行われます。ブースにいる人間の通訳者と同じやり方です。話し手がまだ話している間から翻訳を始め、遅れは数秒にとどまります。

聴覚心理に基づくダッキング

翻訳された音声が話している間は、元の音声が自動的に小さくなり（プロの同時通訳と同じ考え方です）、その文が終わると元に戻ります。誰が話しているのかが、いつも分かります。

対訳のライブ文字起こしとエクスポート

セッションごとに、検索できる文字起こしが作られます。元の文は、その翻訳のすぐ上に並びます。セッションが終わったら、TXT、SRT、VTT でエクスポートできます。

必要なときだけ表示できる画面上の字幕

常に最前面に表示される字幕オーバーレイ（任意）が、どのアプリやゲームの上にも浮かび、翻訳された文を表示します。話し手が替わるところには S1/S2 のタグが付きます。元の文を翻訳の上に並べた対訳表示は、アプリ自身の字幕ストリームにあります。主役は音声で、字幕は記録が必要なときのためにあります。

設計段階からプライバシーを保護

VoxisLive が参加者として通話に入ることはなく、ブラウザ上のボットでもありません。音声区間検出、話者交代のラベル付け、無料プランのローカル音声は、すべてお使いの CPU 上で動きます。有料プランでは、セッション中、取り込んだ音声が翻訳モデルに連続して送られます。無料プランでは送信がゲートで制限され、検出された発話だけが送られます。セッション終了後に音声が保存されることはありません。取り込みから再生までのパイプライン全体が GitHub でソース公開版の抜粋として公開されているので、お使いのパソコンから何が出ていくのかを自分で確かめられます。

ソース公開

デスクトップエンジンの音声パイプラインは、GitHub でソース公開版の抜粋として公開されています。取り込み、翻訳、再生がどのように動くのかを、そのまま確認できます。完全なアプリは Microsoft Store から入手できます。プリペイド式の分数パックで、設定は一切不要です。

他のツールと比べてみたい方へ。Windows 向けリアルタイム音声翻訳アプリの比較を最新の状態に保っています。それぞれのツールが向いている場面も載せています。