Traducción en tiempo real
Cómo traducir voz en tiempo real
Convierte el micrófono o el audio del sistema en texto y traducción en la misma vista mediante un modelo Ollama local.
Cómo funciona la traducción en tiempo real
El reconocimiento de voz genera primero el texto original y la LLM local seleccionada lo traduce. El modo normal traduce un segmento finalizado; el modo de baja latencia también traduce la predicción cambiante sin esperar a que termine todo el segmento.
Configura Ollama y la tarea de traducción
Hy-MT2-1.8B
Un modelo compacto de la familia Hunyuan Translation 2.0, centrado en la traducción entre 33 idiomas y cinco variedades lingüísticas minoritarias o dialectales de China. Es adecuado para la traducción local en tiempo real con Owl Meeting.
- Según el editor, logra resultados líderes en las pruebas abiertas FLORES-200 y WMT25, por encima de varias API comerciales de traducción populares.
- Admite traducción estructurada, con delimitadores, contextual, guiada por glosarios y controlada por estilo.
- Solo 1,8 mil millones de parámetros; la versión mínima de 1,25 bits ocupa unos 440 MB y equilibra calidad, velocidad y uso de recursos locales.
- Nombre del modelo API
hunyuan-mt2-1.8b-chat- Entrada máxima
- 4K
- Salida máxima
- 4K
- Instala e inicia Ollama y descarga un modelo compatible con los idiomas que necesitas.
- En la página de IA crea una tarea de Traducción y define el modelo y los idiomas de origen y destino.
- Elige el modo de entrada Por segmento. Lote y Texto completo son para transcripciones guardadas.
Elige el modo de reconocimiento
Modo normal
Ofrece resultados estables. La traducción empieza cuando finaliza el segmento de voz actual.
Modo de baja latencia
Muestra antes el texto previsto y lo traduce en tiempo real. Úsalo para reuniones, clases, emisiones o vídeos.
Inicia la traducción en directo
- Elige Micrófono, Audio del sistema o Entrada dual.
- Selecciona un modelo de reconocimiento compatible con el idioma hablado.
- Selecciona la tarea de traducción y pulsa el botón azul para cargar la LLM local.
- Empieza a grabar. El modo normal traduce segmentos finalizados; el de baja latencia actualiza la traducción mientras se habla.
Reduce el retraso
- Activa el modo de baja latencia cuando necesites la traducción antes de que termine el segmento.
- Usa un modelo más pequeño y rápido y solicita únicamente la traducción.
- Reduce otras cargas de CPU, memoria o GPU y comprueba la precisión del texto original.
Registra la configuración antes de comparar la latencia
El retraso no depende solo de Owl Meeting. El modo de reconocimiento, los modelos, la cuantización, la longitud de la instrucción, CPU o GPU, memoria y otras cargas afectan a cuándo aparece el texto.
- Prueba una muestra corta con los idiomas reales.
- Anota versión, modelos, cuantización, equipo y fuente de audio.
- Compara el tiempo hasta la primera traducción útil y el número de revisiones.
Verifica cada par de idiomas y término importante
Un modelo multilingüe no ofrece la misma calidad en todas las direcciones. Prueba nombres, términos, números y límites de frases. Un glosario mejora la consistencia, pero no corrige una fuente mal reconocida.
- Consulta la ficha del modelo para confirmar idiomas.
- Revisa el texto fuente antes de diagnosticar la traducción.
- Solicita una salida breve para que los resultados parciales sean legibles.
Comprende la privacidad y los límites del resultado en vivo
Con un modelo local y una dirección Ollama local, el reconocimiento y la traducción pueden ejecutarse en el equipo. Un servicio externo aplica sus propias reglas de datos.
El modo de baja latencia traduce predicciones cambiantes. Las primeras palabras pueden revisarse y el ruido o las voces superpuestas afectan a fuente y traducción. Revisa el contenido importante antes de compartirlo.
Preguntas frecuentes
¿Por qué no aparece la traducción?
Comprueba que la tarea esté habilitada, seleccionada e iniciada con el botón azul, y que Ollama esté funcionando.
¿La traducción siempre espera al final del segmento?
No. El modo normal espera al segmento final; el modo de baja latencia traduce la predicción mientras hablas.
¿Qué idiomas se admiten?
Se pueden traducir varios idiomas de origen al destino seleccionado. La cobertura exacta depende de la LLM.
Prueba el flujo completo con una muestra breve
Comprueba la fuente de audio, el idioma de reconocimiento, la dirección de traducción, la LLM y la latencia antes de una reunión larga.