Prepara LinguoAI en tu PC.

Instale en el mismo entorno virtual y luego cargue una voz adecuada:

.\.venv\Scripts\python.exe -m pip install -e ".[desktop,piper]"
New-Item -ItemType Directory -Force ".\Stimmen"
.\.venv\Scripts\python.exe -m piper.download_voices --download-dir ".\Stimmen" de_DE-thorsten-medium

Piper: ONNX más JSON coincidente, ID de altavoz opcional y velocidad de conversación ajustable.

Debido a las dependencias de audio/antorcha, se recomienda un entorno Python-3.11 dedicado:

py -3.11 -m venv .venv-chatterbox
.\.venv-chatterbox\Scripts\python.exe -m pip install --upgrade pip
.\.venv-chatterbox\Scripts\python.exe -m pip install -e ".[desktop,voice-clone]"
.\.venv-chatterbox\Scripts\python.exe -m linguoai

• 6-10 segundos, una persona, poca reverberación, sin música ni ruido de fondo.
• Descarga del modelo de aproximadamente 3,7 GB; CPU es posible, pero muy lento para vídeos más largos.
• La instalación nativa es experimental; Colab o Linux son más confiables para problemas de paquetes de audio.

El paquete terminado para un entorno Python existente; Aún se requiere FFmpeg.

Cargar Wheel ↓

python -m pip install ".\linguoai-2.2.2-py3-none-any.whl[desktop]"
python -m linguoai

• NLLB y Chatterbox

  Necesita una edición CUDA correspondiente de PyTorch.

  Selección PyTorch ↗
• Faster-Whisper

  Además requiere CUDA-12-cuBLAS y cuDNN 9 en la ruta del sistema.

• Piper

  Utiliza el tiempo de ejecución ONNX: onnxruntime-gpu instalar en lugar de la edición CPU.

Instala el paquete opcional y prepara una carpeta con un modelo compatible. Los modelos no se descargan automáticamente.

.\.venv\Scripts\python.exe -m pip install -e ".[parakeet]"
.\.venv\Scripts\python.exe -m linguoai --help

Usa la carpeta completa del modelo sherpa-onnx con encoder, decoder, joiner y archivo de tokens. Para la exportación alemana, conserva también el archivo externo del encoder si forma parte del modelo.

En la aplicación de escritorio y en Colab, elige el motor de reconocimiento de voz, el perfil y la carpeta del modelo. Indica explícitamente el idioma de origen para que la traducción reciba el código de idioma correcto. Parakeet transcribe; después se aplican la traducción y la voz elegidas.

Modelos y configuración de sherpa-onnx ↗ · Ficha del modelo primeline ↗

• Procese un solo video o todos los videos contenidos directamente en una carpeta.
• Entradas: MP4, MKV, MOV, AVI, WEBM y M4V; Ediciones: MP4, MKV o MOV.
• Sugerencia de salida automática, nombres sin colisiones y sobrescritura controlada.
• Avance por expediente, paso de trabajo actual, cancelación y registro técnico.
• Procesamiento individual y por lotes: sube varios vídeos o introduce rutas de archivos de MyDrive, una por línea. Sube los archivos de Piper y la grabación de referencia o indica sus rutas en MyDrive.

• Modelos de tiny hasta large-v3, además valores propios del modelo.
• Detecta automáticamente el idioma de origen o lo establece como código de idioma.
• CPU, NVIDIA-CUDA o selección automática; int8, float16 y float32 configurables.
• Secciones de audio superpuestas, compensaciones en tiempo real y limpieza de segmentos duplicados.
• Longitudes de fragmentos, superposición y número de trabajadores a través de opciones avanzadas o CLI.

• NLLB-200 local, Google Translate sin llave, DeepL-SDK o Gemini.
• Reserva opcional solo después de una selección explícita; de lo contrario, solo se contactará a un proveedor.
• URL, direcciones de correo electrónico, monedas, unidades y porcentajes están protegidos durante la traducción.
• Tiempos de espera, repeticiones limitadas y caché para secciones de texto idénticas.
• Opcionalmente, Gemini corrige la transcripción Whisper sin cambiar los ID de segmento ni los tiempos.
• Modelos propios compatibles con NLLB, revisiones fijas, códigos FLORES, límites de lotes y tokens.

El modelo predeterminado NLLB-600M está bajo CC-BY-NC-4.0, es un modelo de investigación y no una traducción de producción certificada. Comprueba siempre los resultados.

• Normalice cada clip a PCM mono de 48 kHz y colóquelo con precisión de muestra.
• Acelere el habla demasiado larga dentro de un límite configurable.
• Advertencia al acelerar rápidamente; error controlado en lugar de resultados incomprensibles.
• Duración exacta del final, metadatos/capítulos adoptados y, si es posible, transmisión de video sin cambios.
• Grupo de resultados atómicos del nuevo vídeo, SRT original y traducción SRT.

• NLLB · Piper · Chatterbox

  Después de descargar en el término elegido. En Colab eso significa dentro de la máquina virtual temporal de Google.

• Google · DeepL · Gemini

  Reciba solo secciones de texto cuando estén seleccionadas o como un respaldo activado explícitamente.

• Edge TTS · gTTS

  Envíe cada pista traducida para doblarla al servicio de idioma en línea respectivo.

• Interfaz web Gradio protegida con contraseña aleatoria por sesión.
• Caché de modelo opcional y copia de resultados atómicos en Google Drive.
• Los caminos de acceso permanecen dentro de MyDrive; Drive no se comparte como una carpeta de descarga pública.

Los resultados temporales no se publicarán hasta que el vídeo y ambos subtítulos estén completos. La cancelación, los reintentos limitados, las rutas de destino protegidas y las claves API redactadas evitan sorpresas desagradables.

Solo para una dirección fija propia: configura un Cloudflare Tunnel con nombre, tu dominio y el servicio http://127.0.0.1:7860. No se trata de un servidor público de LinguoAI.

En el Notebook, establece SHARE_PROVIDER en "cloudflare", introduce tu nombre de host en CLOUDFLARE_TUNNEL_HOSTNAME y guarda CLOUDFLARE_TUNNEL_TOKEN como Colab Secret. Nunca publiques el token.

Cloudflare: 95 MB por carga de forma predeterminada. Gradio: hasta 5 GB por archivo. Usa Google Drive para vídeos grandes. No se usan enlaces temporales de trycloudflare.com porque no admiten SSE.