Liveglot の仕組み
認識と翻訳は別設定です。音声は選んだ認識エンジンへ、確定したテキストだけが翻訳モデルへ送られます。
1. 何を聴くか選ぶ
開始前にシステム音声、マイク、または両方を選びます。ブラウザ、Zoom、YouTube、Twitch、トレーニングルームのプレイヤーは通常システム音声です。
2. 音声を認識する
発話中は部分結果が出ます。字幕リストにプレビューを出せますが、断片ごとには翻訳しません。
ローカル Whisper では音声は Mac に留まり、音声区間検出で区切ります(確定セグメントはおおよそ最大 8 秒)。Soniox では設定したキーとリージョンへストリーミングします。
3. 文を確定してから翻訳
区間が終わると原文を確定し、文全体と直近の文脈を OpenAI 互換の翻訳エンドポイントへ送ります。失敗時は原文を残して再試行でき、認識済みの行は捨てません。
4. ノートとチャット
セッションごとに Markdown(既定は Documents/Liveglot)へ時刻・原文・訳文を書きます。行をクリックすると側チャットに引用できます。回答はこのセッションの記録が前提です。
想定しておく制限
システム音には画面収録とシステムオーディオ許可が必要です。ローカルモデルは録音開始時に読み込み時間がかかることがあります。翻訳の品質と遅延は設定したモデルと回線次第で、Liveglot がホストするわけではありません。