La traduction directe de la parole

La traduction vocale en temps réel commence par un flux audio continu. L'application lit de petites trames du microphone sans attendre la fin d'un enregistrement. Un fournisseur compatible reçoit ce flux et renvoie la parole traduite sous forme audio, que l'application restitue pendant que la conversation continue.

Polyglot-Audio exige une entrée audio en streaming et une sortie audio traduite. Il ne remplace pas discrètement ce processus par une reconnaissance vocale, une traduction de texte puis une synthèse vocale. Cette distinction est importante : chaque étape supplémentaire peut ajouter de la mise en mémoire tampon, modifier les pannes et produire des transcriptions intermédiaires.

Route directe

Microphone → fournisseur de traduction en streaming → audio traduit → microphone virtuel ou casque

« Direct » ne signifie pas nécessairement local ou hors ligne. Un service cloud peut traiter le flux, exiger un compte et appliquer ses propres tarifs et règles de conservation.

Pourquoi une conversation utilise deux routes

Une conversation naturelle a deux directions indépendantes. La route sortante TX traduit votre voix et fournit le résultat à l'application d'appel, de conférence ou de chat vocal. La route entrante RX capte la voix de l'autre participant, la traduit dans le sens inverse et la lit dans votre casque.

TX : votre voix traduite est envoyée

La route TX lit le microphone physique. La sortie traduite est écrite vers un microphone virtuel choisi comme entrée dans l'application de communication.

RX : la voix reçue revient traduite

L'application de communication envoie le son distant vers une route virtuelle distincte. Polyglot-Audio lit cette route, traduit le flux et restitue le résultat sur une sortie physique, idéalement un casque.

TX et RX nécessitent des sessions de fournisseur, des états, des périphériques, des commandes, des tampons et une gestion des erreurs séparés. Il devient ainsi possible d'arrêter ou de diagnostiquer une seule direction sans interrompre tout le dialogue.

Ce qui influence la latence

Le délai total combine la capture audio, les tampons locaux, le réseau, le traitement du fournisseur et la lecture du résultat. Aucune application sérieuse ne peut garantir une latence identique pour chaque ordinateur, connexion, paire de langues et fournisseur.

  • Taille des tampons : les grands tampons résistent aux coupures mais ajoutent du délai.
  • Qualité du réseau : distance, congestion et pertes affectent une session cloud.
  • Modèle du fournisseur : certains modèles attendent davantage de contexte.
  • Format audio : la conversion des fréquences d'échantillonnage peut ajouter du travail.
  • Style de conversation : les voix superposées sont plus difficiles que des tours clairs.

Conseil pratique : utilisez un casque, testez chaque direction séparément et recherchez la continuité de la conversation plutôt qu'une promesse irréaliste de latence nulle.

Le rôle des périphériques audio virtuels

Les applications d'appel permettent de choisir un microphone et une sortie, mais elles n'offrent généralement aucune interface de traduction. Les périphériques virtuels relient les programmes et rendent l'audio traduit disponible comme entrée ou sortie sélectionnable.

Sur macOS, utilisez deux routes BlackHole distinctes. Windows peut utiliser deux familles VB-CABLE séparées. Sous Linux, créez des routes virtuelles PipeWire ou compatibles PulseAudio. Polyglot-Audio n'installe et n'intègre pas ces pilotes tiers.

Ne réutilisez pas la même route pour TX et RX. La séparation réduit le risque de boucle audio et facilite la vérification du trajet du signal.

Confidentialité, précision et limites

Polyglot-Audio conserve les identifiants dans le trousseau du système et exclut de ses diagnostics l'audio brut, les transcriptions, les en-têtes d'autorisation, les noms et les identifiants de périphériques. Le moteur open source peut être inspecté et un fournisseur simulé local permet de tester le routage sans réseau.

Ces limites applicatives ne remplacent pas l'examen du fournisseur. La qualité dépend des langues, accents, bruits et termes techniques. Le cloud dépend de l'autorisation, des coûts, de la disponibilité régionale et de la politique de conservation. N'utilisez pas une traduction automatique comme seule autorité pour une décision médicale, juridique, urgente ou critique.

Liste de contrôle de configuration

  1. Installez deux routes audio virtuelles distinctes pour votre système.
  2. Choisissez le microphone physique et la sortie virtuelle TX dans Polyglot-Audio.
  3. Sélectionnez la sortie TX comme microphone dans l'application d'appel.
  4. Envoyez la sortie de l'application vers la route virtuelle RX séparée.
  5. Choisissez la route RX comme entrée et le casque physique comme sortie.
  6. Sélectionnez les langues prises en charge pour chaque direction.
  7. Testez TX et RX séparément avant le mode bidirectionnel.
  8. Vérifiez les tarifs et la politique du fournisseur avant un échange réel.

Le projet est un logiciel open source encore jeune. Consultez les tutoriels officiels et téléchargez uniquement depuis la page canonique GitHub Releases.