PolyTalk
Открытая платформа синхронного перевода речи в речь, которая работает на вашей инфраструктуре и не отправляет звук в облако.
- Можно попробовать бесплатно
- Да
- Без регистрации
- Да
- Работает с русским языком
- Да
- Разработчик
- BizzAppDev Systems Pvt. Ltd.
PolyTalk переводит живую речь в речь: захватывает звук с микрофона, вкладки браузера, встречи или потока, распознаёт его, переводит и озвучивает перевод. Всё работает на собственных серверах организации, поэтому данные не уходят во внешние облачные сервисы. Бесплатная Community Edition с открытым кодом (AGPL-3.0) собирается из FastAPI-приложения, faster-whisper для распознавания и Piper для синтеза речи; перевод выполняет подключаемая модель: совместимая с OpenAI, Anthropic, Gemini или собственный сервер. Платная Enterprise Workspace добавляет режим разговора, глоссарий компании, историю сессий и приоритетную поддержку. Сервис рассчитан на организации, которым важна конфиденциальность: медицину, госсектор, юристов, образование.
Возможности
Перевод речи в речь
Звук с микрофона или вкладки браузера распознаётся, переводится и воспроизводится голосом на другом языке почти в реальном времени.
Работа на своей инфраструктуре
Весь конвейер развёртывается на серверах организации, аудио и тексты не отправляются во внешние облачные сервисы.
Около 20 языков
Среди поддерживаемых языков русский, английский, испанский, французский, немецкий, китайский, японский, арабский и индийские языки; доступность пары зависит от выбранной модели перевода.
Выбор модели перевода
Перевод можно поручить OpenAI-совместимому API, Anthropic, Gemini или собственному серверу, например на Ollama или vLLM.
Режим разговора
В Enterprise-версии двое собеседников говорят на разных языках, и перевод идёт в обе стороны.
Глоссарий и отчёты
Enterprise-версия поддерживает глоссарий компании, оценку уверенности перевода, историю сессий и двуязычные PDF-отчёты.
Ускорение на GPU
Распознавание речи может работать на CPU или на видеокартах NVIDIA через CUDA; Docker Compose включает отдельную конфигурацию для GPU.
Расширение и приложение
Есть расширение для Chrome для перевода звука вкладок и приложение для Android.
Кому подойдёт
- Предприниматели и руководители
Многоязычные встречи и переговоры без передачи записей внешним облачным сервисам.
- Преподаватели
Перевод лекций и занятий в реальном времени для аудитории, говорящей на разных языках.
- Юристы
Конфиденциальный устный перевод консультаций и встреч, когда данные нельзя отправлять в облако.
- Служба поддержки
Живое общение с клиентами на их языке в голосовых обращениях.
- Разработчики
Открытый код на FastAPI и Docker Compose позволяет развернуть и доработать конвейер перевода под свои нужды.
Как начать
- Скачать репозиторий PolyTalk Community Edition с GitHub.
- Скопировать файлы .env.example и config.yaml.example и запустить docker compose up -d.
- Открыть интерфейс на localhost:9000 и проверить работу в демонстрационном режиме без ключей.
- Отключить mock-режим и подключить сервисы распознавания, перевода и синтеза речи.
- Выбрать языки и начать говорить в микрофон.
Тарифы
Для проприетарного использования предлагается коммерческая лицензия. Оба варианта разворачиваются на собственной инфраструктуре.
Ограничения
- В демонстрационном режиме работает только имитация, для реального перевода нужно настроить распознавание, перевод и синтез речи.
- Лицензия AGPL-3.0 требует открывать исходный код при предоставлении сервиса пользователям.
- Качество и задержка зависят от оборудования и выбранных моделей; сверхнизкая задержка не гарантируется.
- Адаптеры для Anthropic и Gemini проверены слабее, чем OpenAI-совместимый.
- Файлы голосов Piper нужно подключать вручную, а накопленные аудиофайлы очищать самостоятельно.
- Для микрофона нужен localhost или HTTPS.
Платформы и интеграции
Соседи по смыслу
за последний месяц