云端模型配置
Tip
AI攥写，待完善
本页介绍远程语音识别、通用大模型翻译、Microsoft Translator、MyMemory 和 Index-Translate 公开 API 的配置。识别和翻译是两条独立链路，可以分别选用本地或远程服务。
使用远程识别时，音频会发送给对应服务；使用远程翻译时，原文及所需上下文会发送给对应接口。开始前先确认费用和数据处理政策，详细范围见隐私协议。
一、先区分服务类型
| 需要完成的任务 | 设置位置 | 服务示例 |
|---|---|---|
| 音频转换为原文 | 设置 → 音频与识别 | 阿里云 LiveTranslate、MiniMax |
| 原文转换为目标语言 | 设置 → 翻译 | 通用大模型、Microsoft Translator、MyMemory 等 |
| 直接使用识别连接的译文 | 设置 → 翻译 | 仅阿里云 LiveTranslate |
通用大模型翻译的 API Key 不会自动用于阿里云或 MiniMax 识别。相同厂商也可能提供多个不同接口，不能只因为密钥属于同一平台就忽略模型权限、地域和 API 格式。
全部使用远程服务时，不需要为了推理安装本地 PyTorch 或 llama.cpp。混合方案则只为本地部分准备组件。
二、开始前准备
从服务商官方控制台或文档确认以下信息，而不是从第三方教程复制一组旧值：
| 信息 | 用途 | 常见错误 |
|---|---|---|
| 接口地址 | 决定请求发给谁 | 填成网页控制台或完整请求路径 |
| API 格式 | 决定请求和响应协议 | 把兼容 Chat Completions 的服务选成 Responses |
| 模型 ID | 指定服务端模型 | 只填写厂商名称或界面宣传名 |
| 密钥 | 调用认证 | 填错账户、地域或已撤销的密钥 |
| 地域／空间 | 确定服务资源归属 | 阿里云空间与密钥不在同一地域 |
| 额度与权限 | 判断能否实际调用 | 保存成功后误以为服务已开通 |
价格与免费额度可能变化，本页不把某个临时数值写成长期承诺。使用测试和短会话时，也可能产生服务费用。
三、阿里云 LiveTranslate
1. 取得所需信息
按阿里云实时语音翻译文档准备百炼 API Key、业务空间 ID 和地域。软件支持的地域选项为北京和新加坡，应与实际资源对应。
API Key 是凭据，业务空间 ID 是连接所需的配置字段，两者不能互换。不要把控制台网址或整个 WebSocket URL 填进空间 ID 输入框。
2. 填写识别设置
- 打开“设置 → 音频与识别”。
- 将“服务商”设为“阿里云 LiveTranslate”。
- 在“识别模型”中选择软件提供的 3.8 或 3.5 模型。
- 选择与服务资源一致的“区域”。
- 填写“百炼业务空间 ID”，再在“API 密钥”输入框填写密钥并离开输入框保存。
- 核对“原文语言”，然后完成本地音频测试。
| 模型选项 | 原文语言设置 | 使用时注意 |
|---|---|---|
qwen3.8-livetranslate-flash-realtime | 自动检测 | 不能依靠界面手动语言覆盖其服务方式 |
qwen3.5-livetranslate-flash-realtime | 可按支持范围指定，也可自动 | 语言须在软件与服务共同支持的范围内 |
3. 选择译文来源
需要阿里云同一连接返回的译文时，到“设置 → 翻译”选择阿里云服务。该模式复用识别连接，不需要再创建一个通用大模型翻译地址。
也可以选择其他翻译服务，此时原文会交给独立翻译链路处理。这样不会取消阿里云识别费用，还可能增加另一服务的费用和数据接收方。
4. 验证与排错
用短语音开始会话，确认原文和目标译文分别出现。结束时等待尾句完成，不直接退出进程。
认证失败先查地域、空间、密钥和服务权限；有原文但无译文先查翻译服务与目标语言。不要把云端账号问题误判为缺本地模型。
四、MiniMax 语音识别
1. 理解输出时机
MiniMax Speech-to-Text 接收完整音频文件。软件先按停顿切段，再上传 WAV，返回的流式响应只发生在上传后。因此它不会像持续音频输入接口一样，在片段尚未结束时就逐字回传。
当前引擎使用 6 秒分段上限控制连续语音的等待预算，这是应用分段策略，不是 MiniMax 服务的上传时长上限。部分旧界面提示可能未同步，不能以旧提示推断实际切段行为。
2. 填写连接
- 在“音频与识别”选择“MiniMax 语音识别”。
- 选择
asr-1.0，核对账户所在服务端点。 - 在“接口地址”填写该识别接口的地址；它不是通用大模型的 Chat Completions 基础地址。
- 保存 MiniMax 识别密钥。
- 选择受支持的原文语言，完成音源测试，再开始短会话。
软件随配置提供识别端点默认值。使用其他地区账户时，应根据MiniMax 识别接口文档核对，不要仅凭域名相似自行替换。
3. 配置独立翻译
MiniMax 识别不自带本项目可用的译文，需要在“翻译”中另选服务或本地模型。把翻译设为阿里云连接译文不能让 MiniMax 返回译文。
若字幕通常在停顿处出现，先判断是否符合分段方式；若持续没有字幕，再检查网络、密钥和错误码。余额不足与限流应分别处理，不能通过反复开始会话绕过。
五、通用大模型翻译
1. 打开连接设置
在“设置 → 翻译”将“服务商”设为“云端模型”。这里表示通过通用 API 协议调用模型，也包括指向本机 Ollama 的配置；数据是否出机由实际接口地址决定。
截图使用演示配置，不含密钥。地址和模型示例仅用于解释字段，实际填写以服务商文档为准。
2. 按 API 格式填写基础地址
| API 格式 | 应填写的地址层级 | 软件使用的请求路径 |
|---|---|---|
| Chat Completions | 通常包含 /v1 的 API 基础地址 | 在基础地址后追加 /chat/completions |
| Chat Responses | 对应 Responses 的 API 基础地址 | 追加 /responses |
| Anthropic Messages | 按提示填写站点根地址 | 追加 /v1/messages |
| Ollama | Ollama 主机地址，例如 http://127.0.0.1:11434 | 追加 /api/chat |
例如，若服务文档给出完整请求地址 https://api.example.com/v1/chat/completions，Chat Completions 基础地址通常填写 https://api.example.com/v1。api.example.com 是不可用于实际服务调用的占位域名，必须替换。
不要同时填入完整请求路径又让软件追加路径。服务若有自定义前缀，应根据其协议核对，不能一律删除所有路径。
3. 逐项填写
| 字段 | 填写方法 | 说明 |
|---|---|---|
| 名称 | 自己能识别的配置名称 | 不作为服务端模型选择依据 |
| 接口地址 | 上表对应的基础地址 | 优先使用受信任的 HTTPS 服务 |
| API 密钥 | 对应服务提供的有效凭据 | 离开输入框后保存，不填在 URL 中 |
| API 格式 | 服务实际支持的协议 | “兼容 OpenAI”不代表同时支持两种 API |
| 模型 ID | 服务端可调用标识 | 大小写及后缀按服务说明填写 |
| 上下文窗口 | 不超过服务能力的合理值 | 影响保留上下文与请求预算 |
| 最大输出 Token | 足以容纳目标译文 | 过小可能截断，过大不保证翻译更好 |
修改 API 格式后重新核对地址和模型。软件只会在部分默认配置之间替换默认值，自定义值不能假定自动适配另一种协议。
4. 密钥检查与真实验证
“检查密钥”只检查本机是否存在可读取的已保存凭据，不会向服务商发送测试请求，也不验证余额、模型权限或接口连通性。成功提示不能作为远程连接成功的证据。
先用本地音频测试确定输入正常，再用短会话确认“有原文、有译文、目标语言正确”。翻译失败时保留状态和错误，不要先重复更换识别模型。
六、Microsoft Translator
在翻译服务中选择“Microsoft Translator”，按资源信息填写接口地址、区域及密钥。该选项使用文字翻译接口，不是通用大模型 Chat Completions，也不承担语音识别。
接口地址与区域需要匹配实际 Azure 资源；仅有一个其他 Azure 服务的密钥并不代表可以调用翻译。可对照Microsoft Translator Translate 接口确认资源要求。
保存后使用短句会话验证。若出现认证或区域错误，应先核对资源而不是修改本地推理组件。
七、无需密钥的翻译服务
1. MyMemory
选择“MyMemory 免费翻译”，保留官方接口或填写受信任的兼容端点，可选提供联系邮箱。邮箱不是 API Key，填写后会随服务请求发送。
MyMemory 对确认句子执行 REST 翻译，不逐字推送译文，也不为每个过时中间识别修订发起翻译。免费服务有配额、限流和业务错误，HTTP 请求成功不等于译文一定有效。
2. 哔哩哔哩公开 API
选择“哔哩哔哩 免费API”后，软件使用固定的官方公开 Index-Translate 连接和模型，不消耗通用云端密钥。选择目标语言后，应通过项目维护的语言预设校验。
这会发送待翻译文字，不是在本机运行 Index-Translate。无需密钥也不等于没有额度、永不停止或适合发送敏感内容。
八、未定稿翻译和备用服务
1. 是否翻译未定稿字幕
识别内容可能在一句完成前继续修订。对支持的独立翻译服务，开启“翻译未定稿字幕”可更早看到译文，但可能产生额外请求、费用及反复调整的文字。
只需要稳定结果时关闭该项。MyMemory 和阿里云识别连接自带译文有各自的处理方式，不能用这一开关承诺相同效果。
2. 配置备用翻译
在“备用翻译”中选择备用服务，并填写它自己的连接配置。主翻译连续失败后，软件尝试用备用服务处理定稿字幕，不代表整个识别会话会换到另一个 ASR 服务。
本地备用使用选中的本地翻译模型；主、备用云端模型可以使用不同连接配置。其他不允许重复的同类服务会受选择限制。保存后检查备用语言能力、凭据和费用，避免主服务失败后才发现备用也无效。
备用服务的数据去向
原文可能在主服务已接收后再次发送给备用服务。需要本地处理的场景，应同时检查主翻译和备用翻译，而不只检查识别方式。
九、按错误现象检查
| 现象或错误 | 优先检查 | 不应优先进行的操作 |
|---|---|---|
| 认证失败／无权限 | 密钥、地域、空间和服务开通 | 重装完整本地模型 |
| 余额不足 | 账户余额、账单和套餐 | 连续重复发送相同请求 |
| 请求限流 | 并发、未定稿请求和等待时间 | 当成余额不足处理 |
| 404／路径错误 | API 格式与基础地址层级 | 随意替换密钥 |
| 模型不存在 | 准确模型 ID 及权限 | 填写厂商宣传名 |
| 有原文无译文 | 翻译开关、目标语言、服务结果 | 反复切换音频设备 |
| 网络超时 | 端点可达性和实际网络路径 | 假定下载代理覆盖所有推理请求 |
反馈前按如何反馈检查日志，隐藏密钥、内部端点和个人信息。不要把包含认证头的完整请求贴到公开 Issue。