Real-time Audio Transcription and Translation System

這是一個即時音訊轉錄與翻譯系統，可以捕獲系統音訊或麥克風輸入，並轉換成文字及翻譯。系統使用 MLX Whisper 進行語音轉文字，並使用 GPT 進行翻譯。

系統需求

• macOS 系統
• Python 3.10+
• Swift 6.0+ (僅用於系統音訊捕獲)
• MLX 框架支援
• OpenAI API 金鑰（用於翻譯功能）

安裝 uv 依賴管理工具

brew install uv

安裝步驟

1. 安裝 Python 依賴：

uv sync

2. 編譯 Swift 音訊捕獲程式（若需要系統音訊捕獲）：

swift build -c release

3. 設定環境變數：

export OPENAI_API_KEY='your-api-key-here'

使用方法

基本使用

使用系統音訊：

python whisper.py

使用麥克風輸入：

python whisper.py -m

其他選項

python whisper.py [-f [FILENAME]] [-d] [-m]

參數說明：

• -f, --file: 儲存音訊到 WAV 檔案
  • 不帶參數：使用自動生成的檔名（格式：audio_capture_YYYYMMDD_HHMMSS.wav）
  • 帶參數：使用指定的檔名
• -d, --debug: 啟用除錯輸出，包含處理時間
• -m, --mic: 使用麥克風輸入代替系統音訊

功能特點

• 支援系統音訊和麥克風輸入
• 即時語音轉文字
• 即時英文到中文翻譯
• 可切換顯示原文/僅顯示翻譯
• 可選的音訊檔案儲存
• 使用 MLX Whisper 進行高效能語音識別
• 支援中斷操作（Ctrl+C）
• 半透明浮動視窗介面

注意事項

• 首次執行時需要下載 Whisper 模型，這可能需要一些時間
• 確保系統有足夠的權限存取音訊裝置
• 音訊轉換和翻譯過程中可能會有一些延遲，這是正常現象
• 使用系統音訊捕獲時，需要先編譯 Swift 程式
• 需要有效的 OpenAI API 金鑰才能使用翻譯功能