跨国会议不用等翻译了：这个开源 AI 同传，对方什么都不用装

一句话：Sokuji 在你和会议软件之间插了一根「虚拟麦克风」——你说中文，对方听到的是英文；对方说的话，变成字幕回到你屏幕上。对方不用装任何东西，也不用点任何链接。

引子：这些场景你熟不熟悉？

1. 跟外籍同事开英文会议，脑子里的中文要绕三圈才敢开口，说完了还担心对方没听懂？
2. 想找个 AI 同传工具，结果要么要对方也装插件、要么要拉一个机器人进会？
3. 用云端翻译，等于把会议音频整段传给第三方公司——合同、报价、人事谈话也这么传？
4. 跨国会议全靠人肉翻译，一小时会议两小时准备，成本压不下来？

如果你中了一条以上，今天这个工具值得你花十分钟看完——它叫 Sokuji（即時），Kizuna AI Lab 出品的开源实时语音翻译工具，AGPL-3.0 协议，代码完全公开，而且最狠的一点：它能完全离线跑，音频一步都不出你的电脑。

一、这套方案是什么

Sokuji 是一个跨平台（Windows / macOS / Linux / Chrome / Edge）的实时双向语音翻译工具。

它的核心设计思路非常聪明：不做会议机器人，而是把自己伪装成一根麦克风。

传统 AI 同传要么让你装插件、要么拉一个「XX 会议助手」的机器人进会（对方还得同意邀请），Sokuji 完全绕开了这条路——它在你系统上注册成一个普通的虚拟麦克风，你在 Zoom / Teams / Meet 的音频设置里把它选为麦克风就行了。对端那边，一切照旧，什么都感知不到。

两种形态，能力完全一致：

桌面端才是完全体：因为它工作在系统级，一个视频、一段直播、一个本地录音文件，都能被它实时翻成字幕——这是浏览器扩展做不到的。

二、为什么是它：核心优势拆解

2.1 先看痛点对比

2.2 七大优点详解

① 对方零安装、零感知
这是它最大的杀手锏。对方不用装插件、不用加链接、不用同意任何机器人入会——他们在自己的会议软件里，就是正常听到你在说他们的语言。会议礼仪和信任感完全不受影响。

② 完全离线可用，不花一分钱
Sokuji 支持 Local Inference（本地推理）：语音识别、翻译、语音合成全在你机器上跑，不用 API Key、不用联网、不需要独显。靠 WASM + WebGPU，你的 CPU 和核显就能扛下来。

本地模型规模（官方数据）：

• 44 个 ASR 模型（23 离线 + 10 流式 + 11 WebGPU），含 Whisper、Cohere Transcribe、Voxtral、Granite Speech，覆盖 99+ 语言
• 75 个翻译模型（69 个 Opus-MT 语言对 + 6 个多语言大模型：Qwen 2.5/3/3.5、Hunyuan-MT 1.5、TranslateGemma）
• 137 个 TTS 模型，覆盖 53 种语言（Piper、Piper-Plus、Coqui、Mimic3、Matcha、MMS、VITS、Supertonic）
• 一键下载模型，缓存到 IndexedDB，下过一次就不用再下

③ 音频不经过开发商服务器——架构上就不可能
官方说得很直白：云模式下，你的音频是直连你选的那家 AI 服务商（OpenAI / Gemini / 豆包……），Kizuna AI 不做中间人。API Key 只存在你本地，不上传。选本地推理则零网络请求。

④ 9 家服务商随你挑，国内也有能用的
需要更高精度时再上云，10+ 家可选（详见 2.3）。其中豆包 AST 2.0（火山引擎）支持中英双向、带说话人声音克隆，对国内用户很友好。而且全部支持自带 Key（BYOK）——你不买 Kizuna 的账号也能用。

⑤ 双向自动检测，两个人说两种语言也能聊
开启双向模式后，Sokuji 会自动判断当前是谁在说、说的是哪种语言，然后翻成另一边。设好 Language A / Language B，麦克风和系统音频同时采集，两边都能跟上（由 Soniox 双向模式驱动，60+ 语言、3600+ 语言对）。

⑥ AI 降噪 + 回声消除
内置 AI 降噪，键盘敲击声、环境噪声能压掉；回声消除基于现代 Web Audio API，避免自己说的话被重复采集。

⑦ 30 种界面语言 + 简/高级双模式
界面已本地化成 30 种语言。新手用 Simple Mode（简化设置），老手切 Advanced Mode 看波形、调细节。

2.3 服务商横向对比（官方数据）

注：上表按官方 README 整理，非逐版本实测，以官方最新文档为准。

2.4 适合谁 / 不适合谁

✅ 强烈建议试试，如果：

• 经常开跨国会议、和海外客户/同事沟通；
• 团队里有语言障碍，但又不想让对方装一堆东西；
• 对隐私敏感——法务、医疗、金融、人事场景，音频不能出公司；
• 想在直播 / 网课 / 国际会议里做实时字幕；
• 想看外语视频、听外语播客但不想等字幕组。

❌ 暂时别急，如果：

• 你只在少数几个网页会议平台用，且愿意装扩展——那浏览器版更省事；
• 你对翻译精度要求达到专业同传级别（官方也坦承本地模式精度还不完全等同云端大模型，尤其冷门语言对）。

三、安装部署（重点）

项目完全免费开源，下载、安装、用自己的 Key 或用本地模型，都不需要注册账号。

3.1 部署前准备

系统要求（三端通用）：64 位处理器、4GB 内存起（建议 8GB）、200MB 可用磁盘、麦克风 + 扬声器/耳机。

各平台的额外依赖（这是最容易踩坑的地方，先看好）：

下载地址：

• 官网下载页：https://sokuji.kizuna.ai/download
• GitHub Releases：https://github.com/kizuna-ai-lab/sokuji/releases/latest

安装包对照表：

3.2 Windows 安装（含 VB-CABLE 这个大坑）

第 1 步：下载并运行安装程序

从 Releases 页面下载 .exe 安装包。若 Windows Defender SmartScreen 弹出拦截：

1. 点击警告窗口上的 「更多信息」
2. 窗口展开后，点击 「仍要运行」

说明：Sokuji 的 Windows 版本由 SignPath Foundation 提供免费代码签名（开源项目福利），但 SmartScreen 仍可能根据下载来源提示。遇到就按上面两步放行，不影响使用。

第 2 步：安装 VB-CABLE 虚拟声卡

绕过 SmartScreen 后，安装程序会自动提示安装 VB-CABLE：

1. 点击 「Install Now」 自动下载安装（也可以点「Download Manually」从 https://vb-audio.com/Cable/ 手动下）
2. 弹出用户账户控制（UAC）时点 「是」
3. VB-CABLE 安装程序打开后，点 「Install Driver」
4. 等待安装完成，点 「OK」 确认，再点一次 「OK」 结束

第 3 步：验证 VB-CABLE 装好了

右键任务栏喇叭图标 → 「声音设置」，确认：

• CABLE Output (VB-Audio Virtual Cable) 出现在录制设备里
• CABLE Input (VB-Audio Virtual Cable) 出现在播放设备里

⚠️ 关键提示：你在 Sokuji 自己的设备列表里看不到这两个 CABLE 设备——这是官方刻意设计的。Sokuji 会隐藏它们以防你不小心选错造成音频回环（啸叫），并在后台自动检测使用 VB-CABLE。别去找，找不到是对的。

第 4 步：首次运行配置

VB-CABLE 装完后 Sokuji 会自动启动，进入音频配置页：

1. 选择 AI 服务商（OpenAI / Gemini / 豆包 / Local Inference 等）
2. 填入对应 API Key（选本地推理则跳过这步）
3. 选择源语言和目标语言
4. 测试音频输入输出设备
5. Audio Input Device 选你的物理麦克风
6. Virtual Speaker Monitor Device 选你的扬声器/耳机

点开始会话按钮，就能用了。

3.3 macOS 安装（Gatekeeper 是唯一的坑）

第 1 步：选对安装包

Apple 菜单 →「关于本机」看芯片：

• 看到 Apple M1/M2/M3/M4 → 下 Sokuji-x.y.z-arm64.pkg
• 看到 Intel → 下 Sokuji-x.y.z-x64.pkg

（包约 150–200MB，已内含虚拟音频驱动）

第 2 步：必须先移除隔离属性（不做这步一定装不上）

macOS 的 PKG 安装包没有签名（免费项目付不起苹果每年开发者账号的费用，官方在下载页把这事说得很坦白），所以首次安装会被 Gatekeeper 拦下。

打开终端（应用程序 → 实用工具 → 终端），执行：

<code class="language-bash"># Apple Silicon（把 x.x.x 换成你的实际版本号）
sudo xattr -d com.apple.quarantine ~/Downloads/Sokuji-x.x.x-arm64.pkg

# Intel Mac
sudo xattr -d com.apple.quarantine ~/Downloads/Sokuji-x.x.x-x64.pkg
</code>

输入管理员密码回车。没有输出就是成功了。

第 3 步：安装 PKG

1. 双击 .pkg 文件
2. 点「继续」→「安装」
3. 输入管理员密码（装系统级音频驱动必须）
4. 等 1–2 分钟完成，点「关闭」

这一步会装上三样东西：

• Sokuji.app → /Applications
• SokujiVirtualAudio.driver → /Library/Audio/Plug-Ins/HAL
• 安装程序会自动重启 CoreAudio 加载驱动

第 4 步：首次启动

1. 打开「应用程序」文件夹
2. 右键（或 Control+点击）Sokuji → 选「打开」
3. 弹窗中点「打开」确认

如果第 2 步的 xattr 命令执行正确，你可能根本看不到安全警告。若仍被拦：系统设置 → 隐私与安全性 → 通用 → 看到 Sokuji 被阻止的提示 → 点「仍要打开」。

第 5 步：配置

授予麦克风权限 → 选界面语言 → 选服务商 → 填 Key → 选源/目标语言 → 选音频设备（设备列表里应该能看到 Sokuji Virtual Audio）→ 测试麦克风和扬声器。

3.4 Linux 安装（最省心）

Linux 是三个平台里最省事的——虚拟麦克风由 Sokuji 自己通过 PulseAudio/PipeWire 创建，不需要额外装任何虚拟声卡驱动。

前置：确认音频服务器和工具

<code class="language-bash"># 确认 PulseAudio 或 PipeWire 在运行
pactl info | grep "Server Name"

# Debian/Ubuntu 若缺 pactl，先装工具包
sudo apt update && sudo apt install -y pulseaudio-utils
</code>

安装方式一：deb 包

<code class="language-bash"># x64 机器
sudo dpkg -i sokuji_x.y.z_amd64.deb

# ARM64 机器（如树莓派、部分 NAS）
sudo dpkg -i sokuji_x.y.z_arm64.deb

# 若提示依赖缺失，补一下
sudo apt -f install
</code>

安装方式二：AppImage（通用，不需要 root）

<code class="language-bash">chmod +x Sokuji-x.y.z.AppImage
./Sokuji-x.y.z.AppImage
</code>

3.5 浏览器扩展安装（最轻量，推荐先试）

如果你只用网页版会议（Google Meet、Teams 网页版、Zoom 网页版等），浏览器扩展是最快的上手方式——系统里什么都不用装，也不用折腾音频路由。

方式一：应用商店一键装（Chromium 116+）

• Chrome：https://chromewebstore.google.com/detail/sokuji-extension/ppmihnhelgfpjomhjhpecobloelicnak
• Edge：https://microsoftedge.microsoft.com/addons/detail/sokuji-ai-meeting-trans/dcmmcdkeibkalgdjlahlembodjhijhkm

方式二：开发者模式手动装

1. 从 Releases 页面下载 sokuji-extension.zip 并解压
2. 浏览器打开 chrome://extensions/，右上角开启**「开发者模式」**
3. 点 「加载已解压的扩展程序」，选择解压出来的文件夹

扩展支持的平台：Zoom · Google Meet · Microsoft Teams（免费版/工作版/M365）· Slack · Discord · Jitsi Meet · Whereby · Gather Town · Yandex Telemost。

超出这个范围（本地软件、游戏、桌面端 OBS、浏览器外的视频），请用桌面端。

3.6 从源码构建（可选）

开源项目，想自己改或审查代码的话：

<code class="language-bash">git clone https://github.com/kizuna-ai-lab/sokuji.git
cd sokuji && npm install

npm run electron:dev        # 开发模式运行
npm run electron:build      # 生产构建
</code>

需要 Node.js（推荐最新 LTS 版）+ npm。

3.7 配置 AI 服务商：云端还是本地？

这是决定延迟和隐私的关键一步，两条路：

路线 A：本地推理（推荐先试这个）

• 服务商选 Local Inference
• 不需要 API Key、不需要联网、不需要独显
• 首次使用时一键下载模型，缓存到浏览器 IndexedDB，之后完全离线
• 适合：隐私敏感场景、想零成本试用、网络环境差

路线 B：云端大模型（精度更高）

• 选 OpenAI / Gemini / 豆包 AST 2.0 / Soniox / Palabra.ai 等
• 填入你自己的 API Key（也支持 OpenAI 兼容的自定义端点，仅桌面端）
• 适合：追求翻译质量、冷门语言对、正式商务场合

国内用户建议：豆包 AST 2.0（火山引擎）支持中英双向且带声音克隆，延迟和合规性对国内更友好。

3.8 在会议软件里启用（最后一步）

1. 打开 Zoom / Teams / Meet 的音频设置
2. 把麦克风选为 Sokuji（或 Sokuji Virtual Microphone）
3. 正常开始会议，开口说话——对方听到的就是翻译后的声音

想看对方说话的字幕？

• 桌面端：直接采集系统音频，对方说的话会实时转成你语言的字幕（视频、直播、录音同理）
• 浏览器扩展：读取当前标签页音频

想做真正的双语会议？

• 开启双向模式，设好 Language A / Language B
• 麦克风 + 系统音频同时采集，自动判断谁在说、说什么语言
• 可以共享屏幕让对方也看到字幕

四、故障排查表

五、安全与隐私清单

发布和使用前，这几条值得留意：

• ✅ 本地推理模式：音频 100% 在本机处理，零网络请求，这是隐私最优解。
• ✅ 云模式：音频直连你选的服务商，Kizuna AI 不做中间服务器；API Key 仅存本地，不上传。
• ⚠️ 匿名遥测：项目使用 PostHog 收集匿名使用统计（不含音频）。介意的话请自行评估。
• ⚠️ macOS 未签名：官方坦承未签名（付不起苹果年费），需手动 xattr 去隔离属性。只从官方 GitHub Releases 或官网下载，别用第三方镜像。
• ⚠️ 商用注意协议：项目为 AGPL-3.0。若你基于它做网络服务对外提供，AGPL 要求你同样开源——企业集成前请让法务过一眼。
• ⚠️ 模型许可证：内置的第三方模型（Whisper、Piper、Opus-MT 等）各有自己的许可证，商用前查一下仓库里的 THIRD_PARTY_NOTICES.md。

六、一句话结论

Sokuji 的价值不在”又做了一个翻译器”，而在把同传这件事的摩擦降到了零——对方不用装、不用点、不用知道；你要么花几块钱接云端，要么干脆断网用本地模型，连音频都不用出公司。加上 AGPL 开源、三端通吃、虚拟麦克风随便接到任何软件，它大概是当前开源圈里完成度相当高的实时同传方案。

你平时跨国沟通最大的卡点是啥？是”不敢开口”、是”对方嫌装插件麻烦”、还是”公司不让传音频到第三方”？

评论区说说你的场景，我可以帮你判断走本地离线还是云端 + 自带 Key 更合适。

相关链接

• 官网：https://sokuji.kizuna.ai/
• 下载：https://sokuji.kizuna.ai/download
• GitHub（AGPL-3.0）：https://github.com/kizuna-ai-lab/sokuji
• Windows 安装文档：https://sokuji.kizuna.ai/docs/install/windows
• macOS 安装文档：https://sokuji.kizuna.ai/docs/install/macos
• Chrome 扩展：https://chromewebstore.google.com/detail/sokuji-extension/ppmihnhelgfpjomhjhpecobloelicnak
• Edge 扩展：https://microsoftedge.microsoft.com/addons/detail/sokuji-ai-meeting-trans/dcmmcdkeibkalgdjlahlembodjhijhkm