همه چیز در یک اپلیکیشن

حریم خصوصی کامل

هر کلمه‌ای که می‌گویید در دستگاه شما پردازش می‌شود. هیچ صدا، متن یا اطلاعات فرعی به هیچ سروری منتقل نمی‌شود. هیچ پشته‌ی ابری، هیچ اطلاعات از راه دور، هیچ تحلیلی و هیچ ارتباط با سرور مرکزی وجود ندارد.

• هیچ تماس شبکه‌ای در حین ترجمه صوتی وجود ندارد.
• مدل‌هایی که پس از دانلود یکباره به صورت محلی ذخیره می‌شوند
• موتور منبع‌باز Qwen3-ASR — کاملاً قابل بررسی

تسریع توسط GPU

Brethof Voice Pro از موتور بهینه‌شده GGUF همراه با llama.cpp برای پردازش فوق‌العاده سریع استفاده می‌کند. به‌طور خودکار از تمام سه تولیدکننده اصلی کارت گرافیک پشتیبانی می‌کند.

• NVIDIA — تسریع توسط Vulkan (سری GTX 10 و مدل‌های جدیدتر)
• AMD — تسریع توسط Vulkan (سری RX 500 و مدل‌های جدیدتر)
• اینتل — تسریع توسط Vulkan (GPUهای Arc و گرافیک‌های یکپارچه)
• راه حل جایگزین CPU — بدون GPU کار می‌کند، اما آهسته‌تر است.

ترجمه آفلاین — ۳۰ زبان + ۲۲ گویش چینی

با استفاده از Qwen3-ASR از طریق llama.cpp کار می‌کند. برای دقت حداکثری، می‌توانید زبان خاصی را تعیین کنید یا اجازه دهید این موتور به طور خودکار زبان را تشخیص دهد. هر کلمه در دستگاه شما باقی می‌ماند.

همچنین ۲۲ گویش منطقه‌ای چینی (آنهوی، دونگبی، فوجیان، هنان، هونان، شاندونگ، سیچوان، وو، میننان و غیره) که در صورت تنظیم زبان به چینی یا حالت تشخیص خودکار، به‌طور خودکار شناسایی می‌شوند.

ترجمه آفلاین — ۳۸ زبان ویژگی‌های جدید در نسخه 2.0.0

ترجمه هرگونه رونویسی، خروجی صفحه‌کلید صوتی، متن ساده یا فایل زیرنویس — کاملاً در دستگاه شما انجام می‌شود. با پشتیبانی از Tencent Hunyuan MT2در FLORES-200 (XCOMET-XXL)، سطح کیفیت به حداکثر می‌رسد. ۹۷.۹٪ از Google Gemini 3.1 Pro و نسخه کوچک Fast با رتبه ۸۹.۹٪، در ترجمه‌های مربوط به زبان‌های اقلیت و همچنین در آزمون WildMTBench، از Gemini 3.1 Pro پیشی می‌گیرد.

• رونویسی + ترجمه — در پنجره ظاهرشونده برای ترجمه، یک زبان مقصد انتخاب کنید؛ Qwen3-ASR متن را ترجمه صوتی می‌کند و Hunyuan MT2 آن را ترجمه متنی انجام می‌دهد، هر دو نتایج در کنار هم نمایش داده می‌شوند.
• ترجمه صفحه‌کلید صوتی — صحبت کنید، اهداف را از یک جدول زبانی سه‌ستونی انتخاب کنید، صفحه‌کلید ترجمه را تایپ می‌کند.
• مترجم زیرنویس — فایل‌های SRT/VTT به هر یک از ۳۸ زبان، همراه با حالت دوزبانه اختیاری (متن منبع و ترجمه برای هر نشانه)
• دو سطح مدل — سرعت بالا (حدود ۱ گیگابایت)، در کمتر از یک ثانیه روی CPU یا GPU؛ کیفیت بالا (حدود ۴.۳ گیگابایت)، در کمتر از یک ثانیه روی GPU
• انتخاب‌کننده مستقل دستگاه — پردازش ASR روی Vulkan 0، پردازش ترجمه روی Vulkan 1، یا هر دو روی CPU.

دو اندازه مدل

تعادل مناسبی بین دقت، سرعت و میزان VRAM را که با سیستم شما سازگار است، انتخاب کنید. هر دو از همان معماری Qwen3-ASR استفاده می‌کنند؛ می‌توانید در هر زمان از بخش Settings → Models تغییر دهید.

• ۰.۶ میلیارد — کوچک، سریع؛ روی GPUهای یکپارچه یا هر کارت Vulkan با حداقل ۴ گیگابایت عمل می‌کند. گزینه پیشفرض توصیه‌شده برای لپ‌تاپ‌ها است.
• ۱.۷ میلیارد — دقت بالاتر و عملکرد بهتر در فایل‌های صوتی دارای تأکیدات یا نویز؛ کاربرد مناسب با VRAM ۶ گیگابایت و بیشتر. پیشرفته‌ترین سیستم ASR در میان راه‌حل‌های باز.

دانلود افزونه‌های اختیاری به درخواست، از طریق بخش Settings → Models: تطبیق اجباری (حدود ۵۴۰ مگابایت) برای زمان‌بندی در سطح کلمات، Hunyuan MT2 سریع (حدود ۱ گیگابایت) یا کیفیت (حدود ۴.۳ گیگابایت) برای ترجمه.

کاهش نویز توسط هوش مصنوعی

قابلیت اختیاری DeepFilter برای کاهش نویز در ضبط‌های انجام‌شده در اتاق‌های پرسروصدا؛ به‌طور پیش‌فرض غیرفعال است و می‌توان آن را از منوی نمایش داده شده برای نویز فعال کرد. عدم استفاده از این قابلیت در فایل‌های صوتی با کیفیت بالا در واقع به بهبود کیفیت کمک می‌کند (چرا که DeepFilter ممکن است صداهای کوتاه و بدون نویز را بیش از حد پردازش کند).

• صداهای مزاحم پس‌زمینه، صدای کلیک کیبورد و پژواک اتاق را حذف می‌کند.
• کاهش قابل تنظیم
• هیچ سخت‌افزار اضافی‌ای مورد نیاز نیست.
• به‌طور پیش‌فرض خاموش است — می‌توان آن را برای هر ضبط جداگانه یا همیشه روشن تنظیم کرد.

آموزش صدای شخصی

با استفاده از LoRA می‌توانید مدل را با صدای خودتان تنظیم کنید؛ این فرآیند به طور کامل روی دستگاه شما انجام می‌شود. هر بار که یک کلمه را که به درستی تشخیص داده نشده بود، اصلاح کنید، جفت {clip, correction} در مجموعه داده آموزشی محلی شما ذخیره می‌شود. کارت آموزش در پنجره اصلی، تعداد کل نمونه‌ها و دقایق ضبط شده را به سرعت نشان می‌دهد؛ بر روی آن کلیک کنید تا مرورگر مجموعه داده باز شود، سپس در تب آموزش روی گزینه «شروع آموزش» کلیک کنید.

• به لهجه، گویش و ریتم صحبت کردن شما سازگار شود.
• تصحیحات به طور خودکار ذخیره می‌شوند — فقط به استفاده از اپلیکیشن ادامه دهید.
• تنظیم دقیق LoRA — سریع، کارآمد، بدون نیاز به آموزش مجدد کامل
• انتخاب خودکار CUDA از NVIDIA (Cu128 PyTorch) یا پردازنده مرکزی بخش پشتیبانی
• پس از اتمام، مدل آموزش‌دیده را به صورت خودکار به فرمت GGUF صادر می‌کند.
• داده‌های صدای شما هرگز از دستگاه شما خارج نمی‌شوند.
• برای هر مجوز پرداختی، نسخه رایگان در دسترس است.

کیبورد صوتی و واردکردن مستقیم متن

کلید میانبر را نگه دارید، صحبت کنید؛ متن در هر جایی که کرسور شما قرار دارد ظاهر خواهد شد — درست مانند یک صفحه‌کلید. این روش در مرورگرها، محیط‌های توسعه، ترمینال‌ها، برنامه‌های چت و هر جایی که فیلد متنی ورودی صفحه‌کلید را پذیرفته باشد، کار می‌کند.

• کلید میانبر پیش‌فرض F9 — قابل پیکربندی، ضبط با نگه داشتن دکمه یا تغییر حالت
• امکان فعال‌سازی اختیاری از طریق دکمه راست ماوس برای ضبط بدون استفاده از دست
• چیپ ترجمه زنده — به یک زبان صحبت کنید، صفحه‌کلید ترجمه را تایپ می‌کند. یک یا چند هدف را از یک جدول سه‌ستون انتخاب کنید: هر کدام در یک خط، به صورت درون‌متنی.EN: … || PL: …)، یا فقط هدف اول.
• با هر فیلد متن، ویرایشگر، ترمینال یا چتی سازگار است.
• X11 و Wayland در لینوکس، ورودی بومی در ویندوز

زمینه و اصطلاحات کلمات کلیدی

یک دستگاه، دو کاربرد. تعصب ایجاد کنید. ASR در مورد اسامی خاص، نام‌های برند و اصطلاحات تخصصی — جلوگیری از تلفظ نادرست «VFIO» به عنوان «VEAF1». همین فیلد به عنوان فرهنگ لغت اصطلاحات ترجمه — دکمه «Brethof Voice» را مشخص کنید تا در تمام زبان‌های هدف همچنان به عنوان «Brethof Voice» باقی بماند.

• واژه‌ها را در بخش تنظیمات اضافه کنید — هر کدام در یک خط.
• به بهبود تشخیص اسامی خاص و سرواژه‌ها کمک می‌کند.
• نام‌های برند و اصطلاحات فنی را در ترجمه حفظ می‌کند.
• نیازی به آموزش مجدد نیست — در زمان پردازش اعمال می‌شود.

سرور MCP برای عملگرهای هوش مصنوعی طرح‌های پرداختی

همان فایل باینری که رابط گرافیکی را اجرا می‌کند، می‌تواند به عنوان سرور پروتکل Context Model نیز کار کند؛ ۱۹ ابزار برای ارائه قابلیت‌های ASR و MT به Claude Desktop، Claude Code، Cursor، Cline یا هر ابزار سازگار با MCP. روش انتقال داده‌ها از طریق stdio است: بدون پورت، بدون فایروال، بدون اتصال به localhost. ابزار مربوطه کنترل کامل چرخه عمر فایل باینری را در دست دارد.

• فایل‌های صوتی/ویدیویی، ضبط‌های میکروفون، یا صدای سیستم را ترجمه کنید.
• متن، SRT یا VTT را ترجمه کنید (حالت دوزبانه پشتیبانی می‌شود)
• دستگاه محاسباتی ASR یا MT را به‌صورت لحظه‌ای تغییر دهید.
• فهرست و تغییر پروفایل‌های صدای شخصی
• خواندن/نوشتن هر تنظیمات برنامه‌ای از سوی ایجنت

اجرا کنید brethof-voice --mcp و این نرم‌افزار از طریق stdio به ارتباط می‌پردازد. نیاز به لایسنس پولی وجود دارد — کاربران آزمایشی نمی‌توانند سرور را راه‌اندازی کنند.