Brethof Voice Pro — چه چیز جدیدی هست؟

ورژن ۲.۳.۱ — حساب‌های دو عاملی می‌توانند دوباره وارد شوند

یک اشکال در نسخه قبلی باعث شد حساب‌هایی که از روش تأیید هویت دو عاملی استفاده می‌کردند، نتوانند وارد شوند. نسخه v2.3.1 این مشکل را برطرف کرده است. اگر شما هم چنین مشکلی داشتید: اطلاعات ورودی خود را وارد کنید، کد مربوطه را وارد نمایید و وارد خواهید شد. هیچ چیز دیگری تغییر نکرده است.

v2.2.2 — فایل‌های زیرنویس، تقریباً دو برابر سریع‌تر

اکنون ترجمه فایل زیرنویس حدود نصف زمان قبلی را می‌برد. زمانبندی تغییری نکرده است؛ هر زمان‌بندی دقیقاً در جای خود در نسخه اصلی قرار می‌گیرد، چه در سطح جملات و چه در سطح کلمات. اگر شغلتان ترجمه زیرنویس است، این نسخه‌ای است که زمان انتظار به طور قابل توجهی کوتاه‌تر شده است.

همچنین در ورژن ۲.۲.۲:

• ترمیم ورودی میکروفون – که برای میکروفونهای با کیفیت اهمیت زیادی داشت.. تنظیم سطح صدا میتواند بلندترین لحظات یک ضبط با کیفیت را فراتر از حد مجاز ببرد و باعث اختلال در آن شود. هرچه میکروفون شما بهتر باشد، فاصله بین اوجهای سطح صدا و میانگین آن بیشتر خواهد بود؛ در نتیجه احتمال بروز این مشکل نیز بیشتر میشود. در چنین شرایطی، سیگنالهای پرسروصدا بدون تغییر عبور میکنند، در حالی که سیگنالهای آرام در محیطهای با کیفیت پایین دچار اختلال میشوند. اما تنظیم سطح صدا اکنون فضای کافی برای سیگنالها فراهم میکند؛ بنابراین همخوانها و بخشهای پرصدای صدا به حالت اولیه خود باقی میمانند.
• جدید translate_batch ابزار MCP — بسیاری از رشته‌ها را در یک فراخوانی ترجمه کنید، با پارامتر اندازه دسته که در کمبود VRAM به‌طور خودکار عقب‌نشینی می‌کند.

v2.2.1 — اپلیکیشنی که در اختیار دارید، همچنان متعلق به شماست.

Brethof Voice Pro پس از خرید متعلق به شما خواهد بود، و نسخه ۲.۲.۱ از وجود هیچ مانعی بین شما و آن جلوگیری می‌کند. بررسی مجوز در زمان راه‌اندازی قبلاً مانند یک مانع عمل می‌کرد: بدون اتصال شبکه، سرور مشغول، فایروالی که اجازه نمی‌داد، می‌توانست مانع دسترسی شما به نرم‌افزاری شود که برای آن پول پرداخته بودید. اکنون این بررسی باعث باز شدن نرم‌افزار می‌شود؛ اگر بررسی نتواند به ما دسترسی پیدا کند، برنامه به هر حال باز خواهد شد. نرم‌افزاری که متعلق به شماست نباید برای راه‌اندازی اجازه بخواهد؛ دیگر چنین نیست.

• دکمه بررسی مجدد مجوز در کادر گفتگوی مجوز — بررسی تازه‌ای را اعمال می‌کند و ادامهی ارسال دارد در صورت موفقیت. پیش از این تنها راه‌های خروج، خرید یا ترک بود.
• هیچ برچسب انقضای آزمایشی برای مشتریان پولی وجود ندارد. — دیالوگها اکنون آنچه واقعاً اتفاق افتاده را نشان میدهند، به جای اینکه پیام یکسانی برای همه نشان دهند.
• دیگر توقف رابط کاربری وجود ندارد. — دانلود مدلها از طریق نخ رابط انجام شده و درصد پیشرفت آن نمایش داده میشود؛ همچنین بررسی لایسنسهای مربوط به راهاندازی، دیگر باعث مسدود شدن پنجره در اتصالات ضعیف نمیشود.
• هیچ دیکته گم شدهای نیست. — اگر هنگام پایان صحبت کردن، فرآیند ضبط هنوز در حال انجام باشد، صدای جدید در صف قرار میگیرد و حذف نمیشود؛ همچنین، فرآیندی که متوقف شده است، دیگر نمیتواند متنهای جدید را در ضبط بعدی شما وارد کند.
• حالت آفلاین، ساکت است. — هیچ تأخیر مکرر شبکه‌ای در نبود اتصال وجود ندارد.

ورژن ۲.۲.۰ — ضبط کل جلسه، نه فقط پنج دقیقه اول

فایل‌های ضبط‌شده بلند، اکنون به عنوان کارهای پس‌زمینه اجرا می‌شوند. یک فایل مربوط به جلسه دو ساعته را به آن بسپارید و بروید قهوه درست کنید؛ هیچ محدودیت زمانی وجود ندارد و نیازی به نظارت مداوم نیست. آن را رها کنید و فراموشش کنید؛ خودش کار را تمام کرده و گزارش مربوطه را برای شما نگه می‌دارد. یک تماس سه ساعته تفاوتی با یک تماس سه دقیقه‌ای ندارد؛ فقط زمان بیشتری لازم است.

• میکروفون یا صدای سیستم — صدای خودتان را ضبط کنید، یا هر آنچه روی دستگاهتان پخش می‌شود را به‌صورت حلقه‌ای ضبط کنید: تماس‌های جلسه، تب‌های مرورگر، هر چیزی که از بلندگوهایتان می‌آید. جدید list_loopback_sources ابزاری برای دیدن آنچه در دسترس است.
• هیچ چیز دور نرفته است. — اگر ضبطی رها شود، این نرمافزار آن را به یک کار قابل بازیابی تبدیل میکند به جای اینکه آن را دور بیندازد.
• محدودیتهای صادقانه — سقف حالت رونویسی فوری کوتاه به ۱۰ دقیقه افزایش یافت، و درخواست بیش از ظرفیت آن اکنون خطای واضحی برمی‌گرداند که به ابزار بلندمدت اشاره می‌کند. دیگر صدای شما را بی‌صدا محدود نمی‌کند و پاسخ ناقص تحویل نمی‌دهد.
• تصحیح ترجمه Linux — عدم وجود یک وابستگی لازم باعث شد ترجمه در تمام نسخههای Linux از ورژن ۱.۷.۰ مختل شود. این مشکل توسط یک سیستم بررسی جدید از ابتدا تا انتها کشف شد؛ این سیستم قبل از ارسال هر نسخه، فایل باینری تولید شده را بررسی میکند.

v2.1.0 — نماینده شما از طریق HTTP در دسترس است

یک ایجنت روی همان دستگاه اکنون می‌تواند از طریق MCP از Brethof Voice Pro استفاده کند — ترجمه متن، ترجمه صدا، ضبط —. این سیستم از طریق HTTP محلی کار می‌کند؛ بنابراین ایجنتی که فقط می‌تواند از طریق URL به منابع دسترسی پیدا کند، می‌تواند بدون نیاز به کلید API و بدون خروج هیچ چیز از دستگاه، از آن استفاده کند. یک توکن مانع ورود را فراهم می‌کند و سرور بدون آن از کار شروع نمی‌شود. نسخه‌ی مورد نظر نیازمند یک مجوز پرداختی است.

• بهطور پیشفرض خصوصی — فقط روی دستگاه خودتان گوش میدهد، مگر اینکه عمداً آن را تغییر دهید، و محدودیتهای بیشتری وجود دارد. از شروع‌کردن خودداری می‌کند. بدون توکن احراز هویت. وقتی توکن تنظیم شود، هر درخواست باید آن را ارائه دهد.
• کار بدون وقفه — مدلهایی که در حالت بیکاری ذخیره میشوند، دیگر نمیتوانند در میانه یک کار طولانی ذخیره شوند. تایمآوتی که کارهای در حال انجام را نادیده میگیرد، در نهایت باعث از بین رفتن چیزهای مهم خواهد شد؛ بنابراین ساعت بیکاری در حین انجام هر کاری، متوقف میشود.

v2.0.0 — ترجمه‌ای که هرگز از خانه بیرون نمی‌رود

نسخه پیشرفته. این ابزار ترجمه کاملاً روی دستگاه شما انجام می‌شود و به ۳۸ زبان مختلف ترجمه می‌کند. کافی است یک بار صحبت کنید تا متن همزمان به زبان‌های انگلیسی، ژاپنی، فرانسوی و اسپانیایی تایپ شود؛ یک متن در هر خط یا کنار هم در یک خط. موتور این ابزار، Hunyuan MT2 شرکت Tencent است که در دو حالت مختلف در دسترس است: حالت سریع برای استفاده روزمره و حالت با کیفیت بالا برای مواقع مهم. بر اساس معیارهای FLORES-200، کیفیت ترجمه در حالت با کیفیت بالا ۹۷.۹٪ معادل Gemini 3.1 Pro گوگل است؛ همچنین در ترجمه‌های مربوط به زبان‌های کم‌تعداد نیز این ابزار از آن برتر است. تمام این فرآیندها به صورت آفلاین انجام می‌شود و هیچ اطلاعاتی منتقل نمی‌گردد.

چه چیزهایی در نسخه ۲.۰.۰ جدید است:

• رونویسی + ترجمه — پاپ‌آپ Transcribe یک منوی کشویی «Translate to:» دارد. ASR رونویسی می‌کند، MT ترجمه می‌کند، هر دو در کنار هم نمایش داده می‌شوند. روی فایل‌ها، میکروفون و صدای سیستم (ضبط loopback تماس‌های جلسه، تب‌های مرورگر، هر چیزی که روی بلندگوهای شما پخش می‌شود) کار می‌کند.
• کیبورد صوتی چندزبانه — چیپ ترجمه جدید در ردیف اصلی، یک شبکه زبانی سـهستونه را باز میکند. یک یا چند زبان هدف را انتخاب کنید؛ صفحهکلید متن ترجمهشده را تایپ میکند. حالتهای چیدمان: یک مورد در هر خط، درونخطی (EN: … || PL: …)، یا فقط هدف اول.
• مترجم زیرنویس SRT / VTT — زمانبندیها و شاخصهای cue را حفظ میکند، از حالت دوزبانه پشتیبانی میکند (خط منبع + ترجمه برای هر cue). از طریق MCP برای خودکارسازی توسط ایجنتهای هوش مصنوعی در دسترس است.
• چند GPU برای هر موتور — تنظیمات → مدل‌ها دارای ابزار جداگانه‌ای برای انتخاب دستگاه برای هر موتور است. می‌توانید عملکرد ASR را روی Vulkan 0 و ترجمه را روی Vulkan 1 اجرا کنید؛ یا در لپ‌تاپ‌هایی با حافظه VRAM محدود، Hunyuan MT2 7B را به CPU متصل نمایید.
• آموزش صدای شخصی کاملاً فعال شد — تنظیم دقیق LoRA بر روی صدای خودتان، به صورت سرتاسری روی دستگاه شما. کارت آموزش در پنجره اصلی، تعداد کل نمونه‌ها و دقایق ضبط‌شده را یک‌نگاه نشان می‌دهد؛ گزینه «شروع آموزش» در تب آموزش، به طور خودکار NVIDIA CUDA یا CPU را انتخاب می‌کند، سپس مدل آموزش‌دیده را به فرمت GGUF اکسپورت می‌کند. رایگان با هر لایسنس پولی.
• ۴ ابزار جدید MCP — translate_text, translate_srt, list_compute_devices, set_compute_device. تعداد کل ابزارها اکنون ۱۹ است.
• تفکیک صادقانه زبان‌ها — ASR: ۳۰ زبان قابل انتخاب + تشخیص خودکار + ۲۲ گویش چینی (مجموعاً ۵۲ مورد). ترجمه: ۳۸ زبان (۳۳ زبان اصلی + ۵ زبان اقلیت مناطق چینی). ۲۳ مورد در هر دو جهت کار می‌کنند.

فایل باینری Linux ۱۶۱ مگابایت و نرمافزار نصب Windows ۱۱۸ مگابایت است. مجوزهای موجود ادامه دارند — فقط دانلود v2.0.0 و مدل‌های ترجمه در بخش Settings → Models ظاهر خواهند شد.

v1.6.16 — صدای شما به یک مدل مستقل تبدیل می‌شود

Brethof Voice Pro اکنون روی صدای شما آموزش می‌دهد. داده‌های آموزشی، تصحیحاتی هستند که شما انجام می‌دهید؛ یک بار کلمه‌ای را به درستی تلفظ کنید و آن به عنوان نمونه ثبت خواهد شد. هرگز از شما خواسته نمی‌شود جملات نمونه را بخوانید. فرآیند آموزش تنها با یک کلیک انجام می‌شود، روی سخت‌افزار خودتان اجرا می‌گردد و پس از اتمام، مدل جدید آماده استفاده خواهد بود.

این نسخه آزمایشی همه چیز را به جز تمرینات شخصی و اتصال به نماینده فعال می‌کند؛ این نسخه برای کسانی است که هر روز از اپلیکیشن استفاده می‌کنند.

ورژن ۱.۶.۰ — آن را فعال کنید، بعداً دوباره برگردید.

دو مورد: اکنون تبدیل صدا می‌تواند به عنوان یک کار ناهمزمان انجام شود؛ فقط فایل صوتی را وارد کنید، وقتی کار تمام شد، متن تبدیل‌شده را دریافت کنید؛ نیازی نیست مدام جلوی آن بنشینید.

و زمان‌بندی زیرنویس‌ها: اکنون می‌توانید به جای جمله به جمله، کلمه به کلمه زمان‌بندی کنید؛ برای مواقعی که نیاز به ویرایش دقیق دارید. اگر زیرنویس تهیه می‌کنید، قطعاً می‌دانید چرا این موضوع مهم است.

v1.5.0 — یک محیط اجرا، و ONNX حذف شده است

محیط اجرای ONNX دیگر وجود ندارد. کل این محصول اکنون روی llama.cpp و کتابخانه ترجمه خودمان اجرا می‌شود؛ یک محیط اجرایی، فایل‌های کوچکتری در دیسک، سرعت بالاتری در شروع کار، و ارسال آسان‌تر.

این مدل‌ها، بسته‌های تکی GGUF هستند؛ همین ویژگی باعث می‌شود که نسخه کوچکتر آن‌ها بتواند روی هر کارت گرافیک ۴ گیگابایتی کار کند. توضیحات بیشتری درباره دلیل انجام این کار در پایین صفحه وجود دارد.

ویرایش ۱.۴.۰ — اتصال اولیه شما به نماینده، و ابزاری برای انتخاب GPUهایتان

دو رکورد جدید. سرور MCP برای اولین بار در اینجا معرفی می‌شود؛ اولین روش برای دادن توانایی شنیدن به یک ایجنت، کاملاً روی دستگاه خودتان.

و ابزار انتخاب دستگاه: اکنون فرآیندهای ترجمه و رونویسی می‌توانند هر کدام پردازنده خاص خود را انتخاب کنند؛ بنابراین یکی می‌تواند روی کارت گرافیک شما اجرا شود در حالی که دیگری روی CPU کار می‌کند. یک لپ‌تاپ با کارت گرافیک متوسط نیز می‌تواند هر دو فرآیند را بدون مشکل اجرا کند.