Produkto Mga Pag-update

v2.0.0 — Pagsasalin nang offline sa 38 wika

Ang Brethof Voice Pro ay hindi na lamang isang tool para sa pag-convert ng boses sa teksto. Ito ay inilabas na sa bersyon 2.0.0. pagsasalin nang offline pinapatakbo ng Tencent Hunyuan MT2 — sa FLORES-200 (XCOMET-XXL), naaabot ng antas 7B 97.9% ng Google Gemini 3.1 ProAt nalalampasan nito ang Gemini sa mga pagsubok sa totoong mundo at sa mga wika ng minorya. Ang pagsasalin ay isinasagawa nang buo sa iyong aparato. Mayroong dalawang antas ng modelo, na maaaring i-download ayon sa pangangailangan: Fast (~1 GB, mas mababa sa isang segundo sa CPU o GPU) at Quality (~4.3 GB, mas mababa sa isang segundo sa GPU). Kasama rin dito ang ilang karagdagang tampok na matagal nang hinihintay.

Ano ang bago sa v2.0.0:

• I-transkribuhin at i-ibahin ang wika — Ang pop-up na Transcribe ay may dropdown na “I-translate to:”. Ang ASR ang nagrerecord ng tunog, habang ang MT naman ang nagsasalin; pareho silang ipinapakita nang magkatabi. Gumagana ito sa mga file, mikropono, at audio ng sistema (loopback capture ng mga tawag sa pulong, mga tab sa browser, anumang tumutugtog sa iyong mga speaker).
• Keyboard na may boses na multilingual — Ang bagong chip sa pangunahing hilera ay nagbubukas ng grid na may 3 kolum para sa mga wika. Pumili ng isa o higit pang target, at ang keyboard ang gagawa ng pagsasalin. Mga mode ng layout: isa bawat linya, inline.EN: … || PL: …), o tanging unang target lamang.
• Tagasalin ng subtitle SRT / VTT — pinapanatili ang mga timing at index ng cue, sumusuporta sa bilingual mode (linya ng orihinal + salin para sa bawat cue). Ipinapakita sa pamamagitan ng MCP para sa automation ng AI-agent.
• Maraming GPU bawat engine — Sa Settings → Models, mayroong hiwalay na tagapili ng aparato para sa bawat engine. Patakbuhin ang ASR sa Vulkan 0 at ang pagsasalin sa Vulkan 1, o ilagay ang Hunyuan MT2 7B sa CPU sa mga laptop na may limitadong VRAM.
• Ang personal na pagsasanay sa boses ay ganap na nangyayari nang live. — Pag-tune ng LoRA sa sarili mong boses, nang direkta sa iyong makina. Ang card ng pagsasanay sa pangunahing bintana ay nagpapakita agad ng kabuuang bilang ng mga sample at minuto na na-record; ang opsyong “Start training” sa tab na Training ay awtomatikong pumipili sa pagitan ng NVIDIA CUDA o CPU, at pagkatapos ay awtomatikong nag-e-export ng naisanay na modelo sa format na GGUF. Libre ito kasama ng bawat bayad na lisensya.
• 4 na bagong tool para sa MCP — translate_text, translate_srt, list_compute_devices, set_compute_deviceAng kabuuang bilang ng mga tool ay 19 na ngayon.
• Ang tapat na wika ay naghahati. — ASR: 30 wika na maaaring piliin + awtomatikong pagtukoy + 22 diyalekto ng Tsino (52 sa kabuuan). Pagsasalin: 38 wika (33 pangunahing wika + 5 wika ng mga minorya sa rehiyon ng Tsina). 23 wika ang maaaring magamit sa parehong direksyon.

Ang binary ng Linux ay 161 MB, habang ang installer ng Windows ay 118 MB. Pareho ang presyo sa paglulunsad: $49 para sa personal na gamit, $149 para sa negosyo. Ang mga umiiral nang lisensya ay mananatiling balido — sapat na iyon. I-download ang v2.0.0 At ang mga modelo sa pagsasalin ay lalabas sa Settings → Models.

v1.6.16 — Aktibo na ang personal na pagsasanay sa boses

Naipadala na ang pipeline para sa pagsasanay. Ang LoRA fine-tuning gamit ang sarili mong boses ay maaari nang isagawa nang end-to-end sa iyong makina — awtomatikong pinipili ng app NVIDIA CUDA or CPUKapag tapos na, awtomatikong inililipat ng Brethof Voice Pro ang natrain na modelo sa format na GGUF. Bawat pagwawasto na ginagawa mo sa GUI ay awtomatikong na-i-save sa iyong lokal na dataset para sa pagsasanay; ipinapakita ng card para sa pagsasanay sa pangunahing bintana ang kabuuang bilang ng mga sample at oras sa isang sulyap.

Bonus: Tumaas ang katumpakan ng voice-keyboard sa lahat ng wika dahil sa pag-upgrade ng llama.cpp (build b9222) na nag-ayos sa problema sa hangganan ng mga bahagi sa mahahabang clip. Libre ito kasama ng bawat bayad na lisensya.

v1.6.0 — Mga gawain sa asynchronous transcription + pagpapabuti sa SRT sa antas ng salita

Dalawang bagong tool para sa MCP ang dumating: start_transcription nakakabalik agad ng job ID upang makapagpatuloy ang ahente sa ibang gawain, at get_transcription_status Mga poll para sa pagkumpleto. Isang gawain sa bawat pagkakataon, ang resulta ay ipapakita kapag natapos na. Ang mga malalaking file ay hindi na nakakahadlang sa loop ng ahente.

Kasama rin dito ang serye ng mga pag-aayos para sa output ng SRT/VTT sa antas ng bawat salita: wala nang mga espasyo bago ang mga bantas, wala nang mga tanda na may solong tuldok, at wala nang mga hotword o string ng konteksto na nakakalusot sa transcript. Mas malinis ang mga subtitle, at hindi na kailangan ng manu-manong paglilinis.

v1.5.0 — Tinanggal ang ONNX, ang runtime ngayon ay purong llama.cpp + libmtmd

Buong muling pagsulat ng engine. Ang Brethof Voice Pro ay ngayon gumagamit ng Qwen3-ASR nang end-to-end. llama.cpp sa pamamagitan ng mga timbang na GGUF-quantised libmtmdWala na ang ONNX Runtime. Ang resulta: mas maliit na laki ng installer (~83 MB na binary, mula sa 400+ MB), mas mabilis na pag-start, at wala nang problema sa mga CUDA/DirectML na bersyon para sa iba’t ibang platform.

Awtomatikong kinikilala ng Vulkan ang iyong GPU — maging ito man ay NVIDIA, AMD, o Intel Arc — at gumagamit ng CPU bilang kapalit kung wala namang GPU. Ang parehong engine ang nagpapatakbo sa lahat ng kasamang tampok: ASR, voice keyboard, MCP server, at (sa bersyon 2.0.0 na) pagsasalin.

v1.4.0 — Unang paglulunsad ng MCP server + tagapili ng multi-GPU device

Nakarating na ang server ng Model Context Protocol. Anumang AI agent na compatible sa MCP — Claude Desktop, Claude Code, Cursor, Cline — maaaring magpatakbo ng transkripsyon sa pamamagitan ng stdio (walang port, walang firewall). Kasama rin sa parehong bersyon ang tagapili ng multi-GPU device upang makapili ka kung aling Vulkan GPU ang gagamitin para sa ASR, pati na rin ang opsyonal na mga ito Forced Aligner add-on para sa mga timestamp sa antas ng salita sa bawat transkripsyon.

Para lamang sa may bayad na tier — tumatanggi ang MCP server na mag-start nang wala ang Personal o Business license. brethof-voice --mcp Ito ang paraan ng pagpapatakbo sa isang linya.