ผลิตภัณฑ์ การอัปเดต

v2.0.0 — การแปลแบบออฟไลน์ 38 ภาษา

Brethof Voice Pro ไม่ใช่เพียงโปรแกรมแปลงเสียงเป็นข้อความอีกต่อไป มีการเปิดตัวเวอร์ชัน 2.0.0 แล้ว การแปลแบบออฟไลน์ ให้พลังโดย Tencent Hunyuan MT2 — ใน FLORES-200 (XCOMET-XXL) ระดับ 7B สามารถทำได้ 97.9% ของ Google Gemini 3.1 Proนอกจากนี้ยังทำผลได้ดีกว่า Gemini ในการทดสอบในโลกแห่งความเป็นจริงและภาษาชนกลุ่มน้อย การแปลจะดำเนินการบนเครื่องของคุณเองทั้งหมด มีสองระดับของโมเดลให้เลือก โดยสามารถดาวน์โหลดตามความต้องการ: แบบเร็ว (~1 GB, ใช้เวลาไม่ถึงวินาทีบน CPU หรือ GPU) และแบบคุณภาพสูง (~4.3 GB, ใช้เวลาไม่ถึงวินาทีบน GPU) พร้อมด้วยฟีเจอร์เพิ่มเติมอีกหลายอย่างที่ผู้ใช้รอคอยมานาน

มีอะไรใหม่ในเวอร์ชัน 2.0.0:

• ถอดเสียง + แปลภาษา — ในหน้าต่าง Transcribe จะมีช่องดรอปดาวน์ “Translate to:” โปรแกรม ASR ทำหน้าที่ถอดเสียง ส่วนโปรแกรม MT ทำหน้าที่แปลข้อความ ผลลัพธ์จะแสดงข้างกัน สามารถใช้งานได้กับไฟล์ เสียงจากไมโครโฟน และเสียงในระบบ (เช่น เสียงจากการประชุมผ่านวิดีโอคอล เสียงจากแท็บเบราว์เซอร์ หรือเสียงใดๆ ที่เล่นออกมาจากลำโพง)
• คีย์บอร์ดเสียงหลายภาษา — ชิปแปลใหม่บนแถวหลักจะสร้างกริดภาษา 3 คอลัมน์ขึ้นมา ให้เลือกภาษาปลายทางหนึ่งภาษาหรือมากกว่า จากนั้นคีย์บอร์ดจะทำการพิมพ์ผลแปลออกมา โหมดการจัดวาง: หนึ่งบรรทัดต่อภาษา, แบบฝังในข้อความEN: … || PL: …), หรือเลือกเป้าหมายเพียงตัวแรกเท่านั้น。
• โปรแกรมแปลคำบรรยาย SRT / VTT — รักษาเวลาและดัชนีคำสั่งไว้ รองรับโหมดสองภาษา (บรรทัดภาษาต้นฉบับ + การแปลสำหรับแต่ละคำสั่ง) สามารถใช้งานผ่าน MCP เพื่อการอัตโนมัติของ AI-agent ได้
• GPU หลายตัวต่อเอนจินหนึ่งตัว — ในส่วน Settings → Models จะมีตัวเลือกสำหรับเลือกอุปกรณ์แยกกันสำหรับแต่ละ 엔진 ให้รัน ASR บน Vulkan 0 และรันการแปลบน Vulkan 1 หรือจะกำหนดให้ Hunyuan MT2 7B ทำงานบน CPU ในโน้ตบุ๊กที่มี VRAM จำกัดก็ได้
• การฝึกพูดส่วนบุคคลทำได้แบบสดๆ เต็มรูปแบบ — การปรับแต่ง LoRA ด้วยเสียงของคุณเอง โดยทำได้แบบ end-to-end บนเครื่องของคุณเอง บนหน้าต่างหลัก การ์ดแสดงข้อมูลการฝึกจะแสดงจำนวนตัวอย่างทั้งหมดและระยะเวลาที่บันทึกไว้อย่างชัดเจน ปุ่ม “Start training” ในแท็บ Training จะเลือกใช้ NVIDIA CUDA หรือ CPU โดยอัตโนมัติ จากนั้นจึงส่งออกโมเดลที่ได้รับการฝึกมาเป็นรูปแบบ GGUF ให้โดยอัตโนมัติ มีให้ใช้ฟรีพร้อมกับใบอนุญาตแบบเสียเงินทุกประเภท
• เครื่องมือ MCP ใหม่ 4 ตัว — translate_text, translate_srt, list_compute_devices, set_compute_deviceจำนวนเครื่องมือทั้งหมดขณะนี้คือ 19 เครื่องมือ
• ภาษาที่ซื่อสัตย์แบ่งแยกได้ — ASR: รองรับภาษาให้เลือก 30 ภาษา พร้อมระบบตรวจจับภาษาอัตโนมัติ และภาษาถิ่นจีน 22 ภาษา (รวมทั้งหมด 52 ภาษา) ส่วนการแปลนั้นรองรับ 38 ภาษา (33 ภาษาหลัก + 5 ภาษาของชนกลุ่มน้อยในพื้นที่จีน) โดยมี 23 ภาษาที่สามารถแปลไปมาได้

ไฟล์ไบนารีสำหรับ Linux มีขนาด 161 MB ส่วนไฟล์ติดตั้งสำหรับ Windows มีขนาด 118 MB ราคาในการซื้อเท่ากัน คือ $49 สำหรับผู้ใช้ทั่วไป และ $149 สำหรับธุรกิจ ใบอนุญาตที่มีอยู่สามารถนำมาใช้ต่อได้ — เพียงแค่ ดาวน์โหลดเวอร์ชัน 2.0.0 และโมเดลการแปลจะปรากฏอยู่ในหัวข้อ Settings → Models

v1.6.16 — การฝึกเสียงส่วนบุคคลพร้อมใช้งานแล้ว

กระบวนการฝึกอบรมได้ถูกส่งมอบแล้ว ตอนนี้การปรับแต่ง LoRA ด้วยเสียงของคุณเองสามารถทำได้แบบ end-to-end บนเครื่องของคุณเอง — แอปจะเลือกให้โดยอัตโนมัติ NVIDIA CUDA or CPUจากนั้นจะส่งออกโมเดลที่ฝึกเสร็จแล้วเป็นรูปแบบ GGUF โดยอัตโนมัติ เมื่อคุณทำการแก้ไขใดๆ ผ่าน GUI ข้อมูลเหล่านั้นจะถูกบันทึกไว้ในชุดข้อมูลฝึกส่วนตัวของคุณโดยอัตโนมัติ แผงแสดงข้อมูลการฝึกในหน้าต่างหลักจะแสดงจำนวนตัวอย่างทั้งหมดและระยะเวลาที่ใช้ในการฝึกได้อย่างชัดเจน

โบนัส: ความแม่นยำของคีย์บอร์ดเสียงได้รับการปรับปรุงในทุกภาษา เนื่องจากมีการอัปเกรด llama.cpp (เวอร์ชัน b9222) ซึ่งช่วยแก้ไขปัญหาการล่มของขอบข้อมูลในคลิปวิดีโอที่มีความยาวมาก มาพร้อมกับใบอนุญาตแบบเสียเงินทุกใบโดยไม่มีค่าใช้จ่ายเพิ่มเติม

v1.6.0 — งานถอดเสียงแบบอะซิงโครนัส + การปรับปรุงไฟล์ SRT ในระดับคำ

เครื่องมือ MCP ใหม่สองตัวเพิ่งถูกเปิดตัว: start_transcription สามารถส่งคืนรหัสงานได้ทันที เพื่อให้เอเจนต์สามารถทำงานอื่นต่อไปได้ get_transcription_status โหวตเพื่อยืนยันการทำงานเสร็จสมบูรณ์ ทำงานทีละอัน และจะแสดงผลทันทีเมื่อเสร็จสิ้น ไฟล์ขนาดใหญ่จะไม่กีดขวางวงจรการทำงานของเอเจนต์อีกต่อไป

นอกจากนี้ยังมีการแก้ไขหลายประการสำหรับผลลัพธ์ SRT/VTT ในระดับคำ ได้แก่ ไม่มีช่องว่างส่วนเกินก่อนเครื่องหมายวรรคตอน ไม่มีเครื่องหมายจุดโดดเดี่ยว และไม่มีข้อความคำสำคัญ/บริบทรั่วไหลเข้ามาในบทสรุปอีกต่อไป ทำให้เกิดคำบรรยายที่สะอาดขึ้น โดยไม่จำเป็นต้องมีการแก้ไขด้วยตนเอง

v1.5.0 — ยกเลิกการใช้งาน ONNX โดยตอนนี้ใช้เฉพาะ llama.cpp + libmtmd เท่านั้น

ปรับเปลี่ยนโครงสร้างเอนจินใหม่ทั้งหมด ตอนนี้ Brethof Voice Pro สามารถใช้งาน Qwen3-ASR แบบ end-to-end ได้แล้ว llama.cpp โดยใช้น้ำหนักที่ถูกควอนไทซ์ในรูปแบบ GGUF libmtmdONNX Runtime หายไปแล้ว ผลลัพธ์คือขนาดไฟล์ที่ต้องดาวน์โหลดเล็กลง (ไฟล์บินารีประมาณ 83 MB ลดลงจากเดิมที่มากกว่า 400 MB) เวลาเริ่มต้นใช้งานเร็วขึ้น และไม่ต้องมาปวดหัวกับไฟล์ CUDA/DirectML ที่แตกต่างกันไปในแต่ละแพลตฟอร์มอีกต่อไป

Vulkan จะตรวจจับการ์ดจอของคุณโดยอัตโนมัติ ไม่ว่าจะเป็น NVIDIA, AMD หรือ Intel Arc และจะใช้ซีพียูเป็นทางเลือกสำรองหากไม่มีการ์ดจอ โดย 엔진เดียวกันนี้ถูกนำมาใช้กับฟีเจอร์ต่างๆ ทั้งหมด เช่น ASR, คีย์บอร์ดเสียง, เซิร์ฟเวอร์ MCP และการแปล (ในเวอร์ชัน 2.0.0)

v1.4.0 — การเปิดตัวเซิร์ฟเวอร์ MCP + เครื่องมือเลือกอุปกรณ์ GPU หลายตัว

เซิร์ฟเวอร์ Protocol สำหรับบริบทของโมเดลได้เริ่มทำงานแล้ว ตัวแทน AI ใดก็ตามที่รองรับ MCP — Claude Desktop, Claude Code, เคอร์เซอร์, ไคลน์ — สามารถทำการถอดรหัสเสียงผ่าน stdio ได้ (ไม่จำเป็นต้องมีพอร์ต ไม่จำเป็นต้องมีไฟร์วอลล์) เวอร์ชันเดียวกันนี้ยังมาพร้อมกับ ตัวเลือกอุปกรณ์ multi-GPU ดังนั้นคุณจึงสามารถเลือกได้ว่า GPU ของ Vulkan ตัวใดจะใช้สำหรับ ASR รวมถึงตัวเลือกเสริมด้วย เครื่องมือจัดเรียงแบบบังคับ ส่วนเสริมสำหรับการแสดงเวลาที่แม่นยำในระดับคำสำหรับการถอดเสียงทุกครั้ง

มีให้เฉพาะแผนเสียค่าบริการเท่านั้น — เซิร์ฟเวอร์ MCP จะไม่สามารถเริ่มทำงานได้หากไม่มีใบอนุญาตประเภทบุคคลหรือธุรกิจ brethof-voice --mcp คือการเรียกใช้งานแบบหนึ่งบรรทัด.