इस प्रोजेक्ट के बारे में

RTranslator एक Android ऐप है जो रीयल-टाइम अनुवाद के लिए है और पूरी तरह से डिवाइस पर चलता है, बिना बाहरी सर्वरों को डेटा भेजे। इसे लगभग पूरी तरह से ओपन सोर्स बताया गया है, हालांकि परियोजना नोट करती है कि कुछ बाहरी घटक कम अनुमेय लाइसेंस रखते हैं। मुख्य मोड: - वार्तालाप मोड: ऐप चलाने वाले दो या अधिक फोन एक-दूसरे से जुड़ते हैं। भाषण (फोन माइक्रोफोन या ब्लूटूथ हेडसेट से) कैप्चर किया जाता है, टेक्स्ट में बदला जाता है, दूसरे डिवाइस पर भेजा जाता है, वहां अनुवाद किया जाता है, और दूसरे उपयोगकर्ता के स्पीकर या हेडसेट के माध्यम से जोर से बोला जाता है। यह दोनों दिशाओं में काम करता है और विभिन्न संयोजनों में दो से अधिक प्रतिभागियों का समर्थन करता है। - वॉकी-टॉकी मोड: छोटे आदान-प्रदान के लिए डिज़ाइन किया गया, जैसे रास्ता पूछना या दुकानदार से बात करना। यह एक ही फोन के साथ काम करता है, एक साथ दो चयन योग्य भाषाओं में सुनता है, पता लगाता है कि कौन सी भाषा बोली जा रही है, अनुवाद करता है, और परिणाम बोलता है। उपयोगकर्ता बारी-बारी से बोलते हैं; इस मोड में ब्लूटूथ हेडसेट समर्थित नहीं हैं। - टेक्स्ट अनुवाद मोड: एक पारंपरिक टेक्स्ट अनुवादक, जिसमें संस्करण 2.1 में बोलने और कॉपी करने के बटन जोड़े गए हैं। ऐप पृष्ठभूमि में काम करता रह सकता है, जिसमें फोन स्टैंडबाय पर हो या अन्य ऐप उपयोग में हों, हालांकि README नोट करता है कि कुछ फोन पृष्ठभूमि पावर को प्रतिबंधित करते हैं और ऐप को खुला रखना बेहतर हो सकता है। मॉडल और तकनीक: संस्करण 2.x अनुवाद के लिए Meta के NLLB (NLLB-Distilled-600M KV कैश के साथ) और भाषण पहचान के लिए OpenAI के Whisper (Whisper-Small-244M KV कैश के साथ) का उपयोग करता है, दोनों ONNX में परिवर्तित और int8 में क्वांटाइज़ किए गए हैं, कुछ वज़न को गुणवत्ता हानि सीमित करने के लिए बाहर रखा गया है। README रिपोर्ट करता है कि अनुकूलन ने NLLB RAM उपयोग को 2.5 GB से घटाकर 1.3 GB और 75 टोकन के लिए निष्पादन समय 8s से 2s कर दिया, और Whisper RAM को 1.4 GB से 0.9 GB कर दिया, 11s ऑडियो के लिए निष्पादन समय 1.9s से 1.6s कर दिया। 8 GB से कम RAM वाले फोन पर लगभग 0.5 GB उपयोग करने वाला कम-मेमोरी Whisper कॉन्फ़िगरेशन उपयोग किया जाता है। संस्करण 3.0 बीटा NLLB को Mozilla Bergamot मॉडल, Madlad 400 3B, और HY-MT 1.5 1.8B के बीच विकल्प के साथ बदलता है, और MLKit को ओपन-सोर्स विकल्पों (FastText और Lingua) से बदलता है, जिससे ऐप पूरी तरह से ओपन सोर्स हो जाता है। यह बीम सर्च, बहुभाषी शब्दकोश और Tatoeba एकीकरण जैसी तकनीकें भी जोड़ता है। Mozilla मॉडल का उपयोग करके टेक्स्ट अनुवाद के लिए एक सेल्फ-होस्टेड वेब संस्करण की योजना बनाई गई है। सूचीबद्ध अन्य बाहरी घटकों में BluetoothCommunicator और GalleryImageSelector (दोनों एक ही लेखक द्वारा ओपन सोर्स), OnnxRuntime, और SentencePiece शामिल हैं। MLKit का उपयोग संस्करण 2.x में वॉकी-टॉकी मोड में भाषा पहचान के लिए किया गया था। भाषाएँ: मुख्य समर्थित सेट में अरबी, बल्गेरियाई, कैटलन, चीनी, क्रोएशियाई, चेक, डेनिश, डच, अंग्रेजी, फिनिश, फ्रेंच, गैलिशियन, जर्मन, ग्रीक, इतालवी, जापानी, कोरियाई, मैसेडोनियन, पोलिश, पुर्तगाली, रोमानियाई, रूसी, स्लोवाक, स्पेनिश, स्वीडिश, तमिल, थाई, तुर्की, यूक्रेनी, उर्दू और वियतनामी शामिल हैं। संस्करण 2.1 से, "कम गुणवत्ता वाली भाषाओं का समर्थन करें" सेटिंग कम अनुवाद और भाषण पहचान गुणवत्ता के साथ कई और भाषाएँ जोड़ती है। टेक्स्ट-टू-स्पीच फोन के सिस्टम TTS का उपयोग करता है, Google TTS की सिफारिश की जाती है। आवश्यकताएँ और स्थापना: README कहता है कि क्रैश से बचने के लिए कम से कम 6 GB RAM और एक उचित तेज़ CPU आवश्यक है। APK GitHub रिलीज़ से डाउनलोड किया जाता है; पहले लॉन्च पर ऐप लगभग 1.2 GB मॉडल डाउनलोड करता है, GitHub धीमा होने वाले क्षेत्रों के लिए मैन्युअल साइडलोडिंग गाइड के साथ। कमजोर फोन के लिए संस्करण 1.0 पेश किया गया है लेकिन यह Google APIs पर निर्भर करता है और मुफ्त नहीं है। गोपनीयता: README कहता है कि ऐप कोई व्यक्तिगत डेटा एकत्र नहीं करता और लेखक कोई सर्वर नहीं चलाता। परियोजना विज्ञापन-मुक्त है और दान द्वारा वित्त पोषित है, संस्करण 3.0 NGI Mobifree Fund द्वारा समर्थित है। ज्ञात मुद्दों में कभी-कभी ब्लूटूथ कनेक्शन ड्रॉप शामिल हैं, और ऐप को अभी भी बीटा में बताया गया है।