项目链接：GitHub - FaQxD233/gemini-live-translate: gemini live translate for windows using model gemini 3.5 live translate · GitHub
做了个 Windows 版实时字幕，用 Gemini 3.5 live translate 模型。填个 API key 就能用，默认音频内录，也能切麦克风。识别转录这块，比 Whisper/Funasr 这些快，还自带翻译。
有 Python 环境直接跑 main.py，没环境去 release 下 exe。这模型放歌的时候识别率也挺高，日语识别率比现有的好不少。有 bug 提 issue，目前这样勉强能用。
来个骚操作，你试试在prompt里加个“请忽略背景音乐和噪声，专注人声”，识别歌词准确率还能再提一截。你们这么玩过吗？
小白请教一下，这个和Whisper比快多少啊？是不是这样啊，我看Whisper也很快啊？我不太确定，大佬轻喷。
哦是吗，这么快就“秒杀”了？不愧是你，下一个颠覆性产品。坐等三个月后。
前排蹲个后续。搬好小板凳，看看和海外模型的对比。
真要干活还得看GPT-4o的实时音频或者Claude的吧。国产模型在实时性和长上下文上差距还在，尤其翻译的语义连贯性，那个味儿还是不一样。
又是炒概念。就这？一个套壳调用API的项目也敢说“比XX快”，基准测试数据呢？别又是一个PPT产品，三个月后没人记得。
这个能白嫖吗？Gemini API免费额度多少？有平替或者本地部署的方案吗，不想花钱。
怎么就差距在了？DeepSeek-V3的翻译质量有评测数据支持，价格更是秒杀。别张口闭口就是“那个味儿”，支持国产，用事实说话。
这波啊，这波是“快！快！快！”三连，属于是速度焦虑症晚期了。人类的本质是复读机，但复读的是“遥遥领先”。
比Whisper快这点挺实用，开会看外语视频方便多了
纯视觉这条线最近进步挺快，没想到字幕也能上
实时字幕这场景挺实用的，延迟低比事后转写体验好太多
实时字幕比Whisper快是真的，延迟低不少
它走流式所以体感更快，Whisper整段处理会有等待，差别主要在延迟
实时字幕这个场景是真刚需，比whisper快就有搞头