VoxBento：以瀏覽器提供即時口譯，依需求替換 AI 模型

值得記下的 5 件事

1. [2:20]
   以瀏覽器簡化多語口譯配置 Angarkar 指出，傳統口譯配置涉及多人、線材與口譯間，成本與設置都不輕

   VoxBento 採開源、瀏覽器優先設計，讓口譯員與聽眾透過網頁參與，並依活動需求選擇人工、AI 或協作模式。

2. [5:00]
   音訊傳輸與 AI 工作分開處理 他表示，團隊已將 Python 移出即時音訊傳輸路徑，由 MediaMTX 處理音訊，FastAPI 負責 AI 工作

   原先使用的 HLS 串流因片段快取產生延遲，後來改用 WHEP 傳輸協定，以改善播放延遲。

3. [7:20]
   依語言與隱私需求替換模型 Angarkar 認為，沒有適合所有情境的單一最佳模型，選擇取決於語言、隱私配置等因素

   他表示，VoxBento 各階段可替換模型，語音轉文字預設使用 Whisper，翻譯與文字轉語音也能另行配置。

4. [9:00]
   提供不將資料送往雲端的本機選項 他表示，VoxBento 可下載至自己的電腦，在本機完成翻譯，讓私人會議資料不必送到外部伺服器或雲端

   這是講者介紹的部署選項，而改善本機 AI 仍是團隊後續工作的方向。

5. [6:40]
   會議術語與多義詞仍是待解問題 Angarkar 以英文的 speaker 為例，指出同一詞彙可能有不同意思，翻譯需要會議語境

   他說團隊正嘗試以本機大型語言模型補足脈絡，並改善專有名詞與詞彙表處理，並未宣稱問題已解決。