polytalk

PolyTalk 是一个注重隐私的自托管实时语音到语音翻译系统，支持在用户自有基础设施上部署。它通过浏览器采集麦克风音频，依次完成语音识别（基于 Whisper 兼容模型）、文本翻译（支持 OpenAI/Gemini/Anthropic 风格及自托管 API）和语音合成（集成 Piper TTS），实现端到端低延迟同传效果。采用 FastAPI 后端与轻量前端，提供 Docker Compose 一键部署、YAML 配置、VAD 检测、流式延迟调节等能力，并内置免密钥的模拟模式便于测试。适用于需保障语音数据不出域的跨国会议、远程协作、教育场景及对合规性要求较高的企业本地化部署。