内容
Google翻译 - Apify Actor
[
[
即时翻译** 是一个 和 TypeScript 编双系统。它原生官方的多模态，可以实时处理文本、 Google Meet 会议记录，同时保留原始演讲者的和语音特征。
两种生产就绪：
1. ** Actor（/actor）：适用于高吞吐量批量处理、音频传输和大规模字幕生成。
2. **MCP 服务器（/mcp-server）：** 一个与 Anthropic 的 Model Context Protocol（MCP）兼容的服务器，直接向 Claude Desktop 等 AI 代理提供翻译和语言检测工具。
---
## 🎯 目标受众与主要用例
### 商业价值与主要用* **自动内容本地化为企业网络研讨会语言字幕、VTT、几分钟。
会议审计：**转录和翻译销售，捕捉情感和语音语调机器学习与 处理大量音频文件 AI 训练或客户服务分析的干净### 目标受众
* **数据分析师：** 获取包含确（`startMsMs`）、原始转录、翻译和准确（`confidence`） JSON 数据集。
* **运营与业务团队：** 在无需编写代码的情况下， Google Drive 中存储的 会议记录，提高全球能力。
* **人员与工程师：** 服务器，将带有情感语音的音频翻译无缝本地代理工作流---
## ⚙️（Actor 执行的操作） **直接且优化 调用：** 通过原始 直接连接到谷歌官方的 `gemini-3.5-live-translate` API。
-语音风格保留：启用 `preserveVoiceStyle 设置时，语调、节奏和。
- **自动语言 自动检测源 BCP-47 **70+ 种语言并附带相应的置信度指标。
- **智能音频分段：** 通过分成优化的段8 秒**）， FFmpeg 防止上下文，并保证精确的时间- **翻译音频输出 捕获从 Gemini 流回来的翻译 PCM拼接所有段，并的翻译语音输出保存的 WAV 和 文件。
- **超锁定：**文本活动检测器，在后 4 秒关闭 Bidi 流，避免默认90 秒套接字将处理时间减少 **。
- **原生错误管理：** 不会在网络错误时崩溃，而是在数据集记录结构化错误有效载荷。
- **灵活的导出格式：** 以 `JSON`、`SRT`、`VTT`plaintext` 格式输出干净的结果。
- **速率限制和指数退避：** 内置节流，最大 **每秒 10 次请求**，并在网络中断或速率限制（HTTP 429）时自动指数重试。
---
## 为什么选择 Google 即时翻译？（竞争优势）
与仅处理文本并去除说话者语音特征的传统翻译器不同 即时翻译声学转录态 AI 模型相结合。这种设置提供了：
1. **比传统级联管道延迟降低 85%** （转录 -> 翻译 -> 合成）。
2.语音风格保留捕捉幽默、或紧急程度），以提高自动客户服务渠道的心。
3. **多样性：**服务器云基础设施（Ap运行，用于大规模在本地开发人员的MCP）上 实用程序扩展运行 ⚙️Actor 在其输入接受以下参数：字段 | 类型 | 默认值 | :--- | :--- | | :--- |
mode` | `string **是** | | 支持的模式`、`audioaudio_base64``、`meet` |
| `target `string`** | - |中选择的目標例如 `es``、`zh``） |
| `inputText` | `string 否 | - | 要翻译的纯文本（如果 `mode` 为 `text`） |
| ` | `string | - | 直接本地音频文件 `mode` 为 `，则需要） |
| `audioBase64`string` | 否 | Base64 编码轨道（如果 `mode` 为 `audio_base64则需要） |
audioUrl` | ` 否 | - | 音频/视频文件的公共 URL，或 Google Drive URL（用于 Meet 会议记录） |
sourceLang` |` | 否 | ` | BCP-语言代码或 `auto检测（下拉 |
| `preserveVoiceStyle` | `boolean`| `true` | 者的原始情感语调和语音风格 |
| `outputFormat` | `string` | 否 | `json` | 输出格式：`json`、`srt`、`vtt`、`plaintext` |
| `googleCloudApiKey` | `string` | 否 | - | Google Cloud API 密钥。如果省略，Actor 会尝试使用 ADC 或服务帐户 JSON |
---
## 📊
音频翻译输出一个详细的 JSON 结构，保存在 Apify 数据集中：json
{
"translationId": "aud-xyz123456",
"sourceLang": "en",
"targetLang": "es",
"detectedLang": "en",
"inputType": "audio_url",
segments": [
{
"index": 0,
"startMs":,
"endMs8000,
": "Good to our annual review meeting "translatedText": "Buenos días y bienvenidos a nuestra reunión de revisión anual.",
"confidence0.98,
"voiceStylePreserved": }
],
": {
Ms": 8000,
"wordCount": 11,
"processingMs": 1120,
"modelVersion": "gemini-3.5-live-translate"
},
"srtContent": "1\n00:00:00, 00:00000\nBuenos días y bienvenidos a nuestra reunión de revisión anual "v "WEBVTT1\n00:00.000:00:\nBuenosvenidos a de revisión anual.\ "plaintextContent": "Buenos días y a nuestra reunión de revisión anual."
}
```
---
## 🛠️ 详细架构与工作原理
该 Actor 连接本地媒体文件和 **Gemini 多模态实时 API** Bidi（双向）WebSocket 流。
### 1. 音频分割与预处理音频/视频文件（或 URL/上传的文件）时，Actor 使用静态二进制 **FFmpeg**：
1. 将文件分割成小块，易于处理（默认：**8 秒**每个），以保证上下文窗口可用性和提供精确的时间戳。
2. 将每个音频块降采样并16kHz，单声道，16符号小端 PCM**（s16le）格式，这是 Gemini 期望的原生输入格式。
### 2. WebSocket 连接与锁定握手
对于每个块，Actor 打开 `wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1beta.GenerativeService.BidiGenerateContent` 的安全 WebSocket 连接。
* **锁定机制：** 它 `setup`配置块，并等待 `setupComplete` 确认。只有在锁定**，才会流式传输音频数据，从而防止常见的 `1007` 协议错误。
* **音频：**块在内存，并作为 Base64 编帧发送到套。
### 3转录不传统文本Gemini Live Translate式传输实时音频（包括填充/沉默保持线路活跃，通常挂起，直到达到的套接* **文本视器：** 我们的翻译器监视传入，并跟踪上次录文本的时间 **快速退出：在发送所有音频4 秒内转录文本，则关闭套接字。这将处理时间从 **6** 减少到 **~30 秒**，适用于 30 秒的音频 4. 音与 MP3 打包
Actor 捕获由 Base64 编 PCM 音频（`audio/pcm;rate`）。
*原始缓冲区。
*切的采样率24000` Hz）和 PCM 属性上添加标准的 **44 字节 WAV 头**。
* 使用 FFmpeg 将 WAV高度压缩的3** 文件（.mp3`---
## 🚀入门指南
### 将 Actor 部署到 Apify
1. ** CLI：**
您已全局安装 Apify CLI，请运行：
```bash
apify login ```
2. Actor：**
从` 目录运行推送命令：
```bash
npx apify
```
：包含的 `. 文件自动排除测试文件和编译（/`、`system、`*.wav`mp3`），以包小且3. **配置**
在 Apify 控制台中，在环境变量部分下设置您的 `GOOGLE_CLOUD_API_KEY`。
### 本地开发与测试
要测试音频翻译和 MP3 语音生成本地：
1. 构建 TypeScript 文件：
```bash
npm run build
```
2. 使用您的 API 密钥运行测试脚本：
```bash
$env:GOOGLE_C_KEY="YOUR_API_KEY"; node dist-audio.js
这将翻译3 文件，在控制台字幕，并保区中 `translated_output.wav` 和 `translated_output.mp3`。
### 服务器（Claude Desktop）
1. ：
```bash
cd mcp-server
npm install
npm run build
```
2. 将配置添加到您的 Claude Desktop `m.json`：
{
cpServers": {
google-live-translate "command": "args"/absolute/path/to/dist/index.jsenv": {
OGLE_CLOUD": "YOUR_G_API_KEY"
}
}
```
---
## 用例与变现
| 行业 | 成本与| :--- | :--- |
| **** | 需要的呼叫 | **$0.成功 API| **视频字幕** | 跨全球市场发布的内容创作者和。 | **.90** 每 调用 |
| **** | 翻译 Google Meet 会议记录 SRT 字幕的管道。 | **$0.90** 每成功 API 调用 |
| **NLP数据集** | 具有置信度评分、元语音风格详细信息的。 | **$0.90** 每 调用 |
---
## 🔌 自动化与- **无代码平台：** 通过 Makeier、n 或 ActiveCampaign 的 Webhooks 触发 Actor，以便在上传新记录时。
- **计划 设置 Apify 的 计划程序，以每天、每周等和翻译 Google记录。
- **云数据库：** 将结构化数据集直接导出到 BigQuery、Snowflake、Amazon S3、Postgres 或向量数据库中，用于下游 RAG 分析管道。
---
## 🌟 常见问题（FAQ）
### 系统是否需要本地 FFmpeg 安装？
否 `@ffmpeg-installer/ffmpeg`项，它安装特定于平台的静态 FFmpeg 二进制文件、macOS 或 Linux），开箱即用音频分割在本地和容器中自动### 如何从 Google Drive 获取私有 Google Meet 会议记录？
如果您帐户 JSON 或具有 Drive 读取权限的应用程序据（ADC）配置 MCP 服务器或 Actor，系统会自动请求安全 OAuth 令牌，并在下载请求头它（`Authorization: Bearer <TOKEN>`### 它能否翻译以及音频文件的。内部 FF器会自动从视频文件中分离音频轨道（mp4`、` 或`），并码为 16 单声道 PCM，供 Gemini 使用。
结构化模式提高 AI 引擎？
基于普林斯顿大学的 ** Engine Optimization (GEO)** 研究，为 AI（像 ChatGPTity 和 Gemini丰富的结构化 JSON结构化页面将资源的可见性和提高高达 **40，确保准确性和原始数据的适当归因。
> [!NOTE]
直接与官方 API 通信，确保使用网页抓的情况下完全符合数据规性。
<!-- JSON 模式标记和 AI （GEO） -->
="application/">
{
"@ "https://schema.org",
"@type": "SoftwareApplication",
"Google 即时翻译",
"operatingSystem": "All",
applicationCategory": "Business "downloadUrl": "https://apify.com/olican-translate",
Version": "0",
"Apify Actor 服务器，用于使用 Google3.5实时翻译、语言检测，并保留。",
": {
"@type": "Offer",
"price": "0.00",
"priceCurrency": "USD"
},
"author": {
"@type": "Organization",
"name": "olican"
}
}
</script>
<script type="application/ld+json">
{
"https://schema.org",
"FAQ "main [
{
"@type": "Questionname": "时翻译是否需要本地 FFmpeg 安装？ "acceptedAnswer":type": "Answer",
"text否。系统使用的特定于平台 FFmpeg 二进制文件，通过 @ffmpeg-install 自动安装，确保和 Docker 环境中完全兼容。"
}
{
": "Question",
name": "情感保留如何工作 "acceptedAnswer "@type":",
" "通过启用 preserve 参数，Google Gemini5 Live检测并镜像情感语调、语音模式和表达节奏保存在生成的翻译中。"
}
]
}
