这篇保姆级教程，我写了接近三个小时。
没写之前，我还没察觉到，竟然已经陆陆续续加了那么多的功能。
已经越来越庞大、完善了。
如果你也有以下需求场景，不妨看看。
看生肉视频、外语直播，想要实时双语字幕。
参加国际会议、音视频通话、游戏语音交流，需要双语字幕，并且希望自己说中文，对方能够听到英文或者其他任意语言。
在浏览器或本地，想要查看外语文献、看外语漫画。
无限拓展，打造属于自己的个性化软件。
------------
真的是保姆级使用教程，干活慢慢，干得没有一滴水。
建议先点赞、收藏、插眼再慢慢观看，避免日后找不到。
如果能充电，那就感激不尽！
瓜子花生快乐水，软件准备好！我们开始吧！
-------------------
快速使用
首先，第一次启动软件后会弹出硬件检测弹窗，软件将自动识别你设备的CPU/GPU。
点击右下角“开始个性化配置”，请选择你平时说话主要用到的语言。
继续下一步，选择你想要翻译的目标语言。
仅需简单三步，系统将结合你的硬件设备、你的偏好，进行一键傻瓜式推荐配置。
分为两个模式：质量模式、极速模式。
小白不必在意其到底代表什么，可以简单理解为：
质量模式：设备性能占用较高，翻译、识别效果更好
极速模式：设备性能占用极低，翻译质量略有不足，只支持中英文。速度极快，实测同声传译延迟可低至0.3s左右（0.3s总延迟包含AI语音识别 + AI翻译 + AI语音合成朗读！）
推荐先使用极速模式进行体验，点击右下角“一键应用最佳配置并开启体验”，系统将会自动为你配置好一切。
----------------------------------
接下来正式开始使用软件
完成新手引导之后，你可能会注意到你的桌面上出现了这个字幕条。
将鼠标移动上去触碰它，字幕条将会自动向上弹出工具栏。
你可以对工具栏进行任意拖动、拉长拉短等操作。丢到屏幕最上方，将会自动磁吸到屏幕顶部，这时候再鼠标触碰后，工具栏将会自动向下弹出。
自动展开的工具栏分为“上轨”和“下轨”。
目前看到的只有“上轨”，接下来进行上轨的介绍。
最左侧这个按钮为“输入源”的选择，默认初始为“电脑全部声音”，意思就是软件上轨将会捕获你电脑全部声音作为“输入源”。
当然，你也可以点击下拉弹窗的中的任意“扬声器”、“虚拟声卡”、“指定应用”进行选择，作为上轨的“输入源”。
（注意⚠：仅限Win11可单独捕获独立应用，Win10由于系统原因，无法捕获，请捕获对应扬声器达到相同效果）
第二个按钮为“目标语言的选择”，可以设置为“自动”，也可以指定选择需要识别的语言。指定后，识别将会更加准确，不过这都与你选择的模型相关。
第三个按钮为“翻译语言的选择”，顾名思义，就是你想把你听到的声音翻译成什么，比如你在看英文直播，你想要双语中英文字幕，你就把目标语言设置为“英文”，翻译语言设置为“中文”即可。
接下来三个按钮最为重要，分别是：“原文”、“译文”、“朗读”。
点击“原文”，软件将自动加载“语音识别模型”，对你选择的输入源进行监听。
比如我这里播放了一段浏览器视频，字幕窗口上就实时显示了其语音识别转录出的文字。
点击“译文”，软件将自动加载“AI翻译模型”，对你转录出的文字进行翻译。
这样，实时双语字幕就实现了。
并且由于我们使用的是极速模式，延迟非常低！几乎感受不到有延迟。
点击“朗读”，同理，软件将自动加载“AI语音合成模型”，对你需要的内容进行朗读。
可以自由选择“朗读原文”、“朗读译文”
这里是图文教程，无法做朗读演示，之后我将同步一期视频教程，可以看下效果。
借此机会，我们可以同步打开“历史看板”，进行查看多条历史消息。
在历史面板内，你可以自由查看历史消息，调节原文译文字号、选择是否本地存档、清空消息、导出等等操作。
历史内容太多了？可以进行搜索、筛选。
每一条记录你都可以点击进行复制、对于原文译文单独使用语音合成进行播放。
----------
回到字幕窗口，最右侧为“双向通话”按钮，点击后可开启“下轨”
你可以这样理解：
上轨就是对方说话，也就是某个应用发出的声音。
下轨就是你自己说话，针对你自己说话内容进行配置。
跟上轨同理，第一个按钮为“输入源”，也就是你选择你的一个麦克风。
你自己擅长说中文，目标语言就设置为中文。
你想要将你说出的话翻译为英文，就将翻译语言设置为英文。
下轨的“原文”、“译文”、“朗读”按钮，所使用的模型可以单独控制，单独开启。
如果你没配置对应的模型，当你点击时，将会自动弹出其设置界面。你需要为你的使用场景分配ai模型。
比如我这里，我想点击下轨的“原文”按钮，想要启动语音识别转文字，就可以在设置界面，选择一个喜欢的模型，点击对应的上轨或者下轨按钮，进行激活。
激活之后软件才会加载对应的模型，将我说的话转译成文字。
同理，点击下轨译文按钮，将会对我说的话，按照我的配置翻译成对应的语言。
日语：
韩语：
维吾尔语：
跟上轨一样，你可以对你的朗读进行设置，让其朗读原文、或是朗读译文。
可以自由选择朗读的输出设备，选择输出你的原声还是输出你的AI朗读声音。
这个可玩性就大啦。
就实用性而言，你可以实现“双向同声传译”，也就是：
对方说英文，你能听到中文语音。
你说中文，对方能听到英文语音。
具体如何实现的？请看下图：
接下来教你配置“双向同声传译”。
首先，将下轨的原文、译文、朗读按钮打开，选择朗读译文，输出设备选择你的扬声器，选择输出译文。
可以先通过自己扬声器试听一下效果，确认没问题之后，再将下轨输出设备设置为“虚拟声卡的输入”。
如果你电脑没配置虚拟声卡，就打开设置，找到“通话同传”，点击安装即可。以软件自带的虚拟声卡为例，这里选择CABLE input。
这样设置好以后，你的声音将会经过转文字、翻译、被你设置的AI朗读声音播放，声音将进入虚拟声卡通道。
接下来以VRC举例，一般游戏同理，会议软件、音视频通话软件也同理。
找到设置中的“更改输入设备”选项。
将其“输入设备”设置为虚拟声卡的输出。
这样一来，你的AI语音将进入虚拟声卡通道，然后通过虚拟声卡输出到你的语音交流软件中。
恭喜你！可以畅快无障碍与老外沟通交流啦！
---------------
到这里，你已经完全学会了如何使用TransBox，你可以开始尝试着自己个性化装配自己的软件啦。
接下来是进阶内容。
UI：
在字幕窗口最下面这一行工具栏，你可以对你的字幕窗口内容进行调整，
比如调整字体大小（快捷键Ctrl + =-调大调小）
调节字体颜色、窗口背景颜色、字体透明度、窗口背景透明度。
要是都不喜欢呢？
那就打开设置按钮，去扩展工坊看看，内置了几款示例主题。
请随意挑选，随意搭配。
要是还是不喜欢呢？欢迎自定义自己设计主题！这几个示例主题的源码都在插件目录内，可以自行查看。
要是没有编程能力，看不懂代码呢？没关系！完整第三方开发文档也在你的软件安装目录内！我开放了非常多接口，直接丢给AI即可，你只需要描述你的需求！
---------------
你已经学会了软件基本使用，也装扮好了你的软件。
接下来我们深入讲解下模型的选择。
----------------
点击⚙设置按钮，打开设置面板。找到语音识别选项。
点击识别引擎，将会展示出你已经激活的模型插件，你可以对上轨、下轨任意分配想要使用的模型。
点击对应模型后，进入其面板，点击右侧“上轨”、“下轨”即可。
注意！必须是要激活对应模型选择界面的上轨或者下轨，再点击右下角保存才行，并不是你进入了某个模型界面，你没激活，直接点个保存。那没有任何意义！
基础你了解了，下面讲解下这几个语音识别模型。
ASR-Flash模型：
仅支持普通话、英语、粤语、日语、韩语 这几个语言，不过速度极快，使用CPU进行加载运行。
内存占用大约280M，轻薄本也可使用。
ASR-Global模型：
主打外语识别，对于一些有口音的外语效果也很不错，对于中文等图形语言识别能力稍弱。
可支持N卡、A卡、I卡、核显、CPU。
这里的计算设备千万别选错，N卡你就选N卡专属，A卡或者其他的有显卡的设备你就选择通用即可。
预计占用显存300M。
ASR-Global Pro模型：
跟上面那个一样，不过识别效果精度更佳。
占用显存1.2GB左右。
虽然可以使用CPU，但还是尽量别用吧，没意义。
如果你在扩展工坊中启用了插件，那将会显示出对应的模型。
比如这里出现了千问ASR 1.7B模型，可以自行下载、删除模型。
云端模型同理，只要启用了插件，就会显示出来，不过云端需要自己去云厂商配置获取api key,点击使用说明，按照说明自己去配置即可。
这里不再过多赘述。
-------------
翻译模型同理，不过有两个需要额外注意的地方。
1.极速流式输出：
建议打开，如果不打开，翻译将会在原文识别到完整语句时才会开始翻译。如果开启，将会按照你设置的刷新间隔进行翻译、拼凑，观感就像是对方一边说话，你这边就一边显示出对应的翻译了。非常适合快语速及游戏场景。
2.语言选择：
点击查看全部语言，将会展开此模型支持的语音种类，只有你勾选的语言，才会进入字幕窗口的翻译选择下拉选框。
极速模式设置的模型仅支持中英文，所以请不要再问为什么只能选择中英文来！请切换翻译模型！
------------
接下来是语音合成。
软件内置了2个语音合成模型，TTS-EN适合分配为下轨。也就是将你的中文翻译成英文后进行朗读。英文朗读效果绝对顶流，非常出色！
TTS-CN适合分配到上轨，中文比较优秀，音色比较软糯。使用CPU，不占显存。
如果你打开了这个千问TTS插件，就可以使用语音克隆了。
先点击注册，再点击录制参考音频，录制大概十几秒的声音即可，给这个音色取个名字，点击注册。
恭喜，你的声音就被克隆啦！可以尝试着用你的声音去朗读一些外语试试效果。
这里更进阶的玩法是随便找一个你喜欢的语音片段，选择参考音频，即可完成克隆。需要尽可能保持语音的干净，无杂音，效果才好。
---------
接下来看一下内置的一些好用的插件：
AI面试答题助手：
可自定义配置模型、是否思考、提示词、防录屏。
你可以点击最顶部的防录屏，可以确保会议软件、截图工具都无法看到这个窗口。
快捷键Alt + Q 即可快速将最近几轮识别到的原文发送给AI，请求AI帮助。也可以粘贴图片到对话框，进行辅助面试。
浏览器字幕插件：
开启后按照指示将软件安装目录内的文件夹拖入浏览器即可。
可实现浏览器视频原声字幕的捕获、后台自动翻译。
并且支持字幕格式的文件导出。
请自行体验，这里不再赘述。
------------
开启对应的专业术语库即可使得在特定场景翻译更加准确。
目前社区伙伴们贡献了《战术小队》、《反恐精英》、《战狗》三款优秀的术语库，欢迎订阅以及贡献更多的术语库~
-----------
再看一个屏幕识别插件吧。适用于文献阅读、无汉化游戏UI翻译、漫画等需要屏幕识别的场景。
有三种模式可供选择：
1.字幕模式。
译文将会以小字幕得像是显示在原文处。透明度、背景颜色、文字颜色，由主字幕窗口决定，可以自行调节。
2.覆盖模式，将会对原文内容进行覆盖填充。
3.漫画模式，只针对与漫画有较好效果。
---------
OK，就是这样，软件非常简单，到这里，你基本已经完全掌握啦如何使用！
可以去自行搭配最适合自己使用场景的模型，或者去寻找、制作自己的插件进行使用。
扩展工坊还有更多插件等待你的发现和把玩~
记得查看快捷键的使用哦！不需要的就把它关了，常用的就自己定义自己顺手的！
-----------------
steam商店正在整改中...敬请期待Steam 版本上线！
觉得不错，还请加入一个愿望单，上线后第一时间踢你~
等不及得朋友可以先下载分发版进行体验。
感谢大家得支持！
创世元老席位仅剩100多啦~
更多游戏资讯请关注：电玩帮游戏资讯专区
电玩帮图文攻略 www.vgover.com
