Skip to main content

三、使用Ollama进行翻译

Ollama 实现以下功能：

  1. 获取 Ollama 模型列表：在脚本开始时，连接到本地 Ollama 服务，获取可用的模型列表，并让用户选择一个用于翻译。
  2. 选择目标翻译语言：让用户从中（中文）、日（日文）、英（英文）、韩（韩文）四种语言中选择一个作为翻译的目标语言。
  3. 翻译识别内容：将 FunASR 识别出的文本发送给选定的 Ollama 模型进行翻译。
  4. 逐行打印结果：在控制台清晰地打印出识别的原文和 Ollama翻译后的译文。

前提条件：

  • FunASR API 服务正在运行：确保您之前的 funasr_api_service.py Flask 应用正在运行。
  • Ollama 服务正在运行：确保您的本地 Ollama 服务正在运行，并且可以通过 http://localhost:11434 访问。
  • Ollama 中有可用的模型：确保您的 Ollama 中至少有一个可以执行翻译任务的模型（例如 llama3, qwen, mistral 等，具体取决于您的 Ollama 设置）。
  • Python 库：sounddevice, numpy, requests 仍然是必需的。

关于“逐行打印”： 脚本会将 FunASR 返回的整个文本块作为“原文”，然后将整个文本块发送给 Ollama 进行翻译，得到“译文”。然后会像下面这样打印：


原文:
[这里是 FunASR 识别出的一段或多段文字]

译文 ([目标语言]):
[这里是 Ollama 翻译后的文字]

  

  1. Ollama 配置和函数：
    • OLLAMA_API_URL：定义了 Ollama API 的基础地址。
    • SUPPORTED_LANGUAGES：定义了支持的目标翻译语言及其显示名称。
    • get_ollama_models()：从 Ollama 获取可用模型列表。
    • select_ollama_model()：让用户从列表中选择一个模型。
    • select_target_language()：让用户选择目标翻译语言。
    • translate_text_with_ollama()：核心函数，用于将文本发送给 Ollama 进行翻译。它会构建一个合适的提示。
  2. 主逻辑 (main) 修改：
    • 在开始监听麦克风之前，会先调用上述函数让用户选择 Ollama 模型和目标翻译语言。
    • 选择结果存储在全局变量 selected_ollama_model 和 target_language_name / selected_target_language_code 中。
  3. 处理和翻译流程：
    • save_and_send_audio_to_funasr()：在从 FunASR 获得识别结果后，调用新的 process_transcription_and_translate() 函数。
    • process_transcription_and_translate()：打印 FunASR 的原文，然后调用 translate_text_with_ollama() 获取译文，并打印译文。
  4. 错误处理：为 Ollama API 的调用添加了连接错误、请求错误和超时处理。

运行前的准备：

  • 启动 FunASR API 服务：python funasr_api_service.py (假设您有这个服务脚本)。
  • 启动 Ollama 服务：确保 Ollama 正在运行，并且您已经拉取了至少一个可以用于翻译的模型 (例如 ollama pull llama3)。
  • 安装依赖：pip install sounddevice numpy requests。

现在，当您运行此脚本时，它会先让您配置 Ollama 模型和翻译语言，然后才开始监听麦克风进行识别和翻译。

No Comments
Back to top