一个完全离线的翻译器，基于 @GoogleGemma 4、@Antigravity 和 @Raspberry_Pi 5 构建。🛠️ Gemma Translator 是一个便携式 AI 实验项目，配有定制界面、打印外壳和有线电子元件，由最小的 Gemma 模型驱动。自己动手构建 → https://t.co/P1jWGbgzi6

google-gemma/gemma-translator

来源：https://github.com/google-gemma/gemma-translator

Gemma Translator

本仓库借助 Google Antigravity (https://antigravity.google/) 构建，包含用于运行由 Gemma 4 (https://ai.google.dev/gemma/docs/core) 和 LiteRT-LM (https://github.com/google-ai-edge/LiteRT-lm) 驱动的设备端、完全离线语音翻译器的代码。

本项目为小型手持显示屏（例如 480x320）优化了 Web 前端，并提供了一个与 Gemma 通信的 Python API 服务器（http.server）。文本转语音由 Moonshine (https://github.com/moonshine-ai/moonshine) 提供支持。

https://github.com/user-attachments/assets/343072ce-dc78-44a7-a783-99312845cabe

功能特性

• 设备端推理：使用 LiteRT-LM 在本地完全运行 gemma4-e2b 模型。设置完成后无需联网。
• 语音界面：通过麦克风捕获音频，进行处理并发送到本地模型。
• 优化界面：为小型硬件屏幕（如 Raspberry Pi 显示屏）定制的复古终端风格。
• 统一启动：一个脚本即可启动 LLM 服务器、Python API 和 React 前端。

前提条件

• Python 3.10+
• Node.js 18+（推荐 20 LTS）和 npm —— 由 deploy-pi.sh 在 Raspberry Pi OS / Debian 上自动安装
• Linux 或 macOS

所需硬件

• 计算设备：Raspberry Pi 5，8GB RAM
• 音频输入：麦克风或 USB 音频采集接口
• 音频输出：扬声器或耳机输出设备
• 显示屏：显示器或触摸屏（例如 480x320 kiosk 显示屏）

设置说明

1. 赋予脚本可执行权限

   确保设置、下载、启动和部署脚本具有可执行权限：

   chmod +x setup.sh download_model.sh start.sh deploy-pi.sh
   

2. 安装依赖

   运行设置脚本以创建 Python 虚拟环境（venv）并安装所有必需软件包：

   ./setup.sh
   

3. 下载模型

   运行模型下载脚本，从 Hugging Face 获取 gemma4-e2b 模型并将其导入 LiteRT-LM：

   ./download_model.sh
   

运行应用

在开发模式下启动所有服务（LiteRT-LM、Python API 服务器和 Vite Web 界面）：

./start.sh

要以生产模式运行（跳过 Vite 开发服务器，通过 backend/server.py 在 3000 端口提供来自 frontend/dist/ 的已编译界面资源）：

./start.sh --prod

应用将可通过以下地址访问：

• Web 界面（开发）：http://localhost:5173
• Web 界面（生产）/ API 服务器：http://localhost:3000
• LiteRT-LM：http://localhost:9379

Raspberry Pi 设备部署

要部署为 Raspberry Pi 5（8GB）上的永久 systemd kiosk 服务：

./deploy-pi.sh

此自动化脚本安装 Debian 音频/venv 软件包，设置 Python 环境，构建生产版界面资源，下载 LiteRT 模型，注册 deploy/gemma-translator.service 中的 systemd 单元，并配置 LXDE GUI 自动启动（~/.config/lxsession/rpd-x/autostart），以 kiosk 模式启动指向 http://localhost:3000 的 Chromium。

项目结构

• frontend/ - React (Vite) Web 前端（index.html、src/、样式和 Vite 配置）。
• backend/ - Python API 服务器（server.py 和 requirements.txt），用于 Moonshine 语音转文本、moonshine-voice 文本转语音和模型代理。
• deploy/ - 可参数化的 systemd 服务单元模板（gemma-translator.service）。
• stl/ - 用于 3D 打印硬件外壳的 STL 文件。
• setup.sh - 自动化 Python 虚拟环境创建和依赖安装。
• download_model.sh - 获取所需的 LiteRT 模型。
• start.sh - 多进程启动器，支持 --prod 和开发模式。
• deploy-pi.sh - 一键式 Raspberry Pi 自动化部署脚本。

键盘快捷键

Gemma Translator 支持两种键盘模式。您可以随时在**设置面板 →“键盘模式”**下拉菜单中切换。选择在重启后会被记住（存储在浏览器的 localStorage 中，键名为 keyboardMode）。

应用有两个通道（两人在 kiosk 上面对面）：

• 通道 1 / 人员 1 —— 左侧/上方通道。
• 通道 2 / 人员 2 —— 右侧/下方通道。

每个通道都有一个循环切换语言的“转轮”，并录制语音，语音会被转写（Moonshine STT）、翻译（Gemma），并以另一通道的语言播放出来（moonshine-voice TTS）。

横向模式（默认）—— “活动人员”

每次只有一个通道是活动人员。活动通道以四角括号框出。您通过一组按键驱动所有操作，并用空格键切换焦点。

说明：

• 活动通道显示四角括号；录制时，括号会反转为黑色，同时该通道颜色反转。
• 最适合单手/单人操作。

纵向模式 —— “双手”（原始映射）

每个通道都有各自的专用按键——没有活动人员概念，也没有括号高亮。两个人可以独立控制。

说明：

• 此模式没有角括号选择高亮。
• 最适合两名操作员各自控制自己的一侧。

通用行为（两种模式）

• 输入焦点保护：当焦点在配置字段（<input>、<textarea> 或 <select>）上时，所有快捷键都会被忽略——例如在编辑 API 端点或设置时。
• 录制锁定：录制进行中时，语言切换会被阻止。
• 键盘驱动：在当前版本中，录制和语言切换仅支持键盘操作；屏幕触摸控件尚未启用。

切换模式

打开设置（⚙） → 键盘模式 → 选择横向或纵向。更改会立即生效并在设备上保留。

致谢

由 Google Creative Lab (https://github.com/googlecreativelab) 的一支小团队制作：

• Alan Yam (https://github.com/alanvww)
• Shashwath Santosh (https://x.com/shashwth)
• Dan Motzenbecker (https://github.com/dmotz)

免责声明

这不是 Google 官方支持的产品。本项目不符合 Google 开源软件漏洞奖励计划 (https://bughunters.google.com/open-source-security) 的参与资格。