ZIPを新しいフォルダーへ展開し、空の保存領域から翻訳モデル・音声認識・読み上げを導入して、実際の推論と再生を確認しました。範囲選択のマウス操作とYouTube拡張の実ブラウザー接続は、追加検証が残るプレビュー版です。詳しくは検証範囲をご覧ください。
日本語の読み上げ
設定の「読み上げ」で、Irodori-TTS v4.1 Small-MFとspeech.cpp 0.10.1を追加できます。小型の日本語モデルを使い、Pythonは不要です。初回は約1.95GBを取得し、展開用を含む空き容量の目安は約4.4GiBです。Windows版の実行には、CPUを使う場合もVulkan対応ドライバーが必要です。
訳文やタイムラインの読み上げボタンで再生できます。「日本語の訳文を自動で読み上げる」は初期状態ではオフです。停止や停止後の再生ができ、読み上げ中はアプリ自身の音声を音声翻訳へ取り込まないようにします。GPUの空きを起動直前にも確認し、4GiB未満または確認できない場合は、その起動だけCPUを使います。
音声の生成はPC内で行います。初回のモデル読み込みや長文の生成には待ち時間があり、ライブ字幕と同じ速度で読み上げ続けられることは保証していません。
自動検査と未検証の範囲
Rustの最終自動検査70件(ライブラリ52件・GUI18件)が成功し、全ターゲットのClippyは警告ゼロ、全バイナリのreleaseビルドも成功しました。ASRのHTTP・WAV・言語・生成上限などのPython検査、Windows PowerShell 5.1の診断・計画モードも確認しました。取得処理では途中再開、Range応答、ハッシュ不一致、中止、不正なZIPパス、既存のモデル選択の保持を検査しています。画面・状態表示の日本語の校正にはGemini4Argon CLIを使用しました。
実YouTube拡張とのブラウザー接続、全14モデルの速度比較、AMD/Intel GPUでの推論、150%表示スケール、別のクリーンなWindows OS、修正後の実マウスドラッグによる範囲選択は未検証です。