はじめに

エンジンの選び方

MiuWave には音声認識と翻訳のエンジンが 5 つあります。速度、コスト、対応言語の数、ネットワーク接続の要否が異なります。

比較一覧

エンジン	遅延	コスト	言語	プラットフォーム
Soniox	約 2 秒	約 $0.12/時間	70 以上の入力言語 → 任意の翻訳先言語	macOS、Windows
OpenAI Realtime	約 2 秒	約 $4/時間（音声込み）	翻訳先 13 言語	macOS、Windows
Qwen LiveTranslate Flash	約 4 秒	無料（プレビュー）、テキストのみ	入力・翻訳先とも 60 以上の言語	macOS、Windows
Local MLX	約 2 秒（M1 Pro。最初の単語は約 1.8 秒）	無料	日本語／英語／中国語／韓国語 → ベトナム語／英語	Apple Silicon の Mac のみ
SenseVoice	原文は約 0.5 秒、その後に翻訳	音声認識は無料＋ Dịch bằng（翻訳に使うエンジン）で選んだエンジンのコスト	入力：中国語、英語、日本語、韓国語、広東語	任意の CPU（Windows、Intel Mac、Apple Silicon）

どのエンジンを選ぶべき？

普段使い

Soniox：安くて速く、多言語に対応し、双方向翻訳もできます。

翻訳音声が必要な重要な会議

OpenAI Realtime：最も自然な翻訳で音声も内蔵していますが、Soniox の約 34 倍のコストがかかります。

無料で試したい

プレビュー期間中の Qwen LiveTranslate Flash。

ネットワークなし、プライバシー重視

Apple Silicon の Mac なら Local MLX、どのパソコンでも使えるのは SenseVoice。

アプリを開くと、Chọn chế độ dịch（翻訳モードの選択）画面でエンジンが 3 つのモードにまとめられています。Tiêu chuẩn（標準：Soniox / Local / SenseVoice）、OpenAI Realtime、Qwen LiveTranslate Flash です。上部バーの Tiêu chuẩn（標準）· OpenAI · Qwen ボタンで、いつでもモードを切り替えられます。

特定のエンジンを選ぶには、Cài đặt（設定）→ Engine dịch（翻訳エンジン）→ Engine を開きます。有効なキーがないエンジンは一覧で薄く表示されます。

Soniox

既定のおすすめエンジンです。クラウドでリアルタイムに音声認識と翻訳を行います。

70 以上の入力言語に対応し、任意の言語に翻訳します。原文も返すので、2 カラム表示が使えます。
双方向翻訳と、TTS による翻訳の読み上げに対応します。
Dịch bằng（翻訳に使うエンジン）：Soniox 自身の翻訳（既定、最速）を使うか、Soniox が聞き取った内容を Google、DeepL、OpenAI、Gemini、Ollama、Local MLX に翻訳させるかを選べます。原文はすぐに表示され、他のエンジンによる翻訳は約 0.5〜2 秒遅れて届きます。
Cả hai（両方）ソースでは、各行に話者のラベルが付きます（マイクはあなた、システム音声は相手側）。面接モードをご覧ください。

OpenAI Realtime

OpenAI の gpt-realtime-translate によるリアルタイム翻訳です。同じ接続で翻訳テキストと翻訳音声の両方を返すので、別途 TTS を使う必要はありません。

コストは約 $4/時間で、あなたの OpenAI アカウントに請求されます。
翻訳先は 13 言語：en、es、pt、fr、de、it、ru、hi、id、vi、ja、ko、zh。タイ語などその他の言語には Soniox を使ってください。
双方向翻訳には対応しておらず、このエンジンの使用中は TTS の音声を別に選べません（音声はモデルが生成し、既定ではオフです）。

Qwen LiveTranslate Flash

Alibaba DashScope の qwen3-livetranslate-flash-realtime モデルで、現在はプレビュー期間中のため無料です（プレビュー終了後に料金が変わる可能性があります）。

60 以上の言語に対応し、翻訳テキストのみを返します。音声も原文もないため、2 カラム表示は使えません。
入力言語を必ず選ぶ必要があります。このエンジンを選ぶと Auto-detect は表示されません。
キーは Singapore（シンガポール）リージョンで作成する必要があります。キーの取得方法と WebSocket エラーをご覧ください。
双方向翻訳と TTS には対応していません。原文がないため、面接モードもまだ使えません。

Local MLX（Apple Silicon のみ）

MLX、Whisper large-v3-turbo、Gemma-3-4B を使い、Mac 上だけで 100% 動作します。インストール後はネットワーク不要です。

日本語・英語・中国語・韓国語 → ベトナム語または英語。
話し手が間を置いたところで文を区切るため、文が終わるとすぐに翻訳され、翻訳は単語ごとに表示されます。M1 Pro の場合、文が終わってから約 2.2 秒で翻訳が完了し（p50、p95 は 4 秒未満）、最初の単語は約 1.8 秒で表示されます。
初めて Local を選ぶと、約 5 GB の一回限りのインストール（Python 環境、モデル、音声区間検出モデル）が行われます。新しいコンポーネントが必要なアップデートの後は、セットアップの再実行を求められます。ダウンロード済みのモデルは再利用されます。

SenseVoice（オフライン、どのパソコンでも）

中国語、英語、日本語、韓国語、広東語のオフライン音声認識で、任意の CPU で動作します。Local MLX が動かない Windows や Intel Mac でも使えます。

モデルは約 163 MB で、1 回だけダウンロードします。
原文は発話の約 0.5 秒後に表示され、各文は Dịch bằng（翻訳に使うエンジン）で選んだエンジンで翻訳されます。Soniox の既定のままにすると Google が使われます。完全にオフラインで使うには Ollama または Local MLX を選んでください。
一方向の翻訳のみです。