Субтитры-перевод на созвоне: KaigiAI без переводчика

Переводчик на каждый созвон стоит дорого, а без него никак

Типичная картина у компаний, которые возят товар из Китая или принимают туристов из Кореи. Раз в неделю созвон с поставщиком. Партнёр говорит по-китайски, а английский в вашей комнате знает один человек. Переводчика зовут на важные встречи, а рабочие созвоны превращаются в угадайку: кивнули, не поняли, потом уточняли в переписке.

Здесь помогают синхронные субтитры: собеседник говорит, и на экране идёт русский текст, а для него китайский или корейский. Программ много, большинство облачные и платные. В канале GitHub Community рассказали про открытый вариант, и я прошёл по репозиторию и документации.

Общий разбор ИИ-перевода в работе с Китаем есть в статье про документы, переписку и переговоры.

Что умеет KaigiAI

Репозиторий DmytroLamashevskyi/KaigiAI создан 31 мая 2026 года, последний коммит и релиз v0.1.3 от 9 июля 2026. У проекта 3 звезды, один автор. Собран на Tauri v2 с ядром на Rust и интерфейсом на React. Релиз это файл KaigiAI.exe без цифровой подписи, SmartScreen при запуске предупреждает.

Из документации:

• захватывает микрофон и системный звук Windows, то есть может слушать собеседника из Zoom, Teams или другого мессенджера на этом же компьютере;
• распознаёт речь через whisper.cpp и определяет язык фразы;
• переводит между 2–5 языками. Для двух языков показывает две панели, для трёх и больше сетку колонок: каждая реплика сразу во всех языках беседы;
• по желанию помечает говорящих как Speaker 1, Speaker 2;
• делает конспект беседы, хранит историю в локальной базе, экспортирует в Markdown, PDF или ZIP с транскриптом.

Для показа есть окна-презентеры: отдельное окно с крупным текстом для проектора или второго монитора. В нём меняются размер шрифта и тема, можно включить оригинал под переводом, а язык выбирается свой для каждого окна. Окон два, так что на экране могут стоять русские субтитры и китайские.

Про вывод окна по локальной сети из анонса я в документации ничего не нашёл. Описан показ на второй экран и проектор на том же компьютере. Чтобы участники видели субтитры на своих устройствах, остаётся демонстрация экрана в созвоне.

Куда уходит звук и при чём тут 152-ФЗ

Для переговоров это главный вопрос. В программе два режима, и этапы выбираются раздельно: распознавание речи отдельно, перевод отдельно.

Локальный режим поднимает whisper.cpp и llama.cpp на вашей машине. По документации аудио и текст никуда не уходят, исходный звук по умолчанию не сохраняется, только текст. Модели вы скачиваете сами: проверенная конфигурация использует Whisper medium и Qwen2.5-3B, для мощных видеокарт предлагаются Whisper large-v3 и Qwen2.5-7B. Тестировали на видеокарте NVIDIA, для слабых машин есть сборки на процессор, но медленнее.

Облачный режим работает с любым OpenAI-совместимым сервером: облачные сервисы, Ollama, LM Studio, свой корпоративный сервер. Документация честна: звук и текст отправляются на выбранный сервер, для конфиденциальных бесед без проверки политики провайдера режим не советуют. Gemini в проекте описан как вариант для перевода, а распознавать речь он через этот интерфейс не умеет, разработчик сам об этом пишет. Grok в документации не упомянут вовсе.

Что из этого следует по закону. Федеральный закон 152-ФЗ «О персональных данных» содержит статью 12 о трансграничной передаче и статью 18, часть 5 которой требует при сборе персональных данных граждан России записывать, хранить и обрабатывать их в базах на территории России (в редакции закона 23-ФЗ, действует с 1 июля 2025 года). Если голос и реплики участников уходят на зарубежный сервер, это повод идти к юристу до первого созвона. Нужно ли согласие участников на запись и распознавание и считать ли запись голоса персональными данными в вашем случае, решает юрист.

Где это не сработает

• Лицензия. В README и в проектной документации заявлена MIT, но файла LICENSE в репозитории нет, и GitHub лицензию не определяет. Перед коммерческим использованием стоит спросить автора.
• Платформы. Только Windows. Сборок под macOS и Linux в документации нет.
• Языки. Whisper заявлен на около 99 языков, но китайский, корейский и монгольский в документации по именам не перечислены, и качество на них никто не измерял. Монгольский я не подтверждаю. Авторы сами советуют тестировать редкие пары отдельно, в примерах у них русский, японский и индонезийский.
• Задержка и качество. Цифр для вашего железа нет. Документация предупреждает: на четырёх-пяти языках в локальном режиме задержка и нагрузка на видеокарту растут. Малая модель на 3 миллиарда параметров, по словам автора, передаёт скорее суть, чем точный текст. Нужен тест на ваших разговорах.
• Зрелость. Версия 0.1.3 и один разработчик: опорой для компании это пока не назвать.

И главное: машинный перевод субтитрами не заменяет письменный перевод договора и устного переводчика на ответственных переговорах, где цена слова высока. Договоры и условия поставки переводит человек, который отвечает за результат.

Что можно сделать уже сейчас

1. Выберите один обычный рабочий созвон без коммерческой тайны и запишите его в локальном режиме с китайским собеседником. Сравните субтитры с тем, что вам потом пересказал знающий человек.
2. Замерьте задержку на своём ноутбуке с процессором и на машине с видеокартой. На слабом железе локальная связка может не успевать за живой речью.
3. Выпишите свои термины: названия товаров, артикулы, имена партнёров. На них такие системы ломаются первыми.
4. Спросите юриста, какое согласие нужно от участников и можно ли отправлять звук во внешнее облако.

После созвона пригодится протоколист совещаний на вашем компьютере: он соберёт итоги встречи.

Частые вопросы

Можно ли использовать KaigiAI вместо переводчика?

Для рабочих созвонов как подсказку на экране можно, если качество проверено на ваших разговорах. Для договоров и ответственных переговоров нужен человек.

Подходит ли он для монгольского языка?

Не подтверждено. В документации монгольский не назван. Если он вам нужен, проверяйте на живых записях, прежде чем что-то обещать партнёрам.

Нужно ли согласие участников на запись и перевод?

Это вопрос к юристу, с учётом вашей схемы хранения и того, куда уходят данные. Я не утверждаю, что согласие нужно или не нужно в каждом случае. Предупредить участников о распознавании и переводе до начала разумно в любом случае.

Коротко о главном

KaigiAI показывает, что синхронные субтитры на нескольких языках можно собрать на открытом коде и держать звук на своём компьютере. Но проект ранний: только Windows, версия 0.1.3, лицензия оформлена не до конца. Мы настраиваем такие схемы под ваши переговоры и языки под ключ: подбор моделей, проверка на ваших записях, глоссарий терминов, схема, при которой звук не покидает вашу сеть. Подробнее про работу с Китаем и ИТ-решения под неё.

Если у вас регулярные созвоны с партнёрами из других стран и вы хотите понять, можно ли убрать переводчика с рабочих встреч, напишите мне в Telegram слово «ПЕРЕГОВОРЫ». Расскажите, на каких языках говорите, и посмотрим, что здесь реально.