Raspberry Piのオフライン翻訳機

要点一台のPiで音声経路全体を実行

Raspberry Pi 5を二人用音声翻訳機にするプロジェクトです。モデルと依存関係の初回ダウンロード後は、音声認識、翻訳、音声合成をローカルで実行し、通常の翻訳にネットワーク要求を使いません。

価値はGemmaが文字を翻訳できることだけではありません。マイク入力、ローカル文字化、Gemma推論、ローカル音声出力、小型画面、導入スクリプト、3Dプリント筐体まで一式になっています。

1. 音声認識	Moonshineが選択された入力言語でマイク音声をローカル文字化。
2. 翻訳	LiteRT-LMがRaspberry Pi CPUで命令調整済みGemma 4 E2Bを実行。
3. 音声合成	moonshine-voiceが言語別のローカル音声で翻訳結果を再生。
画面	React kioskが二つの言語レーン、録音、翻訳、再生を調整。

6現行コードの音声言語

8 GB基準Raspberry Pi 5のメモリ

6 GBモデル導入前の最低空き容量

ソースの前後端はアラビア語、英語、スペイン語、日本語、中国語、韓国語を対応付けています。Gemmaが追加言語を理解しても、音声認識と音声合成が両方対応しなければ完全な音声経路にはなりません。

計算機	8GBメモリのRaspberry Pi 5。
音声入力	マイクまたはUSB音声入力。
音声出力	スピーカー、ヘッドホンなど。
画面	ディスプレイまたは小型タッチスクリーン。UIは約480 × 320向け。
筐体	任意の3Dプリント用STLファイルを同梱。
記憶容量	取得キャッシュと導入済みモデルが各約2.6GBで、スクリプトは6GB以上の空きを要求。

1. Linux、macOS、Raspberry Piで `google-gemma/gemma-translator` をクローン。
2. `setup.sh`、`download_model.sh`、`start.sh`、`deploy-pi.sh` を実行可能にする。
3. `./setup.sh` でPython環境、Node、アプリ依存関係を導入。
4. オンラインで `./download_model.sh` を実行し、Gemma 4 E2BをLiteRT-LMへ導入。
5. 開発は `./start.sh`、Raspberry Pi OSやDebianの常設端末は `./deploy-pi.sh` でsystemdとChromium kioskを構成。

現行画面はキーボード中心です。横向きはSpaceで話者変更、Zで録音、矢印で言語変更。縦向きは二人に別のキーを割り当てます。物理ボタンやノブはキー入力へ対応できますが、現行フロントエンドにはタッチ録音ボタンがありません。

接続	設定後はWi-Fiや携帯回線なしで通常翻訳を継続。
データ経路	通常利用時の音声、文字化、翻訳、合成音声はローカル経路に残る。
費用	ハードウェアとモデル導入後はリクエスト単位のクラウド推論料がない。
代償	端末は大きく消費電力が高く、クラウドより遅い、不正確な可能性。
保守	所有者が依存関係の更新、物理保護、ローカルログを管理。

利用前に各言語ペア、アクセント、騒音環境を試してください。人名、数字、医療指示、法的用語、緊急情報は繰り返しまたは別手段で確認する必要があります。

結論として、再現可能なエッジAIの参考設計であり、旅行や現場向けに改造できます。ただしソースコードを基盤として扱い、デモ映像を品質保証にしないことが重要です。