Sokuji : traduction vocale bidirectionnelle, du cloud au calcul local
Real-time two-way speech translation for bilingual meetings — auto-detects the spoken language and translates both directions, cloud or fully offline on-device. Desktop (Windows · macOS · Linux) + browser extension (Chrome · Edge) for Zoom, Meet, Teams & any app.
En bref
- De quoi s’agit-il ?
- Sokuji est une application de traduction vocale en temps réel pour réunions bilingues, disponible en version bureau (Electron) et en extension Chrome et Edge. Elle détecte la langue parlée et traduit dans les deux sens, avec un mode entièrement hors ligne fondé sur WASM et WebGPU.
- À qui s’adresse-t-il ?
- Sokuji convient aux équipes qui tiennent des réunions récurrentes entre deux langues et veulent une seule application sur Windows, macOS ou Linux, ou une extension pour Meet, Teams et Zoom.
- Puis-je l’utiliser commercialement ?
- Oui, sous conditions strictes. AGPL-3.0 est une licence à copyleft réseau : si des personnes utilisent une version modifiée via un réseau, par exemple comme service hébergé, vous devez leur proposer son code source sous la même licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 3 jours.
- En quel langage est-il écrit ?
- Principalement TypeScript, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 15 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
Deux langues, deux flux audio, un seul interprète
Le problème visé est précis : une réunion où deux personnes ne partagent pas la même langue. Un interprète humain coûte cher, et basculer manuellement un outil de traduction à chaque prise de parole casse le rythme. Le README décrit un mode bidirectionnel qui capture simultanément le microphone et l'audio système, détecte automatiquement la langue parlée et traduit vers l'autre langue. L'utilisateur définit une langue A et une langue B, puis n'a plus à intervenir. Le public visé est donc l'équipe qui tient des points réguliers avec un partenaire ou un collègue étranger, pas le traducteur professionnel qui a besoin d'un contrôle fin du vocabulaire. Les sous-titres peuvent être partagés à l'écran pour que l'interlocuteur lise la traduction, ce qui couvre le cas où l'autre partie n'installe rien.
Electron, extension, et le même cœur partagé
Le dépôt est en TypeScript et la version bureau repose sur Electron, comme l'indiquent les scripts npm run electron:dev et npm run electron:build. L'extension Chrome et Edge embarque les mêmes fonctions selon le README, avec une différence de portée : le bureau capte n'importe quelle application dotée d'une entrée micro, l'extension s'insère directement dans les plateformes web listées (Google Meet, Teams, Zoom, Discord, Slack, Gather.town, Whereby, Jitsi Meet, Yandex Telemost). Le flux décrit dans le schéma du README est linéaire : parole, capture, choix du moteur, ASR puis traduction puis TTS, restitution de la voix traduite. En mode local, ces trois étages tournent sur la machine via WASM et WebGPU ; en mode cloud, ils sont délégués à un fournisseur. Ce choix d'architecture explique pourquoi l'application peut fonctionner sans clé API, mais aussi pourquoi elle dépend fortement des performances du poste.
Le mode local, et ce qu'il coûte vraiment
Le README annonce 44 modèles ASR, 75 modèles de traduction et 137 modèles TTS, avec un téléchargement en un clic et une mise en cache dans IndexedDB. Les moteurs cités couvrent Whisper, Cohere Transcribe, Voxtral et Granite Speech côté reconnaissance, Opus-MT et plusieurs LLM multilingues (Qwen 2.5, 3 et 3.5, Hunyuan-MT 1.5, TranslateGemma) côté traduction, Piper, Coqui, Matcha, MMS, VITS et Supertonic côté synthèse. L'argument central est l'absence de GPU dédié : le calcul s'appuie sur le CPU et les graphiques intégrés. C'est un vrai compromis, pas une équivalence. Un modèle de reconnaissance streaming exécuté sur un processeur intégré n'offre pas la même latence qu'un service cloud, et le README ne publie aucune mesure de latence ni de consommation. Il ne donne pas non plus de configuration matérielle minimale. La seule façon de trancher est de charger un modèle et de mesurer sur votre machine.
Fournisseurs cloud : neuf options, aucune clé par défaut
La liste des fournisseurs comprend OpenAI, Google Gemini, Palabra.ai, Kizuna AI, Doubao AST 2.0, Soniox, Zoom AI, les API compatibles OpenAI et l'inférence locale. Le mode bidirectionnel s'appuie sur Soniox, présenté comme couvrant plus de 60 langues et 3 600 paires. Ce chiffre mérite d'être lu avec prudence : une paire de langues n'est pas un couple de langues testé en conditions réelles, et le README ne détaille pas la qualité par paire. Le point pratique est ailleurs. Le mode local ne demande aucune clé. Le mode cloud en exige une, et chaque fournisseur a ses propres conditions d'usage et sa propre politique de conservation des données. Pour une réunion confidentielle, la différence entre les deux modes n'est pas une question de coût mais de circulation de l'audio : en local, il ne quitte pas la machine, ce que le README résume par l'absence de clé API et d'internet.
Installation : paquets signés ou compilation depuis les sources
Pour le bureau, le README renvoie vers la page Releases avec des paquets nommés Sokuji-x.y.z.Setup.exe pour Windows, Sokuji-x.y.z-arm64.pkg et Sokuji-x.y.z-x64.pkg pour macOS, et sokuji_x.y.z_amd64.deb ou sokuji_x.y.z_arm64.deb pour Debian et Ubuntu. L'extension s'installe depuis le Chrome Web Store ou les modules complémentaires Edge. Pour un déploiement interne, la compilation depuis les sources se fait en trois commandes : git clone https://github.com/kizuna-ai-lab/sokuji.git, puis cd sokuji && npm install, puis npm run electron:build pour la production. Le README décrit aussi une installation en mode développeur de l'extension à partir de sokuji-extension.zip et de chrome://extensions/. Aucune variable d'environnement ni clé de configuration n'est documentée dans le matériel fourni : la configuration des fournisseurs se fait donc dans l'interface, ce qui reste à vérifier dans l'application elle-même.
Le cas où Sokuji n'est pas le bon outil
Le mode bidirectionnel est conçu pour deux langues. Une réunion à trois langues, ou une conférence avec plusieurs intervenants de langues différentes, sort du cadre décrit. La documentation ne mentionne ni séparation par locuteur ni attribution des tours de parole, ce qui compte dès que plusieurs personnes parlent dans le même micro. Autre limite : sur navigateur, l'extension ne fonctionne que dans les plateformes web listées, et le support de Brave est annoncé comme à venir, donc pas disponible. Enfin, l'inférence locale déplace la charge sur le poste de travail. Sur une machine ancienne ou un portable bridé thermiquement, la traduction peut prendre du retard sur la parole, et rien dans le README ne permet de prédire à partir de quand. Pour un usage critique, un service cloud avec engagement de latence reste plus prévisible, à condition d'accepter que l'audio sorte de votre réseau.
Licence AGPL-3.0 et coût de maintenance
Le projet est publié sous AGPL-3.0, ce qui a une conséquence concrète : si vous modifiez Sokuji et l'exposez comme service réseau, l'obligation de publier le code source modifié s'applique. Pour un usage interne en réunion, la question ne se pose pas de la même façon que pour un revendeur qui intégrerait le logiciel dans une offre hébergée. Sur ce point, consultez un juriste plutôt que ce paragraphe. Côté maintenance, les versions se succèdent vite : v0.40.1, v0.40.2 et v0.40.3 sont sorties en septembre 2026, à quelques jours d'intervalle, et le dernier push sur main date du 10 septembre 2026. Ce rythme indique un projet actif, pas un logiciel figé. Il implique aussi de suivre les notes de version avant de mettre à jour un parc, car une version 0.x peut changer de comportement entre deux correctifs. Les modèles locaux ajoutent leur propre coût : chaque téléchargement occupe de l'espace, et la mise en cache dans IndexedDB devra être purgée à un moment ou à un autre.
Conclusion éditoriale
Sokuji convient aux équipes qui tiennent des réunions récurrentes entre deux langues et veulent une seule application sur Windows, macOS ou Linux, ou une extension pour Meet, Teams et Zoom. Il ne convient pas à qui a besoin de plus de deux langues simultanées dans un même appel, ni d'un traitement par locuteur distinct : la documentation ne décrit que le couple A et B. Avant d'adopter, vérifiez que les modèles ASR, traduction et TTS dont vous avez besoin figurent bien dans les 44, 75 et 137 modèles locaux annoncés, et testez le mode local sur votre machine, car le README ne publie aucune configuration matérielle minimale.
Notes de la communauté