メインコンテンツまでスキップ

対話翻訳

話者ごとに短い同時通訳セッションを開始し、相手の番では元の言語と対象言語を入れ替えることで、2 人が交互に話す翻訳体験を実装します。

これは ConversationTranslationDemoController で示す製品ワークフローであり、独立した ConversationTranslationAPI を追加するものではありません。

Animated workflow

One conversation turn

Each speaker turn owns one interpretation session. Reverse the language direction for the partner's turn and never run both turns concurrently.

Host app

Choose Active Speaker

Resolve source and target languages from the selected side.

Host app

Configure Turn

Create a simultaneous-interpretation configuration for this direction.

AI service

Start Session

Start interpretation and retain the returned session.

Host app + device

Provide Speech

Use AIBuds AI SDK internal recording, or feed external PCM from the host app or connected device.

AI service → app

Render Translation

Order definite source and target segments from streaming callbacks.

source + target
Authoritative stop

Finish Turn

Stop external recording first, then stop the interpretation service.

Finish the active turn before swapping languages or starting the opposite speaker.

前提条件​

  • 同時通訳のすべての前提条件を満たすこと。
  • 元の言語と対象言語に、異なるハイフン区切りの言語識別子を使用すること。
  • ホストアプリで、現在の話者、セッション、開始／停止状態、表示済みの各ターンのメッセージを管理すること。
  • 両方の話者が同時にセッションを開始できないようにすること。

AI を活用して実装

AI で実装

AI でこのワークフローを実装

公式の「AIBuds 会話翻訳の実装」スキルを使い、アプリに合わせて実装します。

https://docs-aibuds.github.io/ja/skills/implement-aibuds-conversation-translation を読み、その指示に従ってください。このスキルで「AIBuds 会話翻訳の実装」をこの iOS プロジェクトに実装し、検証してください。
公式スキルを見る

API リファレンス​

対話翻訳では startSimultaneousInterpretation、stopSimultaneousInterpretation、SimultaneousInterpretationConfig を使用します。

公開宣言とコールバック仕様の全体は、同時通訳を参照してください。

使用例​

話者のターンを開始​

Demo では「自分」を myLanguage → partnerLanguage に、「相手」を逆方向に対応付けます。次のヘルパーは決定済みの言語方向を受け取り、この状態を明確に表します。

Swift
func startConversationTurn(source: String, target: String) {
    guard currentSession == nil, source != target else { return }

    let config = SimultaneousInterpretationConfig.default
    config.sourceLanguage = source
    config.targetLanguage = target
    config.usesInternalAudioRecording = true
    config.preferSpeakerOutput = true
    config.enableVoicePlayback = true

    AIBudsAISDK.startSimultaneousInterpretation(
        config,
        onStartSuccess: { session in
            currentSession = session
            setTurnActive(true)
        },
        onStartFailure: { error in
            currentSession = nil
            setTurnActive(false)
            show(error)
        },
        onStopByInterruption: { error in
            currentSession = nil
            setTurnActive(false)
            if let error { show(error) }
        },
        onException: { error in
            showRecoverable(error)
        },
        streamResultHandler: { _, response, error in
            if let error {
                show(error)
                return
            }
            guard let response else { return }
            if response.isSourceTextDefinite { renderSource(response) }
            if response.isTargetTextDefinite { renderTarget(response) }
        },
        onEvent: { event in
            handle(event)
        },
        onFinish: { report in
            currentSession = nil
            setTurnActive(false)
            save(report)
        }
    )
}

現在のターンを停止​

currentSession.isRecordingInternally が false の場合は、最後の音声が正しい順序で送られるよう、サービス停止前にデバイス側の AI 録音を停止します。

Swift
func stopConversationTurn() {
    guard let session = currentSession else { return }

    if !session.isRecordingInternally,
        let recordingDevice = device as? DeviceAudioRecordingAPI
    {
        recordingDevice.stopAIAudioRecording(.onSite) { _, _ in
            AIBudsAISDK.stopSimultaneousInterpretation()
        }
    } else {
        AIBudsAISDK.stopSimultaneousInterpretation()
    }
}

エラー処理​

開始失敗、中断、回復可能な例外、ストリームエラー、デバイス録音の失敗、最終完了を個別に処理します。デバイス録音の開始中に停止が要求された場合は、開始コールバックが完了するまでサービス停止を延期してください。Demo ではこの競合を明示的に管理しています。

注意事項​

  • 1 つの対話に複数のターンを含められますが、同時に有効にする通訳セッションは 1 つだけです。
  • 言語の入れ替えは、どのターンも実行されていないときだけ行います。
  • すべてのコールバックをそのまま追加せず、原文と訳文のシーケンスフィールドを使って確定区間を並べます。
  • 外部デバイス録音を使用する場合は、最初のパケットを失わないよう、デバイス音声の開始前に保持した通訳セッションをアプリの PCM 転送経路へ登録します。