Często zadawane pytania

Ogólne

Czy działa offline?

Głównie tak. Konkretnie:

• Tłumaczenie wymaga LLM. Darmowe Gemini API jest online; lokalny Ollama / LM Studio przez ustawienia Custom Provider jest w pełni offline.
• OCR z Tesseract lub EasyOCR jest offline.
• STT z Whisper (domyślny) jest offline.
• TTS z Edge TTS (domyślny) jest online; ElevenLabs / Google Cloud TTS / Gemini TTS są online (darmowe lub płatne); Piper TTS to w pełni offline neuronowe TTS — bez klucza, bez wywołań sieciowych po pobraniu głosu dla danego języka (~25–60 MB plik ONNX) przez Settings → Voice → Piper TTS → Download voices now.

Dla w pełni izolowanej konfiguracji: Custom Provider → lokalny LLM, Tesseract lub EasyOCR dla OCR, Whisper dla STT i Piper TTS dla wyjścia głosowego.

Gdzie zapisywane są moje przetłumaczone pliki?

Domyślnie obok oryginału, z sufiksem _translated_<src>_<tgt> (np. report_translated_en_fr.docx). Nadpisz per-funkcję w Settings → General → Translation storage path.

Gdzie przechowywane są moje ustawienia?

Plik INI w:

OS	Ścieżka
Linux	~/.config/ai-translate/settings.ini
macOS	~/Library/Preferences/ai-translate/settings.ini
Windows	%APPDATA%\ai-translate\settings.ini

Klucze API żyją w keychainie OS (nie w INI). Historia tłumaczeń żyje w bazie SQLite w katalogu danych.

Jak obsługiwane są moje dane?

• Local-first — tekst nigdy nie opuszcza twojej maszyny, chyba że wywołujesz usługę chmurową LLM / OCR / STT / TTS.
• Brak telemetrii — aplikacja nie dzwoni do domu. Jedyne wyjściowe zapytanie, które aplikacja sama wykonuje, to opcjonalne sprawdzanie aktualizacji GitHub-Releases (przełącznik w Settings → General); backendy chmurowe wywołują tylko swoich odpowiednich dostawców.
• Klucze API — przechowywane w keychainie OS. Fallback aplikacji desktopowej dla keychain to plaintext INI, gdy żaden daemon keychain nie jest dostępny.

Czy mogę przetłumaczyć Google Doc / stronę Notion?

Nie bezpośrednio. Najpierw eksportuj do .docx, przetłumacz, potem zaimportuj przetłumaczony plik z powrotem. To samo dla Notion (eksport jako Markdown / HTML), Confluence (eksport jako .docx) itd.

Wybieranie modeli / silników

Którego modelu LLM powinienem użyć?

Dla większości użytkowników:

• Dowolny wariant Gemini Flash — darmowy poziom, szybki, zaskakująco dobry. Używaj do codziennych tłumaczeń. Nazwy wyglądają jak gemini-2.5-flash, gemini-3-flash-preview itp., w zależności od tego, co jest aktualnie dostępne.
• Dowolny wariant Gemini Pro — pay-per-token, wyższa jakość. Używaj do ważnych dokumentów (prawnych, technicznych, dla klientów).
• Lokalny Ollama z modelem 7B-13B — gdy potrzebujesz offline / prywatności.

Wybór modelu per-funkcję oznacza, że możesz używać szybkiego modelu do tłumaczenia w stylu czatu i zarezerwować droższy do dokumentów.

Którego silnika OCR powinienem użyć?

• Tesseract dla czystego drukowanego tekstu w głównych skryptach. Darmowy, offline, szybki.
• EasyOCR dla skryptów nielatynowych (zwłaszcza CJK) i bardziej hałaśliwych obrazów.
• Google Cloud Vision dla pisma odręcznego, mieszanych skryptów i najwyższej dokładności, gdy możesz zapłacić.

Której metody STT powinienem użyć?

• Whisper lokalny dla offline / prywatności.
• Soniox dla nagrań wielomówcowych — etykiety mówcy round-trip do twojego SRT.
• Google Cloud STT dla telefonii / audio medycznego (ich modele domenowe są dobre).
• Gemini Live dla tłumaczenia mowy na mowę w czasie rzeczywistym.

Który backend TTS?

• Edge TTS dla darmowych, wysokiej jakości głosów.
• ElevenLabs dla premium / brandowanych / klonowanych głosów.
• Google Cloud TTS dla głosów WaveNet w językach long-tail, gdzie Edge ma cienkie pokrycie.
• Gemini TTS dla darmowych, naturalnych prebuildów głosów, wykorzystując twój istniejący klucz Gemini API.
• Piper TTS, gdy potrzebujesz wyjścia głosowego offline / izolowanego. Trade-off: każdy język wymaga jednorazowego pobrania głosu ~25–60 MB przez Settings → Voice → Piper TTS → Download voices now, a 13 z 45 języków aplikacji nie ma głosu Piper (te cicho fallbackują na Edge TTS).

Workflow

Jak przetłumaczyć cały folder?

Upuść folder do strefy upuszczania Translate Document. Obsługiwane pliki wewnątrz (rekursywnie) są kolejkowane; wszystko inne jest cicho pomijane. Jest limit 100 plików; większe partie → podziel na wiele upuszczeń.

Czy mogę zatrzymać i wznowić tłumaczenia?

Tak. Wyjdź z aplikacji w dowolnym momencie — zadania Pending / Translating wznawiają się przy następnym uruchomieniu. Per-task checkpointing oznacza, że strona PDF 47 z 100 nie jest ponownie wykonywana, gdy wznawiasz.

Czy mogę edytować tłumaczenie ręcznie?

Dla Translate Text — tak, kliknij prawy panel i pisz. Edycja auto-zapisuje się do rekordu historii wpisu.

Dla Translate Document — otwórz przetłumaczony plik w swoim zwykłym edytorze (Word, LibreOffice itp.) i edytuj tam. Aplikacja nie roundtripuje edycji z powrotem do historii.

Czy mogę masowo przetłumaczyć listę stringów?

Użyj CLI:

ait *.txt --target French

Lub dla stringów w procesie (np. stringów UI wyodrębnionych z kodu), wywołaj narzędzie MCP translate_text z listą, lub użyj Python API bezpośrednio:

from src.core.llm_engine import translate_text
out = translate_text(texts=["Hello", "World"], target_lang="French")

Glosariusz

Dlaczego LLM nie używa mojego glosariusza?

Trzy rzeczy do sprawdzenia:

1. Zestaw jest aktywny (checkbox zaznaczony).
2. Termin źródłowy w twoim glosariuszu rzeczywiście pojawia się w tekście źródłowym (kompresja per-call wysyła do LLM tylko wpisy pasujące do tekstu partii — oszczędza tokeny, ale oznacza, że źle wpisany termin źródłowy jest niewidoczny).
3. Model jest wystarczająco silny — flash-lite czasami ignoruje wskazówki, które flash i pro honorują.

Czy terminy glosariusza są dopasowywane bez uwzględniania akcentów?

Tak. Zarówno wyszukiwanie glosariusza, jak i pole wyszukiwania na stronie Glossary używają funkcji normalizacji, która usuwa akcenty i wielkość liter. Więc cafe, Café i CAFE wszystkie pasują do wpisu, którego źródło to Café.

Prywatność

Czy zbieracie jakieś dane użycia?

Nie. Aplikacja nie ma SDK analityki. Opcjonalne sprawdzanie aktualizacji poluje pojedynczy endpoint GitHub Releases przy starcie; jest przełączalne w Settings → General.

Czy moje klucze API są bezpieczne?

Są przechowywane w keychainie twojego OS (Keychain na macOS, Credential Manager na Windows, Secret Service na Linux). Inne procesy nie mogą ich odczytać bez twojej wyraźnej zgody. Fallback (gdy żaden daemon keychain nie jest dostępny — zwykle bezgłowe serwery Linux) to plaintext INI pod katalogiem konfiguracyjnym twojego użytkownika; w tym trybie klucze są chronione uprawnieniami pliku, ale nie są kryptograficznie szyfrowane.