Desde el código

Requisitos

GPU	NVIDIA. Con 8 GB, todo en máxima calidad; con 6 o 4 GB, voz clonada con modelos más livianos; con 2 GB o sin GPU, solo subtítulos. Translay elige solo según tu equipo (ver Rendimiento).
Python	3.11 o más nuevo para el servidor; el motor de voz usa su propio entorno con Python 3.11.
uv	Para crear el entorno del motor de voz.
ffmpeg	En el PATH: descargas, miniaturas y exportar.
Node.js 20+	En el PATH: yt-dlp lo usa para el desafío de JavaScript de YouTube.
Disco	~15 GB para modelos y entornos, más lo que ocupen tus videos.

Nota

¿Prefieres no instalar nada de esto? Usa Docker.

En Windows lo más simple es la app de escritorio, que instala todo esto sola. Desde el código sirve para desarrollar, para Linux o para usar Translay desde el navegador de otro equipo.

Pasos

Cada versión publicada está en Releases, con sus notas; el código siempre está en GitHub.

1. Clona el repositorio e instala lo del servidor:

   git clone https://github.com/alenj0x1/translay.git
   cd translay
   pip install -r requirements.txt

   En Linux, si tu sistema ya tiene CUDA 12 y cuDNN 9, puedes quitar las líneas nvidia-* de requirements.txt.

2. Crea el entorno del motor de voz (OmniVoice con torch para CUDA 12.8):

   Windows

   uv venv -p 3.11 .venvs/omnivoice
   uv pip install -p .venvs/omnivoice/Scripts/python.exe --torch-backend=cu128 omnivoice deepfilternet soundfile

   Linux

   uv venv -p 3.11 .venvs/omnivoice
   uv pip install -p .venvs/omnivoice/bin/python --torch-backend=cu128 omnivoice deepfilternet soundfile

3. Arranca:

   python run.py

   En Windows también sirve iniciar.bat. Se abre http://127.0.0.1:8765.

La primera vez se descargan los modelos de Hugging Face (Whisper large-v3-turbo, Opus-MT, OmniVoice y WeSpeaker, unos 6 GB) a la caché del usuario. Luego arranca en segundos y queda en modo reposo hasta que hay algo que procesar.

Todas las opciones de arranque: Línea de comandos.

Lo que se guarda

Todo lo tuyo (biblioteca, transcripciones, voces, preferencias, contraseñas con hash) queda en data/, que no entra en git. Con --data-dir (o TRANSLAY_DATA) puedes usar otra carpeta, por ejemplo la misma que usa la app de escritorio. Detalle en Datos en disco.