- 说话人还在讲,译文已经送到。 听众以自己的语言收听,仅落后数秒;一个同传箱每种语言需要两名译员,需提前预订,按天计费。
- AI 是第二次成本骤降,但有边界。 RSI 保留了按天计费的费率;AI 让口译成为会议软件的一项功能,而法庭和经认证的取证笔录仍由具备资质的人工译员负责。
- InterMIND 让整场会议保持在每位成员各自的语言中, 包括语音、聊天、笔记和文档,并公布每个语言对的质量。访客通过链接免费加入,无需账号;您只需为活跃成员付费。
同声传译:它是什么、如何运作,以及 AI 何时可以胜任
同声传译,就是在说话人仍在讲话的同时送出译文。 听众以自己的语言听到发言,延迟最多几秒,会议无需停下来等待译员。联合国就是这样召开会议的,多语言大会也靠它让议程只有一套而不是三套。自从 AI 进入这一领域,越来越多的日常工作会议也开始这样进行。
本指南用通俗的语言讲解整个类别:传统方式如何运作、成本多少,它与交替传译有何不同,“远程同声传译”(RSI)带来了什么变化,AI 目前能做什么、不能做什么,以及如何把同声传译用到您已在使用的工具中。
想先比较供应商?请从面向会议和活动的 AI 翻译工具选购指南开始。
同声传译实际涉及什么
专业同声传译是语言工作中认知负荷最高的工作之一。译员听源语言,当场转换意义(而非字词),并说出目标语言,整个过程同时、持续进行,说话人则不断讲下去。
行业围绕这一难度建立了完整的配套体系:
- 译员两人一组工作,一人主译、一人辅助,大约每 30 分钟轮换一次,超过这个时间,持续的同声传译质量会迅速下降。
- 隔音同传箱(或口译控制台)将译员与外界隔开,耳机里是现场音频,译员的输出则送到听众的接收器。
- 每种语言一个同传箱、一组译员。 三种语言的活动意味着三个同传箱、六名译员。
- 预订需提前数天到数周,稀有语言对更久,费用按每位译员、每种语言、每天计算,另加设备费。
这些都不是缺陷,而是提供专业级现场口译的成本。结果就是,同声传译成了一项活动日服务:有预算、有排期,只留给值得投入的场合。
同声传译与交替传译
另一种经典模式是交替传译:说话人讲几句话后停顿,由译员用目标语言转述。它不需要设备,适合小型、可控的场合,如医疗问诊、公证签署、实地考察。
| 同声传译 | 交替传译 | |
|---|---|---|
| 时序 | 与说话人并行 | 与说话人交替 |
| 会议时长 | 不变 | 大约翻倍 |
| 设备 | 同传箱/控制台 + 接收器(或平台) | 无 |
| 最适合 | 大会、工作会议、广播 | 简短的双方交流 |
| 同时支持的语言 | 多种(每种语言一个频道) | 通常只有一个语言对 |
还有一些小众变体,例如面向一两位听众的耳语传译(chuchotage),以及用于来回协商的联络口译。但几乎所有实际决策都是在同声传译与交替传译之间做选择,只要有议程、人数超过寥寥几位,仅凭节省的时间,同声传译就更胜一筹。(各种模式和交付形式,以及口译与笔译的区别,详见我们的定义指南。)
远程同声传译(RSI):第一次成本骤降
RSI 把译员从现场同传箱移到了云端。 活动音频流向远程工作的译员,他们的译文音频再流回每位听众的手机、笔记本电脑或耳机。Interprefy 和 KUDO 等平台开创了这一类别,随着活动转向线上线下混合,它迅速发展起来。
RSI 省去了同传箱租赁、接收设备、译员差旅,以及一部分准备周期。它保留的是人工译员本身、他们的按天费率,以及每场活动的运营筹备。RSI 让专业口译交付起来更便宜,却没有改变由谁来做口译,也没有改变预订模式。(我们在 InterMIND 与 Interprefy 对比中直接比较了这项主流 RSI 服务。)
AI 同声传译:第二次成本骤降
新的转变是替换整条口译流水线:语音识别 → 机器翻译 → 语音合成,持续运行,按每位听众单独进行,实时发生。无需同传箱,无需预订,没有按天费率,口译成为会议软件的一项功能,这也改变了它的用途。柏林、圣保罗和东京之间的每周例会,从来不可能为每种语言预订两名译员;有了 AI,就不必这样了。
认真做的 AI 口译有三个特点(我们自己就在做这类工具,所以不妨直说,任何一家都应当满足这些要求,包括我们):
- 可验证的语言对质量。 “支持 60 种语言”并不能说明您所需的 DE↔EN 效果如何。请要求对方提供基于真实流量测得、按语言对公布的质量数据,这是我们的数据,每月更新,也可以收听现场演示自行判断。
- 输出的是谁的声音。 大多数工具用同一种合成声音朗读每位发言人。更好的体验是通过零样本语音合成保留每位发言人自己的声音,那是一场讨论,而不是一份被朗读出来的记录。
- 会议被覆盖的范围有多大。 会议不仅有语音,还有聊天、共享笔记和文档。如果只翻译音频,一旦有人打字,房间里的人仍会按语言分裂开来。(完整论述。)
还有一个必须坦率说明的局限:法庭、条约谈判、经认证的取证笔录,以及任何口译内容即为法律记录的场合,仍然属于具备资质的人工译员。 AI 的领域,是这条门槛以下的广阔空间,也就是那些因同传箱和按天费率而一直请不起口译的会议、网络研讨会和大会。
Zoom、Teams 和 Google Meet 中的同声传译
您已在使用的平台处于三种不同的位置:
- 口译频道(Zoom、Teams): 内置音频频道,供您自行聘请并付费的译员使用。平台解决的是交付,而不是口译。使用方法与限制:Zoom、Teams。
- 翻译字幕: 三个平台在相应套餐下都能为会议生成另一种语言的字幕。阅读不等于聆听,字幕适合网络研讨会,却不太适合讨论。各平台详情:Zoom、Teams、Google Meet。
- 内置 AI 语音翻译: 尚处早期、功能不全(Meet 的 Gemini 语音翻译进展最快)。语言对和套餐限制决定了您的会议是否符合条件。
如果您需要每位参会者都用自己的语言听到会议、双向互通,又不必预订任何人,那正是 AI 同声传译在浏览器中完成的工作,上面的平台对比也清楚地显示了各项内置功能在哪里止步。
一次看清如何选择
- 经认证、高风险、需存档的场合 → 具备资质的人工译员,现场或通过 RSI 提供。
- 大型正式活动、要求人工质量、混合形式的听众 → RSI 平台(对比 Interprefy);AI 活动交付是预算更低的替代方案(对比 Wordly)。
- 工作会议、网络研讨会、日常多语言通话 → 内置于会议的 AI 口译:每位听众自选语言,会议保持原速进行,聊天、笔记和文档也会一并翻译回来。
- 在单一平台上偶尔有轻度需求 → 先试用该平台的字幕(Zoom / Teams / Meet),当阅读不再够用时再升级。
常见问题
同声传译是什么意思? 与说话人并行进行的口译:发言仍在进行时,听众就能听到译文,通常只落后几秒,因此会议不会为翻译而暂停。
同声传译需要多少名译员? 按行业标准,每个语言对两名,每约 30 分钟轮换一次。一场三种语言的大会通常需要配备六名译员,外加设备。
同声传译的费用是多少? 人工:按每位译员、每种语言、每天计费,一场为期一天的双语活动,加上设备,费用通常高达数千美元。AI:软件订阅,一场口译会议的边际成本为零。(定价。)
Zoom 中可以进行同声传译吗? 可以,有两种方式:使用 Zoom 的口译频道,配合您自行预订的人工译员;或者使用 AI 翻译。Zoom 自带的 AI 功能以字幕为主,完整情况见我们的 Zoom 指南。
AI 能取代同声传译员吗? 在经认证的高风险场合,不能,声称可以的供应商才应该让您担心。在日常会议、网络研讨会和大会中,AI 如今的表现已足够好,应当被验证,而不是被想当然地接受:请查看按语言对公布的质量,或现场测试。
亲耳听一听,别只读文章
同声传译是一种听觉体验,没有哪篇文章能替您判断质量是否达到您的标准。
- 运行现场演示:在正式生产流水线上,听一场现场会议被口译成另一种语言,无需注册。
- 查看基准测试:基于真实流量的每月语言对得分,完整展示分布情况。
- 功能详解:AI 同声传译如何在 InterMIND 会议中运作。
- 在预约译员、RSI 平台和 AI 之间犹豫?请看 Simultaneous interpreter: human, RSI platform, or AI,以及针对会议场景分别给出价格和适用范围的同样三种方案:simultaneous translation: booth, RSI, or AI。
— Mind.com 团队
来源:Chmiel — Boothmates forever? On teamwork in a simultaneous interpreting booth(每个同传箱两名译员,每轮约 30 分钟)、Interprefy — platform、KUDO AI Speech Translator、Zoom — Enabling and configuring translated captions、Google Meet — Speech Translation,查证于 2026 年 8 月。各供应商会不时调整套餐和语言列表,请查看其官方页面以了解最新情况。
相关指南
实时翻译下的所有文章Otter 对比 Fireflies(2026):哪款 AI 会议记录工具更适合您,以及两者都不适用的情形
客观对比 Otter.ai 与 Fireflies.ai:定价、时长与存储限制、语言支持和工作流。此外还涵盖两者都难以胜任的场景——使用多种语言进行的会议。
Zoom 口译:Language Interpretation 的工作原理、费用,以及何时不宜使用
Zoom 口译详解:Language Interpretation 功能的使用要求(套餐、已预约的会议、您自己的口译员)、启用方法、9 种默认语言、录制和分组讨论室的表现,以及它与 Zoom 的 AI 翻译字幕和语音翻译器有何不同,还有何时 AI 同声传译更合适。