语言翻译器：语音翻译器究竟如何运作，以及它的边界在哪里

"语言翻译器"这个词涵盖了四种截然不同的工具。文本翻译器（DeepL、Google Translate）将输入的文本从一种语言转换为另一种语言。手机语音翻译器会聆听，然后朗读出翻译内容。翻译耳机将翻译内容轻声传入您的耳中。而实时会议翻译则同时在多种语言中运行整场对话，每位参与者都能听到自己语言的内容。

它们被统称为同一类东西，但彼此并不能互换。本指南将它们区分开来，解释语音翻译器在底层如何运作，并指出每种工具的适用边界。

四种类型，简述

文本翻译器

处理书面内容的主力工具：粘贴一段文字，即可获得另一种语言的译文。非常适合文档、邮件和网页。它不涉及语音，且每次只处理一个文本块——而非对话。

手机语音翻译器

打开应用，说话，它会播放（或显示）翻译内容，然后对方对着同一部手机回答。适合简短用语——菜单、问路、酒店前台。其机制是接力式：说话 → 转写 → 翻译 → 回播，一次一个回合。它之所以有效，是因为交流简短，且双方来回传递设备。

翻译耳机

支持实时翻译的 AirPods、Pixel Buds、专用翻译耳机。您佩戴后即可在耳中听到对方的翻译内容。比盯着屏幕更舒适——但它是一对一的，且双方需要配套的设备。 为旅行者和当地人设计，而非为一屋子人设计。

实时会议翻译

那个与众不同的。这里的会议室是多语言的：每个人说自己选择的语言，同时在整个会议过程中实时听到其他人说自己的语言。无需传递手机，无需配套耳机。它是四种工具中唯一能将真实对话维系在一起的。

语音翻译器究竟如何运作

在底层，语音翻译器是一个简短的流程：

语音识别将您所说的话转为文本。
翻译将文本转换为目标语言。
语音合成（针对语音类型）将结果朗读出来。

有两个因素决定了它感觉是实时的还是迟钝的：

何时翻译。 如果它等您说完再翻译，您得到的是带有合成语音的交替传译——您能感受到每一次停顿。如果它在您说话时同步翻译，就会有实时感。
为谁翻译。 手机应用为拿着它的两个人翻译。实时会议翻译则将整个会议室的内容翻译给所有人，同时翻译成各自的语言——这是一个更难的问题，也需要不同的架构。

关于实时类型的完整运作方式，请参阅我们的基础指南实时会议翻译：它如何运作，以及如何评估，工程细节请参阅深入四条翻译流水线。

您实际需要哪一种？

书面内容？ ——文本翻译器。
一句话，与陌生人的一次交流？ ——手机语音翻译器。不必过度购买。
与一个人面对面，双方都有设备？ ——翻译耳机。
一场对话——通话、会议、多人、来回交流？ ——实时会议翻译，因为其他工具会将每次交流变成接力，每增加一人就意味着一个假设失效。

InterMIND 的定位

InterMIND 是第四种类型：为实时对话而生的语言翻译器，以实时会议翻译的形式构建。

22 种语言在语音、聊天和共享笔记中实时可用——任意组合，无需英语锚点，无区域限制，没有五语言测试版。（完整的端到端翻译栈有专门页面。）
每位听众独立音频，亚秒级延迟。 每位参与者同时以自己选择的语言听到会议内容——五个人，五种语言，一通通话。
包含网络研讨会和会议——最多 1,500 名参与者，每位使用自己的收听语言：无需同传箱的同声传译。
还有文档——将 PDF 或 DOCX 拖入会议，每位查看者都能获得自己语言版本的文件，支持 30 种语言的文件翻译。
可审计的翻译质量。 基于真实流量的各语言对评分见 /benchmark，评估方法已完整记录。

文本翻译器适合文档。手机应用适合一句话。翻译耳机适合面前的一个人。当它是一场对话时，那就是 InterMIND 为之构建的场景。

试试看

/demo ——用您自己的音频运行我们的实时语音流水线，支持 22 种语言中的任意一种，聆听每位听众的翻译，而非仅仅阅读文字。
/benchmark ——基于真实流量的各语言对、各月份翻译质量，包含评估方法。
从品类指南开始：实时会议翻译。

— The Mind.com Team