语音翻译器：短语、面对面，还是实时对话

"语音翻译器"同时指代三种产品。一种是手机应用——监听您说话，再朗读出译文。一种是翻译耳机——把对面那个人的话低声翻译进您耳朵。还有一种是实时会议翻译，让整场对话以多种语言即时进行，每位参与者都能用各自的语言听到。三者都在翻译语音。只有最后一种能让多人即时对话流畅进行，而不会把每一次交流都变成等待。

本指南将这三者区分开来，介绍它们各自的工作原理，并指出决定您需求的关键问题：是短语、面对面交流，还是一场对话？

三种类型

手机应用语音翻译器

打开一款应用，点一下麦克风，开口说话，它就会播放——或显示——译文。Google Translate、Apple Translate、Microsoft Translator，还有数十款旅行应用。它们确实擅长处理一次一句的场景：看菜单、打车、在前台问询。

其工作方式像接力：您说话 → 它转录 → 它翻译 → 它朗读，然后对方对着同一台设备回答，再反向接力。这种方式之所以奏效，是因为交流很短，而且手机在手中递来递去。一旦延伸到真正的来回交谈，接力就成了瓶颈——变成轮流操作一台翻译器，而不是在对话。

翻译耳机 / 设备翻译器

带 Live Translation 的 AirPods、Pixel Buds、专用翻译耳机。您戴上它们，就能在耳边听到对方的翻译。体验比盯着屏幕好——但**只能一对一，而且双方都得配上相应的设备。**为一名旅客和一位当地人设计，不是为一个会议室设计的。

实时会议翻译

这是一种不同的架构，不是一款更好的应用。整个会议室都是多语言的：每个人说自己选择的语言，同时即时听到其他人说他们各自的语言，贯穿整场会议。不用传递手机，不用配对的耳机。这是唯一能支撑多人即时对话的方案。

您需要哪一种？

一个短语——看菜单、问路、和陌生人的一次交流。手机应用就够了，不必买多了。
与一个人面对面交流，双方都有设备——翻译耳机体验最好。
一场对话——一通电话、一场会议、几个人、即时来回——实时会议翻译，因为另外两种会把每一次交流都变成接力，把每多一个人都变成一次失效的假设。

陷阱在于用短语工具去应对对话：它技术上"能用"，却让对话慢了一倍，因为每个人都在等接力，而不是在交谈。

"即时"和"实时"究竟需要什么

有三件事必须同时成立——而这正是大多数工具悄悄失灵的地方：

**按听众，而非按设备。**每位参与者同时以自己选择的语言听到整个会议室——五个人，五种语言，一通电话。整个会议室为每个人翻译，各自译成自己的语言。
**亚秒级，且持续不断。**如果译文只在说话人停顿后才出现，那就是带合成语音的交替传译——您能感受到每一个间隙。真正即时的翻译会跟上说话的节奏。
**没有英语锚点，没有地区门槛，没有五种语言的测试版。**任意语言组合，在参与者之间直接翻译——不是所有内容都经由英语中转，不是只有五种语言的测试版。

这不是一款更大的手机应用。这是实时会议翻译背后的架构——这个类目的基础指南。

InterMIND 的定位

InterMIND 属于第三种：一款为即时、真实对话打造的语音翻译器，以实时会议翻译的形式构建。

语音支持 22 种语言，聊天和共享笔记同样支持——任意组合，没有英语锚点，没有地区门槛，没有五种语言的测试版。（完整的端到端翻译技术栈有专门页面。）
**按听众提供音频，亚秒级。**每位参与者同时以自己选择的语言听到会议。（底层原理：深入四条翻译管线。）
包含网络研讨会与大型会议——最多 1,500 名参与者，每人各自选择收听语言：无需同传箱的同声传译。
文档同样支持——把 PDF 或 DOCX 拖进会议，每位观看者都能拿到自己语言的版本，文件支持 30 种语言。
可审计的质量——在 /benchmark 查看基于真实流量的逐语言对评分，方法论有据可查。

手机应用适合一个短语。翻译耳机适合您面前的一个人。当需要几个人之间进行一场即时对话时，那就是 InterMIND 诞生的使命。

试用

/demo——用您自己的音频运行我们的实时语音管线，支持 22 种语言中的任意一种，并听到按听众的翻译，而不是阅读译文。
/benchmark——基于真实流量的逐语言对、逐月翻译质量，含方法论。
从类目指南开始：实时会议翻译。

— Mind.com 团队