Zoom 实时翻译：工作原理及局限性

如果您搜索过“Zoom 实时翻译”，最简短的诚实回答是：**是的，Zoom 可以翻译实时会议——通过三种不同的方式——您能使用哪种取决于您的套餐、您所在的地区，以及您是否愿意自己聘请口译员。**这三种方式都是真实存在的。但没有一种方式能提供一个让德国人、日本人和巴西人参会者在整个会议期间各自听到自己母语的会议室。这篇文章将解释每种方式的工作原理、如何开启，以及确切的天花板在哪里。

这是我们的基础指南实时会议翻译：工作原理及如何评估的平台实操配套指南。关于 Google Meet 和 Microsoft Teams 版本的类似文章，请参阅 Meet 和 Teams。对口译这一类别还不熟悉？请从同声传译：同传厢、远程同声传译还是 AI开始阅读。

三种功能及其差异

Zoom 已经以三种不同的形式推出了实时翻译。它们经常被混为一谈，所以首先要把它们区分开：

1. 翻译字幕（文本）

主力功能。Zoom 的自动字幕会进行实时转录；翻译字幕将此文本流翻译成每位参会者选择的语言。这里有两个真正出色的地方：语言列表很长——完全支持 36 种语言，加上希腊语、挪威语和威尔士语（仅作为目标语言）——并且每位参会者都可以独立选择自己的字幕语言，无需询问主持人。它适用于会议和网络研讨会。

门槛在于：翻译字幕随 Business Plus 和 Enterprise Workplace 套餐提供。在 Pro 或基础版 Business 上，您需要付费的 Translated Captions add-on——这是 Zoom 唯一没有并入随每个付费套餐提供的 AI Companion 捆绑包中的 AI 功能。

而且这是一种阅读体验。字幕翻译的是人们读到的内容，而不是听到的内容。

2. 会议语音翻译器（音频，测试版）

2025–2026 年的重头功能，在 Zoomtopia 上随 AI Companion 3.0 一同发布。这个功能会说话：它提取翻译字幕流并将其渲染为合成的翻译音频，针对每位参会者，并提供一个滑块来平衡原始声音和翻译后的声音。每位参会者都可以选择自己的发言语言和收听语言。

根据 Zoom 自己的文档，这也是一个受到严格限制的测试版——具体细节在下方的局限性部分，这些细节具有决定性。

最古老的功能，也是活动团队熟知的：主持人最多可以指定 20 名人工口译员，Zoom 为每种语言开设一个音频频道，听众选择一个频道——原声在低音量下作为底层背景音。Zoom 在这里提供的是技术管道，而不是口译员。您需要自己预约、向他们说明情况并支付费用。它适用于 Pro、Business、Education 和 Enterprise 账户，提供九种默认频道语言以及自定义语言。（包含局限性在内的完整设置演练：Zoom 口译员设置。）

如何开启每一项功能

**翻译字幕：**管理员在账户设置中启用自动字幕和翻译字幕（Business Plus/Enterprise 或附加组件）。在会议中，每位参会者点击字幕控件并选择自己的语言——无需主持人参与。

**语音翻译器：**管理员在 AI Companion 设置下启用它（Pro/Business/Enterprise，美国集群账户，桌面应用程序 7.0.0+）。在会议中，您选择您的发言语言和想听的语言，并调整原始/翻译音频的平衡。

**语言传译：**主持人安排启用了传译功能的会议或网络研讨会，提前分配口译员（或在会议中通过桌面应用程序分配），一旦开始，参会者选择自己的音频频道。

摩擦不在于开关本身。而在于这些开关能做什么和不能做什么。

真正决定其适用性的局限性

截至 2026 年年中，根据 Zoom 自己的支持文档：

**字幕翻译的是文本，而不是会议室。**长长的语言列表和针对参会者的选择是真实的——但在会议音频保持单语种的同时，所有人都在阅读字幕。Zoom 还明确指出“翻译字幕可能不准确”，并且方言之间不能相互翻译（不支持法国法语 ↔ 加拿大法语）。
**语音翻译器是一个有硬性限制的测试版。**支持五种语言——英语、中文、法语、日语、西班牙语。仅限美国集群账户。使用配额为每 30 天 5 小时（测试期间总共 10 小时）。仅限会议——不支持网络研讨会。仅限桌面应用程序。而在长篇演讲中，它不再是同声传译：长段落会在说话者停顿后才进行翻译——这是带有合成语音的交替传译。Zoom 的文档还预计，在测试期结束后需要购买。
**语言传译需要您的人力与计划。**仅限预定的会议——不支持个人会议 ID、即时会议、分组讨论室——并且口译员是由您自己寻找、预约并按天、按语言付费的专业人士。这不是缺陷；这是一个不同的产品类别，具有其自身的成本结构。
**网络研讨会中完全没有机器语音翻译。**如今在 Zoom 上进行多语种网络研讨会，意味着为读者提供翻译字幕，或者由您自己配备人工口译员频道。

这并不意味着 Zoom 的功能很差。尤其是字幕堆栈，覆盖面广且真正做到了针对参会者。但这使得 Zoom 的实时翻译成为以文本为先，口头翻译要么处于有配额限制的五种语言测试版中，要么由您雇佣的人员完成。

结构性天花板，用一句话概括

**Zoom 翻译您的会议读到的内容——广泛且出色。您的会议听到的内容，要么是一个包含 5 种语言、每月 5 小时、仅限美国的测试版，要么是您自己带来的人工口译员。**一场真正的多语种会议需要每位参会者在整个会议期间，无论身在何处，都能听到用自己母语进行的讨论——这是一种架构，而不是增加配额。

如果您的会议适合使用字幕——比如演示文稿、参会者跟读的网络研讨会——那么在您已经拥有的工具上，Zoom Business Plus 套餐的翻译字幕可能就足够了。但如果您的会议是对话——人们在三种语言中打断、做决定、大声思考——您就已经触及了天花板。

当您不再满足于字幕和配额时

这正是我们构建 InterMIND 的目的：不是在单语种通话下加字幕，而是**每位参会者同时、实时地听到用自己母语进行的会议。**具体来说，在 Zoom 的堆栈只能阅读、其测试版每月只能说五种语言的情况下：

实时语音支持 24 种语言，以及聊天和共享笔记——任意组合，无需英语作为基础，没有地区门槛，没有五种语言的测试版限制。（完整的端到端翻译堆栈有单独的页面。）
**亚秒级的独立听众音频。**每位参会者同时听到用自己选择的语言进行的会议——五个人，五种语言，一个会议室。（其底层工作原理：深入解析四大翻译管道。）
包含网络研讨会和大型会议——最多 1,500 名参会者，每人都可以选择自己的收听语言。这是无需同传厢的同声传译，而不是附加组件。
还支持文档——将 PDF 或 DOCX 拖入会议，每位查看者都能获得自己语言的版本，文件支持 30 种语言。
**可审计的质量。**我们在 /benchmark 上发布基于真实流量的各语言对得分——Zoom 的准确性声明是在其自己的新闻稿中作出的；而我们的声明是可复现的。

我们并不是说 Zoom 不好——对于以字幕为先的会议，其翻译堆栈是已发布产品中最广泛的之一。我们想表达的是，这是一种不同形态的会议。逐项功能的对比版本请见 InterMIND vs. Zoom。

体验天花板的另一面

/demo —— 在您自己的音频上运行我们的实时语音管道，支持 24 种语言中的任意一种，聆听针对每位听众的翻译，而不是阅读翻译。
/benchmark —— 基于真实流量的按语言对、按月的翻译质量，并附带写明的方法论。
InterMIND vs. Zoom —— 诚实的逐项功能对比。
只需要记录，不需要实时翻译？不妨看看会议记录器这一细分市场：9 款最佳 Fireflies.ai 替代品。

Zoom 的实时翻译是真实的、有用的，并且有明确的边界：大多数情况使用字幕，少数情况使用五种语言的测试版，其余情况使用人工口译员。了解这些边界在哪里，就是做出决策的全部关键。

— Mind.com 团队

参考来源：Zoom — 启用和配置翻译字幕、Zoom — 以其他语言查看字幕、Zoom — 使用会议语音翻译器、Zoom — 启用或禁用会议语音翻译器、Zoom — 在您的会议或网络研讨会中使用语言传译、Zoom — 启用语言传译、Zoomtopia 2025 公告。Zoom 会随着时间推移扩展其套餐和语言列表；请查看支持页面以获取当前状态。