現已支援 103 種語言翻譯 — 其中 74 種具備 AI 語音
2026 年 5 月
Live Translate Live 剛完成了一次重大引擎升級。我們將語音辨識堆疊從 Deepgram 換成了 ElevenLabs Scribe v2 Realtime，翻譯層從 Google Cloud Translation 換成了 Google Gemini 2.5，並在 Audio mode 中新增了由 ElevenLabs v3 驅動的即時 AI 語音播放功能。重點數字：我們現已支援 103 種語言的即時語音辨識，其中 74 種具備 AI 語音，且支援任意兩種語言之間的雙向翻譯。
如果您曾在我們以 47 種語言上線時讀過舊版支援語言文章，現在的數量大約翻了一倍。該文章已更新以反映新的現況；本文則是宣布此次變更內容，以及為何這對您進行真實對話時至關重要。
您現在能做到以前做不到的事
對使用者而言，最明顯的變化在於語言選擇器。向下捲動，您會看到多出一倍的選項。新加入的語言並不冷僻 — 它們都是許多人一直要求的語言：波斯語、孟加拉語、泰米爾語、泰盧固語、馬拉地語、品質更高的印地語、作為獨立選項與普通話區分的粵語、緬甸語、高棉語、寮語、蒙古語、豪薩語、斯瓦希里語、約魯巴語、祖魯語、威爾斯語、愛爾蘭語、希伯來語，以及更多其他語言。
第二項變化較難察覺，但您在對話中會有所感受：翻譯品質明顯提升，尤其是在較長或較細膩的對話輪次中。Gemini 2.5 能跨輪次攜帶對話上下文，而非逐句孤立翻譯。代名詞能對應到正確的先行詞。性別一致性能在整個對話序列中保持。慣用語會被轉換為目標語言中最接近的對應表達，而非逐字翻譯。marquee 用起來更像一位真正的譯者，而不只是一本字典。
第三項變化是全新功能：Audio mode 現在會以自然的 AI 語音朗讀翻譯結果。您說話、點擊翻譯，您的手機就會以聆聽者的語言朗讀翻譯後的句子。這個模式適合計程車、市場攤位、醫院候診室等場合 — 在這些地方，閱讀滾動顯示的文字並不實際，您自然會將手機來回傳遞。
語音辨識的準確度如何？
ElevenLabs 根據詞錯誤率（WER）基準，為 Scribe v2 發布了四級準確度分級。我們在應用程式內的語言選擇器中，以彩色圓點顯示各語言的分級，並在此重現分組內容，讓您一目了然地找到您的語言。WER 越低，代表辨識正確的詞彙越多。
| 等級 | WER | 語言 |
|---|---|---|
| 優秀 | ≤ 5% | 白俄羅斯語、波士尼亞語、保加利亞語、加泰隆尼亞語、克羅埃西亞語、捷克語、丹麥語、荷蘭語、英語、愛沙尼亞語、芬蘭語、法語、加利西亞語、德語、希臘語、匈牙利語、冰島語、印尼語、義大利語、日語、卡納達語、拉脫維亞語、馬其頓語、馬來語、馬拉雅拉姆語、挪威語、波蘭語、葡萄牙語、羅馬尼亞語、俄語、斯洛伐克語、西班牙語、瑞典語、土耳其語、烏克蘭語、越南語 （36 種） |
| 高 | 5–10% | 亞美尼亞語、亞塞拜然語、孟加拉語、粵語、菲律賓語、喬治亞語、古吉拉特語、印地語、哈薩克語、立陶宛語、馬爾他語、普通話（中文）、馬拉地語、尼泊爾語、奧里亞語、波斯語、塞爾維亞語、斯洛維尼亞語、斯瓦希里語、泰米爾語、泰盧固語 （21 種） |
| 良好 | 10–15% | 南非荷蘭語、阿拉伯語、阿薩姆語、阿斯圖里亞斯語、緬甸語、豪薩語、希伯來語、爪哇語、韓語、吉爾吉斯語、盧森堡語、毛利語、奧克語、旁遮普語、塔吉克語、泰語、烏茲別克語、威爾斯語 （18 種） |
| 發展中 | 15%+ | 阿姆哈拉語、干達語、伊博語、愛爾蘭語、高棉語、庫德語、寮語、蒙古語、北索托語、普什圖語、紹納語、信德語、索馬利語、烏爾都語、沃洛夫語、科薩語、約魯巴語、祖魯語 （18 種） |
WER 範圍來自 ElevenLabs 發布的 Scribe v2 基準測試。實際上，麥克風位置和環境噪音的影響遠大於前兩個等級之間的差距；在安靜的房間中搭配良好的麥克風，「優秀」和「高」等級的語言在對話中幾乎難以區分。
閱讀此表格的實用方式：如果您的語言對都位於前兩個等級，辨識層實際上會消失無蹤 — 您說的詞語會在您說出的同時出現在螢幕上。如果語言對中有一方屬於「良好」等級，您偶爾會在不常見的詞彙（尤其是專有名詞）上看到替換錯誤。如果某一方屬於「發展中」等級，該語言仍可使用，但轉錄結果較為粗糙；在這種情況下，Audio mode 可能更為友善，因為您可以在點擊翻譯前先審閱轉錄內容。
74 種語言的即時 AI 語音播放
Audio mode 是更重大的產品變化。marquee 一直是兩人共用一個螢幕、面對面坐著時的最佳工具。Audio mode 則適用於其他所有情況 — 一支手機、一隻手、兩個需要聆聽彼此而非閱讀文字的人。
當您點擊立即翻譯時，ElevenLabs v3（或其速度更快的同系列 Flash v2.5，視語言而定）會生成口語翻譯，並由手機播放出來。聽起來像真人，而不是機器人。您可以隨意點擊重播，不會額外消耗點數。如果您的聆聽者沒聽清楚，只需點擊重播即可。
在我們支援的 103 種語言中，目前有 74 種具備 AI 語音。不在此範圍內的語言在 Audio mode 中仍可使用 — 您會在螢幕上看到翻譯文字 — 只是沒有語音播放功能。語音清單會隨著 ElevenLabs 發布更新而持續增加；應用程式會在啟動時重新檢查並自動支援新語言。
如果您還沒試過 Audio mode，詳細介紹請見我們的 Audio mode 文章，完整參考資料請至 /languages。
翻譯涵蓋全部 103 種語言，支援任意方向
Gemini 2.5 負責翻譯層，支援任意語言互譯。您可以說日語，直接翻譯成葡萄牙語，中間不需要經過英語。印地語到阿拉伯語。韓語到斯瓦希里語。越南語到波蘭語。103 種語言共有 10,506 個獨特語言對，每一對都同時支援雙向對話模式。
Gemini 2.5 的特別之處在於對話上下文。舊版翻譯引擎將每個句子視為獨立字串處理。這就是為什麼有時代名詞會被翻譯成錯誤的名詞，或者語氣正式程度在對話中途突然改變，或者慣用語被直譯成毫無意義的文字。Gemini 2.5 能看到前幾輪的對話，並在翻譯下一句時將這些上下文納入考量。結果感覺不像是逐句查詞典，更像是一位從頭到尾都在場的真實譯者。
這對哪些語言對的體驗最好意味著什麼
全部 10,506 個語言對都可使用。有些感覺比其他的更流暢。實際上影響特定語言對體驗的因素有三個：
- 兩側都在頂級等級。當兩種語言都屬於「優秀」或「高」等級時，對話流暢自然。例如：英語 ↔ 西班牙語、英語 ↔ 法語、英語 ↔ 日語、西班牙語 ↔ 葡萄牙語、德語 ↔ 荷蘭語。
- 一側屬於「良好」或「發展中」等級。仍可使用，但較低等級那一側的轉錄結果較為粗糙 — 不常見的詞彙和專有名詞偶爾會出現替換錯誤。Audio mode 可以緩解這個問題，因為您在確認翻譯前可以先看到轉錄內容。
- 不同書寫系統。拉丁字母 ↔ 非拉丁字母的語言對（英語 ↔ 日語、阿拉伯語 ↔ 法語、印地語 ↔ 韓語）都可使用；marquee 需要在句子中途進行小幅字型切換，在 2026 年這幾乎感覺不到，但這是渲染上唯一可能稍顯費力的地方。
我們為何更換引擎
簡短版本：我們過去從 Deepgram + Google Cloud Translation 獲得的語言覆蓋範圍和品質在上線時表現優異，但一旦我們想要覆蓋更多地區，就無法繼續擴展。Scribe v2 以更低的延遲提供更廣泛的串流覆蓋，Gemini 2.5 能跨輪次攜帶上下文，而 ElevenLabs v3 則解鎖了 Audio mode 所需的語音播放功能。詳細版本請見另一篇文章，其中包含延遲數據、基準測試結果，以及此次切換背後的架構決策。
立即試用
選擇您的兩種語言，開始即時雙語對話。無需下載應用程式。marquee 的翻譯點數從$1 可用 15 分鐘起；在 Audio mode 中，轉錄功能免費，直到您點擊翻譯才開始計費。
在 marquee 中開始 · 試用 Audio mode · 完整語言參考 · 查看定價